歡迎來到統計學的世界！
歡迎加入！在本章中，我們將學習如何收集、整理和詮釋數據。統計學就像偵探工作一樣——重點在於觀察線索（數據），找出我們周圍世界真實發生的事。無論是預測天氣、分析體育比賽分數，還是了解人口增長，統計學都是我們不可或缺的工具。
如果起初覺得某些統計圖看起來有點陌生，請別擔心；我們會一步步拆解，讓你輕鬆掌握！
1. 母體與抽樣
在分析數據之前，我們需要先取得數據。但我們不可能總能詢問世界上每一個人！
母體與樣本
母體 (Population) 是你想研究的整個群體（例如：全校每一位學生）。樣本 (Sample) 是從該母體中抽取的一小部分（例如：50 位學生）。
比喻：想像你在煮一大鍋湯。你不需要喝完整鍋湯才知道是否需要加鹽；你只需要喝一小口試味。整鍋湯就是母體，而那一小匙湯就是樣本！
抽樣限制與偏差
為了確保我們的「一小匙」能代表整個「鍋」，樣本必須是無偏差 (unbiased) 的。如果你只問最好的朋友他們最喜歡的食物是什麼，結果將無法代表全校——這就稱為抽樣偏差 (sampling bias)。
重點小結： - 母體：整個群體。 - 樣本：群體中的一小部分。 - 偏差：樣本未能公平地代表母體的情況。
2. 呈現數據：統計表與圖表
有了數據後，我們需要將其視覺化。你可能已經熟悉棒形圖 (Bar Charts) 和圓形圖 (Pie Charts)，但在進階課程 (Higher Tier) 中，我們會專注於更複雜的版本。
時間序列數據
時間序列 (Time Series) 圖是一種折線圖，用來顯示某事物隨時間的變化（例如一週內的氣溫變化）。我們主要觀察趨勢 (trends)——線條總體是在上升、下降，還是保持平穩？
直方圖 (進階課程重點)
直方圖看起來像棒形圖，但它用於連續數據 (continuous data)（即需要測量的數值，如身高或時間），且條形的寬度通常不同。
在直方圖中，代表頻數的是條形的面積，而非高度。繪圖時，我們需計算頻數密度 (Frequency Density)：
\( \text{Frequency Density} = \frac{\text{Frequency}}{\text{Class Width}} \)
累積頻數圖
累積頻數 (Cumulative Frequency) 是頻數的「累加總數」。
繪圖步驟：
1. 將表格中的頻數由上而下逐一相加。
2. 在每個組別的上限 (upper bound) 繪製點。
3. 用平滑的 S 形曲線連接各點。
關鍵提醒： 對於直方圖，記住「面積 = 頻數」。對於累積頻數圖，務必在組距的末端繪點！
3. 分析數據：集中趨勢與離散程度
現在我們需要用數字來描述數據。
集中趨勢（即「平均值」）
- 平均數 (Mean)： 所有數值相加除以總數。 - 中位數 (Median)： 將數據按順序排列後的中間數值。 - 眾數 (Mode)： 出現次數最多的數值。 - 眾數組 (Modal Class)： 表格中頻數最高的那一組。
離散程度（即「一致性」）
- 全距 (Range)： 最大值與最小值的差。 - 四分位數 (Quartiles)： 將數據分為四個部分。 - 下四分位數 (LQ)： 數據排在 25% 位置的數值。 - 上四分位數 (UQ)： 數據排在 75% 位置的數值。 - 四分位距 (IQR)： \( \text{UQ} - \text{LQ} \)。這顯示了數據中中間 50% 的分散程度，且不受極端「奇怪」數值（離群值）的影響。
箱形圖 (Box Plots)
箱形圖 是五個關鍵數值的視覺化摘要：
1. 最小值
2. 下四分位數
3. 中位數
4. 上四分位數
5. 最大值
你知道嗎？ 箱形圖非常適合用來比較兩組數據。如果一個箱子更靠右，說明該組成績普遍較高；如果一個箱子更寬，說明該組的結果分佈更廣（一致性較差）。
常見錯誤： 不要混淆全距 (Range) 與四分位距 (IQR)！全距考慮的是數據的最兩端；而四分位距只看中間的「箱子」。
4. 雙變量數據與散點圖
有時我們想看看兩件不同事物之間是否有關聯（雙變量數據 (bivariate data)），例如「溫習時間」與「考試分數」。
相關性 (Correlation)
- 正相關： 一個增加，另一個也增加（點向上傾斜）。 - 負相關： 一個增加，另一個反而減少（點向下傾斜）。 - 無相關： 點像撒出的胡椒粉一樣散亂各處。
最佳擬合線 (Line of Best Fit)
這是穿過點群中心的一條直線。 - 內插法 (Interpolation)： 預測數據範圍以內的數值（通常較可靠）。 - 外推法 (Extrapolation)： 預測數據範圍以外的數值（風險較高，因為趨勢可能會改變！）。
相關性與因果關係
重要！ 僅僅因為兩件事有關聯，並不代表一件事導致了另一件事。
例子：冰淇淋銷量和鯊魚襲擊次數都在夏天增加。賣更多冰淇淋並不會導致鯊魚襲擊！真正的原因是「天氣炎熱」，讓人們既想吃冰淇淋，又想去游泳。
總結摘要： - 使用最佳擬合線進行預測。 - 外推法（預測遠期未來）時要格外小心。 - 相關性並不總是意味著一件事導致了另一件事！
最後的鼓勵
統計學的核心就是尋找規律。如果頻數密度或四分位數的公式起初看起來很棘手，請別擔心。只要多練習繪圖，你很快就會發現它們只是描述數字故事的不同方式。你可以做到的！