Representation of data

欢迎来到数据表示的世界！

你有没有想过 Netflix 或 Spotify 这些公司是如何了解你的喜好的？答案就是数据！在 剑桥国际 AS Level 数学 (9709) 课程的这个章节中，我们将学习如何将杂乱无章的数据转化为清晰、美观的图表。这不仅仅是为了画图，而是要让数据“说话”，让我们理解它们背后隐含的意义。如果数字让你感到不知所措，请别担心，我们会循序渐进地学习！

1. 茎叶图 (Stem-and-Leaf Diagrams)

想象一下你有 20 位学生的考试成绩，随意列出来会让人眼花缭乱。茎叶图可以将这些数据整理好，同时保留原始数值。

运作原理：

“茎”代表首位数字，“叶”代表末位数字。
例子： 数字 45，茎为 4，叶为 5。

背对背茎叶图 (Back-to-Back Stem-and-Leaf Diagrams)：

当你想要比较两组数据（例如 A 班对比 B 班）时，你可以将“茎”放在中间，一组的“叶”放在左侧，另一组则放在右侧。

关键规则：一定要包含键值 (Key)！没有键值（例如 \(4|5\) 代表 45），你的图表就只是一堆令人困惑的数字。

重点总结：茎叶图的优点在于它显示了每一项数据，并且能轻松找出中位数 (median) 和众数 (mode)。

2. 箱形图 (Box-and-Whisker Plots)

如果你想要一份数据的“摘要”而不是查看每个点，请使用箱形图。该图表将你的数据分为四个等份（四分位数）。

“五数摘要”：

要绘制箱形图，你需要五个数值：
1. 最小值（左侧须线的末端）
2. 下四分位数 (\(Q_1\))（箱子的左侧）
3. 中位数 (\(Q_2\))（箱子内的线）
4. 上四分位数 (\(Q_3\))（箱子的右侧）
5. 最大值（右侧须线的末端）

记忆小撇步：把“箱子”想象成数据的“中间 50%”，而“须线”则显示极值延伸的范围。

3. 直方图 (Histograms)

直方图看起来像条形图，但它们截然不同！在条形图中，高度代表数值；但在直方图中，长方形的面积才代表频率。

重要点：我们使用直方图处理连续数据（如身高、体重或时间），这些数据通常会分组。

频率密度 (Frequency Density) 的秘诀：

如果各组的宽度（组距）不同，你不能直接在纵轴绘制频率。你必须计算频率密度 (FD)：
\(FD = \frac{\text{频率}}{\text{组距}}\)

直方图绘制步骤：
1. 检查组别是否有空隙（例如 10-14, 15-19）。若有，请使用组界（9.5-14.5, 14.5-19.5）。
2. 计算每一组的组距。
3. 计算每一组的频率密度。
4. 在 y 轴绘制频率密度，在 x 轴绘制数据区间。

类比：把频率密度想象成“拥挤程度”。如果一个小房间挤了 10 个人，密度很高；但如果 10 个人在一个大会堂里，密度就很低。

4. 累积频率图 (Cumulative Frequency Graphs)

这是一种“累积总数”的图表。曲线通常会向上延伸，并形成一个平滑的“S”型。

如何使用：

1. 找出中位数：在 y 轴找到总频率的一半处，向右移至曲线，再向下对应 x 轴数值。
2. 找出四分位数：\(Q_1\) 在总频率的 25% 处；\(Q_3\) 在 75% 处。
3. 百分位数：你可以用同样的方法找到任何百分位数（例如第 90 百分位数）。

常见错误：务必将累积频率绘制在该组的上组界 (upper class boundary)，而不是组中点！

5. 集中趋势度量（“中间”的位置）

这些指标告诉我们数据的“中心”在哪里。

• 平均值 (\(\bar{x}\))：所有数据加总后除以个数。\(\bar{x} = \frac{\sum x}{n}\)
• 中位数：将数据排序后处于中间的值。
• 众数：出现频率最高的值。

你知道吗？平均值容易受“离群值 (outliers)”影响。如果比尔盖茨走进一间教室，房间内的“平均”财富会飙升，但“中位数”财富几乎不变！

6. 离散程度度量（“分散”的程度）

只知道中间值是不够的，我们还需要知道数据的分散程度。

• 全距 (Range)：最大值减最小值。（简单，但易受离群值影响）。
• 四分位距 (IQR)：\(Q_3 - Q_1\)。这代表中间 50% 数据的分散程度，能排除极值的干扰。
• 标准差 (\(\sigma\))：衡量离散程度的“黄金标准”。它代表每个数据点与平均值的平均距离。

数学部分（别慌！）：

标准差公式：
\(\sigma = \sqrt{\frac{\sum x^2}{n} - (\frac{\sum x}{n})^2}\)
或者使用平均值：\(\sigma = \sqrt{\frac{\sum x^2}{n} - \bar{x}^2}\)

复习小方块：
- 标准差大 = 数据非常分散。
- 标准差小 = 数据很集中，且接近平均值。

7. 数据编码 (Coded Data)

有时候数字很大（例如 1001, 1005, 1008）。为了简化，我们通过减去一个常数来“编码”（例如减去 1000，变成 1, 5, 8）。

技巧：

1. 如果你对每个数值加/减一个数：平均值会改变，但标准差保持不变！
类比：如果全班同学都站上一个 10 厘米的箱子，平均身高会增加 10 厘米，但最高和最矮同学之间的身高差依然相同。
2. 如果你对每个数值乘/除一个数：平均值和标准差都会同时乘/除该数。

关键总结：编码只是一种简化计算的捷径，它不会改变数据分布的“形状”。

给你的成功秘诀

- 读准刻度：在直方图和累积频率图中，考官很喜欢设计复杂的刻度。务必检查一个小格代表多少！
- 标注清楚：坐标轴、单位和键值都是很容易拿到的分数，千万别丢失。
- 分组数据：计算分组数据的平均值时，请使用每一组的组中点 (midpoint) 作为 \(x\) 值。

你可以做到的！数据表示的核心就是找规律。多练习绘图，你很快就能对数据分析驾轻就熟。