1 基本概念
1.1 定义
离散数据是指取值能够逐一列举、彼此之间存在明显间隔的数据类型。它通常以整数、计数结果或有限个类别值的形式出现，例如人数、件数、缺陷数、某项结果的类别等。与连续变化的测量值不同，离散数据更强调“一个一个”地记录和统计。
1.2 与连续数据的区别
1.2.1 可数性
离散数据的值通常可以按顺序一一数清，或归入有限个可识别的类别；连续数据则在某一范围内可取无穷多个可能值，不能用逐项枚举的方式完整列出。
1.2.2 取值形式
离散数据多表现为整数、标签或有限类别，数值之间往往不包含中间值；连续数据则常体现为小数、测量值或区间内任意数值，例如长度、时间和重量等。
1.2.3 测量方式
离散数据一般通过计数、归类或记录发生次数得到；连续数据则更多依赖测量工具，如尺、表、仪器等，结果通常带有精度限制。
1.3 典型特征
1.3.1 间断性
离散数据的相邻取值之间存在跳跃，不像连续数据那样平滑衔接。比如人数只能是1、2、3，而不会出现1.5人。
1.3.2 有限性与可枚举性
不少离散数据只有有限个取值，即使取值很多，也往往仍然可以逐一列出。这种可枚举特征使其便于做频数统计和分类比较。
1.3.3 计数属性
离散数据常与“数了多少”直接相关，反映某种对象、事件或状态出现的次数，因此在统计实践中具有很强的计量和管理意义。
2 分类方式
2.1 按数据来源分类
2.1.1 自然计数数据
这类数据直接来源于现实中的数量统计，如人口数、车辆数、库存件数等，通常由客观存在的个体或事件累积形成。
2.1.2 调查统计数据
调查统计数据来自问卷、访谈或登记系统，常用于汇总受访者选择结果、态度类别或行为次数，例如满意度等级、投票选项、家庭成员数等。
2.1.3 实验观测数据
实验观测数据是在控制条件下记录得到的离散结果，如实验中成功次数、某类反应发生次数、样本中阳性个数等。
2.2 按变量性质分类
2.2.1 名义型离散数据
名义型数据以类别区分对象，本身不表示顺序，常见如颜色、品牌、地区或选项类型。这类数据适合做分类汇总，不适合直接进行算术比较。
2.2.2 顺序型离散数据
顺序型数据不仅有类别，还具有明确次序，例如“差、一般、好”或“低、中、高”。它能反映等级先后，但相邻等级之间的距离未必相等。
2.2.3 计量型离散数据
计量型离散数据具有数量意义，可以进行加减运算，常见如人数、件数、次数和分值。它兼具离散性与数值性，是最常见的一类。
2.3 按取值范围分类
2.3.1 有限离散数据
有限离散数据的可能取值数量是有限的，例如考试等级、产品类别、是否合格等，便于直接列表展示。
2.3.2 可数无限离散数据
这类数据虽然取值数量无限，但仍能逐一排列，例如非负整数计数。典型场景包括等待次数、事件发生次数和某些随机过程中的计数结果。
3 表示方法
3.1 频数表
3.1.1 绝对频数
绝对频数表示某一取值或类别在样本中出现的次数，是离散数据最基础的汇总方式。
3.1.2 相对频数
相对频数是某一类别频数占总数的比例，能更直观地比较不同类别在样本中的比重。
3.1.3 累积频数
累积频数用于统计某一值及其以下或以上的总出现次数，常用于顺序型数据或需要观察累计变化的场景。
3.2 图形展示
3.2.1 条形图
条形图适合展示不同类别或离散取值的频数、比例差异，能清晰体现各组之间的比较关系。
3.2.2 饼图
饼图用于表现各类别在整体中的构成比例，适合类别较少、占比关系明确的数据。
3.2.3 散点图
散点图常用于展示两个变量之间的对应关系。对于离散数据，它可以帮助观察点的聚集、分层或关联模式，尤其适合双变量计数资料。
3.2.4 直方图的适用性说明
