Statistical measures

欢迎来到统计量学习！

你好！本章将带你了解如何总结和概括数据。无论是在处理考试分数、气温读数还是销售数据，掌握统计量的计算方法都能帮助你从数字中发掘背后的信息。

如果统计学让你觉得有些抽象，不用担心。我们将把每一个概念——比如求“平均数”或衡量“离散程度”——拆解成简单、实用的步骤。让我们开始吧！

我们将涵盖的内容：

• 三大平均数：平均值 (Mean)、中位数 (Median) 和众数 (Mode)（集中趋势的度量）。
• 数据的离散程度：极差 (Range)（离散程度的度量）。
• 从原始数据列表、频率表和分组数据中计算这些统计量。

---

1. 集中趋势的度量（平均数）

集中趋势的度量是指描述一组数据中心或典型值的数值。我们通常把它们称为“平均数”。

1.1. 众数：出现频率最高的值

众数 (Mode) 是最容易找到的平均数！它就是数据集中出现次数最多的值。

• 核心规则： 找出频率（计数）最高的那一项。
• 一组数据可以有一个众数（单峰）、多个众数（双峰、多峰），如果每个值只出现一次，则没有众数。

示例： 一组学生给出了他们最喜欢的数字：3, 5, 2, 5, 1, 9, 5, 3。
数字 5 出现了三次，比其他任何数字都多。
众数是 5。

记忆小贴士： MOde（众数）意味着 MOst Often（出现最频繁）。

1.2. 中位数：中间位置的值

当所有数据点按顺序排列（从小到大或从大到小）时，中位数 (Median) 就是位于中间的值。

第一步：对数据排序。 这是最关键的一步！
第二步：确定位置。 使用位置公式：
\[\text{Position} = \frac{n + 1}{2}\]
其中 \(n\) 是数据点的总个数。

情况 1：数据点个数为奇数
如果 \(n\) 是奇数，位置公式会给出一个整数，这个整数就是中位数的位置。
示例： 4, 1, 7, 2, 8 (\(n=5\))
1. 排序：1, 2, 4, 7, 8
2. 位置：\(\frac{5 + 1}{2} = 3\)。第 3 个值即为中位数。
中位数为 4。

情况 2：数据点个数为偶数
如果 \(n\) 是偶数，位置公式会给出以 .5 结尾的数字。这意味着中位数正好处于中间两个值的正中央。你需要计算这两个中间值的算术平均值。
示例： 1, 2, 4, 7, 8, 10 (\(n=6\))
1. 排序：（已排序）
2. 位置：\(\frac{6 + 1}{2} = 3.5\)。这意味着中位数在第 3 个值 (4) 和第 4 个值 (7) 的正中间。
3. 计算 4 和 7 的平均值：\(\frac{4 + 7}{2} = \frac{11}{2} = 5.5\)。
中位数为 5.5。

常见错误： 忘记先给数据排序！如果不排序就直接找中间数，答案一定是错的。

1.3. 平均值：计算出的平均数

平均值 (Mean)（通常直接称为“平均数”）是所有数值之和除以数值的个数。当需要精确度时，这是最常用的度量方式。

平均值 (\(\bar{x}\)) 的公式为：
\[\text{Mean } (\bar{x}) = \frac{\text{Sum of all values}}{\text{Number of values}}\]
用数学符号表示：
\[\bar{x} = \frac{\sum x}{n}\]
（符号 \(\sum\) 表示“总和”。）

示例： 求 2, 4, 5, 9 的平均值。(\(n=4\))
1. 求和：\(2 + 4 + 5 + 9 = 20\)
2. 相除：\(\frac{20}{4} = 5\)
平均值为 5。

你知道吗？ 平均值容易受到极端值（比其他数据大得多或小得多的值）的影响，而中位数则相对稳健。

---

2. 离散程度的度量（分布范围）

虽然平均数告诉我们数据的中心位置，但离散程度的度量告诉我们数据分布得有多散。

2.1. 极差

极差 (Range) 是衡量离散程度最简单的方法。它表示数据集中最大值与最小值之差。

\[\text{Range} = \text{Highest Value} - \text{Lowest Value}\]

示例： 一次考试的分数是 15, 22, 18, 30, 7。
最大值 = 30
最小值 = 7
极差 = \(30 - 7 = 23\)。

极差越大，数据分布越广；极差越小，数据分布越集中。

---

3. 从频率表中计算统计量

通常，数据会以频率表 (Frequency table) 的形式呈现，显示每个数值出现的次数。这会让计算方式略有不同，尤其是针对平均值。

令 \(x\) 为数值（例如：兄弟姐妹数量、鞋码），\(f\) 为频率（该数值出现的次数）。

3.1. 从离散频率表计算平均值

在使用频率表时，不能简单地把 \(x\) 列的数值相加再除，因为频率告诉我们某些数值重复出现了多次。

计算平均值的步骤：

1. 计算 \(f \times x\)： 对于每一行，将数值 (\(x\)) 乘以其频率 (\(f\))。这得到了该行数据对总和的贡献。
2. 求总频率 (\(\sum f\))： 将频率列中的所有数字相加。这就是数据点的总数 (\(n\))。
3. 求总和 (\(\sum fx\))： 将 \(f \times x\) 列中的所有数字相加。
4. 相除： 使用公式：
   \[\text{Mean} = \frac{\sum (f \times x)}{\sum f}\]

