歡迎來到數據推理：數據收集、總體抽樣與數據表示
你有沒有想過，科學家是如何預測天氣模式、串流平台是如何推薦歌曲，或者研究人員是如何估算野生動物數量的？這一切都始於一項基本技能：收集和整理數據。
在這一章中，我們將探討如何定義數據、如何從龐大的總體中選取具代表性的公平樣本，以及如何運用統計表、頻數表和統計圖來呈現原始資料。如果數學探究有時看起來有點令人生畏，別擔心——我們將結合清晰的現實生活例子，一步一步帶你掌握。
註：本單元後續章節將介紹摘要統計量（如平均數、中位數、極差／分佈域和標準差）、累積頻數、箱形圖以及概率。在此處，我們的重點將完全放在數據收集、抽樣方法以及基本數據表示法上。
---1. 認識數據：構成的核心要素
在收集或展示資料之前，我們需要清楚自己正在處理哪一種類型的數據。數據可以根據它是描述性還是數值型，以及它能取任意數值還是特定數值來進行分類。
定性數據 vs. 定量數據 (Qualitative vs. Quantitative Data)
定性（分類）數據 (Qualitative / Categorical Data)： 用於描述性質、特徵或類別，屬於非數值數據。
例子： 最喜歡的科目、眼睛顏色、上學使用的交通工具類型。
定量（數值）數據 (Quantitative / Numerical Data)： 涉及可以用數字計數或測量的數量。
例子： 書包裡的書本數量、\(100\text{ m}\) 短跑的用時、室外溫度。
離散數據 vs. 連續數據 (Discrete vs. Continuous Data)
定量數據進一步細分為兩種不同的類型：
離散數據 (Discrete Data)： 只能取特定、獨立的數值（通常是透過點算得到的整數）。數值之間不能有中間值。
例子： 一位學生擁有的兄弟姊妹數目（\(0, 1, 2, 3\)），或者一場比賽中的進球數。你不可能射入 \(2.4\) 球！
連續數據 (Continuous Data)： 可以在特定區間或範圍內取任何數值，通常是透過測量獲得的。測量的精確度取決於所用的測量工具。
例子： 身高（\(162.5\text{ cm}\)）、質量（\(54.28\text{ kg}\)）或完成測驗所需的時間（\(42.15\text{ minutes}\)）。
第一手數據 vs. 第二手數據 (Primary vs. Secondary Data)
第一手數據 (Primary Data)： 由你自己為了特定的探究目的而直接（親身）收集的數據。
例子： 在學校飯堂進行自己的問卷調查、進行科學實驗，或記錄經過十字路口的車輛數目。
第二手數據 (Secondary Data)： 已經由他人收集、發布或記錄的現成數據。
例子： 使用政府網站的人口普查記錄、閱讀已發表科學論文中的氣候數據，或查閱網上體育數據庫。
快速回顧與核心要點：
問問自己這兩個簡單的問題：
1. 「我能否以無限的精確度去測量它？」 如果可以，它就是連續數據。如果是一步步點算出來的，它就是離散數據。
2. 「這是我親自收集的嗎？」 如果是，它就是第一手數據。如果是其他人整理的，它就是第二手數據。
2. 總體與抽樣 (Populations and Sampling)
想像一下，你是一位廚師，正在煮一大鍋蔬菜湯。你需要喝完一整鍋湯才知道它夠不夠鹽嗎？當然不需要！你只要把湯徹底攪勻，品嚐一小勺就足夠了。那一小勺就是你的樣本，而那一整鍋湯就是你的總體。
重要定義
總體 (Population)： 你希望從中得出結論的完整群體、物體或事件。總體不一定指整個國家的人口；它也可以是「我們學校中三級（Year 9）的所有學生」。
普查 (Census)： 一項從整個總體的每一個成員收集數據的研究或調查。
優點： 完全準確；沒有抽樣誤差。
缺點： 耗時、費用高昂、對龐大總體難以管理，有時在現實中根本不可行。
樣本 (Sample)： 從總體中選取出來代表整體的子集或較小群體。
