歡迎來到進階統計學！

歡迎來到數據的世界！在這個章節中，我們不僅僅是計算簡單的平均數，更要成為「數據偵探」。我們將學習如何觀察龐大數據背後的規律，衡量資訊的「分散程度」，並運用趨勢來預測未來。統計學的應用無處不在——從預測天氣和體育賽事結果，到判斷一種新藥是否有效。讓我們開始吧！

1. 理解離散度（數據有多分散？）

在之前的學習中，你已經認識了平均數 (Mean)、中位數 (Median) 和 眾數 (Mode)。這些數值告訴我們數據的「中心」在哪裡，但中心點並不能說明全部情況。我們還需要知道數據是集中在一起，還是分佈得非常開。

全距 (Range) 與 四分位距 (IQR)

全距 (Range) 是衡量分散程度最簡單的方法：即最大值與最小值之間的差。
例子：在一組分數為 10, 50, 90 的測試中，全距為 \( 90 - 10 = 80 \)。

四分位距 (Interquartile Range, IQR) 更可靠，因為它排除了「異常值」（極高或極低的數值）。要計算它，我們將數據分成四個等分，稱為四分位數 (Quartiles)：

  • 下四分位數 (\( Q_1 \))： 第 25 百分位數（下半部分的中心）。
  • 中位數 (\( Q_2 \))： 第 50 百分位數（整組數據的中心）。
  • 上四分位數 (\( Q_3 \))： 第 75 百分位數（上半部分的中心）。

公式： \( IQR = Q_3 - Q_1 \)

標準差 (Standard Deviation)

別被這個名稱嚇到了！標準差 (\( \sigma \)) 其實就是指「每個數值與平均數之間的平均距離」。

  • 低標準差代表數據非常接近平均數（較穩定）。
  • 高標準差代表數據分佈距離平均數較遠（較不穩定）。

比喻： 想像兩位射箭選手。選手 A 每次都能射中靶心或非常接近靶心；選手 B 有時能射中，但有時會射到靶邊。選手 A 的標準差較低，而選手 B 的標準差較高。

重點小結： 平均數告訴我們平均水平；四分位距和標準差則告訴我們，平均數作為代表性數值有多值得信賴。

2. 累積頻數：計算「累計總數」

累積頻數 (Cumulative Frequency) 就是頻數的累加總和。它能幫助我們快速找到大型數據集的中位數和四分位數。

如何繪製累積頻數曲線：

  1. 建立表格： 在頻數分佈表中增加一列，並在往下計算時將頻數累加起來。
  2. 繪圖： 始終將累積頻數繪製在垂直軸 (y軸)，將數據值繪製在水平軸 (x軸)。
  3. 黃金法則： 務必在組距的上限 (upper boundary) 點繪圖。例如，若分組為「10 < x ≤ 20」，請在 20 的位置標點。
  4. 圖形形狀： 用平滑的 S 形曲線（有時稱為累積頻數曲線或 ogive）連接各點。

如何使用圖表：

若要尋找中位數，請在 y 軸找到一半的位置（總頻數 ÷ 2），向右畫線到曲線上，再垂直向下對應到 x 軸讀取數值。

常見錯誤： 不要從第一組的頻數開始畫！圖表應該從 x 軸的第一組起點開始（此時累積頻數為零）。

重點小結： 累積頻數圖就像一場「登山」，它永遠向上攀升，並能精準顯示 25%、50% 和 75% 的位置。

3. 箱形圖 (Box-and-Whisker Plots)

箱形圖 (Box-and-Whisker Plot) 透過五個關鍵數字（五數概括法, 5-Number Summary）對數據進行視覺化總結：

  1. 最小值
  2. 下四分位數 (\( Q_1 \))
  3. 中位數 (\( Q_2 \))
  4. 上四分位數 (\( Q_3 \))
  5. 最大值

「箱子」代表了數據中間的 50%（從 \( Q_1 \) 到 \( Q_3 \)）。
「鬍鬚」則延伸至最小值和最大值。

為什麼要使用它？

它是比較兩組數據的絕佳工具。例如，繪製 A 班和 B 班的考試分數，你能一眼看出哪一班的中位數較高，或者哪一班的成績分佈更廣。

你知道嗎？ 無論鬍鬚多長，中間的「箱子」永遠包含了一半的數據點！

重點小結： 箱子越窄，數據越一致；箱子越寬，數據差異越大。

4. 雙變量數據：兩者之間的關係

統計學不僅僅是一連串數字。我們通常想知道兩件事是否相關，例如「讀書時間會影響考試成績嗎？」或「冰淇淋銷量會隨著氣溫升高嗎？」。這稱為雙變量數據 (Bivariate Data)。

散佈圖與相關性

當我們將兩個變數繪製在圖表上時，我們會尋找相關性 (Correlation)：

  • 正相關： 兩者同時增加（例如身高和鞋碼）。點呈現「向上」趨勢。
  • 負相關： 一個增加，另一個減少（例如山的高度和氣溫）。點呈現「向下」趨勢。
  • 無相關： 點散亂分佈，像灑出的胡椒一樣，兩者之間沒有關係。

相關係數 (\( r \))

科學家和數學家使用 \( r \) 值來衡量關係的強弱：

  • \( r = 1 \)：完美的正相關（一條完美的直線）。
  • \( r = -1 \)：完美的負相關。
  • \( r = 0 \)：完全沒有相關性。

最佳擬合線 (回歸線)

最佳擬合線 (Line of Best Fit) 是穿過散佈圖中點群中間的直線，我們用它來進行預測。

  • 內插法 (Interpolation)： 預測數據範圍「內」的數值，通常相當可靠。
  • 外推法 (Extrapolation)： 預測數據範圍「外」的數值（例如預測一個嬰兒 50 歲時的身高）。要小心！ 這通常不可靠。
重點小結： 相關性不等於「因果關係」。兩件事同時發生並不代表其中一件事導致了另一件事！

最終總結清單

在完成本章之前，請確保你能：

  • 找出 IQR 並理解標準差的含義。
  • 繪製累積頻數曲線並利用它找出中位數。
  • 建立並比較箱形圖。
  • 在散佈圖中識別正相關、負相關和零相關。
  • 使用最佳擬合線進行預測（並知道何時會有風險！）。

如果一開始覺得很困難，別擔心！ 統計學是一門視覺化的學科。練習繪圖越多，觀察圖形越多，你就會越得心應手。祝你計算順利！