核心资源推荐

• CDA教材（2025）：https://edu.cda.cn/goods/show/3151
• CDA模拟题（2025）：https://edu.cda.cn/goods/show/2845
• CDA一级教材知识手册：https://edu.cda.cn/goods/show/4113

考点57：变量度量类型与分布类型

描述性统计分析的基础，明确变量的度量属性与分布特征，是后续统计量计算、统计制图的前提。

1. 变量度量类型（核心分类）

变量按度量属性分为分类变量与连续变量（含离散变量），两类变量的统计处理方式差异显著：

• 分类变量：

  • 名义变量（无序）：类别间无大小/次序关系，如性别（男/女）、民族、居住城市、行业类型；
  • 等级变量（有序）：类别间有明确高低/次序关系，如消费者满意度（高/中/低）、教育程度（小学<初中<高中<大学）、年龄段（青年/中年/老年）；
  • 关键说明：分类变量可能以数值编码存储（如“1=汉族、2=回族”），但数据分析时需按分类属性处理，不可直接进行数学运算（如求均值无意义）。
• 连续变量：

  • 定义：在规定区间内可任意取值，取值为数值型且可进行数学运算；
  • 包含离散变量：取值为有限个或可列个孤立数值（如家庭子女数、订单数量），商业数据分析中无需单独区分，统一归为连续变量处理；
  • 示例：收入、网站流量、GDP、产品价格、交易金额。

2. 变量分布类型（核心假设与特征）

分布类型是对变量取值规律的抽象概括，商业数据分析中需基于分布假设选择分析方法：

• 离散数据的概率分布：

  • 二项分布：描述固定次数独立实验中“成功”发生的概率（如多次营销触达的转化成功次数），由成功概率（p）和实验次数（n）定义；

  • 伯努利分布：二项分布的特例（n=1），描述单次实验的成功/失败概率（如单次广告点击是否转化）；

  • 泊松分布：描述一定时间/空间内随机事件发生次数（如某时段内客服接起电话数量），仅由平均发生率（λ）定义，假设事件独立。

• 连续数据的概率分布：

  • 均匀分布：变量各取值出现概率相同，无集中趋势，概率密度函数恒定（如随机抽样中的编号分布）；

  • 正态分布（高斯分布）：核心分布类型，概率密度函数呈钟形对称，中心集中在均值（μ），由均值和标准差（σ）完全定义，满足“均值=中位数=众数”，常用于近似自然现象与业务数据（如用户消费金额分布）；

• 对数正态分布：变量取对数后服从正态分布，适用于原始数据呈指数增长的场景（如用户生命周期价值），是商业分析中处理右偏数据的常用分布；

• 伽马分布：描述事件发生一定次数的等待时间（如设备故障间隔时间），由形状参数和尺度参数定义；

• 指数分布：伽马分布的特例，描述独立随机事件的等待时间（如两次用户下单的间隔时间）。

3. 分布形态解读（以正态分布为例）

• 正态分布曲线特征：关于均值（μ）对称，呈钟形，68%的取值落在μ±σ范围内，95%落在μ±2σ范围内，99.7%落在μ±3σ范围内；
• 偏态分布说明：实际业务数据常偏离正态分布（如收入数据右偏），可通过对数转换等方式适配分析需求。

考点58：分类变量的统计量

针对分类变量的核心描述指标，用于概括类别分布特征，支撑后续可视化呈现。

核心统计量（按变量类型适配）

• 名义变量：仅需两类统计量即可完整描述：

  • 频次：某类别出现的具体次数（如“未出险用户3028人”）；
  • 百分比：某类别频次占总样本的比例（如“未出险用户占比71.5%”）。

• 等级变量：需补充累积类统计量体现次序特征：

  • 频次/百分比：与名义变量一致，描述单个类别的分布；
  • 累积频次：从最低等级到当前等级的频次累计（如“满意度≥中等的用户累计250人”）；
  • 累积百分比：累积频次占总样本的比例（如“满意度≥中等的用户占比62.5%”）。

