选择存储描述性统计量的统计量

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“SE 均值”。

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，请转到所有统计量和图形并单击“StDev”。

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，请转到所有统计量和图形并单击“方差”。

变异系数 (COV) 是对散布（描述数据相对于均值的变异性）的度量。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”。

在工作表中，变异系数的列名是 CVariation。

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。

总和是所有数据值的总和。

最小值是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。在工作表中，对于第一个四分位数的列名为 Q1。

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。在工作表中，对于第三个四分位数的列名为 Q3。

最大值是指样本中的最大数据值。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。大 IQR 值表示数据中存在较大的散布。

样本中非缺失值的个数。 在工作表中，对应于未丢失 N 的列名为 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。 在工作表中，对应于丢失 N 的列名为 NMissing。

列中观测值的总数。用于表示 N 缺失和 N 非缺失之和。 在工作表中，对应于 N 总和的列名为 Count。

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。在工作表中，累积百分比的列名为 CumP。

可使用微调均值消除非常大或非常小的值对均值的影响。当数据包含异常值时，对于度量集中趋势而言，微调均值可能是比均值更好的度量方法。有关更多信息，请转到所有统计量和图形并单击“TrMean”。

平方的未校正总和是通过对列中每个值求平方来计算的，并计算这些平方值的总和。也就是说，如果列包含 x₁, x₂, ... , x_n，则平方和将计算 (x₁² + x₂² + ... + x_n²)。与平方的校正总和不同，平方的未校正总和中包括错误。将在不先减去均值的情况下对数据值求平方。

可使用偏度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。

可使用峰度确定数据的波峰相对于正态曲线的尖锐程度。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。您可以使用 MSSD 检验一系列观测值是否随机。在质量控制中，可使用 MSSD 估计在子组大小为 1 时的方差。