描述統計與中央極限定理 — SD 還是 SE？
這章讀完，你會：看到 mean、median、IQR、SD、SE、CLT 時知道題目在問「資料本身」還是「估計平均」。 這是 Tier 1 高頻章，國考常用偏態、極端值和中央極限定理（central limit theorem, CLT）挖坑。
先想 30 秒再往下讀
同一批病人的三酸甘油酯很右偏，論文卻報 mean ± SE。你覺得哪裡怪？是平均數不適合，還是 SE 不適合，或兩個都要小心？
集中量數：mean 會被極端值拉走
平均數（mean）使用全部數值，適合對稱、沒有嚴重極端值的資料；中位數（median）看排序後中間的位置，較抗極端值；眾數（mode）是最常出現的值。右偏（positive skew）資料長尾在右，常見順序是 mean > median > mode。
臨床資料不是每次都乖乖常態。肝指數、三酸甘油酯、住院天數常常有少數超大值；平均數會被那幾個超大值拖高，中位數比較像你真的會遇到的典型病人。
離散量數：IQR 與百分位數比較抗極端值
全距（range）看最大減最小，最怕極端值；變異數（variance）與標準差（standard deviation, SD）描述資料的離散程度；四分位距（interquartile range, IQR）與百分位數（percentile）則較不受極端值影響。右偏資料常用 median + IQR 呈現。
如果資料有長尾，你不該只問「平均多少」，還要問「大多數人落在哪一段」。IQR 把中間 50% 抓出來，讓少數極端值比較不會主導整個故事。
SD 描述個體差異，SE 描述平均估得多準
標準差（SD）描述一群個體資料有多分散；標準誤（standard error, SE）描述樣本平均數作為母體平均估計值時有多不穩定。公式是：
SE = SD / sqrt(n)
樣本數 n 增加時，SE 會縮小；但若母體差異沒變，SD 不會因為你多收人就自動縮小。
把 SD 想成「病人彼此差多少」，把 SE 想成「我這次抽到的平均值晃多大」。論文用 mean ± SE 當成 mean ± SD 來畫圖，會把資料看起來畫得太整齊，低估個體差異。
CLT 說的是樣本平均，不是母體變常態
中央極限定理（CLT）說：不論母體分布原本長怎樣，樣本平均數的分布在 n 夠大時會趨近常態。母體不需要是常態，這正是 CLT 的重點，也是 SE、信賴區間與 t 檢定的地基。
這裡最常被考倒的是主詞。CLT 不是說「原始資料會變常態」，也不是說「母體必須常態」；它說的是你一次又一次抽樣，每次算一個平均，那些平均值會越來越像常態分布。
統計史 · Quetelet、Galton 與 CLT
Quetelet 用「平均人」把平均數帶進社會與醫學測量，Galton 則讓常態分布與個體差異成為統計語言的一部分。中央極限定理更進一步說明：即使原始資料不漂亮，樣本平均的分布仍可能穩定下來。考試要你抓的不是歷史細節，而是平均、變異與抽樣分布各自回答不同問題。
SD vs SE；mean vs median；CLT 主詞
| 看這個 | SD | SE | mean | median/IQR |
|---|---|---|---|---|
| 問的問題 | 個體資料多分散 | 平均估計多不穩 | 全部數值的平均 | 排序位置與中間範圍 |
| 公式/規則 | 資料離散程度 | SD / sqrt(n) | 受每個值影響 | 較抗極端值 |
| n 增加 | 通常不因 n 自動縮 | 會變小 | 估計更穩 | 估計也更穩 |
| 題幹訊號 | 描述個體差異 | 估計平均的誤差 | 對稱分布 | 右偏、不受極端值影響 |
破題關鍵字
看到「描述個體差異/離散」→ 想 SD；看到「估計平均的誤差/隨樣本數變」→ 想 SE；看到「偏態分布用哪個集中與分散指標」→ 想 median + IQR；看到「不受極端值影響」→ 想 百分位數、中位數、IQR；看到「樣本平均分布趨近常態」→ 想 CLT。
n 變大，SE 會縮，SD 不會跟著消失
調整樣本數，注意同一個母體變異下，資料本身的 SD 與樣本平均的 SE 是兩件事。
你剛剛看到了什麼
樣本數變大時，平均值比較穩，所以 SE 依 SD/sqrt(n) 下降；但個體之間的差異仍然存在。這就是為什麼 SE 不能拿來偽裝成病人間的散布。
案例檔案 · 右偏檢驗值
醫學檢驗值如肝指數、三酸甘油酯常右偏，少數極端高值會把 mean 拉高。若論文只報 mean ± SD，讀者可能以為典型病人比實際更高；若又誤用 mean ± SE，變異看起來更小。一句教訓：右偏資料優先報 median 與 IQR，SE 是估計精準度，不是資料散布。
大家都搞錯
最常見的坑是把 SE 當 SD 報，讓圖看起來很精準，卻藏起個體差異。另一個坑是以為 CLT 要求母體常態；正確是 CLT 讓樣本平均分布在 n 夠大時趨近常態。
國考考過長這樣
何者較不受極端值影響？答案是第 75 百分位數。
逐句解碼：關鍵字是「不受極端值」。百分位數看排序位置，不像 mean 或 range 直接被最大最小值拉動，所以選 第 75 百分位數。
右偏資料最適合的集中與分散指標？答案是中位數、四分位距。
逐句解碼：右偏代表長尾在右，mean 會被拉高；IQR 抓中間 50%。因此用 median + IQR，不是 mean + SD。
CLT 何者錯誤？「母體只有常態時樣本平均才會趨近常態」為錯。
逐句解碼：CLT 的重點正是母體不必常態；趨近常態的是樣本平均數的分布，不是原始母體被改造成常態。
你來當審稿人
某論文寫：「住院天數呈明顯右偏，因此以 mean ± SE 呈現資料離散程度。根據 CLT，母體必須常態，所以本研究無法使用任何平均數推論。」
我挑好毛病了，看解答
坑一：右偏資料描述集中與分散，應優先考慮 median + IQR。坑二：SE 描述平均估計精準度，不是資料離散程度。坑三：CLT 不要求母體常態；它說的是樣本平均分布在 n 夠大時趨近常態。
還記得嗎 · CH 14
CH14 說篩檢指標會被族群特性影響；CH15 說摘要統計也要看資料形狀。10 秒小題：右偏資料若只報平均數，方向上通常會把典型值估得偏高還偏低？
看答案
偏高。右尾極端值會把 mean 拉高，所以 median 更能代表典型位置。