你好，IGCSE 统计达人！学习散点图 (C10.7 / E10.7)

欢迎来到统计学中最具直观性和实用性的课题之一！在这一章中，我们将学习如何观察数据，并探究两件不同的事物之间是否存在关联。例如，你的睡眠时间长短是否会影响考试成绩？或者冰淇淋的价格是否会随着气温的变化而改变？

散点图 (Scatter diagrams) 是强有力的工具，因为它们能让我们直观地判断两个变量之间是否存在关系（或是否存在缺失）。别担心，即使画图不是你的强项——这种图表的绘制非常直接明了！

第 1 节：绘制并解读散点图

什么是散点图？

散点图（或散点统计图）是一种展示双变量数据 (bivariate data) 的方式。双变量数据是指涉及两个变量的数据，例如身高与体重，或年龄与收入。

我们使用标准的坐标系（就像你在画线性函数图像时用到的那种）来展示这些成对的数据。

分步指南：如何绘制散点图
  1. 选择坐标轴： 两个变量通常会被放在一起进行对比。
    • 自变量 (Independent Variable)（引起变化的那一个，或者你可以控制的那一个，例如复习时间）放在横轴 (\(x\)-axis)。
    • 因变量 (Dependent Variable)（受到影响的那一个，例如你的考试分数）放在纵轴 (\(y\)-axis)。
  2. 标尺与标签： 清晰地标注你的坐标轴，并选择合适的比例尺，以便所有的数据点都能整齐地分布在坐标纸上。
  3. 描点： 对于每一对数据，在图表上标出一个点。
    • 重要规则： 根据教学大纲要求，绘制的点必须清晰可见，通常使用小叉号 (\(x\)) 表示。避免使用大圆点，因为这会使读取图表变得不够精确。

类比：想象一下测量班里每个人的身高和鞋码。每个人都是一对数据，在图中表现为一个叉号 (\(x\))。

核心要点（第 1 节）

散点图使用小叉号 (\(x\)) 来绘制双变量数据。自变量通常放在 \(x\) 轴上。

第 2 节：理解相关性

当你把点都画好后，有趣的部分就开始了！这些点形成的形状告诉了我们两个变量之间的关系。这种关系被称为相关性 (correlation)。

相关性的类型

你需要识别并描述三种主要的相关性：

1. 正相关 (Positive Correlation)

  • 定义： 当一个变量增加时，另一个变量也趋向于增加。
  • 视觉模式： 点大致聚集成一条向上的直线（从左下到右上）。
  • 例子： 你学习的小时数越多，你的考试成绩通常就越高。

2. 负相关 (Negative Correlation)

  • 定义： 当一个变量增加时，另一个变量趋向于减少。
  • 视觉模式： 点大致聚集成一条向下的直线（从左上到右下）。
  • 例子： 车龄越大，其转售价值通常就越低。

    • 3. 零相关（或无相关） (Zero Correlation)

    • 定义： 两个变量之间没有明显的联系。
    • 视觉模式： 点在图中随机分布，没有任何趋势或方向。
    • 例子： 学生的头发颜色与其数学成绩之间的对比。

    相关性的强度

    我们还需要描述这种关系的“强度”。这指的是数据点围绕那条虚构的“最佳拟合线”的密集程度。

    • 强相关： 点非常接近，几乎形成一条完美的直线。
    • 弱相关： 点分布较散，但仍然表现出大致的方向（向上或向下）。
    • 零相关： 完全没有方向。

    记忆小贴士： 想象一条笔直的公路。如果点是汽车：
    - 强相关：所有汽车都完美地行驶在各自的车道内。
    - 弱相关：汽车大多在路上，但有些车辆偏离到了路肩上。

    无障碍提示：常见误区

    千万不要把相关性与因果关系 (causation) 混淆！仅仅因为两个变量相关，并不意味着一个变量是另一个变量的“原因”。
    例子： 夏天冰淇淋销量增加的同时，鲨鱼袭击事件也在增加。这是一种强正相关，但冰淇淋并不会“导致”鲨鱼袭击。它们都是由第三个因素引起的：炎热的天气。

