数据分类与解读
数学· 教学大纲章节 9.1, 9.2· 12 分钟阅读
1. 数据的分类类型★☆☆☆☆⏱ 2 min
数据分类
将原始观测值按照共同特征划分为不同组别以简化分析的过程
例:
将关于最喜爱学科的调查回复归类为定性数据，将每周学习时长归类为定量数据。
数据首先被划分为两大核心类别：定性数据（非数值型、描述性的值，例如眼睛颜色或最喜爱的电影）和定量数据（可排序、相加或比较的数值型值，例如年龄或考试分数）。定量数据可进一步划分为离散数据（计数得到的整数值，例如宠物数量）和连续数据（可带小数的测量值，例如身高），不过核心考试仅要求你区分定性数据和定量数据。
将以下各项分类为定性或定量数据：a) 鞋码，b) 最喜爱的食物，c) 跑完100米所用的时间，d) 停车场的汽车数量。
- 1
步骤1：判断数据是否为数值型。如果不是，就属于定性数据。
- 2
步骤2：对于(b)最喜爱的食物：非数值型 = 定性数据。
- 3
步骤3：其余所有选项都是数值型，因此属于定量数据。
- 4
最终答案：a) 定量数据，b) 定性数据，c) 定量数据，d) 定量数据
Exam tip:
数据分类题几乎都是1分的简答题，牢记定性数据和定量数据的区别就能轻松拿到这部分分数。
2. 构建与解读计数表★★☆☆☆⏱ 3 min
计数表
使用计数标记记录每个观测值频数的表格，每第五个标记横向划过之前的四个标记，方便计数。
例:
记录步行、骑车、乘公交或自驾上学的学生人数的计数表。
要制作计数表，首先在第一列列出数据的所有唯一类别。逐个处理原始观测值，在对应类别行中每出现一次就添加一个竖的计数标记。每第五个标记横向划过前四个，组成5个一组，这样计数更快。最终的频数列是每个类别对应的计数标记总数。
20名学生最喜爱的水果原始数据：苹果、香蕉、苹果、橙子、香蕉、香蕉、苹果、橙子、葡萄、苹果、香蕉、葡萄、橙子、苹果、香蕉、苹果、橙子、葡萄、香蕉、苹果。为该数据构建计数表。
- 1
步骤1：在第一列列出所有唯一的水果类别：苹果、香蕉、橙子、葡萄。
- 2
步骤2：为原始数据中每种水果的每一次出现添加一个计数标记，将计数标记按5个为一组划分。
- 3
步骤3：统计计数标记得到每个类别的频数：
- 4
- 5
步骤4：验证总频数等于20以排查计数错误：7+6+4+3=20，与样本量一致。
3. 使用双向表★★★☆☆⏱ 3 min
双向表
展示两个分类变量频数的表格，其中一个变量在行中，另一个在列中，同时包含行总计和列总计。
例:
展示性别与最喜爱学科对应关系的双向表，包含每个性别和每个学科的总人数。
双向表用于展示两组之间的关系。大多数核心考试题会给出一个不完整的双向表，要求你填写缺失值。你可以利用给出的行总计和列总计：用行或列的总计减去该行或该列的已知值，就能得到缺失单元格的值。
以下不完整的双向表展示了按性别划分的数学考试通过/未通过的学生人数，请填写缺失值。
| 通过 | 未通过 | 总计 | |
|---|---|---|---|
| 男生 | 22 | ? | 32 |
| 女生 | ? | 5 | ? |
| 总计 | 45 | ? | 60 |
- 1
步骤1：计算未通过的男生人数：男生总人数减去通过的男生人数 = 32 - 22 = 10。
- 2
步骤2：计算未通过的总人数：学生总人数减去通过的总人数 = 60 - 45 = 15。
- 3
步骤3：计算女生总人数：学生总人数减去男生总人数 = 60 - 32 = 28。
- 4
步骤4：计算通过的女生人数：女生总人数减去未通过的女生人数 = 28 - 5 = 23。
- 5
步骤5：验证总计匹配：总通过人数=22+23=45，总未通过人数=10+5=15，总学生数=32+28=60，所有数值均正确。
Exam tip:
