# 通用统计计算器

粘贴一列或两列数值，得到完整描述统计套件——均值/中位数/众数、样本与总体方差、type-7 四分位数与百分位数、MAD、校正偏度与峰度、Tukey 离群值——两列时再加协方差、皮尔逊 r、平秩修正的斯皮尔曼 ρ 与最小二乘回归。

> 标准页面: https://elysiatools.com/zh/tools/general-statistics-calculator

- **分类:** Data Processing

- **关键词:** 统计计算器, 描述统计, 均值 中位数 众数, 方差, 标准差, 四分位数, 百分位数, iqr, 偏度, 峰度, 离群值, 皮尔逊相关, 斯皮尔曼, 线性回归, 协方差

## 概述

每个量都按标准公式计算，并把统计学家真正会争论的口径写明白。四分位数与百分位数用 R 默认的 "type 7" 线性插值：在排序样本上 h = (n − 1)·p + 1，因此 Q1/Q3 与 R、pandas 及 Excel 的 PERCENTILE.INC 一致。方差与标准差同时给两种口径——样本（除以 n − 1，样本无偏估计）与总体（除以 n）——方差口径开关决定变异系数与均值标准误采用哪一种。形态统计遵循矩惯例：偏度同时给有偏矩比 g1 = m3/m2^(3/2) 与校正 Fisher–Pearson G1 = √(n(n−1))/(n−2)·g1（即 Excel SKEW 的算法）；峰度为超额值（正态 = 0），同时给有偏 g2 = m4/m2² − 3 与小样本校正 G2。离群值用同一套 type-7 四分位数的 Tukey 栅栏（Q1 − 1.5·IQR、Q3 + 1.5·IQR）。粘贴第二列时追加双变量套件：样本协方差、原始数对的皮尔逊 r、按平均秩赋值再算皮尔逊的斯皮尔曼 ρ（平秩修正定义——一旦有相同值 6Σd² 捷径就是错的），以及带 R² 的最小二乘直线 ŷ = slope·x + intercept。输入接受空格、逗号、分号、制表符的任意混排及科学计数法；不是有效数值的词元会被预先拒绝而不是被静默丢弃。

## 输入项

- **数值数据** (textarea): e.g. 2 4 4 4 5 5 7 9 — spaces, commas, semicolons, tabs or new lines; scientific notation ok
- **对比数据集（可选）** (textarea): optional second column for correlation and regression (same number of values)
- **方差口径** (select)
- **小数位数** (number)
- **显示离群值** (checkbox)

## 适用场景

- 需要快速核算单组样本的集中趋势、离散程度、分布偏度及 Tukey 离群值时。
- 比对两组连续变量并评估其线性相关系数、秩相关及一元线性回归趋势时。
- 要求四分位数与 Excel（PERCENTILE.INC）、R 或 pandas 默认算法保持精确一致时。

## 工作原理

- 在文本框中粘贴单列或两列数值，支持空格、逗号、分号、制表符及科学计数法分隔。
- 根据研究场景选择方差口径（样本 n−1 或总体 n），并按需指定结果保留的小数位数与离群值开关。
- 系统自动过滤分隔符并计算均值、方差、标准差、Type-7 分位数、矩偏度与校正偏度峰度。
- 若提供对比数据集，系统同步计算协方差、皮尔逊与斯皮尔曼相关系数及最小二乘回归方程。

## 使用案例

- 实验与科研数据预处理：快速验证样本偏度、超额峰度及异常离群点分布。
- 质量控制与工程测量：对比两批次测量数据，核对均值偏差与总体/样本标准差。
- 业务指标关联分析：导入自变量与因变量，计算斯皮尔曼相关性与拟合回归直线。

