统计学中，最基本和最常见的分支是所谓的描述性统计学(descriptive statistics )：把一组数据归纳为能描述或用于总结数据集本身的若干指标。
比如：
一家公司所有员工的平均收入 一个班级的高考分数范围 股票投资组合的回报误差 一个团队中球员的平均身高
有人会问，描述统计不过就是总结一下数据，这么简单的事情也会涉及陷阱吗？
事实上，当然有。
在前面的系列中，即使是简单加法都会涉及陷阱。
而描述统计这里会有稍微复杂一点的均值或标准差的统计量，在结构上已经扩大了犯错的可能性空间。
在描述统计中，会讨论到数据集的集中趋势，这里涉及均值，中值等统计量。
最常见的错误倒还不是在计算这些指标时发生的，而且这些公式也真的不难。
而集中趋势指标带来的真正困难在于：当向人们展示这些指标时候，如均值，总会有人认为—既然均值是这样，那应该这个数据集里面的数值都这样吧。
当然，这是一种非常懒惰的想法，而懒惰就容易掉到坑里，这里举一个体育界的例子。
本文转载于知乎海数据实验室。
