统计学基础：均值、中位数、标准差、百分位数、分布形状

嗯，我们进入第3章。说实话，这部分内容太多人当数学课来上了。但我一直觉得，统计学首先是视觉直觉的训练。你想象一下，一堆数据点摆在坐标系里，它们聚在哪里、散得多开、往哪边偏——这才是理解批次分布的关键。

我调过不少批次分布。平均值是最容易理解的，但也最容易骗人。举个例子：一条生产线上测了10个零件，9个是50mm，1个是500mm。平均值算出来是95mm，你说这能代表什么？什么都不代表。这种时候，你就需要看分布形状了。

1. 均值（Mean）——数据的“重心”

均值就是算术平均值。把所有数加起来除以个数。说白了，它是数据的重心位置。

计算公式很简单：

μ = (x₁ + x₂ + … + xₙ) / n

但在实际批次中，均值有个致命弱点——它怕极端值。我在项目中遇到过一批芯片测试数据，99颗都在正常范围，突然混进一颗异常高的值，均值直接跳涨十几倍。这种时候，你再用均值去判定批次质量，大概率翻车。

2. 中位数（Median）——稳健的“中心定位”

中位数是把数据从小到大排好，正中间那个数。如果数据个数是偶数，就取中间两个数的平均值。

它的好处：不受极端值影响。刚才那个有9个50mm和1个500mm的例子，中位数还是50mm。这才贴近实际。

你想想看，批次数据经常出现头重脚轻或者尾巴拖长的现象。中位数在这种场景下，比均值靠谱得多。

3. 标准差（Standard Deviation）——离散度

标准差这个指标，我第一次接触的时候觉得挺抽象。后来在项目中才真正理解——它衡量的是数据点在均值周围“散开”的程度。

公式是这样的：

σ = sqrt( (∑(xᵢ - μ)²) / n )

标准差大，说明数据分布很散，零件尺寸一会儿大一会儿小。标准差小，说明数据集中，质量控制得好。

我记得有个项目，设备老化后标准差从0.5涨到了1.8。表面上看均值没变化，但废品率翻了一倍。标准差没监控住，后果很严重。

我建议在批次报告中，永远把均值和标准差放一起看。单独提一个数据，基本是在耍流氓。

4. 百分位数（Percentiles）——数据的“分水岭”

百分位数这个概念，说白了就是“有多少数据在我这条线以下”。比如第25百分位数（Q1），表示有25%的数据小于这个值。第50百分位数就是中位数。第75百分位数（Q3）也一样。

我有个习惯：看批次分布时，必看Q1和Q3。它们之间的跨度（四分位距，IQR）是比标准差更稳健的离散度指标。

5. 分布形状（Shape of Distribution）——数据的“长相”

这块内容，我建议配合图形来看。不同的分布形状，决定了你该用哪种统计量、该信任什么数字。

• 对称分布： 均值≈中位数。比如正态分布，左右对称。均值和中位数很接近，哪个用起来差别不大。
• 右偏分布（正偏）： 均值 > 中位数。尾巴拖在右边，大量数据集中在左侧。这时候中位数比均值更能代表“典型值”。
• 左偏分布（负偏）： 均值 < 中位数。尾巴拖在左边，大量数据集中在右侧。同样，中位数更稳健。
• 双峰分布： 数据呈现出两个波峰。均值和中位数都可能在波谷里，统计上看着还行，但实际上产品分成两批了——这就是批次混合或者工序不稳定的信号。我曾经排查过这个问题，发现是两个班次的设备参数不一样。

为什么会这样？因为均值本质上是一个“数学上的中心”，而中位数是“物理上的中心”。你用哪个，取决于数据长什么样。数据对称，两个都行；数据偏了，优先看中位数。

把这些概念串起来

我个人习惯，拿到一批数据后，先做这三件事：

• 看分布形状： 快速画一个直方图或箱线图。看是单峰、双峰，还是偏态。
• 选中心指标： 对称用均值，偏态用中位数。极端值多的批次，我直接放弃均值。
• 定离散度： 标准差来量化波动，百分位数来圈定关键区间。偏态数据下，我更信任四分位距。

你说这些数字枯燥？其实一点都不。当你拿着标准差曲线，向技术总监解释为什么这批次需要返工时，这些基础概念就是你的弹药。没有它们，你只能拍脑袋说“感觉不太对”。

嗯，这一章就到这里。这些概念会在后续的分布拟合、假设检验和过程能力分析中反复出现。基础打牢了，后面跑得才快。