基础统计计算器:均值/中位数/方差/标准差/四分位/偏度/峰度 + 直方图 + 箱线图

真实使用场景

• 一次粘贴, 把描述统计作业的所有项目都对一遍

  作业要求算 {78, 85, 90, 72, 88, 95, 84, 91, 76, 89} 这十个 数的均值、中位数、样本方差、样本标准差、Q1、Q3、IQR。 任意分隔粘进去, 摘要卡里每一项都能直接读到。四分位数同时 给 Tukey 和 R-7 两套结果, 国内课本用 Tukey 法的话直接看 那一列, 课后练习题用 Excel / R 算的话切到另一列, 不用纠结 答案是按哪种定义判分。

• 一眼看到把均值拽偏的那个异常值

  右偏的收入数据 3.2, 3.5, 3.8, 4.1, 4.3, 4.5, 4.8, 5.1, 5.5, 6.2, 7.8, 15.0, 均值 5.32 比中位数 4.65 明显大一截。计算器 会在箱线图上把 15.0 标成红色异常值, 也会在异常值面板里列 出来。这就是课本那句"均值对异常值敏感, 中位数不敏感"的可 视化证据, 也是给学生解释为什么各国政府公布的是家庭收入 中位数而不是均值的最好例子。

• 在画 Python 直方图前先决定分多少箱

  有 60 个反应时间想做个干净的实验报告直方图。粘进去, 默认 Sturges (k=7) 看一眼整体形状; 如果觉得太粗糙, 把箱数调到 10 或 12 看看新出来的细节是真结构还是随机噪声。视觉上确定 箱数之后, 直接在 matplotlib 里 plt.hist(data, bins=k) 复 现就行, 这样箱数是 data-driven 选的, 不是凭感觉。

• 给学生演示样本方差和总体方差的差别

  n−1 这个校正用数字讲最清楚。取一组小数据 {2, 4, 6, 8, 10}: 页面显示总体方差 σ² = 8 (÷5), 样本方差 s² = 10 (÷4), 对应 标准差是 2.83 和 3.16。学生马上能看到 n−1 让样本估计稍微 大一点, 这就是无偏估计在补偿"样本均值本身已经从数据里 估出来, 占用了一个自由度"的事实。

• 给课程项目交"五数概括 + 异常值"报告

  数据分析的项目要求写出五数概括 (min, Q1, 中位数, Q3, max) 并按 Tukey 1.5×IQR 准则找异常值。把你的数据粘进去, 五数 直接读箱线图下方标注, 上下界写在图正下方, 被标红的异常 值在异常值面板里。最后按"一键复制", 整段纯文本摘要直接 贴进报告里, 不用一项项手抄。

常见踩坑

• 描述整个总体时用了样本标准差 s, 或者从样本往总体推时用了总体 σ。一个口诀:如果这组数后续要做假设检验, 你就是把它当样本, 用 s 和 s² (÷ n−1); 如果这组数字面上就是你关心的全部对象、不外推, 用 σ 和 σ² (÷ n)。

• 把"无众数"当成计算器算错。所有值都只出现一次的时候本来就没有众数, 这是正确答案不是漏算。有的教材会把全部值都叫"出现 1 次的众数", 但这个计算器和大多数统计软件一样, 直接报"无众数", 避免你从随机的小重复里读出本不存在的"代表值"。

• 不看作业用哪种算法就乱选四分位数。Tukey 法和 R-7 法都可以叫"四分位数", 不同国家、不同教材选的不同, 在小样本上 Q1 / Q3 经常不一致。交作业前先把下拉框切到与课程一致的那种再读数。

• 看到偏度 / 峰度非零就下结论"数据不正态", 不看样本大小。小样本 (n < 20) 时偏度 / 峰度的估计本身波动很大, 完全正态的数据靠运气就能把 |G1| 拉到 1 以上。这两个数当线索可以, 当判决不行。正经做正态性检验请用 Shapiro–Wilk 或 Q-Q 图。

隐私说明