4. 描述性统计分析：集中趋势、离散程度与数据分布可视化

各位同学，大家好。今天我们来聊聊材料可靠性分析里最基础、也最容易被忽视的一步——描述性统计分析。

很多人一上来就搞复杂的模型，结果数据本身有问题，后面全白搭。我个人的习惯是，拿到任何一批材料测试数据，先做三件事：看中心、看波动、看形状。说白了，就是今天要讲的集中趋势、离散程度和数据分布可视化。

4.1 集中趋势：数据往哪儿聚？

集中趋势回答的是：这批数据“最典型”的值是多少？

常用的三个指标：均值、中位数、众数。它们各有各的脾气。

4.1.1 均值（Mean）

均值就是算术平均。简单，但很脆弱。

我在项目中遇到过一件事：测一批铝合金的拉伸强度，10个样品里有一个因为夹持不当提前断裂，强度值特别低。结果均值被这个异常值拉低了一大截，差点让我误判材料不合格。所以，均值对异常值非常敏感。

计算公式：

μ = (x₁ + x₂ + ... + xₙ) / n

4.1.2 中位数（Median）

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

中位数的好处是——它不怕异常值。还是刚才那个铝合金的例子，中位数几乎没受影响。我个人在做材料可靠性分析时，只要数据里可能有异常点，我优先看中位数。

4.1.3 众数（Mode）

众数是出现次数最多的值。在材料科学里，众数常用于分析工艺参数的“最常用设置”。比如，某批次热处理温度记录中，850°C出现了12次，其他温度只出现几次，那850°C就是众数。

嗯，这里要注意：众数可能不止一个，也可能没有。比如数据分布很均匀，就没有明显的众数。

4.2 离散程度：数据有多散？

只看集中趋势是不够的。你想想看，两批材料的均值都是500 MPa，但一批数据很集中，另一批数据忽高忽低，那它们的可靠性天差地别。

离散程度就是用来描述数据“散开”的程度。

4.2.1 极差（Range）

极差 = 最大值 - 最小值。最简单，但也最粗糙。它只用了两个极端值，中间的数据全浪费了。

我曾经用极差快速判断一批陶瓷的硬度均匀性，结果发现极差很小，以为质量很好。后来仔细一看，数据分布其实是双峰的——低硬度一堆，高硬度一堆，极差根本看不出来。所以，极差只能做初步参考。

4.2.2 方差（Variance）与标准差（Standard Deviation）

方差是每个数据与均值差的平方的平均值。标准差是方差的平方根，单位跟原始数据一致，更好理解。

公式：

σ² = Σ(xᵢ - μ)² / n   （总体方差）
σ = √σ²               （总体标准差）

标准差是材料可靠性分析里最常用的离散度指标。我个人习惯，标准差越小，说明工艺越稳定，材料性能越一致。

4.3 数据分布可视化：一图胜千言

数字再精确，也不如图形直观。我拿到数据后，一定会画图看看。

4.3.1 直方图（Histogram）

直方图把数据分成若干区间，每个区间里有多少数据，就用柱子高度表示。

直方图能告诉你：数据是单峰的还是双峰的？是对称的还是偏斜的？有没有异常值？

举个例子，我分析过一批不锈钢的屈服强度数据，直方图显示有两个峰——一个在300 MPa附近，一个在350 MPa附近。后来查原因，发现是两批不同炉号的样品混在一起了。直方图一眼就看出来了。

4.3.2 箱线图（Box Plot）

箱线图更简洁。它用五个数概括数据：最小值、下四分位数（Q1）、中位数、上四分位数（Q3）、最大值。箱体外的点就是异常值。

我个人特别喜欢箱线图，因为它能同时展示集中趋势、离散程度和异常值。而且，多个箱线图放在一起，可以直观比较不同组的数据。

4.4 知识体系框架

下面这张图，是我自己总结的描述性统计分析的知识结构。你把它记在心里，以后分析数据就有章可循了。

4.5 实战小贴士

最后，分享几个我自己的经验：

• 先画图，再算数。 图形能帮你发现数据中的模式，避免盲目计算。
• 不要只看均值。 均值+标准差，或者中位数+四分位距，才是完整的描述。
• 异常值要追查原因。 是测量错误？还是材料本身有缺陷？不要轻易剔除。

好了，这一节的内容就到这里。记住：看中心、看波动、看形状。这三件事做好了，你的材料可靠性分析就成功了一半。

---

公众号:蓝海资料掘金营，微信deep3321