敘述性統計指標哪個說法正確？
關於敘述性統計指標，下列敘述何者最為正確？
題目針對敘述性統計中的幾個指標——中位數（Median）、標準差（Standard Deviation）、百分位數（Percentile）、平均值（Mean）——各給出一句描述，其中只有一句是正確的。
問你：關於敘述性統計指標，下列哪一個描述最為正確？
一句話總結
百分位數（Percentile）的用途是衡量某個值在整體分布中的相對位置，例如「你的身高在全班排在第 90 百分位」代表你比 90% 的人高。其他三個選項的描述都說反了。
先感受問題：「平均薪資 6 萬」，你相信嗎？
「全台精英人力銀行」公布了某職類的薪資統計報告：平均月薪 6 萬元。新鮮人林佳蓉看完卻更困惑：「為什麼我問到的人大部分都說 3.5 萬到 4 萬？」
問題就出在統計指標的選擇。這個職類有少數高薪職缺（月薪 30 萬）和大量一般職缺（月薪 3.5 萬），平均值被少數極端高薪拉高，嚴重失真。
如果報告改用中位數：排在正中間那個人的薪資大概 3.8 萬，更能反映「大多數人的真實狀況」。如果用百分位數：能告訴林佳蓉「你的期望薪資落在第幾百分位，有多少人比你高、比你低」。
統計指標不同，讀出來的故事完全不同。
只用平均值，分析師踩過的坑
「全台精英人力銀行」的資料分析師過去只報平均值，結果每次報告都引發質疑：
- 被高薪離群值拉偏：少數 30 萬月薪的職缺讓平均值跳到 6 萬，但 80% 的人根本拿不到這個數字
- 看不出分布形狀：平均值 6 萬可能是「大家都拿 5 到 7 萬」，也可能是「一半 3 萬一半 9 萬」，完全不知道
- 無法比較相對位置：求職者想知道「我拿 4.5 萬算高還是低」，平均值無法回答這個問題
- 偏態分布失真：薪資分布是右偏（少數超高薪），平均值不在「大多數人」的位置上
- 使用者信任崩潰：每次公布平均薪資，下面留言就罵「哪裡有這種薪資，跟我現實完全不同」
要真正理解一份資料，需要多個統計指標搭配使用。
百分位數怎麼解決「我在哪裡」的問題
林佳蓉想知道「月薪 4.5 萬在這個職類算高嗎」，百分位數能直接回答。
百分位數是什麼：把所有數據從小到大排列，「第 P 百分位」代表有 P% 的數據比你小。如果 4.5 萬在第 65 百分位，代表 65% 的人薪資比你低、35% 的人比你高。
最常見的百分位數：四分位數（Quartile）。Q1（第 25 百分位）、Q2（第 50 百分位 = 中位數）、Q3（第 75 百分位）把資料切成四份。薪資報告常用「四分位距（IQR）」描述中間那 50% 的範圍。
中位數不是反映極端值的工具，而是抗離群值的工具：它的強項是「不受極端值影響，反映中間狀態」。說它「能反映極端值的影響」是說反了。
這就是選項 C 說對的：百分位數（Percentile）的核心用途是衡量一個值在整體分布中的相對位置，告訴你「你在哪裡」。
技術版：四個統計指標的正確特性速查
考試常考「統計指標的特性」，這四個必須掌握：
平均值（Mean）：加總後除以數量。優點：計算簡單、數學性質好（可用於進一步統計計算）。缺點：對離群值極度敏感，一個極端值就能把平均拉偏很遠。適用：資料沒有極端值、分布對稱時。不適用：薪資、房價、所得這類右偏分布。
中位數（Median）：排序後取中間那個值。優點：對離群值有抵抗力（Robust），極端值不影響它。缺點：不能直接做加減乘除的統計推導。適用：有離群值或偏態分布，如薪資、房價。注意：中位數是「忽略」極端值，不是「反映」極端值。
標準差（Standard Deviation）：衡量資料偏離平均值的程度。標準差越大代表資料越分散（不是越集中）。標準差接近 0 代表幾乎所有數據都跟平均值一樣（極度集中）。是衡量「波動性」和「風險」的常用指標。
百分位數（Percentile）：衡量相對位置。第 P 百分位代表有 P% 的數據低於此值。常見的：第 50 百分位 = 中位數；第 25、50、75 百分位 = Q1、Q2、Q3（四分位數）。用於比較個人在群體中的位置，如考試成績排名、身高分布。
為什麼出題者考這題：AI 分析師在選擇「用哪個統計指標描述資料」時，必須知道每個指標的適用場景和局限。用錯指標，報告結論就會誤導決策者。
