Session 3: Descriptive Statistics
- 所属系列：统计基础 · 2021 系列
- 视频：YouTube · 时长 19:26 · 字幕
- 内容判断：概念笔记｜画面依赖低：讲义全是文字和公式｜集中趋势、离散、不对称、有界和极端值的度量
- 处理方式与范围：全片梳理
- 讲义 / 资料：Session 3 讲义（11 页）· 课后测验 · 答案
- 素材依据：英文字幕，仓库存档，539 行；字幕类型未核实
- 核对范围：已读全片字幕 00:01–19:21，讲义全部 11 页，课后测验和答案；视频画面未核对
- 发布日期：2021-08-23
- 数据截至：不依赖数据
- 状态：已提炼
100 个数字没人读得懂，所以要用少数指标概括它们。描述统计分四类：中心在哪、散得多开、是否对称、极端值多不多。这一讲要记住两组区别：均值和中位数何时分开，标准差和标准误各说什么。
视频总结
时间戳取自 YouTube 英文字幕，标题中的时间区间可点击跳转；讲义页码指 PDF 页码。
00:03–01:19 四类描述统计
描述统计用四类指标概括数据：集中、离散、对称和极端值。
01:19–04:49 集中趋势
数据对称时用均值就够，不对称时中位数更有意义。
均值（Mean）把所有观察值相加再除以个数，也可以加权，比如近年权重更高（01:49）。中位数（Median）是第 50 百分位，101 个观察值排序后的第 51 个（02:27）。众数（Mode）是最常出现的值（03:04），在金融里用得少，通常要先把连续数据分桶（04:13）。
均值很重要，因为标准差等指标都建立在它上面（03:32）。但分布不对称时，均值会被离群值拉走（03:49）。
04:49–11:43 离散程度
极差简单但浪费数据，标准差用上全部数据，变异系数用来跨单位比较。
| 指标 | 算法 | 特点 |
|---|---|---|
| 极差 | 最大值 − 最小值 | 101 个观察值只用了 2 个（08:05） |
| 四分位距 | 第 75 减第 25 百分位 | 不受极端值影响（05:30） |
| 方差、标准差 | 离差平方和的平均及其平方根 | 用全部数据，单位和数据相同（06:18） |
| 变异系数 | 标准差 ÷ 均值 | 无单位，可比较（07:25） |
总体除以 n，样本除以 n−1。Damodaran 的记法是：均值本身是估计出来的，所以损失了一个自由度（09:16）。
他还偏爱十分位数：把数据切成十段，比只给最大最小值信息多得多（08:23）。
金融例子：Apple 股价的标准差以美元计，股价高的公司标准差自然更大，比较时要除以均值。回报率以百分比计，可以直接比（10:18，11:03）。
11:43–14:04 标准差和标准误
标准差说个体散得多开，标准误说样本均值离真实均值可能有多远。
样本变大，标准差基本不变，标准误一定下降（第 8 页）。例子：100 年平均回报 10%，标准误 2%，67% 的把握在 8–12%，95% 的把握在 6–14%（13:00）。
14:06–17:29 不对称和有界
单边有界的数据几乎总是不对称的，均值会被拉向长尾一侧。
正偏：高于均值的偏离更极端。负偏：低于均值的偏离更极端（15:05）。正偏时均值偏高，负偏时均值偏低（15:34）。
金融数据很少从负无穷到正无穷。股价下限是零，没有上限，所以几乎总是正偏（16:23）。利润率上限是 100%，没有下限（16:36）。
17:29–19:21 极端值
峰度度量极端值的频率，它和方差是两回事。
比正态分布更频繁出现极端值的是肥尾（18:02）。峰度（Kurtosis）度量这一点。高方差可以配低峰度，三种组合都可能（18:28）。比正态更肥的叫尖峰（Leptokurtic），更瘦的叫低峰（Platykurtic）（18:52）。
提炼
概念与公式
选集中趋势指标的简单规则：
| 数据形状 | 用什么 | 关系 |
|---|---|---|
| 对称 | 均值 | 均值 ≈ 中位数 |
| 正偏 | 中位数 | 通常均值 > 中位数 |
| 负偏 | 中位数 | 通常均值 < 中位数 |
| 离散或分桶 | 众数 | 不一定接近前两者 |
方法与判断依据
- 先看均值和中位数是否分开，这是最快的偏态检验。
- 比较离散度要先看单位和水平，水平不同就用变异系数。
- 外推到总体用标准误，描述个体用标准差，这两个不能混。
- 报告极差时要说有没有离群值，否则用四分位距或十分位。
- 看到取值有下限或上限，就预期不对称。
复算与实操
变异系数只在有真正零点的数据上有意义，比如重量和价格。均值接近零时它也会失效。
自测与复习
- 测验第 1 题：负偏时均值小于中位数。
- 测验第 2 题：极差在最高和最低值附近都有其他观察值时才好用，否则用十分位或四分位。
- 测验第 3 题：分布对称且没有肥尾时，标准差最有信息量；不然可以取对数或开方，或者把偏度和峰度一起报告。
- 测验第 4 题：有下限无上限的数据最可能正偏，但这不是保证。
- 测验第 5 题：峰度高不一定方差高，判断为假。