## 常见问题

### 四分位数采用哪种计算口径？

采用 R 默认的 Type-7 线性插值法，与 Excel 的 PERCENTILE.INC 以及 Python pandas 的默认分位数算法完全一致。

### 样本方差与总体方差有什么区别？

样本方差除以自由度 n−1，用于样本无偏估计；总体方差除以 n。该设置会同步影响变异系数和标准误的计算。

### 输入数据支持哪些格式和分隔符？

支持纯数字及科学计数法（如 1e-3），分隔符可混用空格、逗号、分号、换行符和制表符。

### 斯皮尔曼相关系数如何处理相同数值（平秩）？

采用对相同数值赋予平均秩后再计算皮尔逊相关系数的严格定义，避免了简化公式在存在平秩时的误差。

### 离群值是如何判定的？

基于 Tukey 栅栏法则，将小于 Q1 − 1.5×IQR 或大于 Q3 + 1.5×IQR 的数值标记为离群值。

## 相关工具

- [蒙特卡洛模拟构建器](https://elysiatools.com/zh/tools/monte-carlo-simulation-builder): 定义输入分布（正态/均匀/对数正态/三角），写出公式，运行上万次模拟，得到输出分布直方图与置信区间。
- [离群值处理器](https://elysiatools.com/zh/tools/data-outlier-processor): 高级离群值检测和处理工具，使用多种统计方法识别、删除或替换数值数据中的异常值。完美用于数据清洗、统计分析和机器学习数据准备。 功能特点： - 多种检测方法（IQR、Z-score、修正Z-score、孤立森林） - 灵活处理策略（删除、替换均值/中位数/众数、封顶） - 自动阈值优化 - 多维离群值检测 - 可视化离群值统计和报告 - 批量处理能力 - 自定义敏感度级别 - 综合影响分析 常见用途： - 数据清洗和预处理 - 统计分析准备 - 机器学习数据集清洗 - 制造业质量控制 - 金融异常检测 - 传感器数据验证
- [二维码解码器](https://elysiatools.com/zh/tools/qr-code-decoder): 从图片中解码二维码并提取包含的文本或网址
- [A/B 测试显著性计算器](https://elysiatools.com/zh/tools/ab-test-significance-calculator): 输入对照组/实验组数据，输出转化率差异、95%/99% 置信区间、Z-test（比率）或 Welch t 检验（连续变量）的 p-value 与显著性判定、提升百分比、达到 80%/90% 功效所需样本量、推荐实验天数、Sequential testing 警告与 Bonferroni 多重比较修正。
- [正态分布绘图器](https://elysiatools.com/zh/tools/normal-distribution-plotter): 将正态分布绘制为 SVG 钟形曲线，可标注 z 分数、区间或尾部概率阴影，并叠加 68/95/99.7 标准差带。
- [APACHE II 危重病评分计算器](https://elysiatools.com/zh/tools/apache-ii-score): 计算 APACHE II 危重病评分：急性生理评分 APS（12 项生理变量，每项 0-4 分，取入 ICU 24h 内最差值）+ 年龄分（0-6）+ 慢性健康分（0/2/5），总分 0-71，越高预后越差。氧合：FiO₂≥0.5 用 A-a 梯度，否则用 PaO₂；急性肾衰时肌酐分翻倍；GCS 计 15−GCS。同时给出基础死亡风险预测（logit=−3.517+0.146×分，不含诊断类别权重）。来源 Knaus 1985 Crit Care Med、SFAR 评分表。不能替代临床判断。不构成医疗建议。
- [平均值计算器](https://elysiatools.com/zh/tools/average-calculator): 在同一处比较算术、几何和调和平均值
- [批量条码生成器](https://elysiatools.com/zh/tools/barcode-batch-generator): 从 CSV 或多行文本批量生成 Code 128、EAN-13、UPC-A、ITF-14、QR Code 和 Data Matrix，并导出 PNG ZIP 或 PDF

## 示例

- [Android Java 图像处理示例](https://elysiatools.com/zh/samples/android-image-processing-java): Android Java 图像处理示例，包括图像读取保存、缩放和格式转换
- [Android Kotlin 图像处理示例](https://elysiatools.com/zh/samples/android-image-processing-kotlin): Android Kotlin 图像处理示例，包括图像读取保存、缩放和格式转换
- [Web Python 图像处理示例](https://elysiatools.com/zh/samples/web-image-processing-python): Web Python 图像处理示例，使用 PIL/Pillow 包括读取、保存、缩放和格式转换
- [Web Rust 图像处理示例](https://elysiatools.com/zh/samples/web-image-processing-rust): Web Rust 图像处理示例，包括图像读取保存、缩放和格式转换