欢迎来到统计学：解读数据！

你好，未来的数据达人！本章“解读统计数据”是数学中最实用的部分之一。为什么这么说呢？因为我们生活在一个信息爆炸的世界里——从关于薪资的新闻报道到追踪气候变化的图表，无处不在。理解统计学意味着你可以看懂这些数据，避免被误导！
我们将学习如何整理数据、计算关键指标（如平均值），并使用图表清晰地传达信息。让我们开始吧！

第 1 节：数据的分类与列表 (C10.1, C10.3)

1.1 统计数据的类型

在开始任何计算之前，我们必须明确处理的是哪种数据。数据主要分为两类：

离散数据 (Discrete Data)

离散数据来源于计数 (counting)，只能取特定的值，通常是整数，无法通过测量获得。
例子：学生的兄弟姐妹数量（1, 2, 3...）、停车场里的汽车数量、鞋码（标准化的数值）。

连续数据 (Continuous Data)

连续数据来源于测量 (measuring)，可以在给定的范围内取任何值。它通常只受测量工具精度的限制。
例子：身高、体重、温度、跑步用时（例如：1.5秒、1.57秒、1.573秒等）。

快速小贴士：如果你需要数出来，它就是离散数据。如果你需要尺子或秤去测量，它就是连续数据。

1.2 数据列表（计数表与双向表）

原始数据通常杂乱无章，我们使用表格来整理它们。

计数表与频数分布

简单的频数分布表 (frequency distribution)展示了每个数据值出现的频率。你需要使用“正”字记号（每五个一组：| | | | $\cancel{||||}$）来统计次数。
例子：如果有30名学生被问到他们拥有多少只宠物，频数表会显示拥有0只、1只、2只等宠物的学生各有多少人。

双向表 (Two-Way Tables)

当你基于两个不同的类别来分类数据时，会使用双向表。
例子：同时按性别（男/女）和学科选择（数学/科学）对学生进行分类。

核心要点：良好的组织（使用计数表或双向表）是分析前至关重要的第一步。区分离散数据和连续数据对于后续绘制特定类型的图表至关重要。

第 2 节：统计图表 (C10.6)

我们通常使用图表以视觉化方式呈现已整理的数据，以便更容易发现模式和趋势。

2.1 条形图与象形图

条形图通常用于离散数据或类别数据。

  • 简单条形图：条形是分开画的（不接触）。条形的高度代表频数。

  • 复合（堆叠）条形图：用于在一个条形中显示不同的子类别。条形的总高度代表总频数。

  • 双重（并列）条形图：用于并排比较两组相关数据。例子：比较男生和女生在同一项测试中的得分。

  • 象形图：使用图片或符号来表示频数。请记住，象形图必须包含一个图例 (key)，说明一个符号代表的具体数值。

2.2 饼图 (Pie Charts)

饼图将数据显示为圆形的扇区，每个扇区的面积与其代表的频数成正比。

步骤：绘制饼图

  1. 计算数据的总频数（总计 $N$）。
  2. 计算每个类别的分数：\(\frac{\text{该类别频数}}{\text{总频数}}\)。
  3. 将此分数转换为角度：\(\text{角度} = \frac{\text{该类别频数}}{\text{总频数}} \times 360^{\circ}\)。
  4. 使用量角器画出扇区。

2.3 茎叶图 (Stem-and-Leaf Diagrams)

茎叶图是一种展示数值数据的好方法，同时能保持原始数值的完整性。

规则：数据必须是排序的（从小到大），并且必须包含一个图例 (key)。
例子：如果图例写着“2 | 5 表示 25”，那么茎（2）代表十位，叶（5）代表个位。

核心要点：图表使解读变得快速。请务必标记坐标轴（对于条形图）或提供图例（对于饼图和茎叶图），以确保图表易于理解。

第 3 节：集中趋势量（平均值） (C10.4, E10.4)

平均值（或集中趋势量）告诉我们数据集的“中间”或“典型”值在哪里。

3.1 众数 (Mode)

众数是出现频率最高的值。

  • 众数很容易找到，即使是非数值（类别）数据也适用。

  • 一个数据集可能没有众数（如果所有数值出现次数相同），也可能是双众数 (bimodal) 或多众数。

3.2 中位数 (Median)