可视化呈现

分类变量的统计结果常用柱形图展示，以柱子高度对应频次或百分比，直观呈现类别分布差异（如“是否出险”的柱形图中，未出险类别柱子高于出险类别）。

考点59：连续变量的统计量

针对连续变量的核心描述指标，从集中趋势、离散程度、分布形状三个维度全面概括数据特征。

1. 集中趋势统计量（描述数据“中心位置”）

用于提炼数据的代表性数值，反映数据的整体水平：

• 平均数（均值）：

  • 定义：所有数据取值的算术平均，计算公式为 （ 为单个数据，n为样本量）；
  • 适用场景：数据分布较均匀、无极端值时（如正常用户的日均消费金额）；
  • 局限性：受极端值影响显著（如少数高收入人群会拉高整体平均工资），此时需结合其他指标使用。

• 中位数：

  • 定义：将数据从小到大排序后，位于中间位置的数值（样本量为奇数时取中间值，偶数时取中间两个值的平均）；
  • 核心优势：不受极端值影响，适用于偏态分布数据（如收入、房价等右偏数据）；
  • 关联指标：四分位数（25%分位数Q1、75%分位数Q3）、百分位数（如90%分位数，反映前10%数据的临界值）。

• 众数：

  • 定义：数据中出现频次最高的取值（如某商品最畅销的价格区间）；
  • 特点：可用于分类变量与连续变量，适用于描述“最常见”的特征，如“众数为300元，即300元价格的商品销量最高”。

直方图是观察连续变量分布的最直观的工具。

2. 离散程度统计量（描述数据“分散程度”）

反映数据取值的波动范围与离散情况，补充集中趋势指标的局限性：

• 极差：

  • 定义：数据最大值与最小值的差值（极差=最大值-最小值）；
  • 特点：计算简单，但仅受两端极端值影响，无法反映中间数据的离散情况（如“收入极差为50万元，但多数用户收入集中在5-10万元”）。
• 方差与标准差：

  • 方差：各数据与均值差值的平方和的平均值，计算公式为 ；
  • 标准差（S）：方差的平方根，与原数据单位一致，更易解读；
  • 核心意义：标准差越小，数据越集中于均值；越大则波动越大（如“A产品标准差为50元，B产品为100元，说明A产品价格更稳定”）。
• 四分位距（IQR）：

  • 定义：75%分位数（Q3）与25%分位数（Q1）的差值（IQR=Q3-Q1）；
  • 优势：剔除极端值影响，仅反映中间50%数据的离散程度，适用于偏态数据。

3. 分布形状统计量（描述数据“分布形态”）

补充集中趋势与离散程度，明确数据的偏斜与陡峭特征：

• 偏态系数：

  • 定义：衡量数据分布的不对称程度，取值范围无绝对限制；
  • 解读：系数>0为右偏（长尾在右，如收入数据，少数高收入拉偏）；系数<0为左偏（长尾在左，如考试成绩，少数低分拉偏）；系数=0为对称（如正态分布）。

• 峰态系数：

  • 定义：衡量数据分布的陡峭程度，以正态分布的峰态系数（0）为基准；
  • 解读：系数>0为尖峰分布（数据集中于均值，极端值少，如核心用户的消费金额）；系数<0为平峰分布（数据分散，极端值多，如广泛用户的随机浏览时长）。

看到这里，无论你是想入行数据分析的新手，还是已经走在 CDA 认证备考路上的同学，不必等整块的学习时间，用好日常零碎时间，跟着下面的计划现在就能开始。

上一篇：CDA教材知识点 | 业务数据的特征、处理与透视分析(考点55-56)

CDA教材知识点合集（持续更新中）

推荐学习书籍 《CDA一级教材》适合CDA一级考生备考，也适合业务及数据分析岗位的从业者提升自我。完整电子版已上线CDA网校，累计已有10万+在读~ !

免费加入阅读：https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0