统计分析入门：从“看数据”到“解释数据”

你现在可能会困惑什么

“平均值高不就说明表现好吗？”

不一定。还要看离散程度与样本规模。

一句话定义

统计分析用均值、中位数、方差、标准差描述数据分布并支持判断。

生活类比

两个班均分都 80，但一个稳定一个波动大，结论不同。

最小可运行例子

import statistics
data = [80, 90, 78, 92, 88]
print(statistics.mean(data))
print(statistics.median(data))
print(statistics.stdev(data))

课堂小测（5 分钟）

1. 计算两组数据均值和标准差。
2. 比较哪组更稳定。
3. 写简短结论。

课堂小测参考答案与判分点

• 参考答案方向：能写出可运行代码，并覆盖题目中的核心条件与边界输入。
• 判分点 1（正确性）：主流程结果正确，关键分支可执行。
• 判分点 2（可读性）：变量命名清晰，结构不过度嵌套。
• 判分点 3（健壮性）：对空值、类型错误或异常输入有基础保护。

迁移任务（课后）

实现 analyze_scores(scores) 返回结构化统计结果。

本节验收标准

你能独立做到：

• 计算核心统计指标
• 解释指标含义
• 避免单指标误判

常见报错与调试步骤（新手版）

• 报错看不懂：先读最后一行错误类型（如 TypeError、NameError），再回到对应代码行定位。
• 不确定变量值：在关键位置临时 print(变量, type(变量))，先确认数据是否符合预期。
• 改了代码却没生效：确认文件已保存、运行的是当前文件、终端环境（venv）是否正确。

常见误区

• 误区：只看均值下结论。
• 正解：结合方差/标准差与样本量。