歡迎來到雙變量數據的世界！
你有沒有想過，花在社交媒體的時間與考試成績之間是否存在某種規律？或者身高較高的人，鞋碼是否真的會比較大？在本章中，我們將探討兩個不同的「變量」（我們可以測量的數據）如何相互關聯。讀完這份筆記後，你將能像專家一樣解讀散點圖，並學會使用數學模型來預測未來！如果數學平時對你來說像外星語，別擔心——我們會將它拆解，讓你一步步掌握。
1. 什麼是散點圖？
散點圖 (Scatterplot) 其實就是一種利用點來顯示兩組數據之間關係的圖表。一個變量放在 x 軸（橫軸），另一個變量則放在 y 軸（縱軸）。
類比： 你可以把散點圖想像成一張數據點的「地圖」。每個點代表一個人或一個事件。例如，如果我們在研究身高和體重，一個點就代表某個人的特定身高及其對應的特定體重。
相關類型 (Types of Associations)
當我們觀察這群點組成的「雲狀分佈」時，我們是在尋找一種規律，這也稱為相關 (Association / Correlation)：
正相關 (Positive Association)： 點的趨勢基本上從左到右向上移動。這意味著當一個數值增加時，另一個數值也隨之增加。（例子：溫習時間愈長，成績通常愈高。）
負相關 (Negative Association)： 點的趨勢基本上從左到右向下移動。這意味著當一個數值增加時，另一個數值反而減少。（例子：汽車行駛的里程數愈多，油箱裡的汽油就愈少。）
無相關 (No Association)： 點就像灑落一地的閃粉一樣到處亂跳，沒有明顯的規律。（例子：你的鞋碼和你最喜歡的顏色。）
快速複習：
正相關： \(x \uparrow, y \uparrow\)
負相關： \(x \uparrow, y \downarrow\)
無相關： 完全沒有規律！
重點總結： 散點圖讓我們一眼就能看出兩件事物是否相關。如果點形成了一種類似「直線」的形狀，就代表它們之間存在關係！
2. 「模型」（最佳擬合線）
由於現實世界的數據往往比較凌亂，點通常不會排成一條完美的直線。為了從混亂中理出頭緒，我們會畫出一條最佳擬合線 (Line of best fit)（或稱趨勢線 trend line）。這是一條穿過那群點中央的直線。
解讀方程
在 SAT 考試中，你經常會看到這條線以線性方程的形式出現：\( y = mx + b \)。
斜率 (\(m\))： 這告訴你當 \(x\) 每增加一個單位時，\(y\) 值預計會改變多少。
例子： 如果斜率是 \(5\)，這代表你每多溫習 1 小時，預測分數就會提高 5 分。
y 截距 (\(b\))： 這是當 \(x\) 為零時，\(y\) 的預測值。
例子： 如果 y 截距是 \(40\)，這代表如果你溫習了 0 小時，預測分數會是 40 分。
你知道嗎？ 最佳擬合線不一定要觸及任何實際的數據點！它只是對整體趨勢的一個總結。
要避免的常見錯誤： 不要誤以為斜率總是「總數」。斜率是變化率 (rate of change)。在應用題中，要留意「每 (per)」、「每個 (each)」或「每一 (every)」等字眼來辨認斜率。
重點總結： 最佳擬合線是數據的「簡化版」，幫助我們進行預測。
3. 進行預測：預測值 vs. 實際值
SAT 最常見的問題之一，就是要求你比較預測值 (Predicted value)與實際值 (Actual value)。
實際值： 這是現實生活中的數據點（圖表上的那個點）。
預測值： 這是針對特定的 \(x\)，在最佳擬合線上所對應的數值。
步驟拆解：如何找出差異
1. 在橫軸上找到問題所要求的 \(x\) 值。
2. 將手指向上移到那個點，看它的 實際 (Actual) 數值。
3. 在同一個 \(x\) 位置，將手指移到那條線，看它的 預測 (Predicted) 數值。
4. 點與線之間的垂直「間距」就是誤差（通常稱為殘差 residual）。
如果點在線的上方，代表模型低估 (underestimated) 了實際值。如果點在線的下方，則代表模型高估 (overestimated) 了實際值。
重點總結： 「線」是數學上的最佳猜測；「點」則是真實發生的情況。
4. 線性模型 vs. 指數模型
SAT 希望你了解「以固定速率增長」的關係，與「增長得越來越快」的關係之間的區別。
線性增長 (Linear Growth)
形狀： 一條直線。
規則： 每次都加上相同的數值。
例子： 你每週儲蓄 \$10。(\(10, 20, 30, 40...\))
指數增長 (Exponential Growth)
形狀： 一條越來越陡峭的曲線。
規則： 每次都乘以相同的百分比或倍數。
例子： 細菌數量每小時翻倍。(\(2, 4, 8, 16...\))
記憶小竅門：
Linear = Line（直線）
Exponential = Explosion（像爆炸一樣，變得非常快！）
重點總結： 如果題目提到「固定速率 (constant rate)」或「固定金額 (fixed amount)」，請聯想到線性 (Linear)。如果提到「百分比增長 (percent increase)」、「翻倍 (doubling)」或「三倍 (tripling)」，請聯想到指數 (Exponential)。
5. 離群值：數據中的叛逆者
有時候你會看到一個點遠離所有其他的點，這被稱為離群值 (Outlier)。
類比： 如果你在測量小學五年級學生的身高，這時突然走進來一名 NBA 球員，那麼這名球員的身高就是離群值。它不符合該群體其餘部分的規律。
為什麼這很重要： 離群值會把最佳擬合線往它們的方向「拉」，導致模型對其餘數據的預測變得不那麼準確。在辨認趨勢時，我們通常會觀察整體的「雲狀分佈」而忽略個別奇特的點。
考試快速總結：
1. 看方向： 向上 = 正相關，向下 = 負相關。
2. 解讀斜率： 它是「每單位」的變化量。
3. 檢查 y 截距： 它是起始值（當 \(x = 0\) 時）。
4. 找差異： 點 = 實際，線 = 預測。
5. 線性 vs. 指數： 相加 vs. 相乘。
一開始覺得困難是很正常的！散點圖的核心在於觀察視覺規律。一旦你開始能「看見」點群中的隱形線條，你就會成為這方面的達人！