课题：统计学入门——读懂数据话语！
同学们好！欢迎来到刺激有趣的统计学世界！你可能会想：“统计学？不就是一堆沉闷的数字和图表吗？”当然不是！统计学就像侦探工作一样。它是一门收集、整理和理解信息（我们称之为数据）的学问，目的就是揭开隐藏的秘密、发现趋势，并作出明智的决策。
在这个课题里，我们会学习如何收集数据、如何整理数据让它变得有意义，以及如何找出数据所要告诉我们的“典型”故事。这在现实生活中非常有用，无论是找出朋友之间最受欢迎的电子游戏，还是理解体育比赛的分数和新闻报道，都能派上用场！准备好了吗？我们开始吧！
第一部分：整理线索——数据的收集与分类
在侦探解开谜团之前，他们需要先收集线索。在统计学中，我们的线索就叫做数据。数据只是一堆事实、数字或测量结果的集合。
我们会接触到哪些数据类型？
数据通常分为两大类。了解它们之间的区别非常重要！
1. 离散数据
这类数据可以用整数来数算。你不能拥有它们的“一半”。想想看：你可以数班上有多少人，但不会有25.5个人吧？
- 例子：你拥有的宠物数量（你可以有2只猫，但不能有2.5只猫）。
- 例子：你的鞋码（例如：7、7.5、8——它们是固定的数值，中间并没有无限多的数值）。
- 例子：掷骰子时的点数（1、2、3、4、5或6）。
2. 连续数据
这类数据是可以用仪器量度出来的。它可以在某个范围内取任何数值。想想你用尺或秒表量度的东西。
- 例子：你的身高（你可以是150厘米、150.1厘米、150.11厘米……）。
- 例子：跑100米所需的时间（例如：15.2秒、15.25秒……）。
- 例子：房间的温度。
快速复习区
离散数据 = 可数算（就像篮子里的苹果）
连续数据 = 可量度（就像苹果的重量）
整理数据：频数分布表
想象一下，你问了20位朋友他们有多少兄弟姐妹。你得到了这份清单：1, 2, 1, 0, 3, 1, 2, 4, 0, 1, 2, 2, 1, 1, 3, 0, 2, 1, 2, 1。这堆数据乱七八糟的！一个频数分布表可以帮助我们整齐地整理这些杂乱的数据。
频数的意思就是“某件事发生了多少次”。
对于未分组数据（例如我们的兄弟姐妹例子）：
我们列出每个可能的值，并数算它出现了多少次。
-----------------|-----------|--------------
0 | III | 3
1 | IIII III | 8
2 | IIII I | 6
3 | II | 2
4 | I | 1
-----------------|-----------|--------------
总计 | | 20
你看，是不是更容易阅读了呢！我们可以迅速发现，拥有1个兄弟姐妹是最普遍的情况。
对于已分组数据（当你的数值范围很广时）：
如果我们量度20位学生的身高（厘米）呢？我们可能会得到很多不同的数值。最好将它们分组到组区间（又称分组）。
例子数据（身高，单位：厘米）：155, 161, 173, 158, 163, 168, 175, 159, 165, 164, 171, 178, 166, 169, 157, 160, 164, 170, 174, 167
-----------------|-----------|--------------
155 - 159 | IIII | 4
160 - 164 | IIII | 5
165 - 169 | IIII | 5
170 - 174 | IIII | 4
175 - 179 | II | 2
-----------------|-----------|--------------
总计 | | 20
这比杂乱无章的数字清单更能清楚地显示身高的分布！
第一部分重点总结
统计学始于数据收集。我们将数据分类为离散数据（可数算的）或连续数据（可量度的）类型。为了让数据变得有意义，我们会将它们整理成频数分布表，可以是单个数值，也可以是分组的。
第二部分：绘制图表——数据的视觉呈现
一图胜千言……或者说，一图胜千数！统计图表能帮助我们即时看出数据中的模式和趋势。你们在小学时已经学过一些，例如条形图（或称柱形图）、饼图和折线图。接下来，我们来学习一些新的、更强大的图表吧！
茎叶图
这是一种巧妙的方法，可以整齐、有条理地展示所有数据值。它看起来有点像一棵树！“茎”是数字的前半部分，而“叶”是最后一个数字。
如何绘制茎叶图：
让我们使用以下测验分数：75, 81, 94, 62, 88, 79, 81, 95, 75, 67
步骤1：找出最低和最高分数，以确定你需要哪些“茎”（分数从60多到90多，所以我们的茎是6、7、8、9）。
步骤2：垂直写下“茎”。
步骤3：逐一查看你的数据，将“叶”（最后一个数字）添加到正确的“茎”行。
步骤4：将“叶”按数值顺序排列。别忘了加上图例！
茎 | 叶
-----|----------
6 | 2 7
7 | 5 5 9
8 | 1 1 8
9 | 4 5
-----|----------
图例：6 | 2 代表 62
现在我们可以轻松地看到分数的分布，并且大部分学生都考获70多分和80多分。
频数直方图
频数直方图看起来像条形图，但它是用来表示已分组的连续数据的。它们之间有两大主要区别：
- 条形图的条形是彼此相连的，因为数据是连续的（一个组的结束点就是下一个组的开始点）。
- 条形的宽度代表组区间。
类比：想象条形图就像人们排队时分开站立（独立类别）。而频数直方图则像一群朋友紧密地站在一起（连续范围）。
