温习笔记：离差度量

您好！欢迎来到关于离差度量的温习笔记。别担心这听起来很复杂——它只不过是用一种更专业的方式来问：“数据分布得有多广？”

在本章中，我们将学习如何描述和度量一组数字的“分布”或“一致性”。这在现实生活中非常实用，从比较学生成绩到分析篮球运动员的表现，都能派上用场。让我们开始深入探讨吧！


究竟什么是离差？

想象一下有两位学生，Alex 和 Ben，他们参加了五次数学测验。他们的成绩如下：

Alex：70、72、75、73、70
Ben：50、95、60、100、55

如果你计算他们的平均分（平均值），你会发现两者都是 72 分。但他们的表现真的相同吗？完全不是！

Alex 的表现非常稳定。他的分数都集中在一起。而 Ben 的分数则很不稳定——有时很高，有时又不那么好。它们非常分散。

离差是用来度量一组数据分散或散布程度的指标。低离差表示数据点彼此接近（像 Alex 的分数）；高离差则表示它们相距很远（像 Ben 的分数）。

重点摘要

离差告诉我们数据的一致性或变异性。它让我们比单纯看平均值，更能对数据有一个全面的了解。


1. 简单的离差度量方法：全距和四分位距

让我们从两种最简单的离差度量方法开始。

全距

全距是最简单的离差度量方法。它就是数据集中最大值与最小值之间的差。

公式：全距 = 最大值 - 最小值

逐步示例：

找出以下分数的全距：12、15、7、22、18、9

  1. 找出最大值：22
  2. 找出最小值：7
  3. 相减：全距 = 22 - 7 = 15

优点：计算非常简单！
缺点：它可能会产生误导，因为它只受两个极端值（异常值）的影响。例如，在 Ben 的分数（50、95、60、100、55）中，全距是 100 - 50 = 50，非常大。

四分位距 (IQR)

四分位距 (IQR) 通常是衡量离差的更好方法，因为它不受极端异常值的影响。它告诉你数据中间 50% 的分布范围。

要找出 IQR，我们首先需要找到四分位数。

快速回顾：中位数

中位数是数据集按顺序排列后的中间值。它将数据分成两等份。

四分位数的工作方式类似，但它们将数据分成四等份。

  • 下四分位数 (Q1)：下半部分数据的中位数。（25% 的数据低于它）
  • 中位数 (Q2)：整个数据集的中位数。（50% 的数据低于它）
  • 上四分位数 (Q3)：上半部分数据的中位数。（75% 的数据低于它）

公式：IQR = 上四分位数 (Q3) - 下四分位数 (Q1)

逐步示例（奇数个数据点）：

找出以下数据的 IQR：3、6、7、10、12、15、16

  1. 排列数据：它已经是排列好的了！3、6、7、10、12、15、16
  2. 找出中位数 (Q2)：中间的数字是 10。
  3. 找出 Q1：查看数据的下半部分（中位数之前的数字）：3、6、7。这里的中间数字是 6。所以，Q1 = 6。
  4. 找出 Q3：查看数据的上半部分（中位数之后的数字）：12、15、16。这里的中间数字是 15。所以，Q3 = 15。
  5. 计算 IQR：IQR = Q3 - Q1 = 15 - 6 = 9。
逐步示例（偶数个数据点）：

找出以下数据的 IQR：2、5、6、8、11、14、16、19

  1. 排列数据：已经是排列好的了。2、5、6、8、11、14、16、19
  2. 找出中位数 (Q2)：中间位于 8 和 11 之间。中位数 = (8 + 11) / 2 = 9.5。
  3. 找出 Q1：查看下半部分：2、5、6、8。中间位于 5 和 6 之间。Q1 = (5 + 6) / 2 = 5.5。
  4. 找出 Q3：查看上半部分：11、14、16、19。中间位于 14 和 16 之间。Q3 = (14 + 16) / 2 = 15。
  5. 计算 IQR：IQR = Q3 - Q1 = 15 - 5.5 = 9.5。
重点摘要

全距能让你快速了解整体的分布，但容易受到异常值的影响而扭曲。四分位距 (IQR) 则度量数据中间 50% 的分布，在有极端值的情况下更为可靠。


2. 离差的可视化：箱形图

箱形图（或称盒须图）是一种一目了然地显示数据离差的绝佳方式。它是五个关键数字的视觉化呈现：

“五数概括”：

  1. 最小值
  2. 下四分位数 (Q1)
  3. 中位数 (Q2)
  4. 上四分位数 (Q3)
  5. 最大值
如何解读箱形图：
  • “箱形部分”代表数据中间的 50%（即 IQR）。
  • 箱形内部的那条线是中位数 (Q2)。
  • “须”从箱形部分延伸至最小值和最大值。
  • 箱形部分越宽，表示 IQR 越大，数据中间部分的离散程度越高。
  • 须越短，表示该四分区间的数据分布越集中。
利用箱形图比较分布

这就是箱形图真正大显身手的地方！让我们比较一下甲班和乙班的测验成绩。

想象有两张箱形图，一张代表甲班，一张代表乙班，并以相同的刻度绘制。

  • 比较中位数：如果乙班的中位数线比甲班的更靠右（数值更高），这意味着平均而言，乙班的表现更好。
  • 比较离差：如果甲班的箱形部分比乙班的窄得多，这表示甲班的成绩更稳定（IQR 更小）。如果乙班的总须长度（全距）长得多，则意味着他们的成绩整体分布更广。
重点摘要

