AS & A Level 数学 9709 (P5) 学习笔记：数据表示 (5.1)
欢迎来到“概率与统计 1”的第一章！本章的核心内容是将原始、杂乱的数据转化为清晰、有见地的结论。统计学从这里开始：如果你不能将数据可视化并理解其关键特征，就无法进行正确的分析。
别担心，本章主要使用直观的图表和直接的计算。这是后续所有内容必不可少的基石！
第 1 节：数据分布的可视化
1.1 茎叶图 (Stem-and-Leaf Diagrams)
茎叶图是一种简单且强大的数据整理方式，特别适合处理较小的数据集。
- 优点： 它保留了原始数据值（这一点不同于直方图或箱线图）。
- 结构： 数据被拆分为“茎”（通常是首位或前几位数字）和“叶”（通常是末位数字）。
- 关键要求： 务必包含一个图例 (Key)，以解释茎和叶如何代表实际数值。（例如，Key: 3 | 2 表示 32）。
背靠背茎叶图 (Back-to-Back Stem-and-Leaf Diagrams)
这类图表专门用于比较两组相关的数据集（例如，男生与女生的考试成绩，或某项改变前后的表现）。
- 共同的“茎”位于中间。
- 一组数据的“叶”向右延伸，另一组数据的“叶”向左延伸。
- 重要提示： 在排列左侧的叶时，数字必须从茎部开始向外递增。
核心要点： 茎叶图最适合用于比较，以及在需要保留原始数据细节的场景下使用。
1.2 箱线图 (Box-and-Whisker Plots)
箱线图展示了数据集的五数概括，能让你一眼看出数据的离散程度和偏斜度。它们非常适合比较不同的分布。
五数概括包括：
- 最小值（最下方的须端）
- 下四分位数 (\(Q_1\))（箱体的起点）
- 中位数 (\(Q_2\))（箱体内的线）
- 上四分位数 (\(Q_3\))（箱体的终点）
- 最大值（最上方的须端）
解读图表：
- 箱体代表四分位距 (IQR)，它包含了中间 50% 的数据。(IQR = \(Q_3 - Q_1\))
- 图表的每一个四分位区域（每一小段）包含 25% 的观测值。
- 如果中位数线更靠近 \(Q_1\)，则数据呈正偏态（尾巴在右侧）；如果更靠近 \(Q_3\)，则呈负偏态（尾巴在左侧）。
快速记忆： 箱线图告诉你关于四分位数的一切，但无法显示确切的原始数据值。
1.3 直方图（面积法则）
直方图用于连续型数据（或分组后的离散型数据）。这可以说是学生最容易出错的地方。
直方图的黄金法则：
条形的面积代表频率（或观测值的总数）。
当组距（宽度）不相等时，你必须使用频数密度 (Frequency Density) 来确定条形的高度。
公式：
\( \text{频数密度} = \frac{\text{频数}}{\text{组距}} \)
示例： 如果一组数据的区间为 10-20（宽度为 10），且频数为 50，则频数密度为 \( \frac{50}{10} = 5 \)。如果下一组数据的区间为 20-25（宽度为 5），且频数为 30，则频数密度为 \( \frac{30}{5} = 6 \)。
你知道吗？ 如果所有组距都相等，频数密度就直接与频数成正比，因此在这种情况下你可以直接在纵轴上绘制频数（但始终使用频数密度是更稳妥的做法！）。
核心要点： 对于直方图，请牢记：面积 = 频数。如果组距不统一，一定要计算频数密度。
1.4 累积频数图 (Ogive)
累积频数图（通常称为“累积频数多边形”或 Ogive）绘制的是频数的逐项累加。它对于估计位置度量至关重要。
- 计算： 计算并累加每个组距末尾之前的总频数。
- 绘图： 将组上限作为横坐标，将累积频数作为纵坐标。（使用上限确保包含了该点之前的所有数据）。
估计位置度量：
总频数 \(n\) 决定了估计值的位置：
- 中位数 (\(Q_2\))： 在累积频数轴上找到 \( \frac{n}{2} \) 的位置，向右读取对应的横坐标。
- 下四分位数 (\(Q_1\))： 找到 \( \frac{n}{4} \)（或总数的 25%）。
- 上四分位数 (\(Q_3\))： 找到 \( \frac{3n}{4} \)（或总数的 75%）。
- 百分位数： 第 \(P\) 百分位数位于 \( \frac{P \times n}{100} \) 处。
- 比例： 你可以估计数值 \(x\) 以上或以下的数据量或比例。（例如，要找出得分超过 60 分的人数，先找到累积频数图在 60 处的值，然后用总频数 \(n\) 减去该值。）
核心要点： 累积频数图用于位置估计，而非直接查看原始数据。绘图时请务必使用组上限。
第 2 节：集中趋势的度量（平均值）
集中趋势衡量的是数据的“中心”位置。选择哪种指标取决于数据的性质以及是否存在极端值（离群点）。
2.1 众数 (Mode)
众数是出现频率最高的数值。
- 最佳适用场景： 定性数据或分类数据（如：最喜欢的颜色）。
