4、描述性统计对比：均值、方差、分位数、分布形状在偏差发现中的基础应用

描述性统计是样本偏差校验的第一道防线。在风控场景中，训练样本与真实客群在均值、方差、分位数及分布形状上的差异，往往直接揭示了采样偏差、幸存者偏差或时间漂移。本节将系统讲解四个核心统计量的对比方法及其在偏差发现中的具体应用。

4.1 均值对比：定位中心趋势偏移

均值是最直观的集中趋势度量。当训练样本与验证样本（或线上实时样本）的均值差异超过业务容忍阈值时，通常意味着样本选择过程存在系统性偏差。

4.2 方差对比：识别离散程度变化

方差（或标准差）反映了数据的波动性。在风控模型中，方差变化直接影响模型的稳定性和区分度。方差增大可能意味着客群结构发生分化，方差减小则可能暗示样本同质性过高。

• 方差膨胀（σ²_train < σ²_online）：线上客群异质性增强，模型在极端值上可能失效。
• 方差收缩（σ²_train > σ²_online）：训练样本包含过多噪声或离群点，模型泛化能力被高估。
• 方差不变但均值偏移：整体波动一致，但中心位置移动，需关注截距项调整。

4.3 分位数对比：捕捉尾部与分段差异

分位数对比能够揭示均值无法反映的尾部行为和分段特征。在风控中，高分位数（如 P95、P99）往往对应高风险客群，低分位数（如 P5、P10）则对应优质客群。

4.4 分布形状对比：偏度与峰度的诊断价值

偏度（Skewness）和峰度（Kurtosis）从形状维度刻画分布特征，是均值-方差框架的重要补充。

• 偏度：衡量分布不对称性。正偏（右偏）表示尾部在右侧，负偏（左偏）表示尾部在左侧。风控中，收入、借款金额通常呈右偏分布。
• 峰度：衡量分布尾部厚度。高峰度（>3）意味着极端值较多，低峰度（<3）意味着分布更平坦。

4.5 综合对比流程：从统计量到偏差决策

在实际项目中，描述性统计对比通常按以下步骤执行：

1. 数据准备：对齐训练样本与线上样本的时间窗口、特征定义。
2. 单变量统计计算：分别计算均值、方差、P5/P25/P50/P75/P95、偏度、峰度。
3. 差异量化：使用标准化差异（如 Cohen's d）或百分比差异衡量偏差幅度。
4. 阈值判定：设定业务容忍阈值（如均值差异 > 10%、分位数差异 > 15%）。
5. 偏差定位：标记超出阈值的特征，进入深度偏差分析。

4.6 可视化辅助：分布对比图的核心要素

除数值统计外，分布对比图（如核密度估计图、箱线图、QQ图）能直观呈现偏差形态。以下是一个典型的风控特征分布对比示意图：

4.7 常见陷阱与应对策略