·第七讲-数值度量思维导图

MGS 2150 Business Statistics — Chapter 3: Numerical Measures (商业统计学——第3章：数值度量)

---

1. Overview (概览)

Scope & Focus (范围与焦点)

• Location & Variability measures for decision-making（位置与变异度量用于决策）
• Use cases: finance, operations, marketing（应用：金融、运营、市场）

Key Idea (核心思想)

• Describe, compare, interpret business data（描述、比较与解释商业数据）

---

2. Location vs. Variability (位置度量 vs 变异度量)

Location (位置/集中趋势)

• Mean, Median, Mode（均值、中位数、众数）→ “数据集中在哪儿”

Variability (变异/离散程度)

• Range, IQR, Variance, Standard Deviation, CV（极差、四分位距、方差、标准差、变异系数）→ “数据分散多大”

---

3. Range (极差)

Definition (定义)

• Range = Max − Min（极差=最大值−最小值）

Pros & Cons (优缺点)

• • 简单直观；− 对极端值非常敏感（Outlier敏感）

Example (例子)

• Rents: 615 − 425 = 190（租金示例：极差=190）

---

4. Interquartile Range, IQR (四分位距)

Definition (定义)

• IQR = $Q_3-Q_1$（中间50%离散度）

Outliers Rule (异常值规则)

• 下阈：$Q_1-1.5\times IQR$；上阈：$Q_3+1.5\times IQR$

Example (例子)

• $Q_1=445,Q_3=525\Rightarrow IQR=80$

---

5. Variance (方差)

Concept (概念)

• 平均“离均差平方”（利用所有数据点；单位为平方）

Formulas (公式)

• Sample: $s^2=\frac{\sum (x_i-\bar{x}{)}^2}{n-1}$
• Population: ${\sigma }^2=\frac{\sum (x_i-\mu {)}^2}{N}$

Example (例子)

• Scores 80,85,95 → $s^2=58.35$（示例已计算）

---

6. Standard Deviation (标准差, SD)

Definition (定义)

• $s=\sqrt{s^2},\sigma =\sqrt{{\sigma }^2}$（与数据同单位，更易理解）

Uses (用途)

• 金融波动率、质量控制稳定性（volatility & QC）

Example (例子)

• Variance 2996.16 → $s\approx 54.74$

---

7. Coefficient of Variation, CV (变异系数)

Definition (定义)

• Sample: $CV=\frac{s}{\bar{x}}\times 100\%$
• Population: $CV=\frac{\sigma }{\mu }\times 100\%$

Purpose (用途)

• 跨单位/量纲比较相对波动性（relative variability）

Example (例子)

• $\frac{54.74}{490.80}\times 100\%\approx 11.15\%$

---

8. Excel Toolkit (Excel 工具箱)

Core Functions (核心函数)

• AVERAGE, MEDIAN, MODE.SNGL, VAR.S, STDEV.S
• CV: =STDEV.S(range)/AVERAGE(range)*100%

ToolPak (数据分析插件)

• Descriptive Statistics（描述性统计：均值、方差、偏度、峰度等）

---

9. Descriptive Table (描述性统计表)

Typical Metrics (常见指标)

• Mean, Std Error, Median, Mode, Variance, SD（均值、标准误、…）
• Range, Min, Max（极差、最小、最大）
• Skewness, Kurtosis（偏度、峰度）

Shape Insights (分布形态)

• 偏度>0 右偏；峰度<0 扁平（右尾更长/更平）

---

10. Applied Examples (应用示例)

Apartment Rents (公寓租金)

• Range=190；IQR=80；$s^2=2996.16$；$s=54.74$；CV=11.15%

Battery Life (电池续航)

• 同均值不同离散：更稳定者更优（相同均值下选更小离散）

Cross-City CV (跨城市比较)

• 均值1200、SD 200 → CV≈16.7%（相对更波动）

---

11. Compare Measures (度量比较)

Range (极差)

• • 快速；− Outlier敏感

IQR (四分位距)

• • 稳健对抗极端值；− 忽略边尾信息

Variance/SD (方差/标准差)

• • 全面利用数据；− 方差单位平方、直观性较低（SD较直观）

---

12. Skewness & Kurtosis (偏度与峰度)

Skewness (偏度)

• $>0$ 右偏；$<0$ 左偏（不对称性）

Kurtosis (峰度)

• $=0$ 正态；$>0$ 尖峰厚尾；$<0$ 扁峰薄尾（尾部风险提示）

Business Insight (商业含义)

• 风险管理需关注尾部而非仅均值与SD（tail risk matters）

---

13. Workflow & Decision (流程与决策)

Analysis Flow (分析流程)

• 先看范围（Range）→ 用IQR识别异常 → 用SD/Variance衡量总体波动

Decision Use (决策使用)

• 结合均值（典型值）+ 变异（稳定性）+ 形状（尾部/偏度）

---

14. Key Formulas (核心公式汇总)

Location (位置)

• Mean（均值）$\bar{x}=\frac{1}{n}\sum x_i$；Median（中位数）；Mode（众数）

Variability (离散)

• Range = Max−Min；IQR=$Q_3-Q_1$
• Sample Variance $s^2=\frac{\sum (x_i-\bar{x}{)}^2}{n-1}$
• Sample SD $s=\sqrt{s^2}$
• CV $=\frac{s}{\bar{x}}\times 100\%$

Outlier Rule (异常值界限)

• $[Q_1-1.5IQR,Q_3+1.5IQR]$

---

15. Takeaways (要点总结)

Big Picture (全景结论)

• 完整描述 = 位置 + 离散 + 形状（centrality + spread + shape）
• Excel 提效，ToolPak一键汇总（高效计算与汇报）

Managerial Insight (管理启示)

• 平均水平与稳定性同等重要；相对波动（CV）便于跨场景比较
• 关注尾部风险（偏度/峰度）以做稳健决策