Measure of Central Tendency集中趋势度量

在统计分析中，中心趋势度量（Measures of Central Tendency）是最常用的工具，即我们熟知的均值、中位数和众数。它们在数据分析中的应用无处不在。

---

数据集概况：教学评价数据

本课程使用的是来自**德克萨斯大学（University of Texas）**的教学评价数据集。

• 样本规模：包含 463 门课程。
• 信息内容：
  • 讲师收到的教学评价得分。
  • 讲师的个人属性。
  • 课程的相关特征。

Python 数据初步探索

使用 Python 的 Pandas 库导入 CSV 文件后，首要任务是了解数据类型。

• dataframe.info()：显示所有列及其对应的数据类型。
  • 在本例中，DataFrame 命名为 ratings_df。
  • 索引范围：共 463 条记录（从 0 到 462，因为 Python 从 0 开始计数）。
• 常见数据类型：
  • Object：代表字符串（Strings）。
  • int64：代表整数（Whole numbers）。
  • float64：代表浮点数（带小数点的实数）。

---

总体与样本 (Population vs. Samples)

在深入计算之前，必须区分这两个核心概念：

为什么要使用样本？

1. 成本效益：收集全量数据（如 2.3 亿人口）成本极高。
2. 高效性：对于大规模总体，随机抽取 330 到 500 个样本通常已足够。

---

中心趋势的三大指标

虽然公式中可能出现希腊字母（如 $\mu$ 或 $\bar{x}$），但其核心逻辑非常直观：

1. 均值 (Mean / Average)

• 定义：所有观测值的总和除以观测值的数量。
• 重要性质：如果计算每个观测值与均值的差值（离差），所有离差的总和必然等于 0。

2. 中位数 (Median)

• 定义：将数据按从小到大排序后，处于中间位置的值。
• 含义：它将数据分为相等的两部分。
  • 示例：若某城市的月薪中位数为 $45,000，意味着 50% 的人收入高于此值，另 50% 低于此值。

3. 众数 (Mode)

• 定义：数据集中出现频率最高的值。
• 示例：如果一个班级中出现次数最多的年龄是 16 岁，那么 16 就是众数。

---

Python 实战：获取描述性统计

我们将通过 Python 估算“美貌评分（Beauty Score）”、“教学评价”和“年龄”的统计值。

• 核心函数：dataframe.describe()
• 输出内容：
  • 行数 (count)
  • 均值 (mean)
  • 标准差 (std)
  • 最小值 (min)
  • 百分位数 (25%, 50%, 75%) —— 注：50% 分位数即中位数
  • 最大值 (max)

操作提示：

• 若需获取全量数据的统计信息，直接在 DataFrame 上调用 .describe()。
• 若仅需查看特定变量子集，则需在函数中指定列名。