3.1.1 定量变量的图表示：直方图、盒形图、茎叶图、散点图。
3.1.2 定性变量的图表示：饼图和条形图。
3.1.3 其它图描述法：Chernoff面孔图、星图、Lorenz曲线
3.2如何用少量数字来概括数据
由于定性变量主要是计数，比较简单，最常用的概括就是比例或百分比，所以下面主要介绍关于定量变量的数字描述。
除了图表，还可以用汇总统计量或概括统计量来描述定量变量的数据。
3.2.1 数据的“位置”
与“位置”有关的统计量被称为位置统计量。
最常用的位置统计量为小学学到的算数平均值，在统计学中被称为均值，更严格叫样本均值。
均值容易被少数极端值影响，但不会对中位数影响太大（因此次称中位数比均值稳健）。（样本）中位数是数据按大小排列后位于中间的那个数（若为偶数，则为其两个的平均值）。
除了中位数之外，还有上下四分位数。
在样本中出现最多的某一数目被称为众数。在定性变量中，由于记录的是频数，因此众数比较常用。
3.2.2 数据的尺度
理解数据的尺度：不患寡而患不均。
尺度统计量是描述数据散布，即描述数据集中与分散程度或变化的度量。
最简单的尺度统计量是极差，即极大值和极小值之间的差。由此可以推出四分位数极差或四分位数间距的定义，它描述了中间半数观测值的散布情况。
另一个常用的统计量为（样本）标准差。它度量样本中各个数值到均值距离的一种平均。标准差实际上是方差的平方根。样本方差是各观测值到均值距离的平方和除以减去1的样本量。
显然，如果标准差越大，数据中的观测值就越分散，如果还左右对称，则是单峰数据对称。
即便出于同一个总体，样本量相同的不同样本也会有不同的均值，这种来自许多不同样本的均值的标准差称为标准误差，也叫均值的标准误差。
标准误差定义为标准差除以样本量的平方根。
3.2.3 数据的标准得分
标准化Normalizition，又称为数据归一化。
均值和标准差不同的数据不能直接比较，但是可以把它们进行标准化之后，在比较标准化后的数据。
标准化的方法有很多，需要依据意图而选用。一个标准化最常见的标准化方法是把某样本原始观测值（亦称得分，score）和该样本之差除以该样本的标准差，把各个样本的观测值转换为标准得分，就可以进行比较了。
标准化之后，数据总的尺度和位置会变化，但是数据内部点的相对位置没有变化。
数据标准化是有确切的理论基础和实际目的，不能随意进行。
