统计学基础一
将所有的数加起来，然后除以数字的个数，这个就是均值，也是我们在计算平均值时最常用的方法。
在计算均值时，我们需要将所有的数字进行相加，通常是这样：
而为了简化，我们通常用符号∑来表示相加（读作西格玛），上边的相加数学式可以如下表达
均值是最常用的一个平均值，它有一个专门的符号来表示µ（读作缪），所以上述均值表达式如下：
当数据发生倾斜时，我们往往还要看另外一个数值，叫“中位数”，顾名思义就是处在中间位置的数。比如：我们找了9个人，他们的财富值按从小到大的升序分别是：2万，3万，3万，4万，5万，6万，20万，30万，2亿。这个时候处于中间的是第五个数值：5万，那么5万就是这组数字的中位数。
当有10个人进行统计时，中位数就要计算第5个和第6个数值的均值作为中位数。
有时候均值和中位数都无法反应实际情况，尤其是数据的分布是两边极大值，极小值偏多，中间值偏少时就会出现偏差，这种情况下我们就需要众数。
比如下边的一组数据：
这组数据中有20万财富的人数最多有30个，所以这组数据的众数就是20万，也就是说频次最多的数就是众数。
有时候我们希望度量各个数值相对于均值的距离是怎样的，也就是衡量数值相对于均值是很分散，还是相对集中，这个时候我们怎么计算呢？最初的想法可能是这样的，使用如下方式计算平均距离
我们看一个实际的例子，假设一个公司上半年的销售额如下表所示：
上半年销售额的均值很容易计算是40万，那么我们计算下平均距离
可以看出这里有一个问题，就是这样求和之后总是为0，因为有大于均值的数值减去均值得正，而小于均值的数值则为负，最后相加为0，因此这样无法反应平均距离。此时我们的 方差 出场了。
为了不出现负值，我们让这个距离值都平方后再相加，如下：
具体到我们的例子，计算如下：
方差毕竟是平方后的结果，在反映平均距离的时候不够直观，因此我们通常再取其平方根，这样就得到了 标准差 （也叫均方差），使用符号小写的西格玛表示，如下：