優點： 快捷、成本低、實用且更易於組織協調。
缺點： 如果挑選不慎，可能無法涵蓋總體的多樣性。
代表性樣本與偏差 (Representative Samples and Bias)
樣本必須具有代表性 (representative)：它應當反映廣大總體的主要特徵、多樣性以及比例分佈。
如果一個樣本過度代表或低估了某些群體，它就存在偏差 (bias)。存在偏差的樣本會導致無效的結論。
偏差的例子： 如果你只在音樂練習室門口向排隊的學生調查他們最喜歡的校園活動，你的調查結果很可能會偏向音樂，無法代表全體學生。
---3. 抽樣方法 (Sampling Methods)
我們選擇樣本的方式，決定了研究結果是否可靠與有效。讓我們來看看數學推理中常用的幾種主要抽樣技術。
簡單隨機抽樣 (Simple Random Sampling)
總體中的每個成員都有相等的機會被選中，而且成員的任何組合被選中的概率也完全相同。
運作方式： 為總體中的每個成員分配一個從 \(1\) 到 \(N\) 的唯一編號。利用隨機數生成器或從籤筒中抽籤，選出 \(n\) 個人。
優點： 免受研究人員的主觀偏差影響。
局限： 如果總體分佈十分分散，或者缺乏完整的成員名單，這種方法可能會不切實際或難以執行。
系統抽樣 (Systematic Sampling)
按照固定的間距，從一個有序的總體名單中定期選取元素。
運作方式： 如果總體大小為 \(N\)，而你需要一個大小為 \(n\) 的樣本，先計算間距 \(k = \frac{N}{n}\)。在 \(1\) 到 \(k\) 之間隨機選取一個起點，然後選取名單上每隔 \(k\) 個的成員。
例子： 要從 \(200\) 名學生的名單中選出 \(20\) 人，間距 \(k = \frac{200}{20} = 10\)。在 \(1\) 到 \(10\) 之間隨機選一個數字（例如 \(4\)），接著選取第 \(4, 14, 24, 34, \dots, 194\) 位學生。
優點： 簡單易行，能讓樣本均勻分佈在名單中。
局限： 如果名單本身隱含某種與 \(k\) 吻合的週期性規律，便可能產生偏差。
分層抽樣 (Stratified Sampling)
將總體根據共同特徵（例如年齡組別、年級或性別）劃分為不同的子群組（稱為層 (strata)）。然後按照各層在整個總體中所佔的精確比例，從每一層中抽取隨機樣本。
從某一特定層中應選取的成員數量計算公式為：
\(\text{該層樣本容量} = \frac{\text{該層成員數量}}{\text{總體總人數}} \times \text{目標樣本總容量}\)
分層抽樣逐步演示例子：
一所中學的三個年級共有 \(600\) 名學生：
MYP 3：\(180\) 名學生
MYP 4：\(240\) 名學生
MYP 5：\(180\) 名學生
研究人員希望抽取一個包含 \(50\) 名學生的分層樣本。每個年級應選取多少名學生？
第 1 步： 計算 MYP 3 的抽樣數量：
\(\text{MYP 3 的樣本數} = \frac{180}{600} \times 50 = \frac{3}{10} \times 50 = 15\text{ 名學生}\)
第 2 步： 計算 MYP 4 的抽樣數量：
\(\text{MYP 4 的樣本數} = \frac{240}{600} \times 50 = \frac{4}{10} \times 50 = 20\text{ 名學生}\)
第 3 步： 計算 MYP 5 的抽樣數量：
\(\text{MYP 5 的樣本數} = \frac{180}{600} \times 50 = \frac{3}{10} \times 50 = 15\text{ 名學生}\)
第 4 步： 檢查總數：
\(15 + 20 + 15 = 50\)。比例完全吻合！
