统计学入门 Descriptive Statistics: Charts and Graphs（个人笔记）

在数据可视化的宏观视角下，统计分布的图形化呈现是理解数据内在结构的第一步。当我们审视一个分布的图形时，其核心位置通常由中位数来界定。中位数作为数据集的“平衡点”，将数据划分为数量相等的两半，它比均值更能抵抗极端值的干扰，因此在描述分布中心时具有独特的稳健性。与此同时，分布的离散程度，即数据的变异性，反映了观测值围绕中心位置分散的幅度。这种变异性越大，说明数据点越分散，不确定性越高；反之，则表明数据高度集中。理解这两个维度，是深入剖析数据特征的基石。

形状

分布的形状是描述数据分布特征的另一关键维度，它通过以下几个核心属性来刻画数据的形态与趋势。

• 对称性。当一个分布被绘制成图形时，如果它能够在中心点被完美地分割，使得左右两侧互为镜像，则该分布被称为对称分布。这种完美的平衡意味着数据在中心值两侧的分布密度和范围是完全一致的。对称性不仅是视觉上的美感，更在统计推断中具有重要意义，因为许多经典统计方法（如t检验）都假设数据服从对称分布，特别是正态分布。
• 峰值数量。分布的形态可以通过其峰值的数量来分类。具有单一明显峰值的分布被称为单峰分布，这表明数据主要集中在某个特定的值附近。相反，具有两个明显峰值的分布被称为双峰分布，这通常暗示数据可能由两个不同的子群体混合而成，例如身高数据中男性和女性群体的混合。当对称分布仅在中心拥有一个峰值