歡迎來到數據呈現與分析！
嘿！準備好進入統計的世界了嗎？如果數字有時讓你感到頭昏腦脹，別擔心——這一章的重點就是如何解讀數據。你可以把數據想像成一個故事，而這一章就是要教你如何組織、視覺化並總結這個故事，讓每個人都能讀懂。
我們將會學習如何繪製圖表（如圓形圖），以及如何計算資料集的基本「平均值」（如平均數 Mean 和中位數 Median）和「離散程度」（如全距 Range）。這些技巧不僅對你的考試至關重要，在日常生活解讀周遭事物時也同樣重要！
第 1 部分：組織與呈現數據
1.1 頻數分佈表：整理事實
當你收集了大量的資訊時，第一步通常是將其整理成頻數分佈表（Frequency Table）。頻數（Frequency）簡單來說就是某件事發生的「次數」。
離散數據 vs. 分組數據
整理數據主要有兩種方式：
- 離散數據（Discrete Data）： 只能取特定數值（通常是整數）的數據，例如寵物數量或鞋碼。表格會列出每一個特定的數值。
- 分組數據（Grouped Data）： 將數據歸納到類別或組距（class intervals）中（例如：10 到 19 分鐘，20 到 29 分鐘）。當數據是連續的，或者數值種類太多無法逐一列出時，我們會使用分組數據。
分組數據的重要提示： 請仔細檢查區間定義。區間 \(10 \le x < 20\) 是否包含 10？是的。它包含 20 嗎？不包含。請務必確認邊界在哪裡！
符號 \(\sum\)（希臘字母大寫 Sigma）代表「總和」。因此，\(\sum f\) 代表「所有頻數的總和」。這數值永遠等於你所收集的數據總數。
1.2 數據視覺化：圖表
一圖勝千言！圖表能幫助我們快速看出規律。
A. 長條圖 (Bar Charts)
長條圖用於比較離散數據或類別的頻數。
- 長條的高度代表頻數。
- 長條之間必須有間隔（除非數據是連續且分類好的，那就會變成直方圖——但在標準的 IGCSE 離散數據中，請記得留空隙）。
- 坐標軸必須有清晰的標籤。
B. 圓形圖 (Pie Charts)
圓形圖顯示每個類別佔整體的比例（分數）。整個圓形（360 度）代表總頻數。
步驟說明：繪製圓形圖
- 找出總頻數 (\(\sum f\))。
- 計算每個類別的份額：\(\frac{\text{頻數}}{\text{總頻數}}\)。
- 將此份額轉換為角度： \[\n \text{角度} = \left( \frac{\text{頻數}}{\text{總頻數}} \right) \times 360^\circ\n \]
- 使用量角器繪製扇形。
例子：如果 50 名學生中有 10 人選擇數學，則角度為 \((10/50) \times 360^\circ = 72^\circ\)。
C. 莖葉圖 (Stem and Leaf Diagrams)
這是一種巧妙的方法，既能列出數據，又能保持條理並顯示數據分佈的形狀。
- 莖 (Stem) 存放首位數字（例如十位或百位數）。
- 葉 (Leaf) 存放末位數字（通常是個位數）。
關鍵規則： 務必確保「葉」按數值順序排列，並一定要包含圖例 (Key)！圖例告訴讀者這些數字代表什麼。例子：如果數據是 23, 27, 31，圖例可能會寫：\(2 | 3 = 23\)。
呈現數據的關鍵心得： 表格用於組織，圖表用於視覺化。請根據需求選擇正確的圖表（圓形圖用於比例，長條圖用於比較）。
第 2 部分：集中趨勢測量值（平均值）
集中趨勢測量值能提供一個單一數值，最能代表整個數據集的中心或典型數值。
2.1 眾數 (Mode)
眾數是出現次數最多的數值。
- 在頻數分佈表中，眾數是頻數最高的數值。
- 在分組數據中，我們找出眾數組（Modal Class）——即頻數最高的組別。我們無法找到確切的眾數，只能找到它最可能落入的組別。
類比： 想想時尚界。眾數就像是最流行的趨勢！
2.2 中位數 (Median)
中位數是將所有數據點按順序排列（從小到大）後的中間值。
步驟說明：尋找中位數
- 將數據排序（關鍵步驟！）。
- 使用公式找出中位數的位置：\(\frac{n + 1}{2}\)，其中 \(n\) 為數據總個數。
- 順著已排序的數據數到該位置。
例子：若 \(n=9\)，位置為 \((9+1)/2 = 5\)。中位數即第 5 個數值。
例子：若 \(n=10\)，位置為 \((10+1)/2 = 5.5\)。中位數即第 5 個與第 6 個數值的中間值。