便利抽樣 (Convenience Sampling)
選取最容易接觸到或現成可得的對象參與調查。
例子： 站在學校門口，直接訪問最先走過來的 \(20\) 個人。
優點： 快捷、便宜且操作簡單。
局限： 極易產生重大偏差；很少能代表整個總體。
配額抽樣 (Quota Sampling)
與分層抽樣類似，研究人員將總體劃分為不同類別（例如 \(25\) 名男生和 \(25\) 名女生），但隨後在各個類別中採用非隨機方法（例如便利抽樣）選取受訪者，直至填滿目標配額為止。
核心要點： 分層抽樣確保了各個子群組按照其在總體中的實際比例得到公平反映，而簡單隨機抽樣則給予每一個成員完全相同的入選機會。
---4. 整理與表示數據
數據收集完成後，往往是一堆未經整理的數字或文字列表，這被稱為原始數據 (raw data)。為了理解這些數據，我們會將它們整理成結構化的統計表和直觀的圖表。
計數符號表與頻數表 (Tally Charts and Frequency Tables)
頻數表 (Frequency table) 用於總結每個數值或類別出現的次數。
舉例來說，假設記錄了 \(20\) 個家庭所養寵物的數量如下：
\(0, 1, 2, 0, 1, 1, 3, 2, 0, 1, 4, 1, 2, 0, 1, 2, 1, 0, 3, 1\)
我們把這些離散數據整理成頻數表：
寵物數量 \(0\)：頻數 = \(5\)
寵物數量 \(1\)：頻數 = \(8\)
寵物數量 \(2\)：頻數 = \(4\)
寵物數量 \(3\)：頻數 = \(2\)
寵物數量 \(4\)：頻數 = \(1\)
總頻數 (\(\sum f\))： \(5 + 8 + 4 + 2 + 1 = 20\)
分組頻數表 (Grouped Frequency Tables)
當處理取值範圍較大的連續數據（如身高、時間或質量）時，各個數值會被歸納進連續的數值區間中，這些區間稱為組區間 (class intervals)。
考慮 \(30\) 名運動員完成短跑所需的時間（\(t\)，以秒為單位）：
\(10.0 \le t < 11.0\)：頻數 = \(4\)
\(11.0 \le t < 12.0\)：頻數 = \(11\)
\(12.0 \le t < 13.0\)：頻數 = \(10\)
\(13.0 \le t < 14.0\)：頻數 = \(5\)
總數： \(30\)
請留意不等號：\(10.0 \le t < 11.0\) 表示從 \(10.0\) 秒起至（但不包括）\(11.0\) 秒的任何時間都歸入此組。剛好等於 \(11.0\) 的數值則屬於下一組：\(11.0 \le t < 12.0\)。這樣可以避免產生歧義！
棒形圖 vs. 組織圖 (Bar Charts vs. Histograms)
同學們常常會混淆這兩種圖表，但它們有著本質的區別：
棒形圖 (Bar Charts)：
- 用於類別（定性）或離散數值數據。
- 各長條之間有明顯的空隙／距離，以顯示各類別是相互獨立分開的。
- 每個長條的高度代表頻數。
組織圖（等組距）(Histograms)：
- 用於連續定量數據。
- 各長條之間沒有空隙，因為連續的組區間是緊密相連的（例如從 \(10\) 到 \(11\)，接著是 \(11\) 到 \(12\)）。
- 橫軸是一條標有組區間的連續數線。
圓形圖 (Pie Charts)
圓形圖是一個被分割成不同扇形的圓形圖表，用來展示總量如何被劃分為各個部分或百分比。
因為圓的一整圈是 \(360^\circ\)，所以每個扇形的圓心角與其對應的頻數成正比：
\(\text{扇形圓心角} = \frac{\text{該類別的頻數}}{\text{總頻數}} \times 360^\circ\)
解答範例： 在一個有 \(30\) 名學生的班級中，有 \(12\) 人步行上學。在圓形圖中，代表步行學生的扇形角應該是多少？
