欢迎来到数据的世界！

在本章中，我们要成为“数据侦探”。试想想，Netflix 是如何知道该向你推荐哪些电影，或者运动队伍是如何决定要买入哪些球员的？他们全都是在使用数据分析 (Data Analysis)！我们将学习如何收集信息、整理信息，并找出数字背后所蕴含的“故事”。

如果你以前觉得数学有点“沉闷”，请别担心——数据其实与我们周遭的现实世界息息相关。让我们开始探索吧！

1. 数据类型：我们在看些什么？

在分析数据之前，我们需要知道手头上的是哪种数据。我们通常将数据分为两大类：

定性数据 (Qualitative Data)：描述“性质”或类别的数据。
例子：你最喜欢的颜色、你的手机品牌，或是你养的狗的品种。你无法对这些进行“数学运算”（你不能把“蓝色”+“红色”加起来）。

定量数据 (Quantitative Data)：这与“数量”或数字有关。这才是数学发挥作用的地方！它分为两类：
• 离散数据 (Discrete Data)：你可以数出来的事物。你不可能有半个兄弟姐妹或 2.5 辆车。
• 连续数据 (Continuous Data)：你需要测量出来的事物。例如你的身高、苹果的重量，或是跑 100 米所需的时间。这些数据可以是任何数值（例如 1.65 米）。

快速复习：

如果你可以数出来（1, 2, 3...），它就是离散数据 (Discrete)。如果你需要用工具（尺、磅秤、秒表）来测量，它就是连续数据 (Continuous)。

2. 数据收集：抽样 (Sampling)

如果你想知道全世界每个学生最喜欢的食物，你不可能去问每一个人。因此，你需要使用样本 (Sample)。

• 总体 (Population)：你感兴趣的整个群体（例如：你学校里的所有学生）。
• 样本 (Sample)：你实际访问的小型群体（例如：你学校里的 50 名学生）。

抽样的黄金法则：你的样本必须是无偏见 (Unbiased) 的。这意味着它必须公平地代表整个群体。如果你只问篮球队成员最喜欢的运动是什么，你的数据将会产生偏见 (Biased)，因为他们更有可能回答篮球！

重点总结：

一个好的样本必须是随机 (random) 的，且足够大 (large enough)，才能准确反映整个总体的情况。

3. 整理数据：频数分布表 (Frequency Tables)

原始数据通常杂乱无章。频数分布表能帮助我们进行整理。“频数 (Frequency)”指的就是某件事发生的“次数”。

例子：如果我们问 10 个人他们养了多少只宠物：0, 1, 1, 2, 0, 1, 3, 1, 0, 2。
我们可以这样整理：
• 0 只宠物：3 人
• 1 只宠物：4 人
• 2 只宠物：2 人
• 3 只宠物：1 人

常见错误：一定要再三确认你的总频数加起来等于你访问的总人数！以上面的例子为例：\( 3 + 4 + 2 + 1 = 10 \)。完美！

4. 集中趋势：三种“平均值”

当人们提到“平均”时，通常是指算术平均数 (Mean)，但其实有三种方法可以找出数据的中心。这里有一首著名的口诀可以帮助你记忆：

“中位数 (Median) 是中间值，
相加除以个数就是平均数 (Mean)。
众数 (Mode) 是出现频率最高者，
全距 (Range) 则是最大与最小的差！”

众数 (Mode)

众数是出现最频繁的数值。
例子：在数列 2, 3, 3, 5, 8 中，众数是 3。
提示：如果没有重复的数字，则没有众数。如果两个数字重复出现的次数相同，你可能会得到两个众数（双峰分布）！

中位数 (Median)

中位数是将数据按顺序排列后的中间数字。
步骤 1：将数字由小到大排列！（这是大多数人最容易忘记的一步）。
步骤 2：找出中间的数。
例子：2, 5, 8, 10, 12。中位数是 8。
如果中间有两个数字怎么办？只要找出它们的中间值（相加后除以 2）。

算术平均数 (Mean)

平均数就是大多数人说“平均”时的意思。
步骤 1：将所有数字相加（即总和 (Sum)）。
步骤 2：除以数字的个数。
公式：\( \text{Mean} = \frac{\text{Sum of values}}{\text{Number of values}} \)

重点总结：

众数是最受欢迎的，中位数是在队伍中间的那一位，而平均数则是将所有数据加总后“公平分配”的结果。

5. 测量离散程度：全距 (Range)

虽然平均值告诉我们中心在哪里，但全距告诉我们数据有多么“分散”。
公式：\( \text{Range} = \text{Largest Value} - \text{Smallest Value} \)

例子：如果考试分数是 60, 85, 92 和 100，则全距为 \( 100 - 60 = 40 \)。
全距小意味着数据非常稳定一致。全距大意味着数据变异很大。

6. 数据可视化

有时候图表胜过千言万语！以下是我们在 IB MYP 第三学年展示数据的主要方式：

棒形图 (Bar Charts) vs. 直方图 (Histograms)

• 棒形图：用于离散数据或定性数据。条形之间有空隙。（例如：最喜欢的披萨配料）。
• 直方图：用于连续数据（分组数据）。条形之间是相连的，因为数据是连续的数字流。（例如：学生的身高分组，如 140cm 至 150cm, 150cm 至 160cm 等）。

散点图 (Scatter Graphs) 与相关性 (Correlation)

我们用它们来观察两者之间是否有关联。我们在 \( (x, y) \) 坐标平面上绘制点。
• 正相关 (Positive Correlation)：一项增加，另一项也增加。（例如：气温升高，冰淇淋销量也增加）。点向右上方趋升。
• 负相关 (Negative Correlation)：一项增加，另一项则减少。（例如：玩电子游戏的时间越多，复习时间就越少）。点向右下方趋降。
• 不相关 (No Correlation)：点分布得杂乱无章。没有关系！（例如：你的鞋码和数学成绩）。

小贴士：最佳拟合线 (Line of Best Fit)

在散点图上，我们通常会画出一条最佳拟合线。这是一条穿过点群中间的直线，能帮助我们对尚未测量的数值进行预测！

7. 成功的最后小提示

• 时刻检查刻度：在图表上，留意每个方格代表什么。它不一定总是代表 1！
• 整理数据：对于中位数和全距，你首先要做的事情就是将数字按从小到大排列。
• 仔细阅读题目：题目问的是平均数 (Mean) 还是中位数 (Median)？它们听起来很像，但计算步骤完全不同！

如果这些定义让你感到眼花缭乱，不用担心。只要多练习观察现实生活中的图表和数字列表，这些术语就会变得像直觉一样自然。你做得到的！