欢迎来到统计学的世界！
在本章中，我们将学习如何收集、整理和分析数据。你可以把统计学想象成“用数字说故事”。无论是追踪你在电子游戏中的进度、查看天气趋势，还是看看食堂里哪种水果最受欢迎，统计学都能帮助我们理解周遭的世界。
如果你刚开始面对一大堆数字感到不知所措，别担心！我们会将所有内容拆解成简单的步骤，让你像专业人士一样轻松驾驭数据。
1. 理解总体与样本
在绘制图表之前，我们需要先了解数据从哪里来。
- 总体 (Population)：你感兴趣的整个群体（例如：全校的每一位学生）。
- 样本 (Sample)：从总体中挑选出来以代表整体的一小群人（例如：随机抽样的 30 名学生）。
为什么要用样本？想象一下，如果要问英国每一个人他们最喜欢的披萨配料是什么，那要花上太久的时间了！所以，我们改为询问一个样本。
重要提示：样本必须是无偏差 (unbiased) 的。这意味着它必须公平地代表整个群体。如果你只在足球比赛现场询问人们最喜欢什么运动，你的结果将会出现偏差 (biased)，因为你没有询问到足够多样化的人群。
快速复习：汤的类比
想象一大锅汤（总体）。为了知道汤好不好喝，你不需要把整锅喝完！你只需搅拌均匀，尝一勺（样本）。如果这一勺能很好地代表整锅汤，这就是一个公平的样本。
2. 呈现数据：表格与图表
拿到数据后，我们需要清晰地呈现它们。对于基础课程 (Foundation tier)，你需要掌握以下常见类型：
象形图 (Pictograms)
这些图表使用图片或符号来表示数据。一定要记得查看图例 (Key)！
例子：如果一个圆形图片代表 4 个人，那么半个圆形就代表 2 个人。
条形图 (Bar Charts)
用于分类数据 (categorical data)（可以分组的事物，如“颜色”或“汽车品牌”）。
常见错误：记得条形图中每个条形之间一定要留有间隙！
饼图 (Pie Charts)
这些图表显示总数是如何按比例分配的。绘制时，你需要计算每个扇形的圆心角：
\( \text{角度} = \frac{\text{频数}}{\text{总频数}} \times 360^\circ \)
时序图 (Time Series Graphs)
这些是折线图，用于显示事物如何随时间变化（例如：一周内的温度变化）。我们观察的是趋势 (trends)（总体而言是在上升、下降还是保持不变？）。
重点总结：
分类数据（文字类）通常使用条形图或饼图。离散数值数据（用数字计算的事物，如“兄弟姐妹的数量”）则使用频数表或垂直线图。
3. 平均数与离散程度
平均数告诉我们数据的“中心”在哪里，而极差 (Range) 则告诉我们数据有多分散。
三个平均数（以及一个极差）
为了帮助记忆，试试这首著名的口诀：
“中位数 (Median) 在中间，
平均数 (Mean) 相加再除开。
众数 (Mode) 出现次数最多，
极差 (Range) 是两极之差！”
- 众数 (Mode)：出现最频繁的数值。（记忆小撇步：MOde = MOst）。
- 中位数 (Median)：当数字按顺序排列时，位于中间的数值。
步骤 1：将数字从小到大排列。
步骤 2：从两端逐一划掉，直到找到中间的数。 - 平均数 (Mean)：将所有数字相加，然后除以数字的总个数。
\( \text{Mean} = \frac{\text{总和}}{\text{数据个数}} \)。 - 极差 (Range)：最大值与最小值之间的差。
\( \text{Range} = \text{最大值} - \text{最小值} \)。
分组数据
有时候数据会被分组（例如：0-10 分钟，11-20 分钟）。
- 你无法找到精确的众数，所以我们称它为众数组 (Modal Class)。
- 你无法找到精确的平均数，所以我们使用每组的组中值 (midpoint) 来估算 (estimate) 平均数。
别掉进陷阱！
常见错误：在找中位数之前忘记将数字排序。如果你不排序，答案肯定会错！
4. 比较数据集
在考试中，你可能会被要求比较两组人（例如：“比较甲班和乙班的测验分数”）。
要做好这一点，你必须针对以下两点进行评论：
- 平均数：使用平均数或中位数。（例如：“平均而言，甲班的得分较高，因为他们的平均分为 65，而乙班为 58。”）
- 离散程度：使用极差。（例如：“乙班的分数较稳定，因为他们的极差较小。”）
你知道吗？较小的极差意味着数据较稳定 (consistent)；较大的极差则意味着数据较不稳定 (inconsistent)。
5. 散点图与相关性
散点图显示两种不同事物之间的关系（双变量数据 Bivariate Data），例如“学习时数”与“考试分数”。
相关性的类型
- 正相关 (Positive Correlation)：一项增加，另一项也增加（点从左下向右上分布）。
- 负相关 (Negative Correlation)：一项增加，另一项减少（点从左上向右下分布）。
- 无相关 (No Correlation)：点散乱分布，没有任何规律。
最佳拟合线 (Lines of Best Fit)
这是一条画在点群中间的直线，尽量让线条两侧的点数量相等。
使用最佳拟合线：
- 内插法 (Interpolation)：预测数据范围以内的值。这通常相当可靠。
- 外推法 (Extrapolation)：预测数据范围以外的值。这是不可靠的，因为我们不知道趋势是否会持续！
一个非常重要的警告！
相关性不代表因果关系 (Correlation does not mean Causation)！
仅仅因为两件事有关联，并不代表其中一件事导致了另一件事。
例子：冰淇淋销量和鲨鱼袭击次数都在夏季增加。销售更多冰淇淋并不会导致鲨鱼攻击——这仅仅是因为天气变热了！
最终快速复习盒
平均数：众数 (出现最多)、中位数 (中间值)、平均数 (总和 ÷ 个数)。
离散程度：极差 (最大值 - 最小值)。
图表：永远检查坐标刻度和图例。
散点图：用尺画出最佳拟合线，且永远不要轻信外推法！