欢迎来到数据处理与分析！
你好！欢迎来到 O-Level 数学旅程中最实用的章节之一。你有没有想过，老师是如何决定全班的“平均分”的？或者像 Instagram 这类应用程序是如何追踪你的屏幕使用时间的？这正是数据处理与分析 (Data Handling and Analysis) 的内容！这是一门将杂乱无章的数字转化为清晰故事的艺术。如果起初你觉得统计学有点“沉闷”，别担心——我们会把它拆解成简单易懂的部分。
1. 数据收集与可视化
在进行任何分析之前，我们需要收集数据，并以不仅仅是枯燥数字列表的方式呈现。在课程大纲中，你需要掌握几种表示数据的方法。
常见的统计图表
象形图 (Pictograms)： 利用图示或图片来表示数字。例子：使用一个小“薄饼”图示来代表售出 10 个薄饼。 记住一定要查看图例 (Key)，了解一个图示代表的数量！
棒形图 (Bar Graphs)： 用于分类数据（例如最喜爱的颜色）。记住：棒形图的柱子之间是有空隙 (gaps) 的！
直方图 (Histograms)： 看起来像棒形图，但没有空隙。对于你的课程 (4052)，重点在于等距组距 (equal class intervals) 的直方图。这意味着每条柱子的宽度相同，因此柱高能精确反映该组的数据数量。
茎叶图 (Stem-and-Leaf Diagrams)： 一种巧妙的方法，既能展示每一项数据，又能将它们分组。
提示：绝对不能忘记图例！例如，“2 | 5 代表 25”。没有图例，你的图表只是一堆数字而已。
点图 (Dot Diagrams)： 非常适合小规模的数据集。数轴上的每一个点代表该数值出现了一次。
圆形图 (Pie Charts)： 展示“整体”如何划分为各个部分。要计算扇形的角度，请使用此公式：
\( \text{Angle} = \frac{\text{Value}}{\text{Total}} \times 360^\circ \)
数据的误导性解释
你知道吗？ 有时候图表会被刻意绘制来误导你！这是一个常见的考试题型。要小心：
1. 断轴 (Broken Axes)： 如果垂直轴不是从 0 开始，柱子之间的差异看起来会比实际大得多。
2. 象形图大小： 如果图片的宽度和高度同时加倍，面积实际上会变为四倍，使该数据看起来比实际更具重要性。
重点总结： 不同的图表有不同的用途。使用圆形图来表示百分比或比例，使用茎叶图或直方图来观察数据的分布“形状”。
2. 集中趋势测量（“平均值”）
“平均值”是一个代表整组数据的单一数字。你需要掌握三种主要类型：
平均数 (Mean, \(\bar{x}\))
这是数学上的平均值。将所有数据相加，再除以数据的项数。
公式：\( \bar{x} = \frac{\sum x}{n} \)
对于分组数据 (grouped data)（例如在频数分布表中），我们使用每一组的组中值 (mid-value)：
\( \bar{x} = \frac{\sum fx}{\sum f} \)（其中 \(f\) 是频数，\(x\) 是组中值）。
中位数 (Median)
将数据按大小顺序排列（由小到大）后的中间数值。
类比：想象马路中间的“隔离带”——它就在正中央！
如果数据项数是奇数，中位数就是最中间的那一个；如果是偶数，则取中间两个数字的平均值。
众数 (Mode)
出现频率最高的数值。
记忆法：MOde（众数）= MOst frequent（出现最频繁）。
速查表：我该用哪一个？
- 众数： 最适合非数值数据（例如：“最受欢迎的饮品是什么？”）。
- 中位数： 当数据中存在“离群值 (outliers)”（远大于或远小于其余数字的数值）时最合适，因为它们不会影响中间值。
- 平均数： 最适合数据相当稳定且没有极端偏差的情况。
重点总结： 平均数、中位数和众数都试图寻找数据的“中心”，但方法各异！
3. 离差测量（数据有多“稳定”？）
两组学生的平均分可能都是 70 分。但在 A 组中，每个人的分数都在 68 到 72 之间；而在 B 组中，有人得 10 分，有人得 100 分。离差测量能告诉我们这些差异！
全距 (Range)
最简单的测量方法：\( \text{最大值} - \text{最小值} \)。虽然简单，但很容易受到极值的影响。
四分位数与四分位距 (IQR)
想象将你的数据分成四个相等的部分：
- 下四分位数 (\(Q_1\))： 第 25 个百分位数。
- 中位数 (\(Q_2\))： 第 50 个百分位数。
- 上四分位数 (\(Q_3\))： 第 75 个百分位数。
四分位距 (Interquartile Range)： \( Q_3 - Q_1 \)。它告诉你中间 50% 数据分布的范围，因为它忽略了极端的高值和低值，所以非常实用。
标准差 (Standard Deviation, \(\sigma\))
听起来很吓人，但它只是衡量数字平均偏离平均数的程度。
- 低标准差： 数据点靠近平均数（非常稳定）。
- 高标准差： 数据点分布较广（较不稳定）。
未分组数据公式： \( \sigma = \sqrt{\frac{\sum x^2}{n} - \bar{x}^2} \)
重点总结： 全距和 IQR 衡量数据的“宽度”。标准差衡量数据的“稳定性”。
4. 进阶图表：累计频数与箱线图
累计频数图 (Cumulative Frequency Diagrams)
这是累计的总数。当你计算累计频数并绘图时，会得到一条“S 形”曲线。
- 使用 y 轴找到位置（例如，要找中位数，请前往总频数的 50% 处）。
- 向右横移至曲线，再向下移动至 x 轴读取数值。
箱线图 (Box-and-Whisker Plots)
这是五个数据的可视化总结：最小值、\(Q_1\)、中位数、\(Q_3\) 和最大值。
- “箱子”显示了 IQR（中间 50% 的数据）。
- “须”延伸至最小值和最大值。
- 箱子内部的线是中位数。
常见错误： 在箱线图中，学生常误以为箱子里的线是平均数。其实不是！它永远是中位数。
5. 比较两组数据
在 O-Level 考试中，你经常会被要求“比较两组的表现/结果”。请使用这个两步法来获取满分：
第一步：比较平均值（集中趋势）。
使用平均数或中位数。
例子：“A 班的中位数高于 B 班，因此 A 班的平均表现较好。”
第二步：比较离差（稳定性）。
使用标准差或四分位距 (IQR)。
例子：“B 班的标准差比 A 班小，因此 B 班的分数更为稳定。”
重点总结： 要比较数据，务必同时评论平均值（谁“更好”）和离差（谁更“稳定”）。
最后的鼓励
统计学就像做侦探。你在数字中寻找线索，以了解究竟发生了什么事。花点时间熟悉标准差的公式——练习如何高效使用你的计算器，因为它能帮你完成大部分计算工作！你一定做得到的！