点击蓝字，关注我们
关注我们
描述性统计， 顾名思义，即总结、描述和呈现所收集到的数据集（通常是样本数据）的基本特征和规律。它只关心“当前数据是什么样子”，不超出数据本身去做任何预测或判断。
为何它在论文中不可或缺？
研究在进行任何高级分析之前，描述性统计可以帮助你检查数据是否存在异常值、缺失值或是否存在明显的分布特征（如是否符合正态分布），这是确保后续分析正确性的重要前提。
主要方法：
适用场景：
描述性分析主要用于以下三种场景：
数据探索与清洗的起点：在进行任何复杂的推断或建模之前，通过描述性分析来理解数据的分布、发现异常值、识别缺失值模式、检查数据是否符合同预期。
结果呈现的核心部分：当研究或分析的目标本身就是描述一个群体的现状时，描述性统计就是最终的结果。例如，人口普查报告、用户画像分析、市场调研报告等。
决策支持的依据：为管理者、运营人员等提供关键指标的概况（如每日销售额、用户活跃度、生产效率），帮助他们了解当前状态，做出初步判断。
在论文中，描述性统计结果通常通过表格或图表（柱状图、饼图、箱线图、直方图、散点图等）两种方式呈现，可视化熟练运用并正确呈现描述性统计，不仅能让你论文的“结果”部分扎实可靠，更能为整个研究的论证过程奠定坚实的基础。
关注我们丨投稿不迷路
