对于 CFA 一级考生而言，数量分析（Quantitative Methods）往往是备考的第一道关卡。而在这一领域中，描述性统计不仅是基础中的基础，更是后续学习概率论、回归分析乃至资产定价模型的基石。许多考生误以为这部分内容简单，从而在考试中因计算错误或概念混淆而失分。本文将带你用 10 分钟时间，快速梳理均值、中位数与标准差这三个核心概念，并通过实战例题掌握 TI BA II Plus 的操作技巧。
描述性统计的主要目的是通过少量数值概括大量数据特征。在 CFA 考试中，我们需要重点关注两类指标：衡量数据集中位置的指标，以及衡量数据波动风险的指标。
均值（Mean），特别是算术平均数，是最常用的集中趋势度量。它代表了数据的平均水平，公式为所有观测值之和除以观测值个数。然而，均值对极端值（Outliers）非常敏感。如果一个投资组合中大部分资产回报率为 5%，但有一个资产回报率为 100%，均值会被大幅拉高，从而不能真实反映大多数资产的表现。
此时，中位数（Median） 便显得尤为重要。中位数是将数据从小到大排列后位于中间位置的数值。如果数据个数为奇数，则取中间那个数；如果为偶数，则取中间两个数的平均值。中位数不受极端值影响，因此在数据分布偏斜（Skewed）时，中位数往往比均值更能代表数据的典型水平。在 CFA 考试中，当题目提到数据存在极端值或分布不对称时，优先选择中位数作为中心位置的度量。
如果说均值代表了预期收益，那么标准差（Standard Deviation） 则代表了风险或波动率。它是方差的算术平方根，反映了数据点偏离均值的程度。标准差越大，说明数据分布越分散，不确定性越高。
在 CFA 考试中，必须严格区分样本标准差与总体标准差。当我们根据样本数据推断总体特征时（绝大多数 CFA 考题场景），计算方差时需除以 $n-1$（贝塞尔校正），而非 $n$。这是因为样本标准差是总体标准差的无偏估计量。忽略这一细节是考生最容易犯的错误之一。
为了巩固上述概念，我们通过一个具体的计算例题来演示如何求解均值、中位数及样本标准差，并学习如何在考试计算器上进行操作。
例题：
某股票过去 5 个交易日的回报率分别为：2%, 4%, 6%, 8%, 10%。请计算该回报率序列的算术均值、中位数以及样本标准差。
解析步骤：
计算均值：
$$ \text{Mean} = \frac{2 + 4 + 6 + 8 + 10}{5} = \frac{30}{5} = 6\% $$
计算中位数：
数据已排序，共有 5 个数据（奇数），中间位置为第 3 个数据，即 6%。
计算样本标准差：
首先计算方差（Variance）。每个数据与均值的差的平方和为：
$$ (2-6)^2 + (4-6)^2 + (6-6)^2 + (8-6)^2 + (10-6)^2 = 16 + 4 + 0 + 4 + 16 = 40 $$
由于是样本数据，除以 $n-1$（即 4）：
$$ \text{Variance} = \frac{40}{4} = 10 $$
标准差为方差的平方根：
$$ \text{Standard Deviation} = \sqrt{10} \approx 3.16\% $$
在考试现场，手算标准差既慢又容易出错，熟练使用计算器至关重要。以下是基于 TI BA II Plus 的操作流程：
[2nd] + [7] (DATA)，然后按 [2nd] + [CE/C] (CLR WORK) 清除之前存储的数据。2，按 [ENTER]。[↓] 键，频率（F）默认为 1。[↓] 键，输入下一个数据 4，按 [ENTER]。6、8、10。[2nd] + [8] (STAT)。[↓] 键，屏幕显示 n = 5。[↓] 键，显示 x̄ = 6（均值）。[↓] 键，显示 Sx = 3.16227（样本标准差）。[↓] 键，显示 σx（总体标准差，本题不需要）。移动端备考辅助：
如果你习惯在手机上进行模拟练习，或者没有实体计算器，推荐使用 RBA Calculator。这是一款专为 CFA 考生设计的 TI BA II Plus iOS 应用程序，完美复刻了实体计算器的功能与手感，非常适合碎片时间刷题。你可以在此下载：https://apps.apple.com/cn/app/id1545331477。使用它与实体计算器保持一致的操作逻辑，有助于在考场上形成肌肉记忆。
在描述性统计的备考中，以下几个陷阱请务必避开：
混淆样本与总体：
这是最高频的错误。题目除非明确指出是“总体数据（Population Data）”，否则默认视为样本数据。计算方差时务必除以 $n-1$，计算标准差时使用 Sx 而非 σx。
忽略极端值对均值的影响：
当题目描述数据分布严重偏斜（如收入分布、灾难损失分布）时，直接使用均值作为中心度量是不合适的。此时应优先关注中位数。
方差与标准差单位混淆：
方差的单位是原始数据单位的平方（如%^2），而标准差的单位与原始数据一致（如%）。在解释结果时，务必使用标准差，因为它更直观。
计算器状态未清除：
在做下一道题时，忘记清除之前的统计数据，导致数据累积，计算结果完全错误。每次使用 DATA 模式前，务必先执行 CLR WORK。
Q1: 为什么样本方差要除以 n-1 而不是 n？
A: 这是为了进行无偏估计。当我们用样本均值来代替总体均值计算偏差时，会低估实际的离散程度。除以较小的数（n-1）可以放大方差值，从而抵消这种低估，使得样本方差成为总体方差的无偏估计量。
Q2: 在什么情况下应该优先使用中位数而不是均值？
A: 当数据分布存在明显的偏斜（Skewness）或包含极端异常值（Outliers）时，中位数更稳健。例如，在分析家庭收入或房地产价格时，少数超高收入或豪宅会拉高均值，此时中位数更能反映普通水平的状况。
Q3: 标准差为零意味着什么？
A: 标准差为零意味着所有观测值都完全相同，没有任何波动或风险。在实际金融市场中，这种情况几乎不存在，除非是持有现金且无通胀的理想状态。
Q4: 几何均值在 CFA 中常考吗？
A: 是的，虽然本文重点在于算术均值，但几何均值（Geometric Mean）在计算持有期收益率时非常重要。几何均值总是小于或等于算术均值，且更能反映复利增长的真实效果。
描述性统计虽然是 CFA 数量分析中的入门内容，但其重要性不容忽视。均值、中位数与标准差不仅是计算题的考点，更是理解金融资产风险收益特征的语言。通过掌握核心概念、熟练运用 TI BA II Plus 或 RBA Calculator 进行计算，并规避常见错误，你就能轻松拿下这部分分数。备考是一场马拉松，扎实的基础知识将为你后续的学习节省大量时间。祝你备考顺利，早日通过 CFA 考试！