统计与概率：理解数据与机遇
各位数学家们，大家好！欢迎来到统计与概率这片激动人心的领域。如果数字有时让你感到头大，别担心；本章的核心在于解读我们周围的世界——从天气预报到分析调查结果，无所不包。
我们将学习如何收集、整理、展示和分析数据。同时，我们还将掌握概率规律，让你具备计算各类事件发生可能性的能力。准备好成为一名“数据侦探”了吗？让我们开始吧！
第 1 节：数据的处理与呈现
1.1 数据类型
统计学的第一步是认清你所处理的是什么信息。数据通常分为两大类：
定性数据 (Qualitative Data)：
- 描述性质或特征（例如：喜欢的颜色、汽车品牌）。
- 它不是数值化的。
定量数据 (Quantitative Data)：
- 涉及数值（例如：身高、年龄、宠物数量）。
- 这是我们在计算中最常处理的数据类型。
定量数据又可细分为两个重要子类：
a) 离散数据 (Discrete Data)：
- 只能取特定的、独立的值。通常是通过计数得出的。
- 示例：学生人数（你不可能有 3.5 个学生）。
b) 连续数据 (Continuous Data)：
- 在给定的范围内可以取任何值。通常是通过测量得出的。
- 示例：身高、体重、温度（一个人的身高可能是 170.1 厘米）。
1.2 离散数据的呈现
我们经常使用图表来使数据更直观、易懂。
频数表 (Frequency Tables)：
- 用于显示每个数值出现的频率。
- 如果数据量很大，我们可以将其分组为组距 (Class Intervals)（例如：0–10, 11–20）。
条形图 (Bar Charts)：
- 用于离散数据或定性数据。
- 条形的高度代表频数。
- 重要提示： 条形之间必须有间隔！
饼图 (Pie Charts)：
- 显示各类别占整体的比例。
- 计算扇区角度的公式：
\(\text{角度} = \left(\frac{\text{频数}}{\text{总频数}}\right) \times 360^\circ\)
1.3 连续数据的呈现：直方图 (Histograms)
直方图专为已分组为组距的连续数据设计。它们看起来像条形图，但有本质区别！
核心特征：面积与频数成正比
在直方图中，是条形的面积而不是高度代表频数。因为面积 = 宽度 × 高度，所以我们通过一个新的术语来计算高度：
频数密度 (Frequency Density, FD)：
\[ \text{频数密度} = \frac{\text{频数}}{\text{组宽}} \]
绘制直方图的步骤：
- 计算每一组的组宽（上限 - 下限）。
- 计算每一组的频数密度。
- 将频数密度绘于垂直轴 (y轴)，将数据值绘于水平轴 (x轴)。
- 画出条形。因为数据是连续的，所以条形之间必须紧密相连！
常见错误：混淆直方图与条形图。记住：条形图有间隔，直方图没有。直方图的高度是频数密度，而不是频数！
1.4 累积频数 (Cumulative Frequency)
这用于找出有多少数据点小于某个特定值。
累积频数 (CF)：即频数的逐项累加总和。
绘制累积频数图的步骤：
- 在表格中添加“累积频数”列。从第一个频数开始，依次加上下一个频数。
- 将 CF 值对应各组的组上限进行绘制。
- 图像应从（第一组下限，0）开始，并呈现向上弯曲的 S 形曲线。
- 图上的最高点应等于数据总项数 (N)。
第 1 节重点回顾：认清你的数据类型。条形图用于离散数据且有间隔；直方图用于连续数据，其高度为频数密度。
第 2 节：数据分析——平均数与离散程度
2.1 集中趋势度量（平均数）
平均数反映了数据的“中心”位置。
a) 众数 (Mode)：
- 出现次数最多的值。
- 最容易找，但没有利用到所有数据。
b) 中位数 (Median)：
- 将数据按从小到大排列后的中间值。
- 若 N（项数）为奇数，位置为 \((N+1)/2\)。
- 若 N 为偶数，则是中间两项的平均值。
- 比平均数更不易受极端值的影响。
c) 平均数 (\(\bar{x}\))：
- 所有数值之和除以数值个数。
原始数据公式：\(\bar{x} = \frac{\sum x}{n}\)
- 利用了每一项数据，因此非常可靠。
从频数表中计算平均数：
如果 \(x\) 是数据值，\(f\) 是频数： \[ \bar{x} = \frac{\sum fx}{\sum f} \]
***处理分组数据（估算）***
当数据被分组时（如 10-20），我们无法得知具体值。为了估算平均数，必须使用组距的中点 (m) 来代表该组内的所有数据。
\[ \text{估算平均数} = \frac{\sum fm}{\sum f} \]
别担心！这只是一个估算值，计算时必须使用中点。
2.2 离散程度度量（离散度）
离散度告诉我们数据分布的疏密程度。数据是聚集在一起还是分散开来的？
a) 全距/极差 (Range)：
- \(\text{极差} = \text{最大值} - \text{最小值}\)。