- 缺点： 一组数据可能没有众数，也可能有多个众数（双众数、多众数）。
2.2 中位数 (Median)
中位数是将数据按升序排列后的中间值。
- 位置： 如果有 \(n\) 个数据点，中位数的位置为 \( \frac{n+1}{2} \)。
- 最佳适用场景： 当数据包含离群点或呈偏态分布时，中位数受极端值影响较小。
2.3 平均值 (\(\bar{x}\))
平均值是算术平均数。它是最常用的集中趋势度量，因为它使用了每一个数据点。
计算公式：
a) 未分组数据：
\( \bar{x} = \frac{\sum x}{n} \)
b) 分组数据：（使用组中值 \(m\)，或者按照 MF19 公式表中的 \(x\)，以及频数 \(f\)）
\( \bar{x} = \frac{\sum fx}{\sum f} \)
最佳适用场景： 适用于对称分布且没有严重离群点的情况。
核心要点： 平均值对离群点敏感；中位数对离群点具有稳健性。选择平均指标时，务必考虑数据类型。
第 3 节：离散程度的度量（变异度）
离散程度的度量告诉我们数据分布得有多“散”。离散程度高意味着数据不稳定。
3.1 极差 (Range) 和四分位距 (IQR)
- 极差： 最大值 - 最小值。（计算简单，但极易受离群点影响。）
- 四分位距 (IQR)： \( Q_3 - Q_1 \)。（比极差更稳健，因为它仅测量中间 50% 数据的离散程度，忽略了极端值。）
类比： 将 IQR 想象成“安全区”，即数据最集中、最可预测的部分。
3.2 标准差 (\(\sigma\) 或 \(s\)) 与方差
标准差 (SD) 衡量的是数据点距离平均值的平均距离。它是方差的平方根。
在考试中，你主要会使用通过 \(\sum x\)、\(\sum x^2\) 或编码等价项导出的计算公式。
方差公式 (MF19)：
a) 未分组数据：
\( \text{方差} = \frac{\sum x^2}{n} - \bar{x}^2 \)
\( \text{标准差} = \sqrt{\frac{\sum x^2}{n} - \bar{x}^2} \)
b) 分组数据：
\( \text{方差} = \frac{\sum fx^2}{\sum f} - \bar{x}^2 \)
\( \text{标准差} = \sqrt{\frac{\sum fx^2}{\sum f} - \bar{x}^2} \)
（注意：对于分组数据，\(x\) 代表组中值。）
重要提示： 考官通常会给出 \(\sum x\) 和 \(\sum x^2\)，或者要求你自己计算。注意千万不要混淆 \((\sum x)^2\)（先求和再平方）与 \(\sum x^2\)（先平方再求和）。
常见错误警示： 处理分组连续数据时，务必使用真实的组界（例如，如果数据给出为 10-19，真实的组界是 9.5 到 19.5，对应的组中值为 14.5）。
3.3 数据编码的威力
有时数据值非常大或数值极其不便计算。我们可以使用线性变换（编码）来简化计算。
设原始变量为 \(X\)，编码后的变量为 \(Y\)，定义如下：
\( Y = \frac{X - a}{b} \) 或 \( X = a + bY \)
其中 \(a\) 是假设平均值（减法），\(b\) 是缩放因子（除法）。
编码对平均值和标准差的影响：
1. 对平均值 (\(\bar{x}\)) 的影响：
- 平均值同时受减法 (a) 和除法 (b) 的影响。
- 还原平均值：\( \bar{x} = a + b\bar{y} \)
2. 对标准差 (SD) 和方差的影响：
- 减法 (a) 对离散程度没有影响。 平移整组数据并不会改变各点之间的间距。
- 除法 (b) 会影响离散程度。 如果数据值减半，离散程度也会减半。
- 还原标准差：\( SD_x = b \times SD_y \)
- 还原方差：\( \text{Var}(X) = b^2 \times \text{Var}(Y) \)
记忆技巧：
平均值： 受加、减、乘、除所有运算的影响。
离散程度 (SD/方差)： 仅受乘、除运算的影响。（记住：MAD - Multiply and Divide）。
核心要点： 编码能简化计算。记得最后一定要将计算结果还原（Un-code）回原始背景下，还原公式为 \( X = a + bY \)。
章节复习：必备清单
为了在“数据表示”部分取得高分，请确保你能够做到以下几点：
- 绘制并解读四种主要图表：茎叶图、箱线图、直方图（使用频数密度）、累积频数图。
- 从累积频数图中估计四分位数和百分位数。
- 利用涉及 \(\sum x^2\) 的高效公式，计算分组和未分组数据的平均值及标准差。
- 处理并解读使用编码的数据，并能准确将编码后的结果还原回原始单位。
多练习直方图的计算——它们是本章最考验技术的部分！你一定没问题的！