为显示描述性统计量选择统计量

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。

使用均值的标准误可以确定样本均值对总体均值的估计精确度。有关更多信息，请转到所有统计量和图形并单击“均值标准误”。

使用标准差可以确定数据从均值扩散的程度。有关更多信息，请转到什么是标准差？。

使用方差可以确定数据从均值扩散的程度。方差等于标准差的平方。有关更多信息，请转到什么是方差？。

变异系数是（用 COV 表示）散布的度量标准，这种散布描述数据相对于均值的变异程度。变异系数将进行调整，使值在无单位尺度上。因为此调整，您可以用变异系数来取代标准差，以比较拥有不同单位或显著不同均值的数据中的变异。有关更多信息，请转到所有统计量和图形并单击“CoefVar”。

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最小区间。

和是所有数据值的合计。

最小值是指样本中的最小数据值。可以使用最小值确定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。

样本中 25% 的数据值小于第一个四分位数值。

中位数是数据分布中心的另一个度量。中位数受异常值的影响通常比均值要小。一半的数据值大于中位数值，一半的数据值小于中位数值。

样本中 25% 的数据值大于第三个四分位数值。

最大值是指样本中最大的数据值。使用最大值可以确定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。

四分位间距 (IQR) 是第一个四分位数 (Q1) 和第三个四分位数 (Q3) 之间的距离。使用四分位间距可以描述数据的散布。数据越分散，四分位间距越大。

使用众数和单个表示样本中最常见值的值可以描述一整组观测值。您可以使用众数连同均值和中位数来获取数据分布的总体特征。

样本中非缺失值的个数。Minitab 在输出中将此值显示为 N。

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。Minitab 在输出中将此值显示为 N*。

列中观测值的总数。用于表示 N 缺失和 N 非缺失之和。Minitab 在输出中将此值显示为总计数。

百分比表示一个类别对整体的贡献。百分比的计算方法是将类别的频率除以总频率，然后乘以 100。例如，如果检查 400 个部件，其中有 21 个部件存在缺陷，则缺陷百分比将为.

累积百分比是包含该类别的所有百分比值的合计，与每个类别的单个百分比相对。

使用截尾均值可以消除非常大或非常小的值对均值的影响。当数据中包含异常值时，与均值相比，截尾均值能够更好地度量集中趋势。

平方值的未校正总和的计算方法为：对列中每个值求平方，然后将这些平方值进行加总。例如，如果列中包含 x₁、x₂、... 、x_n，则平方和的计算公式为 (x₁² + x₂² + ... + x_n²)。与平方值的校正总和不同，未校正的平方值总和中包含错误。数据值将直接计算平方，而不先减去均值。

使用偏度可以确定数据的不对称程度。有关更多信息，请转到偏度和峰度如何影响您的分布。

使用 kurtosis 可以确定与正态曲线相比，数据的尖锐程度。有关更多信息，请转到偏度和峰度如何影响您的分布。

均方递差 (MSSD) 是方差的估计值。MSSD 的一个可能用法是检验一系列观测值是否随机。在质量控制中，MSSD 的一个可能用法是在子组大小为 1 时估计方差。