「平均薪资 6 万」——但你身边大多数人明明只拿 3 万。这不是造假，而是平均数被少数高薪者拉偏的结果。描述统计就是帮你看穿这类数字陷阱的工具：用几个关键指标，快速掌握一组数据的全貌。
一、集中趋势：数据「中心」在哪里？
集中趋势衡量一组数据的代表值，常见有三种：
1. 平均数（Mean）
所有数值加总后除以个数。计算直观，但容易被极端值（离群值）拉偏。
例：10 个员工月薪分别为 3 万 × 9 人＋老板 60 万，平均薪资 = (27 + 60) / 10 = 8.7 万。这个数字让任何员工看了都觉得「不是在说我」。
2. 中位数（Median）
把数据从小到大排列后，位于正中央的那个值。若个数为偶数，取中间两个值的平均。对离群值有强大的抵抗力，是薪资、房价、收入分布最常用的代表值。
同样的例子：排序后中间值为 3 万——更能代表大多数员工的实际状况。
3. 众数（Mode）
出现次数最多的数值，一组数据可能有多个众数，也可能没有众数。常用于类别型数据（例如：哪个口味最受欢迎、哪个城市订单最多）。
| 指标 | 最适合的情境 | 离群值影响 |
|---|---|---|
| 平均数 | 对称分布、无极端值 | 高（容易被拉偏） |
| 中位数 | 偏态分布（薪资、房价） | 低（稳健） |
| 众数 | 类别型数据、寻找热门选项 | 无关 |
二、分散程度：数据有多「散」？
光知道中心在哪还不够——「全班平均 75 分」可能是大家都考 75，也可能是一半人 50 分、另一半 100 分。分散程度告诉你数据的离散程度。
全距（Range）
最大值 − 最小值。计算最简单，但只依赖两个极端值，容易因单一异常值失真。
方差（Variance）
每个数值与平均数的差距的平方和平均。平方的目的是让正负偏差不互相抵消，并放大较大的偏差。
- 总体方差：分母用 n，适合已有完整数据时
- 样本方差：分母用 n−1（贝塞尔校正），适合用样本推估总体时
标准差（Standard Deviation）
方差的平方根，单位与原始数据相同，因此更易解读。例：平均身高 170 cm、标准差 8 cm，代表多数人身高落在 162～178 cm 之间（±1 个标准差约涵盖 68% 的数据）。
变异系数（CV，Coefficient of Variation）
标准差 ÷ 平均数 × 100%，用于比较不同量级数据的分散程度。例：月薪标准差 5,000 元 vs. 房价标准差 500 万，直接比较没有意义，但换算成 CV 就可以比较「相对分散程度」。
三、四分位数：更稳健的分散描述
标准差容易受离群值影响。四分位数提供了另一种分散程度的描述方式：
- Q1（第一四分位数）：25% 的数据低于此值
- Q2（中位数）：50% 的数据低于此值
- Q3（第三四分位数）：75% 的数据低于此值
- IQR（四分位距）= Q3 − Q1：涵盖中间 50% 数据的范围
IQR 完全忽略最高和最低的 25% 数据，因此对离群值有强大的抵抗力。箱线图（Box Plot）就是以 Q1、Q2、Q3、IQR 为基础绘制的，是呈现数据分布最常用的可视化方式之一。
四、偏态与峰度：分布的「形状」
偏态（Skewness）
描述分布是否对称：
- 偏态 ≈ 0：接近对称分布，平均数 ≈ 中位数
- 偏态 > 0（右偏）：长尾在右侧，少数极高值拉高平均数（例如薪资、财富分布）
- 偏态 < 0（左偏）：长尾在左侧，少数极低值拉低平均数（例如考试成绩接近满分时）
右偏分布中，平均数 > 中位数 > 众数——这就是为什么薪资报告常强调「中位数」更能代表一般人的状况。
峰度（Kurtosis）
描述分布的尖峭程度：
- 高峰度：数据集中在平均数附近，但尾部较厚（极端值较多）
- 低峰度：数据较平均分散，没有明显的集中点
总结
- 平均数：最常用，但有离群值时容易失真，应搭配中位数判读
- 中位数：对偏态分布（薪资、房价）更有代表性
- 众数：类别型数据或寻找最热门选项时使用
- 标准差：量化数据的离散程度，与平均数搭配使用
- IQR：比标准差更稳健的分散指标，不受极端值影响
- 偏态：判断分布是否对称，决定应报告平均数还是中位数
描述统计不需要复杂的数学背景——理解每个指标背后的直觉含义，才是真正读懂数据的关键。下次看到「平均薪资」，记得先问：中位数是多少？