统计案例 公司员工的肥胖
看完整套图解，你能选对检验方法、读懂 P 值，独立完成肥胖调查的统计推断
按 空格/→ 演示下一步
全部页面点击任意一页，跳回舞台从这页播放
统计案例 公司员工的肥胖
看完整套图解，你能选对检验方法、读懂 P 值，独立完成肥胖调查的统计推断
撰写统计分析报告
上节用 BMI 数据发现 IT 部门肥胖率高于后勤部门，但光有结论没用——老板要拍板、HR 要落地、还要归档备查。这时候，就需要一份把分析过程与结论结构化呈现的统计分析报告。
病历=调研数据，检查推断=统计推断，诊断结论=报告结论，治疗方案=管理建议
简单随机抽样
要调查500名员工的肥胖率，不可能挨个测量——随机抽一部分来推总体，这就是简单随机抽样。
每张签概率相同，对应每个个体被等概率选中
分层随机抽样
上一页的简单随机抽样是从全员里一视同仁地抽，但在肥胖调查中，如果某个部门整组没被抽到，这个群体的特征就完全失声了。怎么解决？
部门即层，部门内随机抽即层内抽样，保证每部门都进样本
身体质量指数 BMI
上页用抽样拿到了员工身高体重数据。怎么判一个人算'胖'？不能目测吧。统计上有个最常用的初筛指标——身体质量指数 BMI。先摸清这个工具，回头再看那份肥胖调查分析报告里它怎么用的。
都是用一个比值刻画'密集程度'。但密度看不出是铁还是铜，BMI 也看不出体重来自肌肉还是脂肪
BMI 分类标准（中国成人）
BMI 分类标准（中国成人）：定义、要点与典型应用
统计图表选择
前页把 BMI 分了四档——偏瘦、正常、超重、肥胖。可手头是几百个数字：怎么让人一眼看出哪档人最多、各部门差距有多大？答案在选对图表。
刀切肉、勺喝汤，工具配食材；柱图比类别、饼图看占比，散点图找关系
集中趋势参数
上一页抽样得到了一组员工 BMI，几十上百个数字密密麻麻——怎样用「一个数」说清这批人的典型水平？这就要请出集中趋势参数。
总奖金÷人数≈平均数；排名正中那位的奖金≈中位数；最多人拿的那个档位≈众数
离散程度参数
上页 BMI 均值 26 告诉我们'整体偏胖'，但掩盖了关键信息：这 50 人是 BMI 都挤在 25 附近，还是有人 22 有人 35？要回答这个问题，必须看离散程度参数。
命中率都 50%，一个稳在 48-52%，另一个 30%-70% 飘忽——均值一样，离散天差地别
样本估计总体规律
前面我们用均值、标准差描述了数百名员工的BMI分布。但全公司有数千名员工，我们想知道的是整体情况。这就需要从样本推断总体。
一勺尝出整锅味道——但只尝一口可能偏，搅匀再取样才靠谱
统计推断的或然性
前页我们用样本均值估计了总体均值，但若换一批员工再抽样，结果可能不同。这不是巧合，而是统计推断的根本属性——或然性。
降水概率80%不是绝对，但给出可量化可信度供人决策
本节要点
- ✓统计是闭环流程：问题→抽样→描述→推断，环环相扣
- ✓BMI中国切点更严(超重24/肥胖28)，跨国比较需先换算
- ✓集中趋势与离散程度须配对，单参数无法刻画全貌
- ✓样本推断永远是概率陈述，置信度不能等同确定性
课后思考
先自己思考，再看参考答案——三个问题分别检验回顾、应用与迁移能力。
参考答案因为不同部门、性别、年龄段员工的肥胖率差异较大，分层抽样能保证各类员工都有代表，缩小抽样误差、提高估计精度。
参考答案可以分层分析，仍能正确估计；但若忽略分层结构、直接合并计算均值，就会因权重偏差高估或低估总体参数。
参考答案样本量约增大 1.7 倍。更高置信度要求更宽置信区间或更大样本，调查时间、人力与经费投入都会显著增加。