趋势图有中值和数据怎么做
什么是中位数，众数，平均数？
什么是中位数，众数，平均数？
平均值:是一组数据的算术平均值。平均值是反映一组数据平均水平的特征数。平均值与一组数据中的每一个数据相关，并且是唯一的。
众数:在一组数据中出现频率最高的数字称为这组数据的众数。一组数据的模式可以是一种或多种。众数侧重于分析数据出现的频率，众数是描述一组数据中趋势的统计量，不唯一。
中位数:一组数据按大小(或小)顺序排列后中间的数(奇数)(偶数是中间两个数的平均值)。一组数据的中位数是唯一的。
平均值、中位数、众数从不同角度反映了一组数据的集中趋势，但它们既有区别又有联系，也可能是同一组数据。
方差:是一组数据中每个数据与其平均值之差的平方的平均值。我们把这个平均值叫做这组数据的方差，也就是衡量这组数据的波动。一组数据的方差越大，这组数据的波动就越大。方差越小，数据波动越小。为了比较数据的稳定性，一般使用方差。方差综合反映了数据的离散程度。
如何通俗的解释泰勒公式？
(关于泰勒公式，小石头有两种不同的解释，分享给大家！)
我们知道√2作为第一个被发现的无理数，无法用有理分式精确表达，但我们可以用有理分式无限逼近它:
这就是所谓的无限(无循环)小数:
这种无限逼近的思想就是后来著名的极限，在数学中有很长的历史，比如用割圆法求π值，在生活中经常被大家用到，比如:
打磨金属物件:先用粗粒砂纸打磨，再用中粒砂纸，再细粒，再细粒研磨膏，再细...如果这个过程继续下去，我们可以得到越来越亮的金属表面；称一斤盐:根据经验，先在秤盘里加入一斤盐，多了就拿出一些，少了就再加一些...这个过程继续下去，我们可以越来越接近一斤盐；对于给定的函数f(x)，我们也可以用一个函数序列f(x)，f(x)，f(x)，...无限接近它，也就是说，
f(x) f(x) f(x) f(x)
接下来，我们需要确定这个顺序！
首先，观察√2的无限逼近式(1)，可以这样理解:
从原点0开始，沿着坐标轴，
先走一步，步距1/10 ^ 1；
然后以1/101±0.1的配速走4步；
然后以1/102 0.01的步伐迈一步；
....
又取_n步，步距1/10；
....
可以看出，这里的关键是越来越小的步进顺序:
1/10 1/101 1/102 1/10
所以要想逼近f(x)，首先要找到一个越来越小的函数序列。
让 s先降低要求，不是对整个f(x)进行近似，只是对f(x)在x ^ 0附近的部分进行近似。这时，我们发现幂函数序列:
x，x1，x2，x3，...，x，...
x ^ 0(-1，1)附近满足越来越小(绝对值)的要求。
所以，模仿√2，制作，
有，
这叫幂级数，最后要做的事情就是确定幂级数的系数。
首先，把x ^ 0带入公式(2)，立即得到，a f(0) f(0)/0！；
然后，我们对等式(2)的两边求导，得到:
然后把x ^ 0带入公式(2.1)，得到一个f(0) f(0)/1！；
然后，我们对等式(2.1)两边求导，得到:
然后把x ^ 0带入公式(2.2)，得到一个f(0)/2 f(0)/2！；
然后，我们对等式(2.2)两边求导，得到:
然后把x ^ 0带入公式(2.3)，得到一个f(0)/32 f(0)/3！；
...
然后，我们对公式(2.n-1)的两边求导，有:
然后把x ^ 0带入公式(2.3)，得到a_n f(0)/n(n-1)(n-2)2 f(0)/n！；
...
这样，我们通过递归逐一确定系数，最后得到:
这就是所谓的麦克劳克林公式。
使用McLaughlin公式，指数函数f(x) 《平面解析几何》，平面上的点与二维向量一一对应，所有这些二维向量形成一个二维向量空间，该空间被表示为R2。在这些二维向量中，单位向量ε (1，0)和ε (0，1)分别指向X轴和Y轴的正方向。
对于R2中的任何向量α (a，a ),有:
也就是说，
这说明任何向量α都可以用ε，ε来表示。我们把ε和ε称为向量空间R2的一组基，这个表达式叫做线性表示。
基底ε和ε对应坐标轴X和Y，线性表示的系数A和A是α的坐标分量，(A，A)是α在ε和ε中对应坐标系XY的坐标。
同样，上述模型也适用于任何n维空间R，我们只需要把R的基:
ε (1, 0, ..., 0),ε (0, 1, 0, ..., 0), ...，ε_n (0，0，..., 1)
那么，R中的任意n维向量α都可以线性表示为:
其中，系数(a，a，...，a_n)是α在ε，ε对应的坐标系中的坐标，...，ε _ n。
而且，我们可以升级有限维向量α (a，a，...，a_n)到无限维向量α (a，a，...)，也就是序列，把整个序列记为l，定义无限元素的依据是:
ε {1, 0, ...}, ε {0, 1, 0, ...}, ...
那么，任何序列α {a，a，...}在L中可以线性表示为:
其中，系数(a，a，...)是α在ε中的坐标，ε，...对应无限坐标系。
序列，α {a，a，...}，实际上是正整数Z到实数R的映射，α: Z→R，其中Z中的一个正整数作为序列下标，任意给定的下标i ∈ Z都可以由α，以及序列的第I个数得到。
考虑将映射α的定义域从正整数Z改为实数R，这样映射α就成为我们熟悉的函数f: R→R，我们将区间[a-b，a b] R中的所有函数满足一定条件形成函数空间，记为L2[a-b，a b]。定义无限元素的基础是:
ε (x-a)，ε (x-a)1，ε (x-a)2，e (x-a)3...
然后，函数空间L2[a-b，a b]中的任何函数f(x)都可以用这组基线性表示:
这是泰勒 s公式。
这个确定的条件意味着f(x)可以在区间[a-b，a b]内积分两次，也就是说，
存在。(更准确的定义必须用测度论，所以我赢了 这里就不介绍了！)
当a 0，b 1，空间L2[-1，1]中的任意函数f(x)都可以用幂函数基x，x1，x2，x3，...：
这是泰勒公式的特殊形式，麦克劳林公式。
注:前面的指数函数f(x) e满足条件2，所以属于L2[-1，1]，可以用麦克劳克林公式表示；函数f(x) √x没有定义在[-1，0]中，所以它不 t属于L2[-1，1]，但它属于L2[0，2]，因此泰勒公式被展开。
综上所述，我们可以得出一个小结论2:
泰勒公式，
幂函数(x-a)，(x-a)1，(x-a)2，(x-a)3，...实际上是无限维函数空间L2[a-b，a b]中的一组基，它们构成了L2[a-b，a b]的无限坐标系，系数为(a，a b)。
(所谓通俗的解释是非常个人化的理解，不是很严谨。上面只是一个小石头 的理解。写在这里起到一个引玉的作用。相信头条的老师们会有更精彩的回答！)