离散度测量是基础，因为与数学不同，统计学使用随机变量。例如，大媒体使用确定性值，例如候选人 A 具有 45%，B 具有 30%。数学方面，A显然领先，但统计方面，我不知道。今天，当他们谈论“误差幅度”时，他们以统计方式呈现它。如果“误差幅度”为 15%，则两者在技术上是平局的。 色散测量 作为动力，考虑两条一体式生产线。平均单件长度测量值为 100 厘米，两条生产线生产的单件平均长度接近该值。在这种情况下，我们是否认为两条生产线生产的零件都合适？ 生产线之间的分散越小，生产线就越精确（就位置而言）和越可靠。更具体地说，我们有更好的机会实现目标。 **定义（离散度的度量）：**是代表一系列数据的统计数据，指导我们了解数据分布的离散度（变化、可变性）。 最重要的分散措施是： 振幅; 方差; 标准差； 变异系数。 振幅 幅度是最基本的色散度量，并且由于计算简单而应用于大多数应用。在日常生活中，音频平台经常使用振幅作为概念。 **定义（振幅）：**是数据集中的最大值和最小值之间的差值。 $$\\{\text{menor valor}, \dots, \text{maior valor}\\}$$$$X_{(1)} \leq X_{(2)} \leq X_{(3)} \leq \dots \leq X_{(n−1)} \leq X_{(n)}$$数据的幅度 R 由下式给出： $$R = X_{(n)}−X_{(1)}$$ **注意：**以下是一些重要的符号： 当索引位于括号中时，表示数字是有序的。 $X_{(1)}$ 是最小值 $X_{1}$不一定是最小值 从不等式的概念我们可以得到$X_{(1)} \leq X_{(2)}$： $X_{(1)}$ 小于或等于 $X_{(2)}$ $X_{(1)} \leq X_{(2)} \leq X_{(3)} \leq \dots \leq X_{(n−1)} \leq X_{(n)}$ 按从小到大的顺序排列。 幅度由符号$R$给出，它来自英国范围。 青蛙跳示例（幅度） 为青蛙跳跃的高度，测量值如下：
描述性统计是总结和描述所有信息的数字。在这种情况下，数据集或简单的数据。但。这些信息将取决于我们评估的内容，例如总体或样本，如上一篇文章所述。 入门 这篇文章的中心主题只是“描述”数据。因此，它们并不代表样本相对于总体的更具体的结论。 用于将结论从样本扩展到总体的技术是统计推断，这是一个对儿童来说没有意义的话题。本科生统计学课程是最合适的地方。 位置测量 所描述的度量值可以通过统计来表达。因此，我们不将其称为描述性位置度量值，而是简单地将其称为描述性位置统计。 **定义（位置度量）：**是代表一系列数据的统计量，指导我们了解数据分布的位置。 最重要的位置测量是： 算术平均数 中位数和 时尚。 平均的 首先描述的位置测量是平均值，广泛应用于各个知识领域。例如，小学教师使用这种职位衡量标准来给学生评分。 平均值有两种类型： 总体平均：是对所有总体信息的位置值的计算。 样本均值：是样本中所有信息的位置值的计算。 当我们通过概率分布对总体进行建模时。总体平均值称为参数。 **定义（参数）：**涉及人口的描述性度量。 示例： 人口平均值。 **定义（估计器）：**涉及样本的描述性测量。 示例： 样本均值。 **定义（估计）：**涉及样本的描述性度量的值。 示例： 10 测量值的样本平均值等于 5。因此，样本均值的估计值为5。 人口平均数 总体平均值是通过将所有总体值相加并将结果除以总体中的元素总数来计算的。在 N 个元素的总体中，总体平均值由下式给出： $$\mu=\dfrac{x_1+\ldots+x_N}{N}$$ 在哪里： **N：**人口规模或人口元素数量； $\mu$：参数指总体平均值； $x_1, \dots, x_N$：人口要素。 **注：**参数一般用希腊字母给出，平均值则用希腊字母$\mu$给出。 示例（人口平均值） 不失一般性，假设巴西人口的质量测量值为 80 kg。 $$\mu=\dfrac{40+ 120+ 86 + 31+ \ldots + 94}{220 \text{ milhões} }= 80$$样本均值 当我们将样本观测值相加并将结果除以样本值的数量时，就得到了样本平均值、算术平均值或简称平均值。因此，样本均值由下式给出： $$\overline{X}=\dfrac{x_1+\ldots+x_n}{n}$$ 在哪里： **n：**样本大小或样本元素数量； $\overline{X}$：参考样本均值的估计量； $x_1, \dots, x_n$：样本元素。 儿童身高示例（样本平均值） 测量了身高的 5 名儿童样本。