12、统计学中的数据测量与分析

统计学中的数据测量与分析

在统计分析中，为了使样本划分不那么偏向男性，我们在调查中引入了一种偏向系统。乍一看，在随机抽样中引入这样的偏向系统似乎不是个好主意，但减轻抽样不平等，消除性别、种族、残疾等方面的系统性偏差更为重要。简单随机抽样中，每个人被选中的机会相同，但很可能会掩盖少数群体的声音和意见。所以，在抽样技术中引入这样的偏向系统是可行的。

1. 统计测量方法

当我们获得样本后，就需要对结果进行量化。比如，我们想了解员工的整体幸福感，或者判断公司员工的薪资差异情况。以下是一些常见的结果测量方法。

1.1 中心度量

中心度量用于定义数据集的中间或中心位置。有时我们需要对数据值进行概括，例如想知道西雅图的平均降雨量，或者欧洲男性的中位身高。这是一种概括大量数据的方式，便于向他人传达信息。

• 算术平均数 ：通过将数据集中所有值相加，再除以数据值的数量得到。这是最常见的定义数据中心的方法，但存在缺陷。例如，计算 [11, 15, 17, 14] 的平均数：

import numpy as np
np.mean([11, 15, 17, 14]) == 14.25

平均值为 14.25，所有值都与它比较接近。但如果引入新值 31：

np.mean([11, 15, 17, 14, 31]) == 17.6

新值 3