关于此工具
描述性统计学(Descriptive Statistics)是数据分析、科学实验、金融量化交易、质量控制(QC)以及机器学习模型特征工程的数学基础。在面对成百上千个杂乱的离散样本数据时,仅凭直觉极难看清数据的中心趋势与离散程度。本工具提供专业纯前端离线描述性统计计算,支持输入以逗号、空格或换行分隔的任意数字序列,秒级计算平均数(Mean)、中位数(Median)、众数(Mode)、极差(Range)、方差(Variance)、标准差(Standard Deviation)及四分位数。
如何使用本工具(操作步骤)
输入或粘贴样本数字集合
在数据输入框中输入数字序列,数值之间可使用逗号(,)、空格或换行分隔,支持负数与大数浮点数。
选择总体(Population)或样本(Sample)统计
根据数据来源自由切换「样本方差(除以 n-1)」或「总体方差(除以 n)」,保证数理统计学严格严谨。
查看多维度统计指标并一键复制
卡片即刻并行呈现中心趋势(均值、中位数)与离散程度(标准差、极差),点击一键复制完整的统计分析报告。
自动区分总体(N)与样本(N-1)方差计算
严格适配数理统计学标准:计算样本方差与样本标准差时自动采用贝塞尔修正(除以 n-1),彻底消除估算偏差。
支持全套五数概括(Five-Number Summary)
即时计算最小值、下四分位数(Q1)、中位数(Q2)、上四分位数(Q3)及最大值,为箱线图(Boxplot)绘制提供即用数据。
纯本地离线计算,科研数据绝对保密
所有排序、平方累加与根号运算在本地浏览器线程中进行,未发表的学术实验数据、企业核心财报指标绝不外传。
统计学指标选用避坑指南与异常值常识
- •警惕“被平均”陷阱(均值 vs 中位数):当数据分布极度偏斜或存在极端大数时(如计算全国居民收入、或者九个乞丐和一个比尔·盖茨同处一室),平均数会被极端值严重拉高;此时**“中位数(Median)”才是最能代表普遍真实水平的抗干扰指标**!
- •什么时候除以 n,什么时候除以 n-1:如果手里拿到了全体数据的全部资料(如一个班级全员考试成绩),计算方差除以总人数 `N`(总体方差);如果是从浩瀚海量总体中抽取出来的抽样样本,计算方差必须除以 `n-1`(贝塞尔修正)以消除抽样低估偏差!
- •利用 3σ 原则识别异常值(Outliers):在近似正态分布的数据中,99.7% 的正常数据都落在 `[均值 - 3×标准差, 均值 + 3×标准差]` 区间内。超出该范围的数据很可能是仪器故障或手滑输入产生的脏数据异常值。
代码与转换对比示例
典型样本数据集核心描述性统计计算结果对照
12, 15, 18, 22, 22, 25, 30, 35, 40, 55• 样本总数 (Count) : 10 个
• 算术平均数 (Mean) : 27.4
• 中位数 (Median) : 23.5 (中间两位 22 与 25 的均值)
• 众数 (Mode) : 22 (出现频次最高)
• 样本方差 (Sample Var) : 172.93 (分母为 n-1=9)
• 样本标准差 (Sample SD) : 13.15 (方差开根号)
• 四分位距 (IQR: Q3 - Q1) : 35 - 18 = 17* 标准差反映了数据相对于平均值的整体离散波动剧烈程度。
JavaScript 数组计算平均数与样本方差核心代码
function getStats(arr) {
const n = arr.length;
const mean = arr.reduce((a, b) => a + b, 0) / n;
// 样本方差 (除以 n-1)
const variance = arr.reduce((acc, v) => acc + Math.pow(v - mean, 2), 0) / (n - 1);
const stdDev = Math.sqrt(variance);
return { mean, variance, stdDev };
}const data = [10, 20, 30, 40, 50];
console.log(getStats(data));
// 输出: { mean: 30, variance: 250, stdDev: 15.81 }* 在数据量较大时,采用双遍历(先求均值,再求离差平方和)可有效防范浮点抵消误差。
常见问题解答
Q: 如果数据集中每个数字都只出现了一次,众数(Mode)是多少?
A: 在这种情况下,统计学上称为“无众数(No Mode)”。只有当某一个或某几个数值的重复出现频次显著高于其他数值时,才存在单一众数或双众数(Bimodal)。
Q: 标准差(Standard Deviation)和方差(Variance)有何联系与区别?
A: 标准差是方差的算术平方根。方差的单位是原始数据单位的平方(如“万元²”),无法与原数据直接做加减比较;而开根号后的标准差单位与原始数据完全一致(如“万元”),更直观反映波动幅度。
Q: 支持输入数千个数据的大规模集合进行运算吗?
A: 完全胜任。本工具采用高性能的 JavaScript 快速排序(O(n log n))与单次线性遍历累加算法,对上万个样本数据的全套统计指标推导仅需数十毫秒,秒级出结果。