统计学中的描述性统计用于定量描述数据集的特征，帮助理解数据的分布、中心趋势、离散程度和形状。以下是一些常用的描述性统计指标和概念：

中心趋势指标

统计学中常用的描述性统计有哪些

1. 平均数（均值, Mean）：所有数据值的总和除以数据的个数，易受极端值影响。

2. 中位数（Median）：将数据按大小顺序排列后位于中间的数，对极端值不敏感，适合偏斜分布。

3. 众数（Mode）：数据集中出现频率最高的数值，可以有多个。

离散程度指标

1. 方差（Variance）：衡量数据与其平均数之间差异的平方的平均数，方差越大数据分散程度越高。

2. 标准差（Standard Deviation）：方差的平方根，更直观地表示数据的离散程度。

3. 极差（Range）：数据集中的最大值与最小值之差，简单但不全面。

4. 四分位数（Quartiles）：将数据分为四个等份，包括第一四分位数（Q1）、第三四分位数（Q3）和中位数（Q2=中位数）。

5. 四分位距（Interquartile Range, IQR）：Q3减去Q1，用于描述数据的离散程度，不受极端值影响。

分布形态

偏度（Skewness）：描述数据分布的不对称性，正偏斜或负偏斜。

峰度（Kurtosis）：描述数据分布的尖峭程度或平坦程度，与正态分布的比较。

频数分析

频数（Frequency）：某个数据值在数据集中出现的次数。

百分位数（Percentiles）：将数据分为100等份，特定百分位上的数据值。

统计图形

直方图（Histogram）：展示数据分布的频数或频率。

箱线图（Boxplot）：显示数据的五数概括（最小值、第一四分位数、中位数、第三四分位数、最大值），以及异常值。

散点图（Scatter Plot）：展示两个变量之间的关系。

这些指标和图形是理解数据集的基础，帮助研究人员在进行更复杂的分析之前，对数据有一个清晰的概览。