中位数是数据按大小排序后的中间值。

步骤：寻找中位数

  1. 将数据从小到大排序。
  2. 使用公式寻找中位数的位置：位置 \( = \frac{n+1}{2}\)，其中 $n$ 是数据点的总数。
  3. 数到该位置找到中位数。

如果 $n$ 是奇数，位置是一个整数（如第5位）。如果 $n$ 是偶数，位置是以 .5 结尾的数（如第5.5位）。在这种情况下，中位数是该位置两侧两个数值的平均值（第5位和第6位）。

3.3 平均值 (Mean)

平均值通过将所有数值相加并除以数值个数来计算。

单个数据的公式： $$ \text{平均值} = \frac{\sum x}{n} $$ （所有数值之和除以数值个数）

频数表数据（非分组数据）的公式： $$ \text{平均值} = \frac{\sum fx}{\sum f} $$ （其中 $f$ 是频数，$x$ 是数据值。）

3.4 分组数据的平均值估算 (Extended E10.4)

当数据以组的形式呈现（例如：10 < 重量 $\le$ 20）时，我们无法找到精确的平均值，因此我们计算一个估算值。

步骤：估算分组数据的平均值

  1. 找到每个组距的中点（\(x\)）。（中点是组上下边界的平均值）。
  2. 将每组的频数（\(f\)）乘以其中点（\(x\)）得到 \(fx\)。
  3. 使用同样的平均值公式计算：\(\text{估算平均值} = \frac{\sum fx}{\sum f}\)。

众数组 (Modal Class)：对于分组数据，众数被众数组取代，即频数最高的那个组距。

避免常见错误：计算中位数时，请务必先找到位置，然后再识别该位置的值。不要把位置和中位数本身搞混了！

核心要点：选择最能代表数据的平均值。平均值使用了所有数据，但容易受极端值影响；中位数对极端值更稳健；众数适用于类别数据。

第 4 节：离散程度量 (C10.4, E10.4)

离散程度量（或离散量）告诉我们数据分布得有多散。

4.1 极差 (Range)

极差是最简单的离散程度度量。 $$ \text{极差} = \text{最大值} - \text{最小值} $$ 别担心，就是这么简单！

极差易于计算，但非常容易受到极端值（离群点）的影响。

4.2 四分位数与四分位距 (IQR)

四分位数将有序数据分为四个相等的部分。

  • 下四分位数 (\(Q_1\))：25% 位置处的值（数据的四分之一处）。

  • 中位数 (\(Q_2\))：50% 位置处的值（中间）。

  • 上四分位数 (\(Q_3\))：75% 位置处的值（数据的四分之三处）。

要寻找单个数据的四分位数位置，可以使用类似于中位数的位置公式： $$ Q_1 \text{ 位置} = \frac{1}{4}(n+1) $$ $$ Q_3 \text{ 位置} = \frac{3}{4}(n+1) $$

四分位距 (IQR) 衡量中间 50% 数据的离散程度。 $$ \text{IQR} = Q_3 - Q_1 $$ IQR 比极差更可靠，因为它不受极端离群点的影响。

你知道吗？在比较两组数据时（例如比较A班和B班的测试成绩），你应该始终比较一个平均值（如平均数）和一个离散程度量（如极差或IQR），以提供完整的图景。更高的平均值通常意味着表现更好；更小的 IQR 意味着成绩更稳定。

核心要点：极差给出整体范围；IQR 给出中心、最可靠数据的范围。使用 IQR 来比较不同数据集的一致性。

第 5 节：散点图与相关性 (C10.7)

散点图用于研究两个变量之间的关系，即相关性 (correlation)。

5.1 绘制与解读散点图

1. 绘制：在图表上使用小叉号 (\(x\)) 标记数据点。每个点代表两个相关的数据（例如：人的身高和体重）。
2. 解读：观察点形成的模式来确定相关性类型。

相关性类型

  • 正相关：当一个变量增加，另一个变量也倾向于增加。点从左到右向上倾斜。例子：学习时长与考试成绩。

  • 负相关：当一个变量增加，另一个变量倾向于减少。点从左到右向下倾斜。例子：汽车车龄与价值。

  • 零相关（无相关性）：变量间没有明显关系。点是随机散乱的。例子：身高与喜欢的颜色。

5.2 最佳拟合直线 (Line of Best Fit)

