欢迎来到数据呈现的世界！
在这一章，我们将不再只是盯着一堆数字，而是要为数据绘制“图画”。统计本质上就是用数字说故事，而你的任务就是让这个故事既清晰又精准。无论是在分析运动员的身高，还是人们拥有的宠物数量，你呈现数据的方式决定了他人对数据的理解程度。如果某些图表初看之下让你感到压力，别担心——我们会一步步为你拆解！
1. 基本构件：数据类型
在绘制图表前，我们必须先了解正在处理的是哪种数据。这就像为不同的食物选择合适的容器；你总不会用平底盘子来装汤吧！
分类数据 (Categorical Data)： 这些是“标签”或“名称”。例如：眼睛颜色、最喜欢的披萨配料或汽车品牌。
离散数据 (Discrete Data)： 这些是透过“数算”得出的数值。它们通常有固定的数值，不存在中间值。例如：你有多少个兄弟姊妹（你不可能有 2.4 个兄弟姊妹吧！）。
连续数据 (Continuous Data)： 这些是透过“测量”得出的数值。它们在一个范围内可以是任何数值。例如：你的身高、跑 100 米所需的时间，或是一个苹果的重量。
排序数据 (Ranked Data)： 具有特定顺序的数据。例如：赛跑的名次（第一名、第二名、第三名）。
快速检阅： 随时问自己：“我是在数算它，还是测量它？”数算通常代表离散数据，而测量通常代表连续数据。
重点提示： 辨识数据类型是选择正确图表的第一步。你总不能为眼睛颜色画一个直方图吧！
2. 单变量数据的标准图表
呈现数据的方法有很多种，让我们来看看在 MEI 考试中最常遇到的几种。
垂直线图与柱状图 (Vertical Line Charts and Bar Charts)
用于分类数据或离散数据。每一条柱或线代表一个类别。高度显示的是频数 (Frequency)（即该项目出现的次数）。
茎叶图 (Stem-and-Leaf Diagrams)
这类图表非常实用，因为它们能展示每一个原始数据，同时外观上看起来就像横向的柱状图。
例如：数字 21, 23, 23, 28 的“茎”是 2，“叶”则是 1, 3, 3, 8。
常见错误警示： 千万别忘了加上图例 (Key)！如果没有图例（例如：2 | 1 代表 21），你的图表就只是一堆杂乱无章的数字。
圆形图 (Pie Charts)
用于展示“整体”是如何分割成“部分”的。每个扇形的角度与频数成正比。
计算角度的公式：\( \text{Angle} = \frac{\text{Frequency}}{\text{Total Frequency}} \times 360^\circ \)。
你知道吗？ MEI 可能会考“比较圆形图”。如果你有两个圆形图，而其中一个代表的总体样本数较大，那么它的面积应该比另一个大。
点图 (Dot Plots)
想象一下柱状图，但不是用实心的柱，而是将点堆叠在一起。每一个点代表一个数据。这对于小型数据集非常完美，能清晰地呈现每一个数值。
重点提示： 离散数据使用柱状图/线图；当你想保留原始数值时，使用茎叶图。
3. 直方图：面积法则
直方图用于已分组为“组别”的连续数据。它们看起来像柱状图，但有一个巨大的区别：面积等于频数。
别让这一点绊倒你！在标准柱状图中，你只需要看高度；但在直方图中，如果各组柱体的宽度不同，单看高度是无法说明全貌的。
频数密度 (Frequency Density)
为了正确绘制直方图，我们在纵轴（y 轴）使用频数密度。
公式为：\( \text{Frequency Density} = \frac{\text{Frequency}}{\text{Class Width}} \)
这能确保：\( \text{Area} = \text{Class Width} \times \text{Frequency Density} = \text{Frequency} \)。
直方图绘制步骤：
1. 找出每一组的组距 (Class Width)（上边界 - 下边界）。
2. 计算每一组的频数密度。
3. 绘制坐标轴，将频数密度放在纵轴上。
4. 绘制柱体。请确保连续数据的柱体之间没有空隙！
鼓励一下： 如果卡住了，记住：宽度乘以高度等于箱子里面的数量！
重点提示： 对于直方图，高度 = 频数密度，面积 = 频数。
4. 累计频数与箱形图
这两者就像好朋友，它们共同合作来展示数据的“分布”与“位置”。
累计频数 (Cumulative Frequency)
这是一种“累计总和”。当你处理数据时，将频数不断相加。绘图时，总是将累计频数对应组上限 (Upper Class Boundary)。图形看起来应该像一个平滑且拉长的“S”形曲线。
箱形图 (Box-and-Whisker Diagrams)
箱形图利用五个关键数值来概括数据：
1. 最小值 (Minimum value)（左侧触须的起点）
2. 下四分位数 (\(Q_1\))（箱子的起点）
3. 中位数 (\(Q_2\))（箱子中间的线）
4. 上四分位数 (\(Q_3\))（箱子的终点）
5. 最大值 (Maximum value)（右侧触须的终点）
类比： 把箱形图想象成一本书的摘要。它不会告诉你每一个字，但它会告诉你故事从哪开始、中间在哪里，以及最精彩的部分（中间 50% 的数据）发生在哪里。
重点提示： 累计频数能帮你找出中位数与四分位数，然后你就可以用这些数值来画箱形图。
5. 描述形状（分布）
当你看着一张图表时，它呈现什么状态？我们使用这些术语来描述分布的形状：
单峰 (Unimodal)： 只有一个明显的顶峰（众数）。
双峰 (Bimodal)： 有两个明显的顶峰（像骆驼的驼峰）。
对称 (Symmetrical)： 左侧是右侧的镜像。
偏态 (Skewed)： 图表的“尾巴”被拉向一侧。
理解偏态
这点可能会让人困惑！要记住哪个是哪个，请看尾巴 (tail) 指向哪，而不是看峰值在哪。
正偏态 (Positive Skew)： “尾巴”指向右侧（正向）。大多数数据集中在左侧。
负偏态 (Negative Skew)： “尾巴”指向左侧（负向）。大多数数据集中在右侧。
记忆法： 如果你用串烧棒穿过一块肉，“长长的棒子”就是尾巴。如果这根长棒指向数值大的方向，那就是正偏态！
重点提示： 偏态跟随尾巴的方向。尾巴在右 = 正偏态。
6. 选择与评鉴图表
在考试中，你可能会被问到为什么某种图表比另一种更好，或者被要求找出图表的错误。请使用这个检查清单：
1. 比例 (Scale)： 比例是否一致且合理？
2. 标签 (Labels)： 坐标轴是否有标注单位（例如：“身高 / cm”）？
3. 适当性 (Appropriateness)： 连续数据是否使用了直方图？离散数据是否使用了柱状图？
4. 清晰度 (Clarity)： 图表是否让数据更容易理解，还是看起来杂乱无章？
时间序列图 (Time Series Graphs)： 如果你在观察随时间变化的数据（例如一周内的气温），请使用线图，并将时间放在横轴上。这有助于你找出趋势（数据整体是在上升还是下降？）。
重点提示： 一张好的图表应该是诚实且清晰的。务必检查标签、单位，以及该数据类型所对应的正确图表。
总结复习箱
离散数据： 使用柱状图或茎叶图。
连续数据： 使用直方图（面积 = 频数）。
累计数据： 使用累计频数图来寻找四分位数。
总结分布： 使用箱形图（最小值, \(Q_1\), 中位数, \(Q_3\), 最大值）。
偏态： 跟着尾巴走！