歡迎來到描述統計學的世界！

你好！歡迎來到你商務經濟學旅程中最實用的章節之一。你是否曾面對一大堆試算表數據而感到頭暈腦脹？描述統計學 (Descriptive Statistics) 就是能幫你解決問題的「超能力」。它讓我們能夠將龐大的數據集濃縮成幾個有意義的數字。你可以把它想像成是在為一份冗長的商業報告撰寫「TL;DR」（簡要總結）。無論你是在審計客戶帳目還是分析股票價格，這些工具都將成為你的最佳戰友。

1. 理解「中心位置」（集中趨勢指標）

當我們觀察數據時，通常想知道什麼是「典型」的數值。我們主要使用三個工具來達成：

算術平均數 (The Mean)

平均數就是所有數值的總和除以數值的個數。這就像和朋友一起平分晚餐帳單一樣簡單。
公式： \( \bar{x} = \frac{\sum x}{n} \)
例子： 如果五家公司的利潤分別是 \$10, \$20, \$30, \$40 和 \$50，平均數就是 \( (10+20+30+40+50) / 5 = \$30 \)。
請注意！ 平均數對「離群值」(Outliers，極大或極小的數值) 非常敏感。如果其中一家公司賺了 \$1,000,000，即便其他公司利潤不變，平均數也會瞬間暴增。

\n\n

中位數 (The Median)

\n

中位數是將數據按順序排列後，處於中間位置的數值。
\n如何計算：
\n1. 將數據由小到大排序。
\n2. 如果數據項數 (\( n \)) 是奇數，中位數就是中間那一個：\( \frac{n+1}{2} \)。
\n3. 如果 \( n \) 是偶數，中位數就是中間兩個數的平均值。
\n比喻： 可以把中位數想像成高速公路中央的「分隔線」——一半車輛在左邊，一半在右邊。

\n\n

眾數 (The Mode)

\n

眾數是出現頻率最高的數值。一個數據集可以有一個眾數、多個眾數（雙峰/多峰），也可能完全沒有眾數。
\n小貼士： 眾數是唯一可以用於非數值數據（例如「最受歡迎的汽車顏色是什麼？」）的測量指標。

\n\n
快速總結：該用哪一個？
\n

- 平均數： 最適合對稱分布且無極端數值的數據。
\n- 中位數： 當數據中存在極端離群值時（如房價或薪資）最為準確。
\n- 眾數： 最適合分類數據（如「最暢銷的產品」）。

\n\n

2. 理解「離散程度」（離散趨勢指標）

\n

只知道平均數是不夠的。試想一位 CFO 告訴你，某城市的平均氣溫是 25°C，聽起來很舒服對吧？但如果白天是 50°C，晚上是 0°C 呢？那你就有麻煩了！離散程度 (Dispersion) 告訴我們數據的分佈有多「分散」。

\n\n

全距 (The Range)

\n

全距只是最高值與最低值之間的差額。
\n公式： \( Range = Maximum - Minimum \)
\n常見錯誤： 不要只列出那兩個數字。全距是相減後的結果（例如：最高值為 100，最低值為 20，則全距為 80）。

\n\n

變異數與標準差 (Variance and Standard Deviation)

\n

這些指標告訴我們數據偏離平均數的程度。
\n- 變異數 (\( s^2 \))： 偏差平方的平均值。我們將差異平方，是為了確保負數偏差不會抵銷正數偏差。
\n- 標準差 (\( s \))： 變異數的平方根。它是最受歡迎的測量指標，因為它的單位與原始數據相同。
\n公式 (樣本標準差)： \( s = \sqrt{\frac{\sum(x - \bar{x})^2}{n-1}} \)
\n為什麼要除以 \( n-1 \)？ 我們在樣本計算中使用 \( n-1 \)（貝塞爾修正 Bessel's correction），是為了在估計整體母體時更審慎、更準確。

\n\n

變異係數 (Coefficient of Variation, CV)

\n

這是考試中的超級明星！它讓你能夠比較兩個不同物件的風險（離散程度），即使它們的單位或規模不同。
\n公式： \( CV = (\frac{s}{\bar{x}}) \times 100\% \)
\n例子： 如果 A 股票的標準差是 \$5，B 股票是 \$500，你可能會覺得 B 風險更高。但如果 B 股票的價格是 \$1,000,000，它的相對風險其實可能更低！CV 就是用來拉平比較標準的。

關鍵重點：

離散程度越低 = 數據越穩定。 在商業上，穩定通常代表風險較低。

3. 數據的形態 (偏度 Skewness)

並非所有數據看起來都像完美的鐘形曲線，有時會向一側傾斜。

對稱分布 (Symmetrical Distribution)

左側是右側的鏡像。在理想情況下：平均數 = 中位數 = 眾數。

正偏態 (右偏，Positive Skew)

圖表的「尾巴」指向右側（較大的數值）。這通常是因為少數幾個極大值將平均數往上拉所致。
記憶法： 看看你的右腳。大拇指在左邊，腳趾的「尾巴」指向右邊。
順序： 平均數 > 中位數 > 眾數。

負偏態 (左偏，Negative Skew)

圖表的「尾巴」指向左側（較小的數值）。這是因為少數幾個極小值將平均數往下拖所致。
順序： 平均數 < 中位數 < 眾數。

4. 處理分組數據 (Grouped Data)

有時你拿到的不是個別數值，而是「組別」（例如：10 人年齡在 20-30 歲之間，15 人在 30-40 歲之間）。
處理方法：
1. 找出每組的組中值 (\( m \))：\( (下限 + 上限) / 2 \)。
2. 將組中值當作公式中的 "\( x \)"。
3. 將組中值乘以該組頻率 (\( f \)) 來求總和：\( \sum (f \times m) \)。

5. 總結與成功秘訣

別擔心，如果起初覺得難懂是很正常的！ 統計學就像一種語言；你練習的題目越多，就會覺得越自然。

快速複習小卡：

- 平均數：數學上的平均值（易受離群值影響）。
- 中位數：中間的點（對離群值具穩健性）。
- 標準差：與平均數的平均距離。
- 變異係數 (CV)：用於比較相對風險 \( (標準差 / 平均數) \)。
- 正偏態：平均數大於中位數。

你知道嗎？ 在審計領域中，會計師會使用「單位平均估計法」(Mean-per-unit estimation)，透過抽樣少量項目來估計庫存的總價值。你現在學習的，正是用來驗證世界上大型企業財務狀況的工具！

最後提示： 務必確認你的數據是母體 (Population) 還是樣本 (Sample)。對於 HKICPA 考試，你幾乎總是處理樣本，所以記得在變異數和標準差的分母中使用 \( n-1 \)！