第1章 描述統計與資料圖
1.1 先看資料怎麼分布,再選摘要
一筆資料至少要交代觀測單位、變量與單位。要比較四家店的等候時間,就先說清每筆是一次到店、以分鐘記錄,以及不同店是否使用同樣的起訖規則。次數適合類別資料;排序、取平均則須先確定數字帶有可比較的尺度。把缺失值當作零,會改變問題和所有後續摘要。
對 n≥1 個已觀測數值,平均是總和除以 n。中位數先排序,n 為奇數時取中間值,偶數時取中間兩值的平均。當 n≥2,本冊先各取下半與上半的中位數作 Q₁、Q₃,奇數筆時不把全體中位數放入任一半。四分位距 IQR=Q₃−Q₁。用 Q₁−1.5IQR、Q₃+1.5IQR 標出圍籬,鬚只伸到圍籬內最遠的觀測值。圍籬外的點要查原因,不代表該捨棄。其他分位數約定可能給不同數值。
描述這批數字的變異數,是把每個值減去本批平均、平方,再除以 n。平方讓正負偏差不互抵;標準差是開根號,回到原單位。這與第3章用 n−1 估計母體變異數的目的不同。直方圖的面積才是次數或比例:若組寬不同,用次數除以組寬作高度。散點圖保留兩變量的一筆一對;看見趨勢不等於知道原因。
1.2 四個例題
例題1 平均和中位數回答不同問題
六筆分鐘數排序為 2、3、3、7、10、11。總和 36,平均 6;中間兩筆是 3 和 7,所以中位數 5。平均保留「總量除以人數」的意義;中位數則在排序中間,不要求資料恰好出現 5。
例題2 畫箱體,再決定鬚到哪裡
資料 1、2、2、3、4、25 的兩半中位數是 2、4,全體中位數為 (2+3)/2=2.5。IQR=2,圍籬是 2−3=−1 與 4+3=7;圍籬內最遠值是 1、4。25 單獨標點,先查記錄,不自動移除。
例題3 組寬不同時看面積
在區間 [0,2) 有 4 筆,在 [2,6) 有 8 筆。高度各為 4/2=2、8/4=2。第二柱雖未更高,但面積是第一柱兩倍。若用相對次數密度,兩高度再各除以 12,面積總和成為 1。
例題4 保留散點的配對
三筆練習次數與答對題數是 (1,2)、(2,4)、(3,6)。畫三個點會看見本批每多一次練習就多兩題的直線關係。分別重排兩欄可能把 (1,2) 變成 (1,6),那不是另一種畫法,而是改寫了配對。本批不能單靠三點排除基礎程度等影響。
1.3 練習
- B12-C01-Q01 4、6、8、10 的平均是多少?
- B12-C01-Q02 1、2、10、11、35 的中位數為何?
- B12-C01-Q03 2、2、4、4 的描述變異數與標準差?
- B12-C01-Q04 數據由公尺改為公分;原標準差是 2 公尺,新的標準差與變異數數值?
- B12-C01-Q05 依本冊約定,1、3、4、5、8、13 的 IQR?
- B12-C01-Q06 以上題的 IQR 求上圍籬;新量測 17 是否在這條既定圍籬外?
- B12-C01-Q07 兩直方柱的組寬分別為 2、1,高度是 3、4,單位為筆/區間單位。哪組較多?
- B12-C01-Q08 (1,4)、(1,7)、(3,5) 畫成散點圖,x=1 的兩筆應如何表示?
- B12-C01-Q09 比較 0、2 與 1、1 的平均和描述變異數。
- B12-C01-Q10 1、2、3、4、99 刪去 99 前後,平均和中位數怎麼變?這能證明應刪除嗎?
1.4 完整解答
Q01
總和 28,四筆等重,平均 28/4=7。
Q02
資料已依小到大排好,五筆取第三筆,所以中位數為 10。35 不需要與其他值相加。
Q03
平均是 3,四個偏差各為 −1 或 1。偏差平方和 4,除以 4 得變異數 1,開根號得標準差 1。
Q04
每個偏差乘 100,平方乘 100²;標準差為 200 公分,變異數為 40,000 平方公分。
Q05
下半為 1、3、4,上半為 5、8、13,所以 Q₁=3、Q₃=8。IQR=8−3=5。
Q06
上圍籬為 8+1.5×5=15.5;17 比它大。這裡不把新點先併入重算圍籬;超出只表示需要檢查。
Q07
面積各是 2×3=6、1×4=4 筆。較矮的第一組反而較多,占兩組總數的 6/10。
Q08
畫在同一個橫座標 1 上,但分別位於縱座標 4 和 7。二筆是不同觀測,不應先合併或刪除。
Q09
兩組平均都為 1。第一組偏差 ±1,兩個平方平均為 1;第二組偏差都是 0、變異數為 0,平均無法表達這項差別。
Q10
原平均 109/5=21.8,中位數 3。刪後平均 10/4=2.5,中位數 (2+3)/2=2.5。這展示敏感度差異,不是 99 一定有誤的證據。