---
title: "描述性統計（Descriptive Statistics）"
slug: descriptive-statistics
language: zh-TW
source: https://aiterms.tw/terms/descriptive-statistics
updated_at: 2026-04-29
tags: [統計學, 資料分析, iPAS中級]
ipas_term: true
---

# 描述性統計（Descriptive Statistics）

> **你看到一份報表時，會不會先想知道整體長相和分布？**
> 你可以把 描述性統計 想成資料報表的快速體檢。
> 它其實就是先用平均數、中位數、離散程度和圖表，把資料長相說清楚。
> 描述性統計使用數值摘要（平均數、中位數、標準差等）和圖表來描述資料集的集中趨勢、離散程度與分佈型態，是資料分析的第一步。先看輪廓再往下挖，通常比一開始就談模型更穩。

### 容易混淆
> **描述性統計 vs 常見誤用場景**
> 它常被拿去跟很像的概念混在一起，但真正差別要回到它處理的是「判斷、生成、分組」還是「保護、壓縮、訓練」。
>
> **最關鍵的區別：** 先看它是在做「理解、生成、分組、保護」哪一件事，再看細節。

### 記住這句就好
> 先把資料的樣貌整理清楚，再談推論

### 實際案例
> **案例一：描述性統計 看銷售報表**
> 你先看平均銷售額，再看中位數和標準差，就能知道資料是不是被少數超高訂單拉歪。
>
> **案例二：描述性統計 觀察班級成績**
> 如果大部分人都集中在 70 分附近，但有幾個極端值，圖表和分布形狀會比單一平均數更誠實。

### 深入了解
> 描述性統計不負責預言未來，它負責把現在的資料講清楚
> 你先看集中趨勢，再看離散程度和分布形狀，通常就能抓到資料的大問題
> 如果這一步沒做，後面模型常會在錯的基礎上努力
>
> 描述性統計 真正重要的，不是名詞本身，而是它幫你解決的是哪一類問題。

### 情境判斷
> **Q1（直覺題）：** 拿到一份資料表，第一眼最該看的通常是什麼？
> → 先看平均數、中位數、標準差和圖形分布，先把資料長相認出來。
>
> **Q2（判斷題）：** 只看平均數就能判斷資料狀況嗎？
> → 不行，因為平均數會掩蓋離群值和分布偏態，還要一起看中位數、離散程度和圖表。
>
### iPAS 考題
> **Q：描述性統計最核心是在做什麼？**
> 它是在把資料的中心、散布和形狀整理出來，讓你先知道資料長什麼樣。
>
> **Q：考題常怎麼問？**
> 常問平均數、中位數、標準差、變異數和分布圖各自代表什麼。

### 常見問題
> **Q：描述性統計和推論統計有什麼不同？**
> 描述性統計只是在整理和描述資料本身，例如平均數、中位數、標準差和圖表，推論統計才是從樣本去推估母體或做假設檢定。
>
> **Q：只看平均數夠嗎？**
> 不夠，因為平均數很容易被極端值影響，還要一起看中位數、離散程度和分布形狀。
>
> **Q：描述性統計一定要用公式嗎？**
> 不一定，很多時候先看圖表就能抓到大方向，公式只是把圖上看到的特徵用數字表達出來。
>
### 相關術語
> - **資料視覺化**：先看圖再看數字，最適合接在描述性統計後面
> - **機率分佈**：幫你把資料的形狀和偏態看得更清楚
> - **相關係數**：可以接著看變數之間是不是一起變動
> - **主成分分析**：很適合接在描述性統計之後，往降維和結構理解走
> - **機器學習**：先有資料理解，後面才好進入模型

---

來源：https://aiterms.tw/terms/descriptive-statistics
快查頁：https://aiterms.tw/terms/descriptive-statistics
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-descriptive-statistics