歡迎來到數據呈現的世界！
在這一章，我們將不再只是盯著一堆數字，而是要為數據繪製「圖畫」。統計本質上就是用數字說故事，而你的任務就是讓這個故事既清晰又精準。無論是在分析運動員的身高，還是人們擁有的寵物數量，你呈現數據的方式決定了他人對數據的理解程度。如果某些圖表初看之下讓你感到壓力，別擔心——我們會一步步為你拆解！
1. 基本構件：數據類型
在繪製圖表前，我們必須先了解正在處理的是哪種數據。這就像為不同的食物選擇合適的容器；你總不會用平底盤子來裝湯吧！
分類數據 (Categorical Data)： 這些是「標籤」或「名稱」。例如：眼睛顏色、最喜歡的披薩配料或汽車品牌。
離散數據 (Discrete Data)： 這些是透過「數算」得出的數值。它們通常有固定的數值，不存在中間值。例如：你有多少個兄弟姊妹（你不可能有 2.4 個兄弟姊妹吧！）。
連續數據 (Continuous Data)： 這些是透過「測量」得出的數值。它們在一個範圍內可以是任何數值。例如：你的身高、跑 100 米所需的時間，或是一個蘋果的重量。
排序數據 (Ranked Data)： 具有特定順序的數據。例如：賽跑的名次（第一名、第二名、第三名）。
快速檢閱： 隨時問自己：「我是在數算它，還是測量它？」數算通常代表離散數據，而測量通常代表連續數據。
重點提示： 辨識數據類型是選擇正確圖表的第一步。你總不能為眼睛顏色畫一個直方圖吧！
2. 單變量數據的標準圖表
呈現數據的方法有很多種，讓我們來看看在 MEI 考試中最常遇到的幾種。
垂直線圖與長條圖 (Vertical Line Charts and Bar Charts)
用於分類數據或離散數據。每一條柱或線代表一個類別。高度顯示的是頻數 (Frequency)（即該項目出現的次數）。
莖葉圖 (Stem-and-Leaf Diagrams)
這類圖表非常實用，因為它們能展示每一個原始數據，同時外觀上看起來就像橫向的長條圖。
例如：數字 21, 23, 23, 28 的「莖」是 2，「葉」則是 1, 3, 3, 8。
常見錯誤警示： 千萬別忘了加上圖例 (Key)！如果沒有圖例（例如：2 | 1 代表 21），你的圖表就只是一堆雜亂無章的數字。
圓形圖 (Pie Charts)
用於展示「整體」是如何分割成「部分」的。每個扇形的角度與頻數成正比。
計算角度的公式：\( \text{Angle} = \frac{\text{Frequency}}{\text{Total Frequency}} \times 360^\circ \)。
你知道嗎？ MEI 可能會考「比較圓形圖」。如果你有兩個圓形圖，而其中一個代表的總體樣本數較大，那麼它的面積應該比另一個大。
點圖 (Dot Plots)
想像一下長條圖，但不是用實心的長條，而是將點堆疊在一起。每一個點代表一個數據。這對於小型數據集非常完美，能清楚地呈現每一個數值。
重點提示： 離散數據使用長條圖/線圖；當你想保留原始數值時，使用莖葉圖。
3. 直方圖：面積法則
直方圖用於已分組為「組別」的連續數據。它們看起來像長條圖，但有一個巨大的區別：面積等於頻數。
別讓這一點絆倒你！在標準長條圖中，你只需要看高度；但在直方圖中，如果各組柱體的寬度不同，單看高度是無法說明全貌的。
頻數密度 (Frequency Density)
為了正確繪製直方圖，我們在縱軸（y 軸）使用頻數密度。
公式為：\( \text{Frequency Density} = \frac{\text{Frequency}}{\text{Class Width}} \)
