歡迎來到數據呈現與詮釋的世界！
在這一章，我們將不再只是單純地盯著一串串數字，而是要學習如何運用這些數據來「說故事」。無論你是要分析人們的收入水平，還是球隊的入球數，你都需要學會如何總結這些資訊並從中發現規律。對於考卷三 (Paper 3)，你必須掌握如何解讀圖表、計算數據的「離散程度」(spread)，以及判斷一個數據點究竟是異常的誤差，還是重要的資訊。
如果起初覺得有點棘手，別擔心！ 統計學往往只是將常識應用於數學公式中。讓我們一步步拆解這些內容。
1. 單變量數據：強大的直方圖
當我們觀察一類數據時（例如學生的身高），我們稱之為單變量數據 (single-variable data)。這裡最重要的工具就是直方圖 (Histogram)。
直方圖的黃金法則
在普通的長條圖中，柱狀的高度代表頻率。但在直方圖中，面積代表頻率 (Area represents the Frequency)。這是學生最容易失分的地方，請謹記這個口訣：
「面積即數量」(Area is the Amount)
計算頻率密度 (Frequency Density)
為了繪製或解讀直方圖，我們需要在縱軸使用頻率密度。其公式為：
\( \text{Frequency Density} = \frac{\text{Frequency}}{\text{Class Width}} \)
類比： 想像你在不同大小的吐司上塗抹牛油。如果你有相同份量的牛油（頻率），但吐司的面積比較大（組距），那麼抹上去的牛油層（頻率密度）就會薄得多！
與機率的聯繫
由於直方圖的總面積代表總頻率，我們可以用它來理解機率分佈 (Probability Distributions)。如果你將總面積縮放至 1，那麼每個長條的面積就代表了數據點落入該組的機率。
重點速覽：
• 頻率 (Frequency) = 長條面積
• 頻率密度 (Frequency Density) = 長條高度
• 總面積 (Total Area) = 數據點總數
2. 雙變量數據：散點圖與相關性
雙變量數據 (Bivariate data) 只是個專業術語，意指我們同時觀察兩件事，看看它們之間是否有關聯（例如：「補習時間越長，分數是否越高？」）。
散點圖與迴歸線 (Regression Lines)
我們將這些數據繪製在散點圖上，並可能畫出一條穿過數據點的迴歸線 (Regression Line)（即最佳擬合線）。這條線可用於進行預測：
• 內插法 (Interpolation)： 預測數據範圍「內」的數值（通常較可靠）。
• 外推法 (Extrapolation)： 預測數據範圍「外」的數值（風險極高，且往往不準確！）。
相關性 vs. 因果關係
這是考題的最愛！僅僅因為兩件事有強烈的相關性 (correlation)（它們同時變動），並不代表其中一件是另一件的成因 (cause)。
你知道嗎？ 統計數據顯示，雪糕銷量和鯊魚襲擊事件的數量會同時上升。吃雪糕會導致鯊魚襲擊嗎？當然不會！背後的「隱藏變量」是天氣——天氣熱的時候，人們既會多買雪糕，也會更多地去海邊游泳。
群體中的不同組別
有時散點圖會顯示兩個混在一起的不同群體。例如，如果你繪製全校師生的身高與體重，你可能會看到兩團明顯的「雲」——一團是年幼的學生，另一團是老師。識別這些子群體 (sub-populations) 是詮釋數據的一項關鍵技能。
關鍵要點： 相關性顯示了兩者的關聯，但永遠無法證明因果關係。
3. 集中趨勢與離散程度的度量
我們需要用數值來描述數據的「中間位置」和「離散程度」。
平均值 (Mean, \( \bar{x} \))
即平均數。計算方法是將所有數值相加，然後除以數據點的總個數：
\( \bar{x} = \frac{\sum x}{n} \)
標準差 (Standard Deviation, \( \sigma \))
這是衡量數據圍繞平均值分散程度的指標。低標準差代表數據集中在平均值附近；高標準差則代表數據分佈得非常廣泛。
你需要學會利用總結統計量 (summary statistics)，透過以下公式計算標準差：
\( \sigma = \sqrt{\frac{\sum x^2}{n} - \left(\frac{\sum x}{n}\right)^2} \)
記住公式的小技巧：
它是「平方的平均值減去平均值的平方，再開根號」。
常見陷阱： 在計算「平均值的平方」時，請務必先算出平均值 (\( \bar{x} \))，然後再將其平方。千萬不要把它跟 \( \sum x^2 \) 搞混了！
4. 極端值 (Outliers) 與數據清洗
極端值 (Outlier) 是指與其餘數據偏離甚遠的數據點。它可能是一個非常罕見的結果，也可能僅僅是一個錯誤（例如某人把 15cm 誤輸入為 150cm）。
如何發現極端值
在考試中，通常會提供判定極端值的準則，常見的包括：
1. 任何大於上四分位數 + 1.5 \(\times\) 四分位距 (IQR) 或小於下四分位數 - 1.5 \(\times\) IQR 的數值。
2. 任何距離平均值超過 2 個標準差的數值。
數據清洗 (Data Cleaning)
在分析數據之前，你必須先將其「清洗」。這包括：
• 處理缺失數據： 決定是要忽略它們，還是設法補回缺失值。
• 修正錯誤： 修改明顯的打字錯誤。
• 移除極端值： 僅在確定其為誤差，或會不公平地扭曲結果時才移除。
選擇正確的圖表
你可能會被要求評論 (critique) 一個數據呈現方式。
• 箱形圖 (Box Plots) 很適合用來顯示極端值並比較兩個不同組別的「離散程度」。
• 直方圖 (Histograms) 對於觀察數據的「形態」（是對稱的還是偏態的？）更有優勢。
關鍵要點： 在開始計算之前，請務必檢查數據中是否有「古怪」的數字。單一個極端值就可能完全毀掉你的平均值和標準差計算結果！
最後速覽表
1. 直方圖： 面積 = 頻率。使用頻率密度作為高度。
2. 迴歸： 內插法很安全；外推法是「危險地帶」。
3. 相關性： 不等於因果關係！
4. 標準差： 衡量數據離散程度。使用「平方的平均值減去平均值的平方再開根號」公式。
5. 極端值： 使用 1.5 \(\times\) IQR 準則或 2 個標準差準則來識別它們。