歡迎來到數據處理與分析！
你好！歡迎來到 O-Level 數學旅程中最實用的章節之一。你有沒有想過，老師是如何決定全班的「平均分」的？或者像 Instagram 這類應用程式是如何追蹤你的螢幕使用時間的？這正是數據處理與分析 (Data Handling and Analysis) 的內容！這是一門將雜亂無章的數字轉化為清晰故事的藝術。如果起初你覺得統計學有點「沉悶」，別擔心——我們會把它拆解成簡單易懂的部分。
1. 數據收集與視覺化
在進行任何分析之前，我們需要收集數據，並以不僅僅是枯燥數字列表的方式呈現。在課程大綱中，你需要掌握幾種表示數據的方法。
常見的統計圖表
象形圖 (Pictograms)： 利用圖示或圖片來表示數字。例子：使用一個小「薄餅」圖示來代表售出 10 個薄餅。 記住一定要查看圖例 (Key)，了解一個圖示代表的數量！
棒形圖 (Bar Graphs)： 用於分類數據（例如最喜愛的顏色）。記住：棒形圖的柱子之間是有空隙 (gaps) 的！
直方圖 (Histograms)： 看起來像棒形圖，但沒有空隙。對於你的課程 (4052)，重點在於等距組距 (equal class intervals) 的直方圖。這意味著每條柱子的寬度相同，因此柱高能精確反映該組的數據數量。
幹葉圖 (Stem-and-Leaf Diagrams)： 一種巧妙的方法，既能展示每一項數據，又能將它們分組。
提示：絕對不能忘記圖例！例如，「2 | 5 代表 25」。沒有圖例，你的圖表只是一堆數字而已。
點圖 (Dot Diagrams)： 非常適合小規模的數據集。數軸上的每一個點代表該數值出現了一次。
圓形圖 (Pie Charts)： 展示「整體」如何劃分為各個部分。要計算扇形的角度，請使用此公式：
\( \text{Angle} = \frac{\text{Value}}{\text{Total}} \times 360^\circ \)
數據的誤導性解釋
你知道嗎？ 有時候圖表會被刻意繪製來誤導你！這是一個常見的考試題型。要小心：
1. 斷軸 (Broken Axes)： 如果垂直軸不是從 0 開始，柱子之間的差異看起來會比實際大得多。
2. 象形圖大小： 如果圖片的寬度和高度同時加倍，面積實際上會變為四倍，使該數據看起來比實際更具重要性。
重點總結： 不同的圖表有不同的用途。使用圓形圖來表示百分比或比例，使用幹葉圖或直方圖來觀察數據的分佈「形狀」。
2. 集中趨勢測量（「平均值」）
「平均值」是一個代表整組數據的單一數字。你需要掌握三種主要類型：
平均數 (Mean, \(\bar{x}\))
這是數學上的平均值。將所有數據相加，再除以數據的項數。
公式：\( \bar{x} = \frac{\sum x}{n} \)
對於分組數據 (grouped data)（例如在頻數分佈表中），我們使用每一組的組中值 (mid-value)：
\( \bar{x} = \frac{\sum fx}{\sum f} \)（其中 \(f\) 是頻數，\(x\) 是組中值）。
中位數 (Median)
將數據按大小順序排列（由小到大）後的中間數值。
類比：想像馬路中間的「分隔帶」——它就在正中央！
如果數據項數是奇數，中位數就是最中間的那一個；如果是偶數，則取中間兩個數字的平均值。
眾數 (Mode)
出現頻率最高的數值。
記憶法：MOde（眾數）= MOst frequent（出現最頻繁）。
速查表：我該用哪一個？
- 眾數： 最適合非數值數據（例如：「最受歡迎的飲品是什麼？」）。
- 中位數： 當數據中存在「離群值 (outliers)」（遠大於或遠小於其餘數字的數值）時最合適，因為它們不會影響中間值。
- 平均數： 最適合數據相當穩定且沒有極端偏差的情況。
重點總結： 平均數、中位數和眾數都試圖尋找數據的「中心」，但方法各異！
3. 離差測量（數據有多「穩定」？）
兩組學生的平均分可能都是 70 分。但在 A 組中，每個人的分數都在 68 到 72 之間；而在 B 組中，有人得 10 分，有人得 100 分。離差測量能告訴我們這些差異！
全距 (Range)
最簡單的測量方法：\( \text{最大值} - \text{最小值} \)。雖然簡單，但很容易受到極端數值的影響。
四分位數與四分位距 (IQR)
想像將你的數據分成四個相等的部分：
- 下四分位數 (\(Q_1\))： 第 25 個百分位數。
- 中位數 (\(Q_2\))： 第 50 個百分位數。
- 上四分位數 (\(Q_3\))： 第 75 個百分位數。
四分位距 (Interquartile Range)： \( Q_3 - Q_1 \)。它告訴你中間 50% 數據的分佈範圍，因為它忽略了極端的高值和低值，所以非常實用。
標準差 (Standard Deviation, \(\sigma\))
聽起來很嚇人，但它只是衡量數字平均偏離平均數的程度。
- 低標準差： 數據點靠近平均數（非常穩定）。
- 高標準差： 數據點分佈較廣（較不穩定）。
未分組數據公式： \( \sigma = \sqrt{\frac{\sum x^2}{n} - \bar{x}^2} \)
重點總結： 全距和 IQR 衡量數據的「寬度」。標準差衡量數據的「穩定性」。
4. 進階圖表：累積頻數與箱線圖
累積頻數圖 (Cumulative Frequency Diagrams)
這是累計的總數。當你計算累積頻數並繪圖時，會得到一條「S 形」曲線。
- 使用 y 軸找到位置（例如，要找中位數，請前往總頻數的 50% 處）。
- 向右橫移至曲線，再向下移動至 x 軸讀取數值。
箱線圖 (Box-and-Whisker Plots)
這是五個數據的視覺化總結：最小值、\(Q_1\)、中位數、\(Q_3\) 和最大值。
- 「箱子」顯示了 IQR（中間 50% 的數據）。
- 「鬍鬚」延伸至最小值和最大值。
- 箱子內部的線是中位數。
常見錯誤： 在箱線圖中，學生常誤以為箱子裡的線是平均數。其實不是！它永遠是中位數。
5. 比較兩組數據
在 O-Level 考試中，你經常會被要求「比較兩組的表現/結果」。請使用這個兩步法來獲取滿分：
第一步：比較平均值（集中趨勢）。
使用平均數或中位數。
例子：「A 班的中位數高於 B 班，因此 A 班的平均表現較好。」
第二步：比較離差（穩定性）。
使用標準差或四分位距 (IQR)。
例子：「B 班的標準差比 A 班小，因此 B 班的分數更為穩定。」
重點總結： 要比較數據，務必同時評論平均值（誰「更好」）和離差（誰更「穩定」）。
最後的鼓勵
統計學就像做偵探。你在數字中尋找線索，以了解究竟發生了什麼事。花點時間熟悉標準差的公式——練習如何高效使用你的計算機，因為它能幫你完成大部分計算工作！你一定做得到的！