等待数据输入...
🔒 100% 本地计算,数据绝不离开您的浏览器
支持的数据格式:
- 逗号分隔:1.5, 2.8, 9.1, 16.2
- 空格分隔:1.5 2.8 9.1 16.2
- 换行分隔:每行一个数字
- 科学计数法:1.23e-4, 5.67E+8
- 多序列模式:使用「组名: 数值1, 数值2, 数值3」格式,每行一组
- 自动忽略文本和特殊字符
Universal Standard (R, Python, Google Sheets)
Linear interpolation method, default standard for modern data science software
R (type=7) Python NumPy Google Sheets QUARTILE.EXC
Interpolated Values
Medium Complexity
计算结果和箱线图将在这里实时展示
请在上方输入至少 4 个数字开始计算
计算中...
计算结果
基本统计量
数据个数: -
总和: -
最小值: -
最大值: -
全距: -
均值: -
四分位数
第一四分位数 (Q1): -
中位数 (Q2): -
第三四分位数 (Q3): -
四分位距 (IQR): -
五数概括
[-,-,-,-,-]
[最小值, Q1, 中位数, Q3, 最大值]
检测到异常值
以下数据点被 方法识别为异常值:
分组序列汇总
输入数据以生成箱线图
请在上方输入至少 4 个数字开始计算
箱线图可视化
此箱线图可视化了您的数据分布。箱体显示包含中间 50% 数据的四分位距 (IQR)。箱内的线代表中位数。须线延伸显示范围,红点表示异常值。
异常值检测: Tukey 法 (1.5×IQR)
箱体 (IQR) / Legend
- 箱体 (IQR)
- 中位数线
- 须线
- 异常值
综合摘要
全距: -
中位数 (Q2): -
检测到异常值: -
什么是描述性统计?
描述性统计用于汇总和整理数据集的特征。与试图得出超越数据本身结论的推断统计不同,描述性统计只是简单地描述数据显示的内容。
集中趋势的关键度量
- 均值(平均值):所有值的总和除以值的数量。对异常值敏感。
- 中位数:数据排序后的中间值。对异常值稳健。
- 众数:数据集中出现频率最高的值。
离散程度(分散度)的关键度量
- 极差:最大值和最小值之间的差值。
- 四分位距(IQR):中间 50% 数据的范围(Q3 - Q1)。
- 标准差:衡量每个数据点与均值之间的平均距离。
💡 为什么使用此计算器?
- ✅ 即时结果:毫秒级获取均值、中位数和极差。
- ✅ 可视化上下文:通过自动箱线图查看数据分布。
- ✅ 隐私优先:所有计算都在浏览器中进行。数据不会上传。
常见问题解答
用通俗易懂的语言解释统计学概念
数学公式
查看计算背后的标准数学公式
四分位数计算 (方法2)
第一四分位数 (Q1):
中位数 (Q2):
第三四分位数 (Q3):
四分位距与异常值检测
四分位距 (IQR):
异常值边界:
算法说明
PlotNerd 使用统计学标准的“方法 2 (中位数四分位法)”进行四分位数计算,结果与主流统计软件(如 R, SPSS)一致。所有计算结果均经过严格验证以确保准确性。