说来惭愧，毕业多年，在看一个讲统计思维的视频时，其中提到了“方差”，愣是好久没想起来我们小学二年级就学过的“方差”是什么，它解决什么问题。所以有了这一篇。

平均数、中位数、众数

平均数（Mean）是一组数字的总和除以数量，它是总量的平均分配，也就是说，如果大家平分，每个人可以有多少。平均数有一个致命的缺陷是容易被极端数据带偏，例如“我和马云平均每人有上亿资产”。

中位数（Median）是在一组数字中，位于最中间的那个数，它告诉我们处于中间水平的人是什么样的。因为它正好在中间，所以不太会被极端数据扭曲。

众数（Mode）是一组数字中，出现次数最多的那个数字，它告诉我们哪种情况最常见，例如平均鞋码没有意义，而最多人穿的鞋码才是我们要关注的。

方差、标准差

平均值具有欺骗性，例如有以下两组数据，这两组数据的平均值都是50，但显然 A 组非常稳定，而 B 组非常动荡。

A组：50, 50, 50, 50, 50
B组：0, 20, 50, 80, 100

方差和标准差的出现，就是为了量化这种“动荡”或“参差不齐”的程度。 如果一组数据的方差很大，那我们就说这组数据很不稳定。

方差的计算方法是：每个数据与平均值的差的平方和，再除以数据的个数。之所以要平方和，是为了消除正数和负数会相互抵消的问题。但是这样带来了单位的不一致，于是我们对方差开平方根，得到标准差。

总的来说，这两个差都是衡量数据的波动程度的，只不过方差在数学推导、统计建模中更方便，但在描述数据、做报告时标准差会更直观和易于理解。

正态分布

正态分布（Normal Distribution），也称为高斯分布（Gaussian Distribution）。它描述了一种“中间多、两头少”的数据分布形态。这种分布在自然界和人类社会中极为常见，从身高体重到考试成绩，许多数据都呈现这种分布规律。它说明了绝大多数数值都接近平均值，极端值（极大或极小）是非常罕见的。

中心极限定理（Central Limit Theorem）：即使原始数据不服从正态分布，只要样本量足够大，样本均值的分布也会近似服从正态分布。

正态分布的应用：

• 异常检测：如果一个数值偏离平均值超过 3 个标准差（Sigma），它发生的概率极低（小于0.3%），通常被视为异常值或黑天鹅事件。
• 质量控制：如果生产线达到六西格玛（6 Sigma）标准，意味着次品率仅为百万分之 3.4；
• 科学研究：研究人员利用正态分布来判断实验结果是否具有统计学意义，而不是偶然发生的；
• 评分与标准化：智商（IQ）测试的设计就是为了让结果服从正态分布（均值 100，标准差 15）。这样我们就能知道 IQ 130 以上的人在人群中处于什么百分位（前2%）。

泊松过程

当你需要统计在一段时间或一段空间内，某个事件发生的次数时，如果这些事件的发生是完全随机且相互独立的，那么这个过程大概率就是一个泊松过程。

泊松过程，通常需要满足以下三个假设：

• 独立增量（无记忆性）： 在不重叠的时间段内，事件发生的次数是相互独立的。也就是说，过去发生了多少次事件，完全不会影响未来事件发生的概率。
• 平稳增量（均匀性）： 在任意一个时间段内，事件发生的概率只与该时间段的长短有关，而与这个时间段具体所处的起点无关。
• 普通性（极少并发）： 事件是一件一件发生的，不会扎堆在同一个绝对瞬间。

简单地说，泊松过程就是用来算纯随机事件的数学账本。只要一个现象满足“大家都单独行动（独立）”、“平时频率差不多（平稳）”、“排着队一个一个来（普通）”，那它就是泊松过程。

日常生活中的泊松过程：

• 客服中心接听电话： 一个客服中心在一天内接到的顾客呼叫。每个顾客打电话是随机独立的。
• 公交站的乘客到达： 假设乘客不是踩着公交车时刻表来的，而是随机到达车站。
• 放射性物质衰变： 盖革计数器在一段时间内检测到的放射性粒子释放次数（这是物理学中最经典的泊松过程）。
• 网站的点击量： 一个服务器在每一分钟内接收到的网页访问请求。（秒杀活动不算）