频数多边形和频数曲线
频数多边形是另一种显示分组数据的方式。它就像折线图一样。
如何绘制：
步骤1：从频数直方图（或分组数据的频数表）开始。
步骤2：找出每个条形顶部的中点（或每个组区间的中点）。
步骤3：用直线连接这些中点。
步骤4：将第一个点连接到其前一个组区间中点的水平轴上，并将最后一个点连接到其后一个组区间中点的水平轴上，以“固定”图形。
频数曲线只是频数多边形的平滑版本，徒手绘制而成。
累积频数多边形和累积频数曲线
这听起来好像很复杂，但其实就是把东西加起来而已！累积频数的意思就是“到目前为止的总频数”。
让我们使用之前身高的数据：
-----------------|-----------|--------------------------
155 - 159 | 4 | 4
160 - 164 | 5 | 4 + 5 = 9
165 - 169 | 5 | 9 + 5 = 14
170 - 174 | 4 | 14 + 4 = 18
175 - 179 | 2 | 18 + 2 = 20
为了绘制图表，我们将每个组的上限（或称组界）与累积频数作图。这个图表总是向上升或保持水平，而且对于找出数据的中位数和四分位数非常有用！
小心！图表的应用与滥用
图表有时会用来迷惑你！务必仔细观察：
- 折断的轴线：垂直轴是否从0开始？如果不是，它可能会让差异看起来比实际大得多。
- 不均匀的刻度：轴线上的数字是否均匀分布？
- 误导性图像：使用图片代替条形图可能会扭曲你对数据的看法。一张图片如果高出两倍，它的宽度也会是两倍，这会让它看起来大4倍！
第二部分重点总结
我们利用图表来可视化数据。茎叶图显示个别数据点。频数直方图和频数多边形显示分组的连续数据。累积频数曲线帮助我们查看总计并找出关键数值。务必保持批判性思维，并提防具有误导性的图表！
第三部分：找出“典型”数值——集中趋势的量度
当我们有一组数据时，通常会想找出一个单一的数字来代表其“中间”或“典型”的数值。这些数字称为集中趋势的量度。我们将学习三个主要的集中趋势量度。
1. 平均数（平均值）
这个你可能已经知道了。你将所有数值加起来，然后除以数值的总数。
公式：
$$ \text{Mean} = \frac{\text{Sum of all data values}}{\text{Number of data values}} $$例子：找出以下分数的平均数：2, 3, 5, 6, 9。
总和 = 2 + 3 + 5 + 6 + 9 = 25
数值数量 = 5
平均数 = 25 / 5 = 5
注意：平均数可能会受到非常高或非常低的数值（称为异常值或称离群值）的影响。想象一下，如果我们在列表中加上一个50分。新的平均数将会是 (25 + 50) / 6 = 12.5，这对于原始数字来说并不是很“典型”。
2. 中位数（中间数值）
当你将所有数据按顺序排列时，中位数就是刚好在中间的那个数值。
如何找出中位数：
步骤1：将数据从小到大排列。
步骤2：找出中间的数字。
- 如果数值的数量是单数，中位数就是正中间的那个数值。
例子：2, 3, 5, 6, 9。中位数是 5。 - 如果数值的数量是双数，会有两个中间数值。中位数就是这两个数值的平均数。
例子：2, 3, 5, 6, 9, 11。中间数值是 5 和 6。中位数 = (5 + 6) / 2 = 5.5。
中位数的优点：它不受极端异常值的影响！
3. 众数（最常出现的数值）
众数是数据集中出现次数最多的数值。
例子：1, 2, 4, 4, 4, 6, 8。众数是 4。
一组数据可以有一个众数、多个众数（例如双众数），或者如果每个数值都只出现一次，则可以没有众数。
记忆小提示：
- 平均数（Mean）最难计算（又是加又是除，一大堆计算！）。
- 中位数（Median）听起来像“中间（Medium）”，它就是中间的数值。
- 众数（Mode）听起来像“最多（Most）”。
已分组数据的计算
当数据已分组时，我们无法找出精确的平均数、中位数或众数，但我们可以估计它们。
- 众数组：这很容易！它就是频数最高的那个组别或组区间。
- 已分组数据的平均数：这个比较复杂一点。我们假设一个组中的所有数值都等于该组的中点。然后我们从那里计算平均数。
- 已分组数据的中位数：我们可以利用累积频数曲线来估计中位数。在垂直轴上找到中点，横向移到曲线上，然后向下移到水平轴上读取数值。
一开始觉得有点难也不要紧！我们会大量练习的。关键思想是，对于已分组数据，我们的答案都是很好的估计值，而非精确的数字。
加权平均数
有时，并非所有数据都同样重要。例如，你的期末考试可能比一份作业的得分更重要。加权平均数是一种平均值，其中一些数据值具有更大的“权重”或重要性。
例子：在一门课程中，你的作业占30%的比重，期末考试占70%。你的作业分数是90分，考试分数是80分。
普通平均数 = (90 + 80) / 2 = 85。
加权平均数 = (90 × 30%) + (80 × 70%) = (90 × 0.3) + (80 × 0.7) = 27 + 56 = 83。
你的最终分数是83分，因为考试的权重更大。
第三部分重点总结
集中趋势的量度为我们的数据提供了一个“典型”数值。
- 平均数是平均值（加起来再除）。
- 中位数是中间数值（记得把它们排好顺序！）。
- 众数是最常见的数值。