【基础理论】描述性统计基本概念

**描述性统计基本概念**

描述性统计是一种用于概括数据分布的统计方法，它通过计算数据的集中趋势、离散度等指标来描述数据的基本特征。以下是描述性统计的基本概念：

###1. 中位数（Median）

中位数是数据集中的中间值，通常表示为Md或M。它是数据集按顺序排列后，位于中间位置的值。如果数据集有奇数个值，则中位数就是中间值；如果数据集有偶数个值，则中位数是两个中间值的平均值。

import numpy as np#生成一个随机数组data = np.random.randint(1,100, size=10)

# 计算中位数median_value = np.median(data)
print("中位数：", median_value)

###2. 平均值（Mean）

平均值是数据集中的所有值的总和除以数据点的数量。它通常表示为M或x?。

import numpy as np#生成一个随机数组data = np.random.randint(1,100, size=10)

# 计算平均值mean_value = np.mean(data)
print("平均值：", mean_value)

###3. 方差（Variance）

方差是数据点与平均值之间的平方差之和除以数据点的数量。它通常表示为σ2或s2。

import numpy as np#生成一个随机数组data = np.random.randint(1,100, size=10)

# 计算方差variance_value = np.var(data)
print("方差：", variance_value)

###4. 标准差（Standard Deviation）

标准差是数据点与平均值之间的平方差之和的平方根。它通常表示为σ或s。

import numpy as np#生成一个随机数组data = np.random.randint(1,100, size=10)

# 计算标准差std_dev_value = np.std(data)
print("标准差：", std_dev_value)

###5. 四分位数（Quartiles）

四分位数是数据集中的四个中间值，通常表示为Q1、Q2、Q3和Q4。其中，Q1是下四分位数，Q2是中位数，Q3是上四分位数。

import numpy as np#生成一个随机数组data = np.random.randint(1,100, size=10)

# 计算四分位数q1_value = np.percentile(data,25)
q2_value = np.median(data)
q3_value = np.percentile(data,75)
print("下四分位数：", q1_value)
print("中位数：", q2_value)
print("上四分位数：", q3_value)

###6. 最小值和最大值最小值是数据集中的最小值，通常表示为Min或min。最大值是数据集中的最大值，通常表示为Max或max。

import numpy as np#生成一个随机数组data = np.random.randint(1,100, size=10)

# 计算最小值和最大值min_value = np.min(data)
max_value = np.max(data)
print("最小值：", min_value)
print("最大值：", max_value)

以上是描述性统计的基本概念，包括中位数、平均值、方差、标准差、四分位数和最小值/最大值。这些指标可以帮助我们了解数据的分布特征，并且在实际应用中非常有用。