歡迎來到數據的世界！
你有沒有想過公司是如何決定銷售哪些產品，或者科學家是如何證明一種新藥有效？這一切都始於單變量數據（Single Variable Data）。在本章中，我們不僅僅是處理數字；我們將學習如何講述這些數字背後的「故事」。無論你是數學天才，還是對數字感到有點畏懼，都別擔心！我們會把所有內容拆解成簡單易懂的片段。
1. 數據視覺化：圖表的威力
在進行任何計算之前，我們需要先看看數據的樣貌。OCR 課程大綱要求你能夠解讀幾種不同類型的圖表。每一種圖表都有其獨特的「超能力」。
你需要掌握的關鍵圖表：
1. 垂直線圖與點圖（Vertical Line Charts & Dot Plots）：非常適合用於小型數據集，讓你清晰看到每一個單獨的數據點。
2. 長條圖（Bar Charts）：最適合處理分類（categorical）數據（例如眼睛顏色或最喜歡的披薩配料）。
3. 莖葉圖（Stem-and-Leaf Diagrams）：它們非常獨特，因為它們既能展示數據的分佈形態，又保留了原始數值。記住，看圖時一定要先找圖例（Key）！
4. 盒鬚圖（Box-and-Whisker Plots）：它們展示了「五數概括」（最小值、下四分位數、中位數、上四分位數和最大值）。這是比較兩組不同數據並排分析的最佳工具。
5. 累積頻數圖（Cumulative Frequency Diagrams）：用於估算分組數據的中位數和四分位數。
直方圖（圖表界的「大佬」）
直方圖看起來像長條圖，但它們其實不一樣！在直方圖中，長條的面積代表的是頻數（Frequency），而不僅僅是高度。
黃金法則： \( \text{Frequency} = \text{Class Width} \times \text{Frequency Density} \)
類比： 想像這些長條是大小不同的容器。要了解裡面裝了多少「水」（頻數），你需要同時考慮容器的寬度（組距）和水位的高度（頻數密度）。
快速複習：我該用哪種圖表？
• 若要保留原始數值：莖葉圖。
• 若要比較數據的分散程度：盒鬚圖。
• 若處理分組的連續數據：直方圖。
2. 集中趨勢量度（尋找「中間值」）
這部分是關於如何找出數據中的「典型」值。
• 平均數（Mean, \(\bar{x}\)）：算術平均值。 \( \bar{x} = \frac{\sum x}{n} \)。
• 中位數（Median）：將數據排序後位於中間的數值。它對極端值有「抗干擾性」（即使有一個數值大得離譜，也不會影響它）。
• 眾數（Mode）：出現次數最多的數值。
記憶小撇步：
• MOde（眾數）就是出現最 MOst（頻繁）的數值。
• MEdian（中位數）就是在 MIddle（中間），就像馬路中間的分隔帶。
• 平均數（Mean）最「mean」（刻薄），因為它總是讓你做最多的計算！
3. 分散度量度（變異性）
只知道平均值是不夠的。我們還需要知道數據是集中在一起，還是像一團亂麻般散開！
四分位數與四分位距（IQR）
四分位數將你的數據分成四個相等的部分。
• 下四分位數（Lower Quartile, \(Q_1\)）：位於數據排序的 25% 位置。
• 上四分位數（Upper Quartile, \(Q_3\)）：位於數據排序的 75% 位置。
• 四分位距（IQR, \(Q_3 - Q_1\)）：這能告訴你中間 50% 的數據有多分散。它排除了兩端那些極端的「怪異」數值。
方差與標準差
這些量度更高級。它們會觀察每一個數據點，看看它們平均距離平均數有多遠。
標準差（Standard Deviation, \(\sigma\)）：這是「均方根偏差」。基本上，它就是距離平均數的平均距離。低標準差意味著數據很穩定；高標準差意味著數據非常分散。
公式（別驚慌！）：
對於一組原始數據：
\( \sigma = \sqrt{\frac{\sum (x - \bar{x})^2}{n}} \) 或更簡單的版本： \( \sigma = \sqrt{\frac{\sum x^2}{n} - \bar{x}^2} \)
專業建議： 學會使用計算機的統計模式（Statistics Mode）！OCR 考試期望你能利用計算機快速得出這些數值。
關鍵結論： 當數據穩定時，同時使用平均數與標準差。如果你的數據中存在會將平均數「拉偏」的極端值，則改用中位數與四分位距（IQR）。
4. 極端值與數據清理
有時候，數據中會包含錯誤或非常奇怪的數值，稱為極端值（Outliers）。你不能只憑感覺隨意忽略它們；你需要遵循數學規則！
如何識別極端值（OCR 定義）：
一個數值通常被視為極端值，如果：
1. 它與最近的四分位數距離超過 1.5 × IQR。
（例如：大於 \(Q_3 + 1.5 \times \text{IQR}\) 或小於 \(Q_1 - 1.5 \times \text{IQR}\)）
2. 它與平均數的距離超過 2 × 標準差。
（例如：大於 \(\bar{x} + 2\sigma\) 或小於 \(\bar{x} - 2\sigma\)）
數據清理
數據清理涉及處理缺失值、錯誤或極端值。如果某個數值顯然是錯誤的（例如某人的年齡被記錄為 200 歲），我們就必須將其剔除。這至關重要，因為「垃圾進，垃圾出（Garbage In = Garbage Out!）」！
你知道嗎？ 對於真正的數據科學家來說，數據清理可能佔用了他們 80% 的工作時間！實際計算最終答案反而只是其中很小的一部分。
5. 比較分佈
在考試中，你經常會被要求「比較這兩組數據」。要獲得滿分，你必須結合數據值，針對以下兩點進行評論：
1. 集中趨勢量度：比較中位數或平均數。（例如：「A 組的中位數高於 B 組，顯示 A 組的平均表現較好。」）
2. 分散度量度：比較四分位距（IQR）或標準差。（例如：「B 組的四分位距較小，意味著他們的結果比 A 組更穩定。」）
避免常見錯誤：千萬不要只是列出數字。你必須在問題的具體情境下進行解讀（例如，談論「考試分數」或「植物高度」，而不僅僅是「數據」）。
總結：關鍵重點
• 直方圖：面積 = 頻數。檢查你的頻數密度！
• 標準差：反映數據的穩定性。記得善用你的計算機。
• 極端值：使用 \(1.5 \times \text{IQR}\) 規則或 \(2\sigma\) 規則來證實某個值是否為極端值。
• 數據比較：永遠要在特定情境下，同時討論平均值與分散程度。
如果起初覺得公式很多，別擔心。當你練習越多「閱讀」圖表，這些概念就會變得越來越自然。你一定可以的！