最佳拟合直线是通过目测画出的一条直尺线条，它代表了相关性呈现的趋势，使我们能够进行预测（外推法 extrapolation 或 内插法 interpolation）。

绘制最佳拟合直线的重要规则：

  1. 必须是一条单一的直尺线条。
  2. 应延伸覆盖整个数据集。
  3. 应尽可能靠近平均点（即由（x的平均值，y的平均值）组成的点）。
  4. 线上方和下方的点在长度上应大致分布均匀。

注：考纲规定无需掌握“相关系数”。

进阶内容：线性回归方程 (E10.7)

对于Extended考生，你可能会被要求使用图形计算器 (GDC) 来求出并使用线性回归方程。这是数学上精确的“最佳拟合直线”，通常形式为 \(y = ax + b\) 或 \(y = mx + c\)。你通常会使用GDC内置函数来完成此任务。

核心要点：相关性显示的是关系，而非必然的因果关系。最佳拟合直线用于基于趋势做出合理的估计（预测）。

第 6 节：累积频数图 (仅限 Extended E10.8)

如果你学习的是 Core 数学，别担心，这一节仅供 Extended 考生参考！

6.1 累积频数表与图

累积频数是频数的运行总和。它告诉你小于或等于某个上限边界的数据值有多少。

步骤：绘制累积频数图

  1. 通过依次相加频数来创建累积频数表。
  2. 始终将累积频数绘制在组距的上限边界上。例子：对于 10 < x $\le$ 20 这组，在 \(x = 20\) 处绘制累积频数。
  3. 清晰地绘制点（例如：小叉号 \(x\)）。
  4. 用平滑曲线（通常称为 Ogive）连接这些点。

6.2 从图表中估算度量值

一旦绘出累积频数图，你就可以通过从累积频数轴水平读取，然后垂直向下读取到数据轴的方法，估算中位数、四分位数和百分位数。

如果总频数为 $N$：

  • 中位数 (\(Q_2\))：从 \(\frac{1}{2} N\) 处读取。

  • 下四分位数 (\(Q_1\))：从 \(\frac{1}{4} N\) 处读取。

  • 上四分位数 (\(Q_3\))：从 \(\frac{3}{4} N\) 处读取。

  • 四分位距 (IQR)：计算公式为 \(Q_3 - Q_1\)。

  • 百分位数：对于第80百分位数，从 \(0.80 \times N\) 处读取。（百分位数是指低于该数值的观察值占总体的百分比）。

易错提示：累积频数图绘制具有特殊性。记住规则：累积频数（运行总计）对上边界（组的末端）。务必从原点 (0, 0) 或第一组的下边界开始绘制。

核心要点：累积频数图帮助我们轻松找到大数据集的分位度量值（如中位数和四分位数）。

第 7 节：解读数据与得出结论 (C10.2)

统计学中最后且最重要的一步是解读。

7.1 读取数据与推断结论

你必须能够从表格和图表中直接读取事实（例如：“众数薪资是 $40,000”），并进行不那么直观的推断（例如：“A公司的销售额比B公司更稳定，因为其IQR更小”）。

7.2 比较数据集

当要求比较两个数据集时，始终使用统计指标：

  1. 比较一个平均值（平均数或中位数）来评论总体的定位或表现。
  2. 比较一个离散程度量（极差或IQR）来评论一致性或变异性。

例子：“1班的平均分更高（75比68），但2班表现更稳定，因为他们的IQR更小（5比12）。”

7.3 结论的局限性

重要的是要意识到，数据得出的结论质量仅取决于数据本身。你必须认识到得出结论时的局限性：

  • 样本量：如果样本量太小，结果可能无法推广到整个人群。

  • 偏差 (Bias)：样本收集是否公平（随机）？如果不是，数据可能存在偏差。

  • 离群点 (Outliers)：极端值会扭曲平均数或极差，使其不能很好地代表数据集。

核心要点：始终用明确的数学证据（数字！）来支持你的统计比较，并对数据来源和收集方法保持批判性思维。