统计数据表达形式有统计表格和统计地图两种。按表示方法分为：①分区统计。即用图形的面积或同样图形的个数，代表所在区划单元内全部同类现象的总和；如2008美国社区调查一年数据样本文件总体 ②分级统计。
有：定类数据、定序数据、定距数据、定比变量。统计学是通过搜索、整理、分析、描述数据等手段，以达到推断所测对象的本质，甚至预测对象未来的一门综合性科学。
在统计学中，统计数据主要可分为四种类型，分别是定类数据，定序数据，定距数据，定比变量。
根据数据反映的测量水平，可把数据区分为称名数据、顺序数据、等距数据和比率数据四种类型。
1、过程能力指数的指标：Cp、Cpk 过程能力指数Cp、Cpk是指过程的短期能力。Cp是指过程满足技术要求的能力，常用客户满意的偏差范围除以六倍的西格玛的结果来表示。
2、比如说：刺激电流的强度就是可以连续变化和测量的 但如果你把你的情绪划分为：特别不高兴，不高兴，一般，高兴，兴高彩烈几个等级，这几个等级之间就不是连续量，是一个等级离散的量，就是非连续型数据。
3、过程能力分析离不开正态分布的知识，所以我们先从直方图及正态分布讲起。
4、过程能力一般是通过过程能力指数度量如下：(双侧规范)式中：公差 ， 为公差上限， 为公差下限，为质量特性值总体的标准差， 为其估计值，国标GB/T4091-2001规定可由 (参见 或 (参见控制图)估计。
5、CPK是指工序在一定时间里，处于控制状态(稳定状态)下的实际加工能力。它是工序固有的能力，或者说它是工序保证质量的能力。
1、连续型变量和离散型变量是一对相对应的概念，连续型就是在该变量范围内任一点都可以取值，离散型则只能取到部分点的值。
2、连续型变量：连续型变量是一直叠加上去的，增长量可以划分为固定的单位。域不同 离散型变量：离散型变量的域(即对象的集合S)是离散的。连续型变量：连续型变量的域(即对象的集合S)是连续的。
3、连续型随机变量：连续型随机变量是指如果随机变量X的所有可能取值不可以逐个列举出来，而是取数轴上某一区间内的任一点的随机变量。特点不同 离散型随机变量：变量取值只能取离散型的自然数，就是离散型随机变量。
4、连续型变量一般指连续型随机变量。连续型随机变量是指如果随机变量X的所有可能取值不可以逐个列举出来，而是取数轴上某一区间内的任一点的随机变量。非连续变量，如果是定序变量，可以使用频数描述其分布，或者进行分组统计描述。
1、离散数据又称为不连续数据，这类数据在任何两个数据点之间的个数是有限的。例如：某年级有十个班，这里班级的数目就是离散数据（如：八班与十班之间必然只有九班这一个班，这种划分是有限的）。
2、离散型和连续型的区别如下：获取方式不同 离散型变量：离散型变量则是通过计数方式取得的，即是对所要统计的对象进行计数，增长量非固定的。连续型变量：连续型变量是一直叠加上去的，增长量可以划分为固定的单位。
3、连续数据，统计学概念，又称连续变量，指在一定区间内可以任意取值、数值是连续不断的、相邻两个数值可作无限分割的数据。
4、二者的区别：离散数学是相对连续数学而言的，主要以研究对象是否具有连续性为区分点。从这个角度来说，通常的微积分就算是连续数学。
获取方式不同 离散型变量：离散型变量则是通过计数方式取得的，即是对所要统计的对象进行计数，增长量非固定的。连续型变量：连续型变量是一直叠加上去的，增长量可以划分为固定的单位。
连续型变量一般指连续型随机变量。连续型随机变量是指如果随机变量X的所有可能取值不可以逐个列举出来，而是取数轴上某一区间内的任一点的随机变量。例如，一批电子元件的寿命、实际中常遇到的测量误差等都是连续型随机变量。
离散变量是变量，其中值可以通过计数获得。另一方面，连续变量是衡量某事的随机变量。离散变量采用独立值，而连续变量采用给定范围或连续体中的任何值。离散变量可以由孤立点以图形方式表示。