統計圖表與數據可視化（IGCSE 0580 數學）
你好，未來的數據分析師！歡迎來到數據可視化的世界。數字固然重要，但單看枯燥的列表難免會讓人眼花撩亂。本章的重點就是將這些沉悶的清單轉化為精美且資訊豐富的圖表！這些圖表能幫助我們快速詮釋數據，並作出精明的結論。別擔心自己沒有藝術細胞；我們只需要掌握如何準確繪製和解讀它們即可！
認識數據類型：離散型與連續型
在繪製圖表之前，我們必須先了解手中的數據類型。請回顧統計章節（C10.3 / E10.3）中的定義：
- 離散數據（Discrete Data）： 只能取特定、固定數值（通常為整數）的數據，通常是透過「數算」得出的。
例子：學生擁有的兄弟姐妹人數（你不可能有 2.5 個兄弟姐妹）。 - 連續數據（Continuous Data）： 在一定範圍內可以取任何數值的數據，通常是透過「測量」得出的。
例子：身高、體重或溫度。（註：C10.6 中的大多數圖表主要處理離散數據或分類數據。）
小貼士： 離散數據使用獨立的長條（如標準長條圖）。連續數據通常需要直方圖（Histogram）等方法（這屬於 0580 Extended 課程範圍，但不在本處 C10.6/E10.6 的討論範疇內）。
1. 長條圖（Bar Charts）
長條圖是表示數據最常見的方法之一。它使用矩形長條，長條的長度（或高度）與頻數（Frequency，即某個項目出現的次數）成正比。
繪製簡易長條圖（C10.6/E10.6(a)）
關鍵要素：
- 長條通常垂直繪製。
- 長條之間必須有相等的間距。
- 坐標軸必須清晰標註，並具備合適且一致的比例尺。
例子：展示 50 名學生最喜愛的運動。
「運動」類別（足球、欖球、網球）放在橫軸（x 軸），而「頻數」（學生人數）放在縱軸（y 軸）。
組合式（堆疊）長條圖（Composite Bar Charts）
組合式長條圖將不同的組成部分「堆疊」在同一個長條內。它同時展示了總頻數以及每個子類別所佔的比例。
想像成「夾層蛋糕」： 整個長條代表該類別的總人數，而不同的分層則是該類別內的小組成員。
重要： 你必須包含一個圖例（Key/Legend），以說明堆疊中每種顏色或圖案代表什麼。
雙重（並排）長條圖（Dual Bar Charts）
當你需要針對相同類別比較兩組不同的數據集時，會使用雙重長條圖並排比較。
例子：比較「產品 A」和「產品 B」在四個月內的銷售數據。
對於每個月，你會畫出兩個緊鄰的長條（一個代表 A，一個代表 B）。
重要： 與組合式圖表一樣，清晰的圖例對於區分兩組數據至關重要。
長條圖重點： 長條之間必須有間距，比例尺必須一致；若涉及複雜的長條（堆疊或並排），務必加上圖例！
2. 圓形圖（Pie Charts）
圓形圖（C10.6/E10.6(b)）是用於顯示整體數量如何劃分為各部分的圓形圖表。整個圓代表數據的 100% 或 360°。
想像成「披薩」： 整個披薩是你的總數據集，每一片代表一個類別。
計算圓形圖的角度（核心技能！）
圓形圖中每個扇形（切片）的大小與其代表的頻數成正比。由於圓周總計為 360°，我們根據總頻數來計算每個類別的角度。
計算步驟：
- 找出總頻數（Total Frequency）（將所有數值加總）。
- 使用以下公式計算每個類別的角度：
$$ \text{角度} = \frac{\text{該類別的頻數}}{\text{總頻數}} \times 360^{\circ} $$
例子：若 50 名學生中有 10 人選擇「紅色」作為最愛顏色：
\( \text{紅色的角度} = \frac{10}{50} \times 360^{\circ} \)
\( \text{紅色的角度} = 0.2 \times 360^{\circ} = 72^{\circ} \)
常見錯誤： 務必檢查計算出的角度總和是否為 360°。如果不對，說明你的計算出錯了！
