Measures of average and spread

简介：为什么要整理数据？

想象一下你正在统计 1,000 名学生的身高。如果有人问你：“你们学校的学生身高如何？”，你肯定不会把每一个测量结果都读出来吧！相反地，你会使用几个数字来描述整组数据。这就是平均数（measures of average）（用来显示中心位置）和离差（measures of spread）（用来显示变异程度）派上用场的时候。这些工具能帮助我们比较不同的数据集，并解读这个世界，从天气模式到考试成绩，无一不可。

1. 平均数（集中趋势）

“平均数”是一个单一数值，试图通过识别数据中的中心位置来描述一组数据。在 H240 课程大纲中，你需要熟练掌握三种主要的类型。

平均值（Mean，\(\bar{x}\)）

平均值是大多数人提到“平均”时所指的概念。计算方法是将所有数值相加，然后除以数值的总数。

公式： \(\bar{x} = \frac{\sum x}{n}\)
其中 \(\sum x\) 代表“所有数值的总和”，而 \(n\) 是数值的数量。

优点： 它运用了每一个数据点。
缺点： 它容易被一两个极高或极低的数值（离群值）“拉偏”，从而远离真正的中心。

中位数（Median）

中位数是将数据按顺序排列后，处于正中间的数值。如果数据的数量是偶数，中位数就是中间两个数值的平均值。

类比： 想象马路中间的“中央分隔带”（median strip）——它将道路精确地一分为二。

众数（Mode）

众数是出现次数最多的数值。你可以拥有超过一个众数（双峰或多峰），如果所有数值都是独一无二的，则该组数据没有众数。

快速回顾：
- 平均值： “平衡者”（将总量平均分配）。
- 中位数： “中间点”（50% 的数据在其上，50% 在其下）。
- 众数： “受欢迎者”（出现频率最高）。

2. 离差（变异程度）

平均数告诉我们中心在哪里，但离差告诉我们数据的稳定性。身高的差异是都很接近，还是最矮与最高的学生之间有巨大的落差？

四分位数与四分位距（Inter-Quartile Range，IQR）

正如中位数将数据分成两半，四分位数将数据分成四个等分。

- 下四分位数（\(Q_1\)）： 第 25 个百分位数（即四分之一处）。
- 上四分位数（\(Q_3\)）： 第 75 个百分位数（即四分之三处）。
- 四分位距（IQR）： \(Q_3 - Q_1\)。

为什么要用 IQR？ 与全距（Range）不同，IQR 忽略了数据两端的极端值，只关注中间的 50%。如果你的数据中包含奇怪的离群值，IQR 会可靠得多。

变异数与标准差（Standard Deviation，\(\sigma\)）

标准差是 A Level 数学中衡量离差的“黄金标准”。它衡量的是每个数据点平均距离平均值有多远。

标准差的“步骤”：
如果这看起来很复杂，别担心！你的计算器会处理大部分繁重的计算，但你必须理解这个公式：

\(\sigma = \sqrt{\frac{\sum x^2}{n} - \bar{x}^2}\)

记忆小撇步： 一个常见的记忆方法是“平方根之（平方的平均减去平均的平方）”。

变异数（Variance）： 这就是标准差的平方（\(\sigma^2\)）。它是你在进行最后开根号运算“之前”的数值。

常见错误： 忘了在计算最后开根号！如果你的离差答案看起来比原始数据大得多，你很可能算成了变异数，而不是标准差。

3. 处理分组数据（Grouped Data）

有时数据以组别形式给出（例如：“5 名学生的身高在 140cm 到 150cm 之间”）。因为我们不知道确切的身高，我们使用每组的组中值（midpoint）作为 \(x\) 的估计值。

估计平均值： \(\bar{x} \approx \frac{\sum fx}{\sum f}\)
（将每个频率 \(f\) 乘以其组中值 \(x\)，相加后除以总频率）。

估计标准差： \(\sigma \approx \sqrt{\frac{\sum fx^2}{\sum f} - \bar{x}^2}\)

你知道吗？ 因为我们使用了组中值，所以从分组数据中得出的任何计算结果都只是估计值，而不是精确值。

4. 离群值（Outliers）与数据清理

离群值是距离其他数据非常遥远的点，它可能是一个误差，也可能是一个非常罕见的案例。在 H240 课程中，识别离群值有两条常用规则：

1. IQR 规则： 任何大于 \(Q_3 + 1.5 \times \text{IQR}\) 或小于 \(Q_1 - 1.5 \times \text{IQR}\) 的数值。
2. 标准差规则： 任何距离平均值超过 \(2\) 个标准差的数值。

数据清理： 这涉及到决定是否要移除离群值（如果是错误造成的）或者保留它们（如果是真实存在的极端案例）。

5. 比较分布

当考试题目要求你“比较两个分布”时，你必须在语境下提及两件事：

1. 比较平均数： 使用平均值或中位数。（例如：“A 班的中位数分数比 B 班高，说明他们平均表现较好。”）
2. 比较离差： 使用标准差或 IQR。（例如：“B 班的标准差较小，说明他们的成绩更稳定。”）

关键总结：
- 高离差 = 数据不稳定。
- 低离差 = 数据稳定/可靠。

总结检查清单

- 你会用计算器计算平均值和标准差吗？（检查你的说明书！）
- 你知道变异数和标准差之间的区别吗？
- 你能使用 \(1.5 \times \text{IQR}\) 规则找出离群值吗？
- 当比较数据时，你是否同时提到了平均数和离差？