    核心要点（第 2 节）

    相关性描述了变量间的关系：正相关（同增）、负相关（一增一减）或零相关（无规律）。相关性还可以分为强或弱。

    第 3 节：最佳拟合线 (LOBF)

    如果我们看到存在强或弱的线性相关（正或负），我们就可以画一条最能代表这种趋势的直线。这被称为最佳拟合线 (Line of Best Fit, LOBF)。

    LOBF 用于进行预测。

    绘制最佳拟合线（目测法）

    你必须使用直尺画线。这是考试中考察的一项技能，为了确保画出的线准确，必须遵循特定规则：

    1. 跟随趋势： 直线必须清晰地遵循点的走向（正相关向上斜，负相关向下斜）。

    2. 平衡数据点： 你必须确保整条直线的上方和下方的点分布大致均匀。如果你有 10 个点，目标是线上 5 个点，线下 5 个点（或者 4/6 等）。

    3. 充分延伸： 直线应贯穿整个数据集。不要画到一半就停下来。

    你知道吗？ 从技术上讲，最佳拟合线应该通过平均点 \((\bar{x}, \bar{y})\)（即 \(x\) 坐标的平均值和 \(y\) 坐标的平均值）。虽然通常你是靠目测画出来的，但保持点的平衡能确保它通过这个中心点附近！

    使用最佳拟合线进行预测

    一旦画好了 LOBF，你就可以用它来预估你没有数据的值。这被称为内插法 (interpolation) 或外推法 (extrapolation)。

    1. 内插法 (Interpolation)

    指利用你的直线在原始数据点的范围之内进行预测。

    • 例子： 如果散点图显示了 10 岁到 15 岁儿童的身高，内插法就是估算 12 岁儿童的身高。
    • 可靠性： 内插法通常很可靠，因为直线是基于该区域已有的数据。
    2. 外推法 (Extrapolation)

    指通过延伸你的直线（如果有必要）来对原始数据点范围之外的值进行预测。

    • 例子： 利用 10 岁到 15 岁的数据去预测 25 岁成年人的身高。
    • 可靠性： 外推法往往不可靠！在测量范围之外，关系可能会发生巨大变化（例如：人最终会停止生长）。

    快速回顾：最佳拟合线规则

    1. 使用直尺？ 是的，必须是直线。
    2. 保持平衡？ 是的，线上方和下方点数大致相等。
    3. 覆盖全面？ 是的，延伸并贯穿整个点群范围。

    核心要点（第 3 节）

    LOBF 是一条平衡了数据点的直线。在数据范围内使用它进行预测是可靠的（内插法），但在数据范围外进行预测（外推法）要保持谨慎。

    第 4 节：扩展内容 (E10.7.4) – 线性回归

    对于扩展课程 (Extended) 的学生（以及在实际应用中），目测绘制 LOBF 可能会带有主观性。为了得到最精确的直线，我们使用一种名为线性回归 (Linear Regression) 的计算方法。

    使用图形计算器 (GDC) 求线性回归方程

    GDC 可以帮你求出最佳拟合线的精确方程。该方程通常以以下形式给出：

    $$y = ax + b$$

    其中 \(a\) 是斜率，\(b\) 是 \(y\) 轴截距。

    使用 GDC，你输入所有成对的数据点 (\(x\), \(y\))，计算器会执行复杂的计算，得出 \(a\) 和 \(b\) 的值，从而生成统计学上最优的最佳拟合线。

    为什么要使用这个方程？

    一旦你有了方程 \(y = ax + b\)，你可以：

    • 精确预测： 不再需要从手画的线上读数，你可以将 \(x\) 值代入方程，得到最准确的预测值 \(y\)。
    • 解读斜率 (\(a\))： 如果 \(a = 3\)，这意味着 \(x\) 每增加 1 个单位，\(y\) 就会增加 3 个单位。

    注意： 考试要求你使用 GDC 求出方程并进行预测。你不需要手动计算线性回归公式。

    核心要点（第 4 节）

    Extended 学生必须使用 GDC 求出线性回归方程 (\(y = ax + b\))，这是统计学上最精准的最佳拟合线，并以此进行预测。