Measures of average and spread

簡介：為什麼要整理數據？

想像一下你正在統計 1,000 名學生的身高。如果有人問你：「你們學校的學生身高如何？」，你肯定不會把每一個測量結果都讀出來吧！相反地，你會使用幾個數字來描述整組數據。這就是平均數（measures of average）（用來顯示中心位置）和離差（measures of spread）（用來顯示變異程度）派上用場的時候。這些工具能幫助我們比較不同的數據集，並解讀這個世界，從天氣模式到考試成績，無一不可。

1. 平均數（集中趨勢）

「平均數」是一個單一數值，試圖透過識別數據中的中心位置來描述一組數據。在 H240 課程大綱中，你需要熟練掌握三種主要的類型。

平均值（Mean，\(\bar{x}\)）

平均值是大多數人提到「平均」時所指的概念。計算方法是將所有數值相加，然後除以數值的總數。

公式： \(\bar{x} = \frac{\sum x}{n}\)
其中 \(\sum x\) 代表「所有數值的總和」，而 \(n\) 是數值的數量。

優點： 它運用了每一個數據點。
缺點： 它容易被一兩個極高或極低的數值（離群值）「拉偏」，從而遠離真正的中心。

中位數（Median）

中位數是將數據按順序排列後，處於正中間的數值。如果數據的數量是偶數，中位數就是中間兩個數值的平均值。

類比： 想像馬路中間的「中央分隔帶」（median strip）——它將道路精確地一分為二。

眾數（Mode）

眾數是出現次數最多的數值。你可以擁有超過一個眾數（雙峰或多峰），如果所有數值都是獨一無二的，則該組數據沒有眾數。

快速回顧：
- 平均值： 「平衡者」（將總量平均分配）。
- 中位數： 「中間點」（50% 的數據在其上，50% 在其下）。
- 眾數： 「受歡迎者」（出現頻率最高）。

2. 離差（變異程度）

平均數告訴我們中心在哪裡，但離差告訴我們數據的穩定性。身高的差異是都很接近，還是最矮與最高的學生之間有巨大的落差？

四分位數與四分位距（Inter-Quartile Range，IQR）

正如中位數將數據分成兩半，四分位數將數據分成四個等分。

- 下四分位數（\(Q_1\)）： 第 25 個百分位數（即四分之一處）。
- 上四分位數（\(Q_3\)）： 第 75 個百分位數（即四分之三處）。
- 四分位距（IQR）： \(Q_3 - Q_1\)。

為什麼要用 IQR？ 與全距（Range）不同，IQR 忽略了數據兩端的極端值，只關注中間的 50%。如果你的數據中包含奇怪的離群值，IQR 會可靠得多。

變異數與標準差（Standard Deviation，\(\sigma\)）

標準差是 A Level 數學中衡量離差的「黃金標準」。它衡量的是每個數據點平均距離平均值有多遠。

標準差的「步驟」：
如果這看起來很複雜，別擔心！你的計算機會處理大部分繁重的計算，但你必須理解這個公式：

\(\sigma = \sqrt{\frac{\sum x^2}{n} - \bar{x}^2}\)

記憶小撇步： 一個常見的記憶方法是「平方根之（平方的平均減去平均的平方）」。

變異數（Variance）： 這就是標準差的平方（\(\sigma^2\)）。它是你在進行最後開根號運算「之前」的數值。

常見錯誤： 忘了在計算最後開根號！如果你的離差答案看起來比原始數據大得多，你很可能算成了變異數，而不是標準差。

3. 處理分組數據（Grouped Data）

有時數據以組別形式給出（例如：「5 名學生的身高在 140cm 到 150cm 之間」）。因為我們不知道確切的身高，我們使用每組的組中值（midpoint）作為 \(x\) 的估計值。

估計平均值： \(\bar{x} \approx \frac{\sum fx}{\sum f}\)
（將每個頻率 \(f\) 乘以其組中值 \(x\)，相加後除以總頻率）。

估計標準差： \(\sigma \approx \sqrt{\frac{\sum fx^2}{\sum f} - \bar{x}^2}\)

你知道嗎？ 因為我們使用了組中值，所以從分組數據中得出的任何計算結果都只是估計值，而不是精確值。

4. 離群值（Outliers）與數據清理

離群值是距離其他數據非常遙遠的點，它可能是一個誤差，也可能是一個非常罕見的案例。在 H240 課程中，識別離群值有兩條常用規則：

1. IQR 規則： 任何大於 \(Q_3 + 1.5 \times \text{IQR}\) 或小於 \(Q_1 - 1.5 \times \text{IQR}\) 的數值。
2. 標準差規則： 任何距離平均值超過 \(2\) 個標準差的數值。

數據清理： 這涉及到決定是否要移除離群值（如果是錯誤造成的）或者保留它們（如果是真實存在的極端案例）。

5. 比較分佈

當考試題目要求你「比較兩個分佈」時，你必須在語境下提及兩件事：

1. 比較平均數： 使用平均值或中位數。（例如：「A 班的中位數分數比 B 班高，說明他們平均表現較好。」）
2. 比較離差： 使用標準差或 IQR。（例如：「B 班的標準差較小，說明他們的成績更穩定。」）

關鍵總結：
- 高離差 = 數據不穩定。
- 低離差 = 數據穩定/可靠。

總結檢查清單

- 你會用計算機計算平均值和標準差嗎？（檢查你的說明書！）
- 你知道變異數和標準差之間的區別嗎？
- 你能使用 \(1.5 \times \text{IQR}\) 規則找出離群值嗎？
- 當比較數據時，你是否同時提到了平均數和離差？