N
样本数量 (N) 是原始样本中的观测值总数。Minitab 抽取此样本数量的重复样本来形成自举样本。
均值
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。
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。
对称
非对称
对于对称分布，均值（蓝线）和中位数（橙线）非常相似，以至于您很难区分这两条线。但是，非对称分布会向右偏斜。
标准差
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。
医院 1
医院 2
医院出院时间
管理员对两家医院急诊部所治疗的患者的出院时间进行跟踪。尽管平均出院时间大致相同（35 分钟），但标准差显著不同。医院 1 的标准差大约为 6。平均而言，患者的出院时间大约偏离均值（虚线）6 分钟。医院 2 的标准差大约为 20。
方差
方差度量数据围绕其均值的分散程度。方差等于标准差的平方。
解释
方差越大，数据越分散。
由于方差 (σ2) 是量的平方，因此其单位也是平方的，这在实际讨论中容易使人混淆。由于标准差与数据采用相同的单位，因此它通常更易于解释。例如，在公共汽车站等待时间样本的均值为 15 分钟，方差为 9 分钟2。由于方差与数据采用不同的单位，所以方差通常会显示为其平方根，即标准差。方差 9 分钟2 等效于标准差 3 分钟。
最小值
最小值是最小的数据值。
在这些数据中，最小值为 7。
| 13 | 17 | 18 | 19 | 12 | 10 | 7 | 9 | 14 |
解释
使用最小值可以标识可能的异常值或数据输入错误。评估数据散布最简单的方法之一就是比较最小值和最大值。如果最小值非常低，甚至要考虑数据的中心、散布和形状，请调查出现极端值的原因。
中位数
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。
对于此排序数据，中位数是 13。也就是说，一半的值小于或等于 13，一半的值大于或等于 13。如果添加另一个等于 20 的观测值，则中位数为 13.5，即第 5 个观测值 (13) 和第 6 个观测值 (14) 的平均值。
解释
对称
非对称
对于对称分布，均值（蓝线）和中位数（橙线）非常相似，以至于您很难区分这两条线。但是，非对称分布会向右偏斜。
最大值
最大值是指最大的数据值。
在这些数据中，最大值为 19。
| 13 | 17 | 18 | 19 | 12 | 10 | 7 | 9 | 14 |
解释
使用最大值可以标识可能的异常值或数据输入错误。评估数据散布最简单的方法之一就是比较最小值和最大值。如果最大值非常高，甚至要考虑数据的中心、散布和形状，请调查出现极端值的原因。
观测均值的差值
差值是两个样本的均值之间的差值。由于差值基于样本数据而不是整个总体，因此样本差值不可能等于总体差值。使用差值的置信区间可以更好地估计总体差值。