這能確保：\( \text{Area} = \text{Class Width} \times \text{Frequency Density} = \text{Frequency} \)。
直方圖繪製步驟：
1. 找出每一組的組距 (Class Width)（上邊界 - 下邊界）。
2. 計算每一組的頻數密度。
3. 繪製坐標軸，將頻數密度放在縱軸上。
4. 繪製柱體。請確保連續數據的柱體之間沒有空隙！
鼓勵一下： 如果卡住了，記住：寬度乘以高度等於箱子裡面的數量！
重點提示： 對於直方圖，高度 = 頻數密度，面積 = 頻數。
4. 累積頻數與箱形圖
這兩者就像好朋友，它們共同合作來展示數據的「分佈」與「位置」。
累積頻數 (Cumulative Frequency)
這是一種「累計總和」。當你處理數據時，將頻數不斷相加。繪圖時，總是將累積頻數對應組上限 (Upper Class Boundary)。圖形看起來應該像一個平滑且拉長的「S」形曲線。
箱形圖 (Box-and-Whisker Diagrams)
箱形圖利用五個關鍵數值來概括數據：
1. 最小值 (Minimum value)（左側觸鬚的起點）
2. 下四分位數 (\(Q_1\))（箱子的起點）
3. 中位數 (\(Q_2\))（箱子中間的線）
4. 上四分位數 (\(Q_3\))（箱子的終點）
5. 最大值 (Maximum value)（右側觸鬚的終點）
類比： 把箱形圖想像成一本書的摘要。它不會告訴你每一個字，但它會告訴你故事從哪開始、中間在哪裡，以及最精彩的部分（中間 50% 的數據）發生在哪裡。
重點提示： 累積頻數能幫助你找出中位數與四分位數，然後你就可以用這些數值來畫箱形圖。
5. 描述形狀（分佈）
當你看著一張圖表時，它呈現什麼狀態？我們使用這些術語來描述分佈的形狀：
單峰 (Unimodal)： 只有一個明顯的頂峰（眾數）。
雙峰 (Bimodal)： 有兩個明顯的頂峰（像駱駝的駝峰）。
對稱 (Symmetrical)： 左側是右側的鏡像。
偏態 (Skewed)： 圖表的「尾巴」被拉向一側。
理解偏態
這點可能會讓人困惑！要記住哪個是哪個，請看尾巴 (tail) 指向哪，而不是看峰值在哪。
正偏態 (Positive Skew)： 「尾巴」指向右側（正向）。大多數數據集中在左側。
負偏態 (Negative Skew)： 「尾巴」指向左側（負向）。大多數數據集中在右側。
記憶法： 如果你用串燒棒穿過一塊肉，「長長的棒子」就是尾巴。如果這根長棒指向數值大的方向，那就是正偏態！
重點提示： 偏態跟隨尾巴的方向。尾巴在右 = 正偏態。
6. 選擇與評鑑圖表
在考試中，你可能會被問到為什麼某種圖表比另一種更好，或者被要求找出圖表的錯誤。請使用這個檢查清單：
1. 比例 (Scale)： 比例是否一致且合理？
2. 標籤 (Labels)： 坐標軸是否有標註單位（例如：「身高 / cm」）？
3. 適當性 (Appropriateness)： 連續數據是否使用了直方圖？離散數據是否使用了長條圖？
4. 清晰度 (Clarity)： 圖表是否讓數據更容易理解，還是看起來雜亂無章？
時間序列圖 (Time Series Graphs)： 如果你在觀察隨時間變化的數據（例如一週內的氣溫），請使用線圖，並將時間放在橫軸上。這有助於你找出趨勢（數據整體是在上升還是下降？）。
重點提示： 一張好的圖表應該是誠實且清晰的。務必檢查標籤、單位，以及該數據類型所對應的正確圖表。
總結複習箱
離散數據： 使用長條圖或莖葉圖。
連續數據： 使用直方圖（面積 = 頻數）。
累計數據： 使用累積頻數圖來尋找四分位數。
總結分佈： 使用箱形圖（最小值, \(Q_1\), 中位數, \(Q_3\), 最大值）。
偏態： 跟著尾巴走！