描述性统计分析：均值、中位数、方差、偏度、峰度
各位工程师朋友，大家好。欢迎来到我们的实战课程。
今天聊一个看似基础、但实际坑不少的话题——描述性统计。你可能会想：“这不就是算几个数吗？” 嗯，我当年也这么想。直到有一次，我用均值去评估一批轴承的寿命，结果被现场数据狠狠打脸。从那以后，我再也不敢小看这几个统计量了。
为什么可靠性工程师要懂描述性统计？
说白了，我们手头的测试数据不会自己说话。均值、中位数、方差这些指标，就是帮我们把数据“翻译”成工程语言的工具。比如：
- 均值告诉你这批产品的“平均表现”
- 中位数告诉你“大多数产品”的真实水平
- 方差告诉你产品的一致性好不好
- 偏度和峰度则能暴露数据背后的“隐藏性格”
我个人习惯，拿到任何测试数据，第一件事就是算这五个数。就像医生看病先量体温一样自然。
核心观点：描述性统计不是简单的“算数”，而是帮你建立对数据的第一直觉。这个直觉，往往决定了后续建模的方向对不对。
1. 均值 vs 中位数：谁更靠谱？
均值（Mean）就是算术平均，大家都会算。但我要提醒你：均值对异常值极其敏感。我在项目中遇到过一批电子元件的寿命测试，其中有一个样品因为焊接不良提前失效，结果均值被这个“坏点”拉低了30%。
这时候，中位数（Median）就派上用场了。它只关心“中间那个数”，不管两端的数据有多离谱。你想想看，如果数据分布是对称的，均值和中间数差不多；但如果数据有偏斜，中位数更能代表“典型值”。
我的经验：在可靠性工程中，如果样本量小于30，优先看中位数。大样本下，两者结合看——差值越大，说明数据越“不干净”。
2. 方差与标准差：一致性的度量
方差（Variance）衡量的是数据偏离均值的程度。标准差（Standard Deviation）就是方差的平方根，单位跟原始数据一致，更直观。
我曾经帮一家供应商分析电机振动数据。两台电机均值差不多，但一台的方差是另一台的3倍。结果呢？方差大的那台，用了半年就开始出问题。为什么？因为波动大意味着内部应力不稳定，疲劳损伤积累得快。
注意：方差对异常值同样敏感。如果数据里有明显的离群点，建议先做异常值检测，再算方差。否则你得到的“一致性”可能是假象。
3. 偏度：数据往哪边偏？
偏度（Skewness）描述数据分布的不对称程度。简单说：
- 偏度 ≈ 0：数据大致对称，像正态分布
- 偏度 > 0：右偏（长尾在右边），说明有少数“特别大”的值
- 偏度 < 0：左偏（长尾在左边），说明有少数“特别小”的值
在寿命测试中，我经常看到右偏分布。这意味着大部分产品寿命集中在某个值附近，但少数“长寿”产品把尾巴拉得很长。嗯，这时候用均值去估计寿命，就会偏保守。
4. 峰度：数据有多“尖”？
峰度（Kurtosis）描述数据分布的“尖锐”程度。很多人容易搞混，我简单解释一下：
- 峰度 ≈ 3：正态分布的峰度（有些软件会减去3，得到“超额峰度”）
- 峰度 > 3：尖峰厚尾，数据集中在中心，但两端也有不少极端值
- 峰度 < 3：平峰薄尾，数据分布比较均匀
为什么关心这个？因为峰度高的数据，往往意味着存在“多模态”或“混合分布”。我曾经分析一批焊接点的强度数据，峰度高达8，后来发现其实是两种工艺参数混在一起了。你看，一个统计量就暴露了问题。
5. 用Python快速计算
好了，理论说完了，咱们直接上代码。我个人习惯用 scipy.stats 和 numpy，因为既快又全。
import numpy as np
from scipy import stats
# 模拟一组寿命数据（单位：小时）
lifetime = np.array([1200, 1350, 1100, 1450, 1280,
1500, 1180, 1420, 1300, 1250])
# 均值与中位数
mean_val = np.mean(lifetime)
median_val = np.median(lifetime)
print(f"均值: {mean_val:.1f} 小时")
print(f"中位数: {median_val:.1f} 小时")
# 方差与标准差
var_val = np.var(lifetime, ddof=1) # ddof=1 表示样本方差
std_val = np.std(lifetime, ddof=1)
print(f"样本方差: {var_val:.1f}")
print(f"样本标准差: {std_val:.1f}")
# 偏度与峰度
skew_val = stats.skew(lifetime)
kurt_val = stats.kurtosis(lifetime, fisher=True) # Fisher=True 返回超额峰度
print(f"偏度: {skew_val:.3f}")
print(f"超额峰度: {kurt_val:.3f}")输出结果：
均值: 1303.0 小时
中位数: 1290.0 小时
样本方差: 15351.1
样本标准差: 123.9
偏度: 0.152
超额峰度: -0.894你看，均值和中间数只差13小时，偏度接近0，说明数据大致对称。超额峰度为负，说明分布比正态分布更“平缓”。
小技巧：如果你只想快速看一眼，可以用 df.describe()（pandas），但它不包含偏度和峰度。所以我一般还是手动算这五个指标。
6. 知识体系一览
为了让你更直观地理解这几个统计量之间的关系，我画了一张图：
7. 避坑指南
最后，分享几个我踩过的坑：
- 不要只看均值。我曾经用均值评估一批弹簧的疲劳寿命，结果中位数比均值低了20%。后来发现是几个“异常长寿”的样品把均值拉高了。用均值做决策，差点导致设计过于激进。
- 方差要结合均值看。方差大不一定就是坏事——如果均值本身很高，方差大可能只是“高水平的波动”。反之，均值低且方差大，那才是真问题。
- 偏度和峰度要一起看。偏度告诉你方向，峰度告诉你极端值的“浓度”。两者结合，才能判断数据是否适合用正态分布建模。
重要提醒：描述性统计只是“描述”，不能替代假设检验或建模。但它能帮你快速发现数据中的异常、趋势和模式。我个人的工作流是：先算这五个数 → 画直方图/箱线图 → 再决定下一步用什么方法。
好了，这一章就到这里。记住：数据不会骗人，但人可能会算错。多算几个统计量，多画几张图，你的可靠性分析会扎实很多。