箱形图是一个强大的视觉工具。它将中位数、四分位数和全距都呈现在一张图中，使你能够轻松比较不同数据集的分布。


3. 最强大的度量方法：标准差 (σ)

别被它的名字或公式吓倒！这个概念其实很简单。标准差 (SD) 告诉我们，平均而言，每个数据点与数据的平均值（均值）相距多远。

小标准差意味着数据点紧密地聚集在平均值附近（高一致性）。
大标准差意味着数据点分布在更广的范围内（低一致性）。

非分组数据的标准差

总体标准差的公式是：

$$ \sigma = \sqrt{\frac{\sum (x_i - \mu)^2}{N}} $$

让我们来分解一下：

  • $$ \sigma $$ (sigma，西格玛) 是标准差的符号。
  • $$ \mu $$ (mu，缪) 是总体平均值的符号。
  • $$ x_i $$ 代表每个单独的数据值。
  • $$ N $$ 是数据值的总数。
  • $$ \sum $$ (同样是 sigma！) 意思是“将所有后续部分加起来”。

还有一个术语：方差就是标准差的平方 ($$\sigma^2$$)。它是你在最后取平方根之前所得到的数值。

逐步计算（非分组数据）：

找出以下数据的标准差：2、4、7、8、9

  1. 步骤 1：找出平均值 ($$\mu$$)。
    $$ \mu = \frac{2+4+7+8+9}{5} = \frac{30}{5} = 6 $$
  2. 步骤 2：对于每个数据点，减去平均值并将结果平方。
    $$(2 - 6)^2 = (-4)^2 = 16$$
    $$(4 - 6)^2 = (-2)^2 = 4$$
    $$(7 - 6)^2 = (1)^2 = 1$$
    $$(8 - 6)^2 = (2)^2 = 4$$
    $$(9 - 6)^2 = (3)^2 = 9$$
  3. 步骤 3：找出这些平方差的平均值（这就是方差，$$\sigma^2$$）。
    $$ \text{Variance} = \sigma^2 = \frac{16+4+1+4+9}{5} = \frac{34}{5} = 6.8 $$
  4. 步骤 4：取平方根以找出标准差 ($$\sigma$$)。
    $$ \sigma = \sqrt{6.8} \approx 2.61 $$
分组数据的标准差

当数据以频数分布表呈现时，我们使用稍微不同的公式。我们将每组的组中值作为我们的 'x' 值。

公式是： $$ \sigma = \sqrt{\frac{\sum f_i(x_i - \mu)^2}{\sum f_i}} $$ 其中 $$f_i$$ 是每组的频数。

步骤相似，但你需要在适当的阶段乘以频数。通常，你可以使用计算器的统计模式来更快地找出这个数值！

重点摘要

标准差是最详细的离差度量方法。它告诉你数据点与平均值的平均距离。如果你追求一致性，则低标准差是“好”的；高标准差则意味着更大的变异。


4. 进阶课题 (非基础部分)

这些概念是我们所学知识的延伸，对于在更复杂的情况下比较数据非常有用。

标准分数 (z分数)

你如何比较苹果和橙子？或者，更贴切地说，如何在简单测验中取得高分和在困难测验中取得好分之间进行比较？答案就是使用标准分数！

z分数能精确地告诉你一个数据点与平均值相差多少个标准差。

公式： $$ z = \frac{x - \mu}{\sigma} $$

例子：你在一个平均值($$\mu$$)为 75、标准差($$\sigma$$)为 5 的测验中得了 85 分。你的 z分数是：
$$ z = \frac{85 - 75}{5} = \frac{10}{5} = 2 $$

这表示你的分数恰好比平均值高出 2 个标准差。正 z分数表示高于平均值，负 z分数表示低于平均值，而 z分数为 0 则表示恰好等于平均值。

正态分布

现实世界中的许多事物，例如人的身高或考试成绩，往往会遵循一种称为正态分布的模式。它看起来像一个对称的钟形，通常被称为“钟形曲线”。

在正态分布中：

  • 平均值、中位数和众数都位于中心。
  • 大部分数据都聚集在平均值附近。
  • 离平均值越远，数据就越少。

标准差是理解这一点的关键。例如，非常大比例的数据落在平均值的一个、两个或三个标准差范围内。（你不需要记住确切的百分比！）

数据变化的影响

如果我们以相同的方式改变每个数据点，我们的离差度量会发生什么变化？

情况 1：为每个数据值加上一个常数 'c'。

  • 例子：将数据集中的每个分数都加上 10。
  • 整个数据集只是向上平移。离差不会改变！
  • 影响：全距、四分位距 (IQR) 和标准差都不变。

情况 2：将每个数据值乘以一个常数 'k'。

  • 例子：将数据集中的每个分数都加倍 (k=2)。
  • 数据不仅平移，而且还会被拉伸开来。离差增加。
  • 影响：原始的离差度量也会乘以 |k|。
    • 新全距 = |k| × 旧全距
    • 新四分位距 (IQR) = |k| × 旧四分位距 (IQR)
    • 新标准差 = |k| × 旧标准差
重点摘要

标准分数帮助我们在不同数据集之间进行公平的比较。数据转换有可预测的影响：加上一个常数不会改变离差，而乘以一个常数会将离差按相同常数进行比例缩放。


你知道吗？

在金融领域，标准差是衡量风险的关键指标。股票价格标准差高的，被认为波动性大、风险高；而标准差低的，则被视为更稳定。理解离差可以帮助你做出更明智的决定！