欢迎来到统计总结指标 (Summary Measures)！
你有没有试过面对一大堆数据而感到束手无策？这时候，总结指标就是你的救星！在本章中，我们将学习如何将繁杂的数据集浓缩成几个“神奇数字”，精准地呈现数据的本质。我们主要探讨两个重点：数据的“中心”在哪里，以及数据的分布有多“散”。
如果你在 GCSE 阶段已经接触过相关概念，也不用担心；现在我们会以更专业的“A Level”视角深入探讨，重点在于解读这些数字在现实世界中的意义。
1. 集中趋势指标 (The "Middle")
这些指标能帮助我们找到数据集中的典型值，你可以把它想象成数据的“重心”。
算术平均数 (Mean) \( (\bar{x}) \)
算术平均数就是大家常说的“平均值”。计算方法是将所有数据相加，再除以数据的总个数。在 A Level 数学中，我们使用符号 \( \bar{x} \) (读作 "x-bar") 来表示。
加权平均数 (Weighted Mean)： 有时候，某些数据比其他数据更重要。举个例子，如果你要计算两所学校学生的平均年龄，拥有 1,000 名学生的学校其结果的“权重”理应大于仅有 50 名学生的学校。在除以总权重之前，你需要将每个数值乘以其对应的“权重”（如人口数量）。
中位数 (Median)
中位数是指将数据由小至大排列后，位于最中间的数值。
比喻：想象马路中间的“中央分隔带”，它正好将车流从中间一分为二！
众数 (Mode) 与 中程数 (Midrange)
众数： 出现频率最高的数值。这是唯一可以用于类别数据（如最喜欢的颜色）的指标。
中程数： 最小值与最大值的正中间点：\( \frac{\text{lowest} + \text{highest}}{2} \)。
我应该选用哪一个？
- 若数据呈对称分布且没有“异常值”(outliers)，请使用平均数。
- 若数据出现“偏态”(skewed)（例如楼价，少数豪宅会令平均数过高），请使用中位数。
快速重温：
- 平均数： 平衡点（易受极端值影响）。
- 中位数： 中间位置（忽略极端值）。
- 众数： 最受欢迎的数值。
重点总结： 选择合适的“中心”指标取决于数据的形态。如果你发现数据中存在极端数值，中位数通常是你最好的选择。
2. 简单的分布指标
光知道“中间”在哪里还不够，我们还需要知道数据是聚在一起，还是分布得很散。
全距 (Range)
最简单的指标：\( \text{Highest value} - \text{Lowest value} \)。虽然计算简单，但它只参考了两个极端值，如果其中一个数值是错误数据，结果就会产生误导。
四分位数 (Quartiles) 与 四分位距 (IQR)
为了避免被极端值误导，我们可以将数据平均分成四等份：
- 下四分位数 \( (Q_1) \)： 位于数据 25% 位置的数值。
- 上四分位数 \( (Q_3) \)： 位于数据 75% 位置的数值。
- 四分位距 (IQR)： \( Q_3 - Q_1 \)。这代表了中间 50% 数据的分布范围。
百分位数 (Percentiles)
百分位数将数据分成 100 等份。如果你在某次考试中处于第 90 百分位，代表你的分数高于 90% 的考生！第 50 百分位其实就是中位数的另一种称呼。
你知道吗？ 四分位距 (IQR) 比全距更“稳健”(robust)。因为它忽略了头尾各 25% 的数据，所以不会受到边缘极端数值的影响。
重点总结： 分布指标反映了数据的稳定性。分布范围越小，代表数据越稳定。
3. 方差 (Variance) 与 标准差 (Standard Deviation)
这些是统计学中用于衡量分布的“重量级”指标，它们会考量每一个数据点距离平均数有多远。
概念
标准差 (\( s \)) 本质上是“与平均数的平均距离”。如果标准差很小，代表数据点非常靠近平均数；如果标准差很大，则代表数据分布得很开。
公式
对于样本（你在考试中通常会处理的情况），样本方差 \( (s^2) \) 的公式为：
\( s^2 = \frac{S_{xx}}{n-1} \)
其中 \( S_{xx} = \sum (x_i - \bar{x})^2 \)
样本标准差 \( (s) \) 则是方差的平方根：
\( s = \sqrt{\text{variance}} \)
常见错误： 计算样本方差时，千万别忘了要除以 \( n-1 \) 而不是 \( n \)！这是 MEI 课程的特定要求，以确保我们的样本估计值没有偏差 (unbiased)。
善用计算器
小贴士： 在考试中，不要手动进行这些繁琐计算！请使用计算器的统计功能。输入数据列表后，计算器便会即时给出 \( \bar{x} \) 和 \( s \)。将时间花在解读结果上，而不是进行算术运算。
重点总结： 标准差是衡量分布最精确的方法。较低的 \( s \) 值意味着数据可靠且集中于平均数附近。
4. 异常值 (Outliers) 与 数据清理
有时数据中会包含一些不合理的数值——可能是打字错误、传感器故障，或是一次极其罕见的事件。这些被称为异常值。
如何发现异常值？
在 MEI 统计学中，我们主要使用两条“经验法则”来识别异常值：
1. 标准差法则： 任何偏离平均数超过 2 个标准差的数值。
公式：\( \text{Outlier} > \bar{x} + 2s \) 或 \( \text{Outlier} < \bar{x} - 2s \)。
2. IQR 法则： 任何数值超过最靠近的四分位数 1.5 倍 IQR。
公式：\( \text{Outlier} > Q_3 + 1.5(\text{IQR}) \) 或 \( \text{Outlier} < Q_1 - 1.5(\text{IQR}) \)。
数据清理 (Cleaning Data)
当你找到异常值后，必须决定如何处理它。这称为数据清理：
- 如果是错误（例如有人身高被记录成 180 米而非 180 厘米），请将其删除或修正。
- 如果是真实发生但极其罕见的数值，你可以保留它，但需备注说明其特殊性。
鼓励一下： 识别异常值就像做侦探工作一样。对于是否保留某个数据点，并不一定只有一个“正确”答案，只要你能为自己的决定提供充分理据即可！
重点总结： 异常值会扭曲你的平均数和标准差。在下重大结论前，务必先检查数据中是否有“古怪”的数字。
总结表：“作弊纸”
指标类型： 集中趋势（中间位置）
关键工具： 平均数 \( (\bar{x}) \)、中位数、众数。
适用情况： 当你想了解“典型”数值时。
指标类型： 分布（变异程度）
关键工具： 全距、IQR、标准差 \( (s) \)。
适用情况： 当你想知道数据有多“可靠”或“稳定”时。
指标类型： 异常值侦测
关键工具： \( \bar{x} \pm 2s \) 或 \( Q \pm 1.5 \times \text{IQR} \)。
适用情况： 当你想找出“古怪”或错误的数据点时。