学习指南

单变量汇总统计量的图形表示

AP 统计学· 课程框架第1单元：探索单变量数据· 12 分钟阅读

1. 点图与茎叶图：原始数据可视化★★☆☆☆⏱ 15 min

这两种展示方式保留了所有独立的原始数据值，非常适合需要完整观测透明度的中小型数据集。

📘 定义

茎叶图（Stem-and-Leaf Plot）

茎=前导数字，叶=末尾数字茎 = 前导数字，叶 = 末尾数字

将每个数据点拆分为共享的前导茎数字和唯一的尾随叶数字，在对数值分组的同时保留全部精度的展示方式

例:

数据点23、27、31、32的茎分别为2和3，对应的叶分别为[3,7]和[1,2]

📐 例题

为以下12个考试分数构建茎叶图：62, 65, 71, 74, 75, 77, 80, 82, 86, 91, 93, 98

  1. 1

    将十位前导数字设为茎，个位末尾数字设为叶

  2. 2

    在图的左侧按升序列出从6到9的所有唯一茎

  3. 3

    将每个分数的个位数字作为叶分配到对应茎下，所有叶按升序排序

  4. 4

    添加注释说明符号含义，例如 6 | 2 = 62分

✓ 快速检测

测试你对原始数据展示方式的理解：

  1. 某个茎叶图的茎为9，叶为2、4、7，其中的最大值是多少？

    显示答案
    97 —

    茎9代表十位，7是个位数字。

2. 直方图：分箱频数可视化★★★☆☆⏱ 18 min

📘 定义

直方图

针对定量数据的条形图，x轴被划分为连续且互不重叠的分箱，条形高度代表每个分箱内观测值的频数或相对频数

例:

分箱0-10包含7个观测值，因此其条形在y轴上的高度为7

📐 例题

为20名学生的通勤时间构建直方图，分箱为0-10、10-20、20-30、30-40、40-50，对应频数为5、7、4、3、1

  1. 1

    绘制连续x轴，标注为“通勤时间（分钟）”，范围覆盖0到50

  2. 2

    绘制y轴，标注为“学生人数”，范围覆盖0到8，以容纳最大值7的频数

  3. 3

    为每个分箱绘制相邻的条形，高度等于对应频数，条形之间不留空隙

  4. 4

    确认所有条形互不重叠，所有数据点都恰好落入一个分箱内

3. 箱线图：汇总统计量可视化★★★☆☆⏱ 17 min

📘 定义

箱线图

箱体从Q1延伸到Q3，中位数处有竖线，须线延伸到最远的非异常值点箱体从Q1延伸到Q3，中位数处有竖线，须线延伸到最远的非异常值点

完全基于五数概括构建的紧凑展示方式，使用1.5*IQR规则清晰标记异常值

🔬 推导
目标:

根据五数概括构建箱线图

起点:

最小值 = 12，第一四分位数（Q1）= 18，中位数 = 25，第三四分位数（Q3）= 32，最大值 = 47，异常值为 58

  1. 1

    绘制数轴，覆盖包含异常值在内的全部数值范围

  2. 2

    绘制矩形箱体，从Q1=18延伸到Q3=32，在中位数25的位置画一条竖线

  3. 3

    计算IQR = Q3 - Q1 = 14，因此1.5*IQR = 21，上栅栏 = Q3 + 21 = 53

  4. 4

    从Q1向下绘制须线到最小值12，从Q3向上绘制须线到上栅栏以下的最大值47

  5. 5

    将异常值58绘制为上须线之外的独立孤立点

结果:

最终的箱线图可清晰显示异常值导致的右偏特征，以及数据中间50%的分布范围

4. 使用对齐图形进行跨分布比较★★★★☆⏱ 12 min

方法对比

根据样本量和所需细节程度选择合适的分组比较展示方式：

并排点图

最适合2组且样本量n < 30的场景

+ 优点: 保留所有独立数据点

− 缺点: 样本量大时会显得杂乱

并排箱线图

最适合3组及以上任意样本量的场景

+ 优点: 可一眼快速比较中心和离散程度

− 缺点: 隐藏单个数据点的细节

✓ 快速检测

测试你的比较技能：

  1. 以下哪种展示方式最适合比较5个不同班级的考试分数分布？

    • 并排箱线图

    • 点图

    • 茎叶图

    显示答案
    并排箱线图 —

    箱线图足够紧凑，可以在同一坐标轴上容纳5个对齐的展示，便于比较。

5. 常见陷阱

错误做法:

直方图使用不等宽分箱，同时y轴统计原始频数

原因:

这会扭曲分箱的相对面积，导致分布形状显示出错误的偏态

正确做法:

使用等宽分箱，如果必须使用不等宽分箱，则将y轴按密度缩放

错误做法:

在直方图的条形之间添加空隙来分隔分箱

原因:

直方图的条形代表连续有序数据，空隙会错误地表示该数值范围内没有数据

正确做法:

相邻直方图条形之间不留空隙，频数为0的空分箱除外

错误做法:

声称箱线图可以显示数据集的众数

原因:

箱线图仅展示四分位数，无法显示单个数据点或最高频数的位置

正确做法:

使用点图或茎叶图识别众数，注意无法从箱线图中确认众数

错误做法:

比较两个并排箱线图时忽略异常值

原因:

异常值是代表极端值的点，会影响数据的离散程度和背景信息，AP评分标准会因遗漏异常值扣分

正确做法:

比较分布时必须将异常值作为独立特征明确提及

错误做法:

将数值范围较大的茎叶图的茎仅拆分为2部分

原因:

这会过度聚合数据，隐藏双峰性等分布形状特征

正确做法:

根据需要将茎拆分为5份或2份，确保总茎数在6-15之间，清晰呈现分布形状

6. 速查表

展示类型

最佳适用场景

显示精确数据值？

易于识别异常值？

AP考试常见指令术语

点图

样本量n < 50的定量数据

是

是

构建 / 描述

茎叶图

样本量n < 200的中小型定量数据

是

是

构建 / 比较

直方图

样本量n > 100的连续定量数据

否

否

解读 / 描述形状

箱线图

比较3组及以上的数据集

否

是

比较分布

7. 常见问题

我可以用直方图展示分类数据吗？

不可以，直方图要求x轴为定量轴，取值为连续或有序的分箱值。分类数据应使用条形图，条形图之间留有空隙以区分互不相关的组别。

箱线图能显示数据集的精确众数吗？

不能，箱线图仅展示五数概括，因此无法识别众数，也无法展示数据中间50%部分的空隙或聚类特征。如需该级别的细节，应使用点图或茎叶图。

真题中的出现

AI 根据考纲规律估算的考点位置,请对照官方真题核实准确性。仅作复习重点参考。

  • 2023 · 第1卷

    通过箱线图比较两个分布

  • 2022 · 第2卷

    根据汇总统计量构建直方图

  • 2021 · 第1卷

    从茎叶图中识别异常值

下一步

掌握这些图形表示是你后续学习AP考试所有推断统计和比较统计内容的基础。后续课程中你将使用这些展示方式为t检验、卡方检验和回归分析的假设提供依据，也能在要求比较两个分布的自由作答题中拿到满分——这类题型几乎在每一届AP统计学考试中都会出现。为了巩固这些知识，请练习将你的解读技能应用到正式的分布描述框架中，之后学习计算均值、标准差和四分位距等数值汇总统计量，与你的图形分析相互补充。这些配套技能将确保你在考试中不会因为描述不完整而丢分。