您需要有创造力，因为这些数据与任何超过 =的平均值以及任何超过的标准差（假设没有人获得）一致每月访问超过五次）。$0\times .05 + 1\times .07 + \cdots + 5\times .18$$2.89$$1.38$

出于报告目的，只需将原始数据制成表格或图表：

如果您必须对位置和分布进行总结，请使用可以从这些数据中唯一找到的替代措施。中位数在 2 到 3 之间，因为 45% 的访问次数不超过 2 次，而 67% 的访问次数不超过 3 次。您可以简单地进行线性插值，并报告每月访问的中位数为 2.3 次。对于价差，使用（比如说）一个四分位数范围，也是用线性插值计算的。我发现 Q1 为 1.4，Q3 为 3.3，IQR 为 1.9。

除此之外，您需要使用分布拟合数据，这需要假设，因此不仅仅是报告。但它可能很有用。然而，这些数据难以捉摸：它们不适合像二项式或泊松这样的标准模型。（我建议不要尝试拟合连续分布的离散版本，例如对数正态分布，因为很难找到它们应该拟合的任何理由：它们没有形成用于比较的信息基础。此外，由于这里只有六个值，它在建模中使用多个参数几乎毫无价值：两个或多个参数提供了太多的灵活性。）

作为简单分布拟合可能提供的洞察力的一个示例，假设访问是由个人随时间随机进行的，并且每个人具有相同的访问概率（每单位时间）。这可能是一个有用且有趣的框架，可以用来比较这些数据。它导致泊松分布。每月 3.185 的强度达到最佳拟合（在卡方意义上）；这也是方差（由此标准差为 =）。$\sqrt{3.185}$$1.8$

这不太合适（卡方检验会显示，但眼睛可以清楚地看到）：报告 2 次访问的人太多，而报告 1 次访问的人太少。这也许是这次分析中最有趣的事情。您可以像这样宣布这些结果：

受访者每月访问的中位数为 2.3（IQR 为 1.9）。数据显着偏离（最佳拟合）泊松分布，平均每月访问次数为 3.18，其中 19 人比预期少报告一次访问，37 人比预期多报告两次访问。

顺便说一句，泊松拟合暗示性地填充了“5 次或更多访问”的上尾，提供了可以在后续调查中检验的定量假设：

其他分布会对这个上限给出不同的推断。

您绝对必须将数值与“每月访问五次及以上”的课程相关联。

顺便说一句，我会以通常的方式计算平均值和标准差。实际上，是您的值，而是它们在样本上估计的经验频率。在你的情况下 （你应该决定） 因此 和 和并重新调整所有 可能会很有趣$x_i$$p_i$

$$x_0=0 \ x_1=1 \ x_2=2 \ x_3=3 \ x_4=4 \ x_5=6$$ $x_5$ $$p_0=0.05 \ p_1=0.07 \ p_2=0.33 \ p_3=0.22 \ p_4=0.15 \ p_5=0.18$$
$$\bar{x} = \sum_{i=0}^{5}x_i p_i$$ $$\sigma=\sqrt{\sum_{i=0}^{5}(x_i - \bar{x})^2 p_i}$$ $x_0$$p_0$$p_i$为了他们的总和是1。所以你可以计算一个人去超市的平均去超市的次数。