示例片段： 下表显示了学生的考试分数 (x) 以及获得该分数的学生人数 (f)。

分数 (x)	频率 (f)	f x x
2	3	6
5	7	35
10	2	20

总频率 (\(\sum f\)) = \(3 + 7 + 2 = 12\)
总和 (\(\sum fx\)) = \(6 + 35 + 20 = 61\)
平均值 = \(\frac{61}{12} \approx 5.08\)

3.2. 从离散频率表中找众数和中位数

众数：
直接找到频率 (\(f\)) 最高的那一行。众数就是该行对应的数值 (\(x\))。
（在上面的例子中，最高频率是 7，对应分数 5。众数 = 5。）

中位数：
1. 计算位置：\(\text{Position} = \frac{\sum f + 1}{2}\)。
2. 使用频率的累计和（累计频率）来找出中位数位置落在哪个数值 (\(x\)) 上。
如果 \(\sum f = 12\)，位置 = \(\frac{12 + 1}{2} = 6.5\)。你需要找到第 6 个和第 7 个数据点中间的值。
第 1, 2, 3 个数据点都是 2。
第 4, 5, 6, 7, 8, 9, 10 个数据点都是 5。
因此第 6 和第 7 个数据点都是 5。所以，中位数为 5。

---

4. 处理分组频率数据（估计值）

有时数据被分组为类别或区间（例如：0-10, 11-20）。当数据分组后，我们失去了原始的精确值。因此，我们只能对平均值进行估计 (Estimate)。

4.1. 估计平均值

要从分组频率表估计平均值，我们必须假设区间内的每个值都正好位于该区间的中点 (Midpoint)。

估计平均值的步骤：

1. 求中点 (\(m\))： 计算每个区间的中间值。
   \[\text{Midpoint } (m) = \frac{\text{Lower bound} + \text{Upper bound}}{2}\]
2. 计算 \(f \times m\)： 将频率 (\(f\)) 乘以中点 (\(m\))。这是该组总分数的估计值。
3. 求总频率 (\(\sum f\)) 和估计总分数 (\(\sum fm\))。
4. 相除： 使用估计公式：
   \[\text{Estimated Mean} = \frac{\sum (f \times m)}{\sum f}\]

示例： 如果一个区间是 10 到 20：
中点 \(m = \frac{10 + 20}{2} = 15\)。你使用 15 作为该组的代表值 (\(x\))。

类比： 想象一下，如果你只知道 10 个箱子每个重 5 到 15 公斤，要估计总重量，最好的假设是它们都重 10 公斤（即中点）。

4.2. 众数区间和中位数区间

处理分组数据时，我们不再寻找精确的众数，而是寻找众数区间 (Modal Class)。

• 众数区间： 即频率 (\(f\)) 最高的那个区间。
• 中位数区间： 即包含中位数位置 (\(\frac{\sum f}{2}\)) 的区间。你可以通过检查频率的累计和在哪一个区间跨过了中位数位置来确定。

注意： 你不需要从分组频率表中计算出精确的中位数（那需要插值法），只需要指出它所在的区间即可。

---

5. 关键技能总结

计算流程回顾

为了确保你能搞定所有统计量的问题，请使用这份清单：

• 原始数据（列表）：
  • 平均值：总和 / 个数。
  • 中位数：数据排序，找到中间位置 \(\frac{n+1}{2}\)。
  • 众数：统计频率。
  • 极差：最大值 - 最小值。
• 频率表（离散）：
  • 平均值：计算 \(\sum fx\)，除以 \(\sum f\)。
  • 中位数：找到位置 \(\frac{\sum f + 1}{2}\)，对照表格查看对应 \(x\)。
  • 众数：频率 \(f\) 最高的一行对应的 \(x\)。
• 分组频率表：
  • 平均值：估计！使用中点 \(m\)，计算 \(\sum fm\)，除以 \(\sum f\)。
  • 众数区间：频率 \(f\) 最高的区间。

恭喜你！现在你已经掌握了总结、分析和表达任何数据集关键特征的工具。请继续练习这些步骤，特别是使用 \(f \times x\) 计算平均值的方法，你很快就能完全掌握这一章！