歡迎來到統計學！統計數據的分類
各位 IGCSE 數學科的同學你好！歡迎來到統計學的世界。別擔心，這一章還不會有複雜的公式，我們主要學習基本功：如何整理我們收集到的一堆雜亂無章的原始資料。
試著把數據想像成散落在房間裡的玩具。在你搭建出什麼厲害的東西之前，你需要先把它們按類型分類（積木、車子、人偶），然後整齊地放進收納盒（表格）裡。學會如何正確地分類數據，是進行任何有效統計分析的關鍵第一步！
第一節：量化數據的兩種基本類型 (C10.3 / E10.3)
當我們處理數值資訊（量化數據）時，根據數據的收集或測量方式，我們主要將其分為兩大類：離散數據 (Discrete) 或 連續數據 (Continuous)。
1.1 離散數據 (Discrete Data)
離散數據是指只能取特定、固定數值的數據，通常為整數。它是透過「數數」而得來的。
- 主要特徵： 數據必須是可數的。在固定的數值之間，不存在其他數值。
- 類比/小撇步： 想像一下數手指的數量（你不可能有 8.5 根手指）。
離散數據的例子：
- 課室內的學生人數（10, 11, 12 等）。
- 測驗得分（1/10, 2/10 等）。
- 一小時內經過校門口的車輛數目。
1.2 連續數據 (Continuous Data)
連續數據是指在給定範圍內可以取任何數值的數據。它是透過「測量」而得來的。
- 主要特徵： 數值僅受限於測量工具的精確度。理論上，你可以有無窮多位的小數點。
- 類比： 想像測量身高。你可能會說 175 公分，但精確數值可能是 175.3 公分、175.34 公分，或是 175.3458 公分……它是連續不斷變化的。
連續數據的例子：
- 人的身高或體重。
- 跑 100 公尺所花的時間。
- 燒杯中水的溫度。
速查箱：離散 vs. 連續
離散： 計算（例如：小孩人數、入球數、鞋碼）。
連續： 測量（例如：時間、重量、長度）。
第二節：透過製表來整理數據 (C10.1 / E10.1)
一旦我們了解了數據的類型，就需要使用表格來整理。這個過程稱為統計數據製表。最常用的方法是使用頻數分佈表 (Frequency distributions)。
2.1 簡單的劃記法與頻數表
當你收集原始數據時，通常只是一長串雜亂無章的清單。劃記表 (Tally Table) 能幫助我們有系統地統計每個數值出現的次數。
如何製作一個簡單的劃記表：
- 在第一欄列出所有可能的數據值（或類別）。
- 逐一檢查原始數據清單，並在相應數值的旁邊加上一個劃記符號（豎線）。
- 使用標準分組法：四條豎線，然後加上一條斜線跨過這四條 (\(H\)) 來代表五。這能讓統計變得更快。
- 頻數 (Frequency) 欄位列出每個數值的最終總數（實際數字）。
例子： 如果一班學生記錄他們擁有的寵物數量：2, 0, 1, 3, 2, 1, 1, 0, 2。
表格片段：
數值 (寵物數量) | 劃記 | 頻數
0 | II | 2
1 | III | 3
2 | III | 3
3 | I | 1
2.2 分組頻數分佈表
如果你處理的是連續數據（如身高或時間），或是範圍非常廣的離散數據（如 100 個人的考試分數），簡單的劃記表會變得太長。
在這種情況下，我們使用分組頻數分佈表，將數據分成不同的組距 (Class Intervals)（或組別）。
組距的重要性
你定義組別的方式至關重要。組距必須符合：
- 互斥 (Non-overlapping)： 一個數據點只能歸入一組。
- 窮盡 (Exhaustive)： 所有數據點都必須被涵蓋在組別內。
- 寬度一致 (通常)： 為了便於日後比較，組距通常保持相同寬度（例如：0-10, 10-20, 20-30）。
常見錯誤警報！處理界線問題
在設定連續數據的界線時，必須清楚像 10.0 這樣的數值應該歸在哪一組。
以身高 (h, 單位 cm) 為例的良好記法：
- \(150 \leq h < 160\)：這組包含 150 公分，但止於 160 公分之前。
- \(160 \leq h < 170\)：這組包含 160 公分。
這能確保對於精確測量值（如 160 公分）應歸入哪一組不會產生歧義。
2.3 雙向表格 (Two-Way Tables)
雙向表格（或稱列聯表）用於顯示涉及兩個不同類別的數據。它能讓你看到這兩類分類之間的關係或重疊部分。
你知道嗎？ 這些表格在現實世界的調查和品質檢查中非常普遍，因為它們讓研究人員可以同時比較兩個因素。
結構：
- 一個類別的分類列在側邊（橫列，Rows）。
- 第二個類別的分類列在上方（縱欄，Columns）。
- 表格內部的儲存格顯示同時符合兩項分類的項目的頻數（計數）。
- 最後一欄和最後一列通常留作總計 (Totals) 使用。
例子：調查學生偏好數學還是科學，並按性別（男/女）分組。
題目可能會問：「有多少位女性學生偏好科學？」 你只需找到「女性」橫列與「科學」縱欄的交叉點即可。
重點總結：
分類始於識別數據是離散的（可數）還是連續的（可測量）。隨後，我們利用劃記表、針對大型數據集的分組頻數表，或是能同時檢視兩個類別的雙向表格來進行整理。精通製表能讓後續的所有統計計算變得輕鬆許多！
第三節：分類與製表術語摘要
以下是本章重要詞彙的快速參考指南：
- 統計數據 (Statistical Data)： 為分析而收集的原始事實與數字。
- 量化數據 (Quantitative Data)： 數值數據（可分為離散或連續）。
- 離散數據 (Discrete Data)： 透過計數獲得的數據（固定的、具體的數值）。
- 連續數據 (Continuous Data)： 透過測量獲得的數據（在範圍內可取任何值）。
- 劃記表 (Tally Table)： 使用符號（如 \(H\)）來統計個別數值出現次數的製表方法。
- 頻數 (Frequency)： 特定數值或類別在數據集中出現的次數。
- 組距 (Class Interval)： 用於在頻數表中對連續數據進行分組的範圍（例如：\(10 \leq x < 20\)）。
- 雙向表格 (Two-Way Table)： 用於根據兩個不同類別對數據進行分類的表格。