為什麼其他選項是錯的
A中位數（Median）能有效反映極端值對資料分佈的影響
說中位數能讓我們看出離群值的影響。
完全說反了。中位數的特性是不受極端值影響，極端值出現時中位數幾乎不變。如果要看極端值的影響，應該看平均值（平均值對離群值敏感）。中位數的正確描述是「能有效規避離群值的干擾」。
把中位數和平均值的特性搞混的人。關鍵記憶點：中位數「抗」極端值，平均值「怕」極端值。
B標準差（Standard Deviation）越大，代表資料越集中
說標準差大 = 資料集中在平均值附近。
完全說反了。標準差衡量的是資料的分散程度：標準差越大代表數據離平均值越遠、越分散；標準差越小代表數據緊緊聚在平均值附近、越集中。正確說法：「標準差越大，資料越分散。」
看到「越大」就以為是「正向的更好」，腦子沒有對到「分散 vs 集中」的方向。標準差是「離散度」指標，大 = 散，小 = 集中。
D平均值（Mean）適合描述偏態且包含離群值（Outliers）的資料
說平均值適合用在有偏態和離群值的資料。
完全說反了。平均值最不適合用在偏態或有離群值的資料，因為它對極端值極度敏感，一個高薪離群值就能讓平均值嚴重偏離多數人的實際狀況。有偏態或離群值時，應該用中位數或四分位數。
沒想清楚「平均值被什麼影響」就直覺選的人。考試出現「偏態」和「離群值」這兩個詞，幾乎都在提示「不要用平均值」。
同個考點下次怎麼變形
台灣的房價分析，用平均值還是中位數更能反映一般人的狀況？
平均值比較好算，應該用平均值？
用中位數。台灣房價分布是嚴重右偏（少數豪宅動輒幾億），平均值被這些極端高價拉偏，根本不能反映一般人面對的市場。中位數是「排在正中間那戶」的價格，才是多數人買房的真實參考。
四分位距（IQR）是什麼？有什麼用途？
看過這個詞但不確定是什麼。
四分位距（Interquartile Range, IQR）= Q3（第 75 百分位）- Q1（第 25 百分位），代表中間 50% 的數據範圍。用途：描述資料分散程度（對離群值有抵抗力，比標準差更適合偏態資料）；也用於偵測離群值（超過 Q3 + 1.5×IQR 或低於 Q1 - 1.5×IQR 就算離群值）。
標準差和變異數（Variance）有什麼關係？
兩個都是描述分散程度，是同一件事嗎？
變異數是每個數值偏離平均值的平方差的平均，標準差是變異數開根號。兩者都衡量分散程度，但標準差的單位跟原始資料相同（方便直觀理解），變異數的單位是原始資料單位的平方。考試通常考標準差，但兩者方向一致：越大越分散。
考試成績「第 90 百分位」代表什麼意思？
是成績 90 分嗎？
不是成績 90 分。第 90 百分位（P90）代表你的成績超過 90% 的考生，只有 10% 的人成績比你高。百分位數說的是「相對排名」，不是「絕對分數」。例如：某次難度很高的考試，60 分可能就在第 90 百分位。
在 AI 模型評估中，什麼時候會用到標準差？
統計指標在 AI 模型評估裡用得到嗎？
常見用途：交叉驗證（Cross-validation）時，跑多次訓練後計算準確率的標準差，衡量模型表現的穩定性。標準差大 = 模型表現波動大、不穩定；標準差小 = 模型表現一致、可靠。預測誤差的標準差也用於衡量預測的不確定性。
想再往下看，這 5 個
- 描述性統計（Descriptive Statistics）用數字摘要描述資料集特徵的統計方法，包括集中趨勢與離散程度指標，是資料探索的第一步
- 常態分佈（Normal Distribution）最常見的對稱機率分布，許多統計推論建立在常態假設上，偏離常態時需特別注意統計指標的選擇
- 相關係數（Correlation）衡量兩個變數之間線性關係強度的統計指標，與標準差、百分位數同屬描述性統計的核心工具
- 資料視覺化（Data Visualization）將統計指標轉換為圖形呈現，箱形圖和直方圖能直觀展示分布形狀與離群值，與統計指標相輔相成
- 交叉驗證（Cross-Validation）多次訓練模型並計算準確率標準差，標準差越小代表模型越穩定，是統計指標在 AI 評估中的實際應用