直方图主要面向连续数据或近似连续数据。对于取值很少、间隔明显的离散数据，直接使用直方图可能掩盖类别差异；若离散值较多且近似连续，可酌情采用。
3.3 编码与标注
3.3.1 类别编码
类别编码是将文字类别转换为数字或符号标识，便于录入和处理。编码本身不一定具有数量意义，使用时应保留其对应关系。
3.3.2 缺失值标记
缺失值需要用统一标记表示，如空白、特殊代码或系统缺省符号，以区别于真实取值，避免统计时被误算。
3.3.3 数据录入规范
离散数据录入应保持格式一致、类别统一、编码明确，并避免重复、错码和混入无关字符，以保证后续分析可靠。
4 统计描述
4.1 集中趋势
4.1.1 众数
众数是出现次数最多的取值或类别，尤其适用于分类数据和类别分布明显的数据。
4.1.2 中位数
中位数将排序后的数据分为两半，适用于有序离散数据，能够减少极端值对结果的影响。
4.1.3 均值的适用性
均值适合计量型离散数据，但在类别数据或分布极不均衡时往往不够合适，因为它可能无法准确反映典型水平。
4.2 离散程度
4.2.1 极差
极差是最大值与最小值之差，计算简单，能粗略反映数据跨度，但对极端值较敏感。
4.2.2 方差
方差衡量数据围绕均值的波动程度，是描述离散程度的重要指标。对离散计量数据而言，它能体现取值分散的整体水平。
4.2.3 标准差
标准差是方差的平方根，单位与原数据一致，便于解释和比较，常用于表示数据波动的典型幅度。
4.2.4 四分位距
四分位距是上四分位数与下四分位数之差，能够反映中间50%数据的离散程度，适合存在异常值或偏斜分布的数据。
4.3 分布形态
4.3.1 偏态
偏态描述数据分布是否向一侧拖尾。离散数据中，若某些取值明显集中于一端，分布就可能呈现左偏或右偏。
4.3.2 峰度
峰度反映数据在中心区域的集中程度及尾部特征。对于离散数据，峰度常用于判断分布是更集中还是更平缓。
4.3.3 多峰现象
当数据分布中存在两个或多个明显高峰时，可称为多峰现象。这通常提示样本可能包含不同子群体或受多个机制共同影响。
5 概率模型
5.1 离散型随机变量
5.1.1 随机变量的定义
离散型随机变量是指其取值为一组可数结果的随机变量，常用来刻画离散现象中的不确定性。
5.1.2 取值集合
离散型随机变量的取值集合可以是有限集，也可以是可数无限集，例如0、1、2、3……等。
5.1.3 概率质量函数
概率质量函数用于给出离散型随机变量取各个值的概率，各取值概率之和等于1，是离散概率模型的核心表达方式。
5.2 常见离散分布
5.2.1 伯努利分布
伯努利分布描述只有两种结果的随机试验，例如成功与失败、是与否。它是最基础的离散分布之一。
5.2.2 二项分布
二项分布用于描述独立重复试验中成功次数的分布，适合分析固定次数试验后的计数结果。
5.2.3 泊松分布
泊松分布常用于描述单位时间或单位空间内事件发生的次数，如排队到达数、故障数或稀有事件计数。
5.2.4 几何分布
几何分布关注第一次成功出现所需的试验次数，常用于等待型计数问题。
5.2.5 超几何分布
超几何分布用于不放回抽样情境下的成功次数分布，适合有限总体中的抽取分析。
5.3 分布参数与意义
5.3.1 参数估计
参数估计是根据样本数据推断分布参数的过程，常通过点估计或区间估计实现，为建模和预测提供基础。
5.3.2 参数解释
分布参数通常决定事件发生概率、均值水平或波动程度。不同参数对应不同的现实含义，需要结合具体情境理解。
5.3.3 参数变化对分布的影响
参数变化会改变分布的位置、形状和离散程度。例如，成功概率上升时，二项分布的中心位置会随之移动，分布形态也会相应调整。
6 数据分析方法