圓形圖重點： 圓形圖顯示的是比例。你必須根據該類別在總數中所佔的份額來計算其對應的圓心角。
3. 象形圖（Pictograms）
象形圖（C10.6/E10.6(c)）使用簡單的圖像或符號來表示頻數。
黃金法則：圖例（Key）！
每個象形圖都必須包含一個清晰的圖例，解釋一個符號代表的具體數量。
例子：如果象形圖顯示賣出的蘋果數量，圖例可能寫：
圖例： \( \text{一個蘋果符號} = 10 \text{ 個蘋果} \)
如果頻數是 35，你就要畫 3 個完整的蘋果符號和一個半個蘋果的符號。確保你畫的符號容易識別且能方便切割出分數部分。
你知道嗎？ 象形圖非常適合向大眾展示數據，即使是那些對複雜圖表感到頭痛的人也能一目了然！
象形圖重點： 必須包含清晰的圖例來定義符號價值。準備好在需要時繪製半個或四分之一個符號。
4. 莖葉圖（Stem-and-Leaf Diagrams）
莖葉圖（C10.6/E10.6(d)）是一種整理數值數據的絕佳方式，因為它既保留了原始數據，又能展示數據的分佈形態。
想像你收集了 20 名學生的考試分數：
45, 61, 68, 49, 70, 72, 83, 61, 55, 59, 78, 81, 74, 60, 52, 53, 67, 70, 60, 75
繪製莖葉圖（步驟說明）
- 確定莖與葉：
莖（Stem）通常是首位數字（例如十位數或百位數）。
葉（Leaf）通常是末位數字（例如個位數）。
針對上述分數，莖為十位數（4, 5, 6, 7, 8），葉為個位數。 - 草擬圖表（未排序）：
4 | 5, 9
5 | 5, 9, 2, 3
6 | 1, 8, 1, 0, 7, 0
7 | 0, 2, 8, 4, 0, 5
8 | 3, 1 - 葉子排序（關鍵步驟！）： 每行的葉子必須按升序排列（從小到大）。
4 | 5, 9
5 | 2, 3, 5, 9
6 | 0, 0, 1, 1, 7, 8
7 | 0, 0, 2, 4, 5, 8
8 | 1, 3 - 包含圖例（必備）： 圖例告訴讀者如何解讀數字。
圖例： 5 | 2 代表 52（分）
溫馨提示： 葉子的順序非常關鍵！如果忘記排序，你的圖表就是錯誤的。務必在圖表旁註明圖例。
解讀莖葉圖：
此圖清晰展示了分佈情況。你可以看出大多數學生的分數落在 60 到 79 分之間。你還可以從有序列表中輕鬆找出眾數（出現最多次的數）和中位數（中間的數）。
莖葉圖重點： 它既展示分佈又保留原始數值。必須排序並包含圖例。
5. 簡單頻數分佈表
簡單頻數分佈（C10.6/E10.6(e)）通常是我們在繪製圖表前製作的表格，通常包含劃記（Tally）。這是總結數據最簡單的方法。
劃記表與頻數表（C10.1）：
這涉及計算每個數值或類別出現的次數。這個原始計數就是頻數（Frequency）。
| 類別 | 劃記 | 頻數 |
| --- | --- | --- |
| 藍色 | IIIII I | 6 |
| 綠色 | IIII | 4 |
我們利用這些表格整理數據，進而計算平均值（平均數、眾數、中位數）或繪製上述提到的圖表（長條圖、圓形圖等）。
重點： 簡單頻數分佈是所有統計圖表的基石。它列出了類別以及每個類別的計數（頻數）。
總結：解讀與比較數據（C10.2 / E10.2）
圖表的最終目的是解讀數據並推論結論。在考試中，你經常被要求比較兩個圖表或兩組數據。
比較數據集時，主要看兩點：
- 平均值（集中趨勢）： 數據的中間位置在哪裡？
例子：「A 組的平均值較高，說明 A 組學生整體表現較好。」 - 離散程度（全距/四分位距）： 數據的一致性如何，還是分散得很開？
例子：「B 組的全距較小，意味著他們的成績更加穩定。」
重要提醒（C10.2.3）： 必須時刻意識到推論的局限性。樣本數過小或選擇偏差意味著你的結論可能無法推廣到整個總體。
繼續練習準確、整潔地繪製這些圖表——特別是圓形圖的計算和莖葉圖的排序。你一定做得到的！