描述統計分析常用的數據如下：
1、頻數分布：頻數分布是指每個數據值出現的次數，可以反映數據的離散程度和分布情況。通過對頻數分布進行分析，可以了解數據的集中趨勢、離散程度、偏態和峰態等特征。
2、集中趨勢：集中趨勢是指壹組數據向某個中心值靠攏的傾向。常用的指標包括平均數、中位數和眾數等，可以反映數據的集中趨勢和平均水平。
3、離散程度：離散程度是指壹組數據離開其平均值的大小。常用的指標包括標準差、方差、四分位數間距等，可以反映數據的離散程度和波動情況。
4、偏態和峰態：偏態是指壹組數據分布的偏斜程度，峰態是指壹組數據分布的峰凸程度。通過對偏態和峰態進行分析，可以了解數據的分布形態和異常值情況。
5、相關分析：相關分析是指分析兩個或多個變量之間的相互關系。常用的指標包括皮爾遜相關系數、斯皮爾曼秩相關系數等，可以反映變量之間的相關關系和程度。
6、回歸分析：回歸分析是指通過壹個或多個自變量來預測壹個因變量的值。常用的模型包括線性回歸模型、邏輯回歸模型等，可以反映自變量和因變量之間的因果關系和預測能力。
描述統計分析的三個主要目的：
1、數據可視化與探索：通過描述統計分析，可以將復雜的數據轉化為簡單易懂的圖表和圖形，幫助我們更好地理解數據的結構和特征。同時，描述統計分析還可以幫助我們發現數據中的規律和趨勢，為後續的數據分析和挖掘提供有力的支持。例如，我們可以通過直方圖來觀察數據的分布情況，通過折線圖來觀察數據的趨勢等。
2、識別異常值與缺失值：描述統計分析可以幫助我們識別數據中的異常值和缺失值。異常值是指遠離數據中心分布的值，可能是由於錯誤或者異常情況導致的；而缺失值則是指數據中某些應該有的值卻沒有記錄下來。描述統計分析可以幫助我們發現這些異常值和缺失值，並進行相應的處理，以提高數據的質量和可靠性。
3、變量轉化與降維：在壹些情況下，原始數據的維度過高或者各變量之間存在相關性，這會給數據分析和挖掘帶來壹定的困難。描述統計分析可以幫助我們對數據進行轉化和降維，以簡化數據的結構和特征。例如，我們可以對數據進行主成分分析，將多個相關變量轉化為少數幾個不相關的變量，以便更好地理解數據。