6.1 频率分析
6.1.1 频数比较
频数比较用于观察不同类别或取值出现的多少，适合快速识别占优类别和异常类别。
6.1.2 比例分析
比例分析将频数转化为相对量，便于在不同样本规模之间进行比较，减少总量差异带来的干扰。
6.1.3 排序与分组
排序与分组可以帮助整理离散数据结构，揭示从高到低的分布格局，并为后续分析提供清晰框架。
6.2 假设检验中的应用
6.2.1 卡方检验
卡方检验常用于离散分类数据的适合度检验、独立性检验和同质性检验，是处理类别资料的重要方法。
6.2.2 二项检验
二项检验适用于二分类结果的概率推断，可判断某一事件的发生比例是否与预期值一致。
6.2.3 非参数检验
非参数检验不依赖严格的分布假定，适合等级数据或不满足常规参数方法条件的离散资料。
6.3 相关与关联分析
6.3.1 列联表分析
列联表用于整理两个或多个分类变量之间的交叉分布，能够直观显示类别组合的频数情况。
6.3.2 关联强度指标
关联强度指标用于衡量变量之间关系的紧密程度，常见于分类变量的相关分析，以判断变量是否存在明显联系。
6.3.3 条件概率分析
条件概率分析关注在已知某一条件下，另一事件发生的可能性，常用于离散事件之间的依赖关系研究。
7 应用场景
7.1 社会调查
在社会调查中，离散数据常表现为受访者年龄组、教育层次、满意度等级、是否参与某项活动等，便于统计汇总和群体比较。
7.2 质量管理
质量管理中常记录合格件数、缺陷个数、返工次数等离散信息，用来监控生产过程并评估稳定性。
7.3 生物统计
生物统计常涉及病例数、阳性样本数、细胞计数、基因型类别等离散数据，用于分析实验结果和群体差异。
7.4 工业生产
工业生产中的离散数据包括设备故障次数、次品数量、报警次数等，常用于过程控制、故障排查和效率评估。
7.5 教育测评
教育测评中，成绩等级、答对题数、出勤次数、获奖人数等都属于典型离散数据，可用于评价学习效果和群体表现。
7.6 日常生活中的离散数据
7.6.1 出勤次数
出勤次数是最常见的计数型数据之一，适合用来观察规律性、稳定性和参与程度。
7.6.2 投票结果
投票结果通常以类别或票数呈现，能够体现群体偏好及其分布情况。
7.6.3 商品件数
商品件数反映购买或库存中的数量变化，广泛用于消费记录、仓储管理和销售统计。
8 常见误区
8.1 将离散数据误作连续数据
有些离散数据在数值上看似接近连续，但其本质仍是计数或分类结果，若按连续数据处理，可能导致图表和模型选择不当。
8.2 忽略类别编码含义
类别编码只是标识，不一定代表真实大小或顺序。若把编码当作数值进行直接比较，容易得出错误结论。
8.3 过度使用均值描述
对于分类数据或偏态明显的离散数据，仅用均值概括可能失真，应结合众数、中位数和频数分布综合判断。
8.4 混淆计数数据与分类数据
计数数据强调数量大小，分类数据强调类别区分。二者在分析方法上并不完全相同，混用时容易影响解释。
8.5 忽视样本量对结论的影响
样本量过小会使离散数据的频数波动较大，结论稳定性不足；样本量较大时，分布特征通常更容易显现。
9 相关概念
9.1 连续数据
连续数据是在某一区间内可以取任意值的数据类型，常见于长度、时间、温度等测量结果。
9.2 分类数据
分类数据以类别为核心，主要用于区分对象属性，不强调数值大小关系。
9.3 定量数据
定量数据是可以用数值表示并进行计算的数据总称，离散数据与连续数据都属于其中。
9.4 随机变量
随机变量是把随机现象的结果用数值表示的变量，是概率论与统计分析中的基础概念。
9.5 频率分布
频率分布描述数据各取值或各组别出现的次数及其比例，是理解离散数据结构的重要工具。