- 非常简单，但极易受极端值（离群点）影响。
b) 四分位距 (Interquartile Range, IQR)：
衡量中间 50% 数据的离散程度，因此忽略了极端高值和低值。
\[ \text{IQR} = Q_3 - Q_1 \]
其中：
- \(Q_1\)（下四分位数）：位于数据 25% 位置处的值。
- \(Q_2\)（中位数）：位于数据 50% 位置处的值。
- \(Q_3\)（上四分位数）：位于数据 75% 位置处的值。
利用累积频数图寻找四分位数：
若总频数为 \(N\)：
- 在累积频数轴上从 \(N/4\) 处横向对应找到 \(Q_1\)。
- 从 \(N/2\) 处横向对应找到 \(Q_2\)（中位数）。
- 从 \(3N/4\) 处横向对应找到 \(Q_3\)。
c) 标准差 (\(\sigma\))：
这是衡量离散程度最准确的方法。它表示数据值偏离平均数的平均幅度。
类比： 如果平均数是你的目标，标准差则告诉你你的射击偏离目标的平均距离有多远。
IGCSE Spec B 中通常使用的公式为： \[ \sigma = \sqrt{\frac{\sum (x - \bar{x})^2}{n}} \]
标准差计算步骤（流程至关重要！）：
- 计算数据集的平均数 (\(\bar{x}\))。
- 计算离差 (Deviation)：从每个数据点中减去平均数 (\(x - \bar{x}\))。
- 平方离差：\((x - \bar{x})^2\)。（消除负号影响。）
- 计算离差平方的总和：\(\sum (x - \bar{x})^2\)。
- 将总和除以数据个数 (\(n\))。（得到方差）。
- 对结果进行开方。这就是 \(\sigma\)！
分析小贴士：
- 平均数：最好的平均指标，但受离群点影响大。
- 中位数/IQR：存在极端离群点时，使用这两个指标。
- 标准差：告诉你数据点平均偏离平均数多远。
第 3 节：概率
概率是研究可能性的学科，用于衡量事件发生的可能性。
3.1 基本概率与符号
概率值始终在 0 和 1 之间。
- \(P=0\)：不可能事件。
- \(P=1\)：必然事件。
概率的基本定义：
\[ P(A) = \frac{\text{有利结果数量}}{\text{可能结果总数}} \]互补事件：
如果 \(A\) 是一个事件，\(A'\)（读作“A的补集”或“非A”）是 \(A\) 不发生的事件。
\[ P(A') = 1 - P(A) \]
示例：如果下雨的概率是 0.3，那么不下雨的概率是 \(1 - 0.3 = 0.7\)。
3.2 事件组合（或 与 且）
a) 互斥事件（“或”规则）：
指不可能同时发生的事件。（例如：投掷一枚骰子，同时掷出 3 和 5。）
求 A 或 B 发生的概率，需将概率相加： \[ P(A \text{ 或 } B) = P(A) + P(B) \]
b) 独立事件（“且”规则）：
指一个事件的结果不影响另一个事件结果的事件。（例如：抛两次硬币。）
求 A 且 B 发生的概率，需将概率相乘： \[ P(A \text{ 且 } B) = P(A) \times P(B) \]
3.3 树状图 (Tree Diagrams)
树状图是可视化两个或多个连续事件的绝佳工具。
使用树状图的步骤：
- 为第一个事件画出分支，并在每个分支上标出概率。
- 在这些分支的末端，画出第二个事件的分支，同样标出概率。
- 求组合路径（如：先成功后失败）的概率时，沿路径相乘（“且”规则）。
- 求多种成功情况（如：成功/失败 或 失败/成功）的概率时，将最终结果的概率相加（“或”规则）。
谨记从属关系：如果你处理的是“无放回”情况（例如：从一副牌中抽取两张），第二个分支的概率必须发生改变，因为总数减少了！
3.4 条件概率 (Conditional Probability)
这是指在已知事件 B 已经发生的前提下，事件 A 发生的概率。
记作 \(P(A | B)\)，读作“在 B 发生的条件下，A 发生的概率”。
如何解决条件概率问题：
关键在于意识到条件 (B) 缩小了样本空间。你不再看所有的可能性，而只需关注 B 发生的那个世界。
正式定义为： \[ P(A | B) = \frac{P(A \text{ 且 } B)}{P(B)} \]
示例：已知某学生乘坐校车 (B)，那么该学生为女生 (A) 的概率是多少？只需关注所有坐校车的学生，忽略其他人。
冷知识： 独立事件的公式实际上是条件概率的一种特殊情况。如果 A 和 B 是独立的，那么 \(P(A | B) = P(A)\)，因为 B 不影响 A！
第 3 节重点回顾：互斥意味着相加（或）。独立意味着相乘（且）。树状图用于组织连续事件。条件概率将你的关注点限定在缩小后的群体中。
结语
统计学和概率论是非常实用的学科。掌握了这些工具，你就具备了批判性评估数据的能力，这在课堂之外也至关重要。继续练习那些直方图和标准差计算吧——你完全没问题的！