欢迎来到平均数与离差的世界！
你有没有想过，老师是如何判断全班同学是否「表现良好」，或者天气应用程序如何预测「典型」气温呢？他们并非只看单一数据，而是综合所有数据进行总结。在本章中，我们将学习如何找出数据集的「中心点」（集中趋势的测量值），以及数据的「分布程度」（离差的测量值）。
如果统计学初看之下有很多公式，请不用担心。我们会一步步拆解，你会发现这其实就是用数字来说故事！
1. 寻找中心点：平均值的测量
当我们提到「平均」时，我们是在寻找一个能代表整个群体的数值。主要有三种方法：
众数 (Mode)
众数是出现次数最频繁的数值。 例子：在数集 {2, 3, 3, 5, 8} 中，众数是 3。 记忆小撇步：MOde（众数）= MOst（最多）。
中位数 (Median)
中位数是将数据按从小到大排列后，位于正中间的数值。 如果数据个数是奇数，中位数就是最中间的那一个；如果是偶数，则是中间两个数的平均值。 记忆小撇步：Median 就像道路中间的「中央分隔岛」（median strip）！
平均数 (Mean)
平均数（通常记作 \(\bar{x}\)）就是一般人说的「平均值」。将所有数值加总，然后除以数据的总个数。 公式：\(\bar{x} = \frac{\sum x}{n}\) 其中 \(\sum x\) 代表「所有数值的总和」，\(n\) 代表数据的个数。
快速回顾：该选哪一个？ - 众数：最适合非数值数据（例如「最喜欢的颜色」）。 - 中位数：当有极端数值（离群值）时非常好用，因为它不会被这些极端值「拉动」。 - 平均数：最强大的测量工具，但可能会被一个非常大或非常小的数字所扭曲。
2. 处理分组数据 (Grouped Data)
有时候数据会以组别形式呈现（例如「身高：150cm - 160cm」）。由于我们不知道确切的身高，我们计算出的平均数和标准差都只能是估算值。
分组平均数计算步骤： 1. 找出每一组的组中点（\(x\)）。 2. 将每个组中点乘以该组的频数（\(f\)），得到 \(fx\)。 3. 将所有 \(fx\) 相加得到总和（\(\sum fx\)）。 4. 除以总频数（\(\sum f\)）。 公式：\(\bar{x} \approx \frac{\sum fx}{\sum f}\)
3. 测量「分布程度」：离差的测量
想像两位射箭选手。平均而言，他们都能射中靶心附近。但选手 A 的箭都紧密集中在一起，而选手 B 的箭则散落在整个靶面上。我们需要用数字来描述这种差异！
四分位数与四分位距 (IQR)
就像中位数将数据分成两半，四分位数将数据分成四份。 - 下四分位数 (\(Q_1\))： 25% 的位置。 - 中位数 (\(Q_2\))： 50% 的位置。 - 上四分位数 (\(Q_3\))： 75% 的位置。 - 四分位距 (IQR)： \(Q_3 - Q_1\)。
IQR 非常有用，因为它忽略了两端各 25% 的极端数据，专注于数据的「中间 50%」。
百分位数 (Percentiles)
百分位数就像四分位数，只是将数据分成了 100 等份。如果你在某次考试中处于第 90 百分位，代表你的分数比 90% 的人都要高！
4. 方差与标准差
标准差 (Standard Deviation) 是 AS Level 数学中最重要的一项离差测量。它告诉我们数据点与平均值的平均距离。课程大纲将其描述为与平均值之离差平方的平均值的平方根。
你需要知道的公式： 对于一列数据： \(\sigma = \sqrt{\frac{\sum(x-\bar{x})^2}{n}} = \sqrt{\frac{\sum x^2}{n} - \bar{x}^2}\)
对于频数分布（分组数据）： \(\sigma = \sqrt{\frac{\sum f(x-\bar{x})^2}{\sum f}} = \sqrt{\frac{\sum fx^2}{\sum f} - \bar{x}^2}\)
常见错误：学生经常忘记最后要将平均数平方（\(\bar{x}^2\)），或者忘记开根号。 提示：方差 (Variance) 就是标准差的平方（\(\sigma^2\)）。如果题目问的是方差，千万别开根号！
你知道吗？大多数现代科学计算器都有「统计模式」，可以即时为你计算这些数值。记得学会使用你那款计算器的功能（通常标记为 '1-Variable Stats'）！
5. 揪出「怪胎」：离群值 (Outliers)
离群值是远高于或远低于其余数据的数据点。OCR 课程大纲给出了两个具体的「规则」来识别它们：
规则 1：IQR 规则 若数值符合以下情况，则为离群值： - 高于上四分位数超过 \(1.5 \times \text{IQR}\) (\(Q_3 + 1.5 \times \text{IQR}\))。 - 低于下四分位数超过 \(1.5 \times \text{IQR}\) (\(Q_1 - 1.5 \times \text{IQR}\))。
规则 2：标准差规则 若数值符合以下情况，则为离群值： - 距离平均值超过 2 个标准差 (\(\bar{x} \pm 2\sigma\))。
数据清理：一旦发现离群值，你必须决定如何处理它。如果是错误（例如有人把 200cm 打成 2000cm），你需要透过删除或更正来「清理」数据。
6. 比较两个分布
如果考题要求你「比较两组数据」，你必须评论两件事： 1. 平均值的测量：（使用平均数或中位数）。「平均而言，A 组的得分高于 B 组。」 2. 离差的测量：（使用标准差或 IQR）。「A 组的得分比 B 组更稳定（标准差较小）。」
重点提示：一定要结合题目的背景（例如提及「得分」、「时间」或「重量」），而不仅仅是说「这些数字」。
快速回顾区
- 平均数 (\(\bar{x}\))： 全部相加，除以 \(n\)。
- 标准差 (\(\sigma\))： 与平均值的平均距离。
- IQR： \(Q_3 - Q_1\)。
- 离群值： \(1.5 \times \text{IQR}\) 或 \(2 \times \sigma\)。
- 分组数据： 计算结果永远只是估算值。
如果标准差公式看起来很吓人，不用担心！多练习使用「\(x^2\) 的总和」版本（\(\sqrt{\frac{\sum x^2}{n} - \bar{x}^2}\)），因为这通常计算起来快得多。你可以做到的！