2.3 平均數 (Mean)
平均數的計算方式是將所有數值相加，然後除以數據總個數。
\[\n\text{平均數} = \frac{\text{所有數值的總和}}{\text{數據總個數}}\n\]在統計符號中，表示為： \[\n\text{平均數} = \frac{\sum x}{n}\n\]
從頻數分佈表計算平均數
如果你有頻數分佈表，不能只加總數值行。你需要考慮每個數值出現的次數。
\[\n\text{平均數} = \frac{\sum (x \times f)}{\sum f}\n\]步驟 1： 建立一個新的 \(x \times f\) 行（數值乘以頻數）。
步驟 2： 將此新行相加得到 \(\sum xf\)。
步驟 3： 除以總頻數 (\(\sum f\))。
估計平均數（適用於分組數據）
如果覺得這看起來很難，別擔心！ 當數據分組後（例如年齡 10-20），我們不知道每個數據點的精確值，因此必須進行估計。
我們假設組內的所有數據點都集中在該組的組中點（Midpoint）。
步驟說明：估計平均數
- 找出每個組別的組中點 (x)。（組中點 = \(\frac{\text{下限} + \text{上限}}{2}\)）。
- 將組中點乘以頻數 (\(x \times f\))。
- 將 \(xf\) 行相加 (\(\sum xf\))。
- 除以總頻數 (\(\sum f\))。
這是「估計值」，因為我們使用的是中點而非原始數據值。
Mode（眾數）：Most often（出現最多次）
Median（中位數）：Middle number（中間數，記得先排序！）
Mean（平均數）：Mathematical average（數學平均值，需要計算）
集中趨勢的關鍵心得： 平均數通常最好用，但如果有極端值 (outliers) 可能會影響平均結果時，中位數會更可靠。
第 3 部分：離散程度測量值（數據的分散程度）
集中趨勢告訴我們中間在哪裡，但離散程度（或分散程度）告訴我們數據有多分散。分數是擠在一起，還是差異極大？
3.1 全距 (Range)
全距是最簡單的離散程度測量值。它告訴你最大值與最小值之間的差距。
\[\n\text{全距} = \text{最大值} - \text{最小值}\n\]你知道嗎？ 全距對極端值非常敏感（一個非常大或非常小的數字）。如果一個人考了 100 分，其他人全考 10 分，全距就是 90，這無法準確描述分數的典型分佈。
3.2 四分位距 (Interquartile Range, IQR)
四分位距 (IQR) 衡量的是中間 50% 數據的分散程度。由於它忽略了極端值，因此比全距更穩健。
當你將數據排序後，可以用四分位數將其分為四個相等的部分：
- 下四分位數 (\(Q_1\))： 25% 位置的數值。它是數據下半部的中位數。
- 中位數 (\(Q_2\))： 50% 位置的數值。
- 上四分位數 (\(Q_3\))： 75% 位置的數值。它是數據上半部的中位數。
四分位距計算方式為：
\[\n\text{IQR} = Q_3 - Q_1\n\]尋找四分位數（位置法）
就像尋找中位數一樣，我們使用位置公式，其中 \(n\) 是數據總個數（記得先將數據排序！）：
- \(Q_1\) 的位置： \(\frac{n}{4}\) 或 \(\frac{n+1}{4}\)（取決於具體的課程大綱解讀——我們通常對大數據集使用 \(\frac{n}{4}\)，但務必核對你的數據計數）。
- \(Q_3\) 的位置： \(3 \times \frac{n}{4}\) 或 \(3 \times \frac{n+1}{4}\)。
實用提示： IGCSE 最簡單的方法通常是先找到中位數 (\(Q_2\))。然後，只看中位數以下的數字來找出 \(Q_1\)（下半部的中間），並只看中位數以上的數字來找出 \(Q_3\)（上半部的中間）。
例子：12 個數字的數據集。\(Q_1\) 是第 3 或第 4 個值。\(Q_3\) 是第 9 或第 10 個值。
常見錯誤： 在尋找 \(Q_1\) 和 \(Q_3\) 時，如果中位數本身就是一個原始數據點（即 \(n\) 為奇數），在將數據分為上下兩半時，不要包含該中位數。
離散程度的關鍵心得： 全距顯示了總變異，但 IQR 能更好地反映典型變異，且排除了極端值的干擾。
恭喜！你現在掌握了整理、呈現及分析基本統計數據的關鍵工具。記住，多做練習才能熟能生巧，也要記得複習那些位置公式喔！