欢迎来到数据表示与诠释！

在本章中，我们将学习如何将一堆杂乱无章的数字转化为人人都能读懂的故事。无论是分析篮球队的身高，还是比较冰淇淋销量与天气之间的关系，统计学都能帮助我们洞察规律。如果你刚开始觉得数字很多、很混乱，别担心——我们会把所有内容拆解成简单易懂的小步骤！


1. 单变量数据的表示

当我们只测量一项“事物”（例如苹果的重量）时，这称为单变量数据。我们可以使用几种不同的图表来将这些数据可视化。

图表的主要类型

  • 垂直线图 (Vertical Line Charts)： 适用于离散数据（可以计数的事物）。
  • 茎叶图 (Stem-and-Leaf Diagrams)： 这类图表非常实用，因为它们既能展示数据的分布形态，又能保留所有原始数值。
  • 盒须图 (Box-and-Whisker Plots)： 这些图表展示了“五数概括法”（最小值、下四分位数、中位数、上四分位数和最大值）。对于观察数据的离散程度非常有效。
  • 累积频数图 (Cumulative Frequency Diagrams)： 一种“累计总和”图表，用于估算中位数和四分位数。

直方图 (Histograms)： “面积”法则

直方图看起来像长条图，但它们用于连续数据（可以测量的事物，例如时间或重量），且长条的宽度通常不同。
关键点： 在直方图中，长条的面积代表频数，而不仅仅是高度！

你需要运用的公式为：
\( \text{Frequency Density} = \frac{\text{Frequency}}{\text{Class Width}} \)

比喻：把直方图的一个长条想象成一块面团。如果你把长条拉宽（组距），高度（频数密度）就必须降低，这样面团的总量（频数）才会保持不变！

快速回顾：如何选择图表
  • 想要保留所有原始数据？使用茎叶图。
  • 想要比较两组数据的离散程度？使用盒须图。
  • 处理连续数据且分组大小不等？使用直方图。

重点提示： 在阅读直方图时，一定要检查坐标轴刻度！频数等于面积，所以你必须将高度乘以宽度，才能算出该组中有多少数据。


2. 平均指标（集中趋势）

我们使用“平均指标”来找出数据中的“中间”或“典型”数值。

三大核心指标

1. 平均值 (\(\bar{x}\))： 将所有数值相加，再除以数据总个数。
\( \bar{x} = \frac{\sum x}{n} \)
2. 中位数： 当数据按顺序排列时，位于中间的数值。
3. 众数： 出现次数最多的数值。

从频数分布表中计算平均值

如果数据是在表格中，我们使用：\( \bar{x} = \frac{\sum fx}{\sum f} \)。
重要提示： 如果数据是分组数据（例如“10至20分钟”），我们使用每一组的组中点来计算平均值。由于我们使用的是组中点，计算出来的结果仅是平均值的估算值，而非确切数值。

你知道吗？“中位数”(Median) 这个词就像公路中间的分隔岛，它正好位于中心位置！

重点提示： 平均值容易受极值（离群值）影响，但中位数则更为“稳健”，即便数据集群中出现一个非常怪异的数字，它依然能保持稳定。


3. 离散程度指标（变异）

平均指标告诉我们中间在哪里，而变异则告诉我们数据是紧密聚集在一起，还是分散得很开。

四分位数与百分位数

  • 下四分位数 (\(Q_1\))： 数据排列后处于 25% 位置的数值。
  • 上四分位数 (\(Q_3\))： 数据排列后处于 75% 位置的数值。
  • 四分位距 (IQR)： \(Q_3 - Q_1\)。这能告诉我们中间 50% 的数据分散程度如何。

标准差与方差

标准差 (\(\sigma\)) 是一种更精密的衡量离散程度的方法。它告诉我们数据相对于平均值的“平均距离”。方差则是标准差的平方 (\(\sigma^2\))。

标准差的公式为：
\( \sigma = \sqrt{\frac{\sum x^2}{n} - \bar{x}^2} \) 或频数分布表使用 \( \sigma = \sqrt{\frac{\sum f x^2}{\sum f} - \bar{x}^2} \)。

常见错误： 最后忘了进行开根号。如果你忘了开根号，你算出来的是方差，而不是标准差！

重点提示： 标准差小意味着数据非常一致，且非常接近平均值。标准差大则意味着数据“分布得很广”。


4. 离群值与数据清理

有时数据中会包含一些不符合规律的“怪异”结果。这些称为离群值 (outliers)。

如何找出离群值

在 OCR 考试中，通常会提供特定的规则来识别离群值。最常见的规则如下：

  1. 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. 任何距离平均值超过 2 个标准差的数值 (\(\bar{x} \pm 2\sigma\))。

数据清理

数据清理是指处理这些离群值、缺失值或明显错误的工程。如果某个离群值是因为输入错误（例如某人的身高被输入为 500 厘米！），你可以选择将其移除，但你必须说明移除它的理由。

重点提示： 不要只是无视奇怪的数字！使用上述公式来证明它们是离群值，然后再决定是否保留它们。


5. 双变量数据（两个变量）

当我们同时观察两件事物（例如“复习时数”与“考试分数”）时，这称为双变量数据。

散点图与相关性

我们将这些数据画在散点图上以寻找相关性（一种关系）：

  • 正相关： 一个增加，另一个也增加（例如：身高与鞋号）。
  • 负相关： 一个增加，另一个减少（例如：汽车价格与车龄）。
  • 无相关： 没有明显的规律（例如：智商与门牌号码）。

相关性 vs. 因果关系

这是考试的热门考点！ 两件事物相关并不代表其中一个导致了另一个。
例子：鲨鱼袭击次数和冰淇淋销量都会在夏天增加。它们是相关的，但吃冰淇淋并不会导致鲨鱼袭击！背后的“隐藏原因”是炎热的天气。

回归线

回归线是一条穿过平均点 \((\bar{x}, \bar{y})\) 的“最佳拟合线”。在 AS Level 中，你不需要计算这条线的方程，但你必须能够诠释它。例如，利用这条线在数据范围内进行预测（内插法，interpolation）通常是可靠的，但在范围外进行预测（外推法，extrapolation）则非常有风险！

重点提示： 相关性关乎“规律”，因果关系关乎“原因”。在讨论预测时，务必使用“内插法”或“外推法”这些术语。


总结检查清单

  • 我会使用计算器的统计模式计算平均值和标准差吗？
  • 我记住了直方图的面积 = 频数吗？
  • 我会使用 \(1.5 \times \text{IQR}\) 规则找出离群值吗？
  • 我明白为什么相关性并不总是代表因果关系吗？

你一定做得到的！多练习这些定义和公式，无论遇到什么数据集，你都能轻松应对并做出诠释。