什么用来描述样本数量特征，总体和样本的平均数、标准差有什么共同点

用来描述样本数据的离散程度的特点数是极差。

1、极差又称范围误差或全距，以R表示是用来表示统计资料中的变异量数，其大值与小值当中的差距，即大值减小值后所得之数据。

2、它是标志值变化的大范围，它是测定标志变化的简单的指标。

共同点都是特点数,平均数反映数据的平均水平,标准差反映数据的波动情况.统计的特点是用样本的特点数去估计整体的情况.

通俗的说： 整体：指的是你想统计的目标的我们全体 个体：指的是我们全体里的某一个 样本：从我们全体里提取一部分单位，通过统计样本来估计整体的特点 样本容量：就是你提取样本的个数 例如说：你想统计高三的男女比例，既然如此那，高三全部的学生就是“整体”，这当中每一个学生就是“个体”，你随机抽取了200人进行统计，这200人就是“样本”，200就是“样本容量”。

统计学基本思想是用样本特点数去估计整体对应特点数。这需抽取样本科学合理。按照此思想只计算样本均值。样本平均数常见方式，一是求和除以n。

二是加权平均数求法。

三是减小样本数值减小计算量。

整体均值的公式是x=(x1+x2+x3+xn)/n，S^2={∑[Xi-x)^2}/(n-1)，整体均值又叫做整体的数学希望或简称希望是描述随机变量取值平均状况的数字特点。

随机变量表示随机试验各自不同的结果的实值单值函数。随机事件不论与数量是不是直接相关，都可以数量化，即都可以用数量化的方法表达。

样本估计是研究统计问题的一个基本思想方式，即用样本平均数估计整体平均数（即整体希望值――描述一个整体的平均水平）；

用样本估计方差和标准差是描述一个样本和整体的波动大小的特点数，方差或标准差越小，表示这个样本或整体的波动越小，即越稳定。

大多数情况下地，样本容量越大，这样的估计就越精确。

小样本数据是针对小样本试验数据的可能性分布特点有的时候，没办法确定，传统可能性统计就没办法提供对应的参数估计方式的问题而提出的方式。

根据灰色关联理论，第一定义了根据试验数据当中的拓扑关系和距离关系的灰色距离测度，通过对灰色距离测度的灰色生成得到小样本数据的参数估计值，并给出了满足一定灰色置信度下的参数置信区间。

继而讨论了可能性参数估计与灰色参数估计当中的区别。

后利用计算机对小样本试验数据的参数估计进行了仿真举例，示例结果表达所提方式简单合理，能有效地处理小样本数据参数估计的相关问题。

样本数据集合中产生频次高的那个样本值，称为样本众数。在一般“样本众数”被简称为“众数”。

单一众数：在不少情况下，一个样本数据集合中产生频次高的样本值唯有一个，这时的众数是普通的众数，称为单一众数。复众数：在一个样本数据集合中。

大样本就是样本数目大的样本. 小样本就是样本数目小的样本.

大多数情况下觉得样本数目大于30可以觉得是大.

研究中实质上观测或调查的一些个体称为样本(sample)，研究对象的都称为整体。

为了使样本可以正确反映整体情况，对整体要有明确的相关规定；整体内全部观察单位一定要是同质的；在抽取样本的途中，一定要遵循随机化原则；样本的观察单位还需要有足够的数量。

又称“子样”。

根据一定的抽样规则从整体中取出的一些个体。

样本中个体的数目称为“样本容量”。

数学中样本是指根据一定的抽样规则从整体中取出的一些个体是受审核查验客体的反映形象或其自己的一些。简单的来说，样本就是从整体中抽出来一些来代表这个整体。

样本中所包含的个体数目称样本容量或含量，用符号N表示。样本有大小之分，大样本的容量大多数情况下在30以上或50、100以上，小样本的容量在30以下。因为样本越大从整体中提取的信息就越多，对整体的代表性就越好，因为这个原因大多数情况下情况都抽取大样本进行研究。

举个例子，例如你需调查全中华人民共和国公民的健康状况,但不可能调查全部人（整体）,还要挑选一部分代表性的人来调查,反应整体的国民健康状况,你所挑选的部分人就是样本.

再举个例子,例如说试题是-为了了解某学校在一个学期里每天的缺席人员数量,统计了这当中半个月里每天的缺席人员数量.

整体：某学校在一个学期里全部缺席过的人

个体：某学校在一个学期中缺席过的每个人

样本：某学校在半个月里缺席的人

样本容量：15

第2个例子很好的解释了与样本有联系的概念。

通俗的说：整体：指的是你想统计的目标的我们全体个体：指的是我们全体里的某一个样本：从我们全体里提取一部分单位，通过统计样本来估计整体的特点样本容量：就是你提取样本的个数例如说：你想统计高三的男女比例，既然如此那，高三全部的学生就是“整体”，这当中每一个学生就是“个体”，你随机抽取了200人进行统计，这200人就是“样本”，200就是“样本容量”。