定义 用平均数、中位数、众数、方差等统计量，从一组样本数据中提炼出集中趋势与离散程度的数值指标。
从哪来 建立在“随机事件”之上。因为随机事件的结果具有不确定性，单次观测无法代表整体规律，必须通过大量重复试验获取样本数据，进而用数字特征来量化这种随机性背后的稳定规律。
为什么 现实数据往往杂乱无章，直接观察难以把握整体情况。
1. 集中趋势：我们需要一个“代表值”来概括数据的中心位置（如平均数反映整体水平，中位数反映中间水平，众数反映最常见水平）。
2. 离散程度：仅知道中心不够，还需知道数据分布的“宽窄”或“稳定性”（方差/标准差反映波动大小）。
数字特征是将“一堆数”压缩为“几个数”的过程，是用有限样本推断总体特征的核心工具，体现了“以数代形”、“用统计量描述随机现象”的思想。
生活类比法**
**适合：直观型、对抽象概念接受较慢的学生**
* **讲法
1.
平均数：想象把全班同学的身高“削峰填谷”，把高的切下来补给矮的，最后大家一样高，这个高度就是平均数。它受极端值影响大（如马云进教室，平均身高飙升）。
2.
中位数：全班按身高排队，站在正中间那个人的身高。它不怕极端值，反映“中等水平”。
3.
众数：鞋店老板最关心哪个尺码卖得最多，这个尺码就是众数。
4.
方差：两个班平均分都是80分。A班分数都在78-82之间，B班有20分也有100分。虽然平均一样，但A班更“稳定”，B班更“两极分化”。方差就是衡量这种“偏离平均值的程度”的平方和的平均。
*
核心：用身体、商品、分数等具象事物建立感性认识。
数据对比法**
**适合：逻辑型、喜欢通过对比辨析概念的学生**
* **讲法
1.
构造反例：给出两组数据 A: {1, 2, 3, 4, 5} 和 B: {0, 0, 5, 10, 10}。
2.
计算对比：
* 平均数：A=3, B=5。
* 中位数：A=3, B=5。
* 众数：A无（或视情况），B有0和10。
* 方差：A=2, B=18。
3.
引导思考：
* 为什么平均数和中位数在A中相等，在B中不等？（B数据不对称）
* 为什么B的方差远大于A？（B的数据点离中心更远）
* 如果老板想招“稳定”的员工，看哪个指标？（方差）
* 如果想知道“大多数人的水平”，看哪个指标？（中位数/众数）
4.
结论：不同数字特征侧重不同，必须结合具体情境选择。
*
核心：通过具体数值计算，辨析各统计量的敏感性和适用场景。
公式推导与几何意义法**
**适合：数学基础好、喜欢探究原理的学生**
* **讲法
1.
平均数的最优性：为什么用 $\bar{x} = \frac{1}{n}\sum x_i$？因为它是使 $\sum |x_i - a|$ 最小（中位数）或 $\sum (x_i - a)^2$ 最小（平均数）的点。重点讲平方和最小：$\sum (x_i - a)^2$ 对 $a$ 求导，令导数为0，可得 $a = \bar{x}$。这说明平均数是数据在“能量”意义上的中心。
2.
方差的本质：方差 $s^2 = \frac{1}{n}\sum (x_i - \bar{x})^2$。
* 展开公式：$s^2 = \frac{1}{n}\sum x_i^2 - \bar{x}^2$。
* 几何意义：数据点到平均数距离的平方平均。
* 为什么用平方而不是绝对值？（可导、计算方便、放大极端值影响）。
3.
标准差：方差的算术平方根，单位与原始数据一致，便于比较。
*
核心：从函数极值和代数恒等变形角度理解统计量的数学本质。