\(\text{圓心角} = \frac{12}{30} \times 360^\circ = \frac{2}{5} \times 360^\circ = 144^\circ\)
幹葉圖 (Stem-and-Leaf Diagrams)
幹葉圖既能按大小順序排列數值數據，同時又能完整保留每一個原始數據值。
每個數值都拆分為兩部分：
- 幹 (stem)：前面的數字。
- 葉 (leaf)：最後一個數字。
例子： 表示以下測驗分數：\(52, 58, 61, 64, 67, 70, 73, 73, 79, 85\)
幹 | 葉
\(5\) | \(2\), \(8\)
\(6\) | \(1\), \(4\), \(7\)
\(7\) | \(0\), \(3\), \(3\), \(9\)
\(8\) | \(5\)
符號說明 (Key)： \(6 \mid 1\) 代表 \(61\text{ marks}\)
重要規則： 幹葉圖必須附帶符號說明（圖例）！沒有說明，讀者就無法判斷 \(6 \mid 1\) 究竟代表 \(61\)、\(6.1\) 還是 \(610\)。
雙向表 (Two-Way Tables)
雙向表可以同時展示兩組類別變量之間的關係。
例子： 調查 \(100\) 名學生參加學會的情況：
男生：\(28\) 人有參加學會，\(22\) 人沒有參加 | 總計 = \(50\)
女生：\(34\) 人有參加學會，\(16\) 人沒有參加 | 總計 = \(50\)
總計：\(62\) 人有參加學會，\(38\) 人沒有參加 | 總人數 = \(100\)
雙向表讓人一目了然地看清邊際總數和特定條件下的子集數據。
---5. 在現實情境中評估有效性與準確度（準則 D，Criterion D）
在 MYP 數學中，收集數據不僅僅是計算數字，更在於培養批判性思考。在現實生活情境中審視數據收集時，請經常反思以下三個問題：
1. 樣本容量是否足夠？
一所擁有 \(1000\) 名學生的學校中，僅抽取 \(5\) 個人作為樣本容量實在太小，即使是隨機選取的，也無法提供可靠的推論模型。
2. 數據收集方法是否可能引入偏差？
- 引導性問題：「你難道不同意學校的午餐很美味嗎？」這種問法是在誘導正面的回答。
- 地點偏差： 在火車站詢問人們日常如何通勤上班，會極度高估公共交通工具的使用比例。
3. 精確度是否恰當？
將書桌的長度精確測量至最接近的毫米是合理的；但將從家走到學校的步行距離精確至毫米則不切實際——精確至最接近的十米或一百米顯然合適得多。
常犯錯誤與避免方法
- 在幹葉圖中忘記寫符號說明： 請務必寫上清晰的符號說明並註明單位（例如 \(4 \mid 2 = 42\text{ cm}\)）。
- 在連續數據組織圖中留下空隙： 繪製連續數據區間的組織圖時，長條之間切勿留有空隙，除非某個特定區間的頻數為零。
- 圓形圖中憑空猜測扇形大小： 千萬不要靠目測繪畫圓形圖扇形！必須始終運用公式 \(\frac{\text{頻數}}{\text{總數}} \times 360^\circ\) 計算出精確的角度，並用量角器準確度量。
- 混淆樣本與總體： 請記住，總體是你感興趣的整個群體；樣本只是你實際觀察的一部分。
本章溫習與重點檢核表
請使用此檢核表來確認自己的學習成果：
[ ] 我能分辨定性數據與定量數據。
[ ] 我能識別數值數據是離散數據（點算得到）還是連續數據（測量得到）。
[ ] 我理解總體（整體群體）與樣本（具代表性的一部分）之間的區別。
[ ] 我能選擇並描述各種抽樣方法：簡單隨機抽樣、系統抽樣、分層抽樣及便利抽樣。
[ ] 我能計算分層抽樣中各層按比例應抽取的數量。
[ ] 我能繪製並解讀頻數表、雙向表、圓形圖以及幹葉圖。
[ ] 我能在現實情境中識別潛在的偏差來源，並評估數據收集計劃的有效性。