解释 列统计量 和 行统计量 的结果

和是所有数据值的合计。和还用在统计计算中，如用于计算均值和标准差。

均值是数据的平均值，即所有观测值之和除以观测值的个数。

例如，银行五位客户的等待时间（以分钟计）为：3、2、4、1 和 2。平均等待时间按如下公式计算：

即一个客户平均要等待 2.4 分钟才能获得服务。

解释

使用均值来描述具有表示数据中心的单个值的样本。很多统计分析使用均值作为数据分布中心的一个标准度量。

中位数和均值均测量中心趋势。但是，不寻常的值（称为异常值）对中位数的影响会小于它们对均值的影响。如果数据是对称的，则均值和中位数相似。

对称

非对称

标准差是离差的最常用度量，即数据从均值展开的程度。符号 σ（西格玛）通常用于表示总体的标准差，而 s 用于表示样本的标准差。对某一过程而言随机或合乎自然规律的变异通常称为噪声。对某一过程而言随机或合乎自然规律的变异通常称为噪声。

由于标准差与数据采用相同的单位，因此它通常比方差更易于解释。

解释

使用标准差可以确定数据从均值扩散的程度。 标准差值越大，数据越分散。 对于正态分布来说，好的经验法则是大约 68% 的值位于均值的一个标准差范围内，95% 的值位于两个标准差范围内，99.7% 的值位于三个标准差范围内。

使用标准差还可以建立用来估计过程的总体变异性的基准。

医院 1

医院 2

最小值是最小的数据值。

在这些数据中，最小值为 7。

最大值是指最大的数据值。

在这些数据中，最大值为 19。

极差是样本中的最大数据值与最小数据值之差。极差表示包含所有数据值的区间。

中位数是数据集的中点。在此中点值所在的点上，有一半的观测值大于中点值，有一半的观测值小于中点值。中位数是通过对观测值排秩并在秩顺序中查找第 [N + 1] / 2 位的观测值来确定的。如果观测值数为偶数，则中位数是排在第 N / 2 位和第 [N / 2] + 1 位的观测值的平均值。

解释

中位数和均值均测量中心趋势。但是，不寻常的值（称为异常值）对中位数的影响会小于它们对均值的影响。如果数据是对称的，则均值和中位数相似。

对称

非对称

未校正平方和是通过对列中的每个值求平方来计算的，它计算这些平方值的和。例如，如果列中包含 x₁, x₂, ... , x_n，则平方和等于 (x₁² + x₂² + ... + x_n²)。与校正平方和不同的是，未校正平方和包括误差。在对数据值求平方之前不会先减去均值。

列中观测值的总数。用于表示 N 缺失和 N 非缺失之和。

样本中非缺失值的个数。

样本中缺失值的个数。缺失值个数是指包含缺失值符号 * 的单元格数。