双向表题目通常占3-4分，即便你犯了一个错误，每个正确的缺失值也能得分。写出你的加减计算过程就能拿到步骤分。
4. 解读数据与识别局限性★★☆☆☆⏱ 2 min
从数据中得出结论时，你只能提出表格中数字直接支持的观点。如果你的样本不具有代表性，就不能将结果泛化到更广泛的群体，也绝不能仅因为两个变量相关（存在关联）就假设其中一个变量会导致另一个变量发生。
针对50名11年级学生的调查发现，70%学习乐器的学生成绩高于C等级。一名学生得出结论：'学习乐器能让你取得更好的成绩。'解释为什么这个结论是无效的。
- 1
步骤1：识别数据的局限性：该调查仅显示学习乐器和成绩优异之间存在相关性，而非因果关系。
- 2
步骤2：识别可能的混淆变量：学习乐器的学生可能有更多时间学习，或者家庭环境更具支持性，这些才是成绩更好的真正原因。
- 3
步骤3：指出样本局限性：该调查仅包含11年级学生，因此结果不能泛化到所有年级。
- 4
最终答案：该结论假设存在因果关系，但数据仅显示相关性，且样本仅限于11年级学生，因此无法泛化。
5. 常见陷阱
错误做法:
将鞋码这类数值型数据归类为定性数据，因为它指代一个'尺码'标签。
原因:
鞋码是可以排序和计数的数值型值，因此属于定量数据，即便它指代鞋类尺码的类别。
正确做法:
只有非数值型的数据才能归类为定性数据，例如最喜爱的鞋品牌是定性数据，但鞋码属于定量数据。
错误做法:
将4个竖标记加一个横划的组合计为4个观测值。
原因:
划过4个计数标记的横划代表5个观测值，而非4个，将其计为4会导致总频数计算错误。
正确做法:
将计数标记按5个为一组划分，第五个标记横划前四个，因此每个带横划的组在计算频数时计为5。
错误做法:
忘记检查双向表中的行总计和列总计相加是否等于总合计值。
原因:
这会导致填写缺失值时的算术错误无法被发现，因单元格填写错误而失分。
正确做法:
填写完双向表的所有值后，将所有行总计相加、所有列总计相加，确认二者都等于题目给出的总样本量。
错误做法:
得出泛化到比样本代表范围更大的群体的结论，例如仅调查男子足球队就得出所有学生都喜欢足球的结论。
原因:
该样本存在偏差，不能代表更广泛的群体，因此结论无效。
正确做法:
仅得出适用于实际采样群体的结论，如果要求你评价局限性，要明确说明样本不具有代表性。
错误做法:
假设两个变量之间的相关性意味着其中一个导致另一个发生，例如因为冰淇淋销量和溺水死亡数都在夏季上升，就得出冰淇淋销量导致溺水死亡的结论。
原因:
相关性不等于因果关系；第三个混淆变量（例如炎热天气）可能同时导致两个变量上升。
正确做法:
仅说明两个变量之间存在关联，除非题目给出明确的因果机制证据，否则永远不要声称一个变量导致另一个变量发生。
6. 速查表
概念 | 核心规则 | 考试快速核查点 |
|---|---|---|
数据分类 | 定性=非数值，定量=数值 | 自问：我可以对这些值做加法或排序吗？如果可以=定量数据 |
计数表 | 一个带横划的计数标记组=5个观测值 | 总频数=题目给出的观测值总数 |
双向表 | 行总计之和 + 列总计之和 = 总合计值 | 用总计减去已知值得到缺失单元格的值 |
结论 | 不假设因果，不过度泛化 | 检查样本是否具有代表性，结论是否得到数据的直接支持 |
7. 常见问题
填写双向表时需要写出计算过程吗？
需要，你应当展示填写缺失值用到的所有计算步骤，即便最终表格存在小错误，通常也能获得步骤分。
什么样的结论属于从数据中得出的无效结论？
超出样本组范围进行泛化，或仅显示相关性就假设存在因果关系的结论是无效的。例如，仅因为你班上60%的学生喜欢数学就得出所有学生都喜欢数学的结论，如果你的样本不能代表整个学校，那这个结论就是无效的。
深入阅读
下一步
现在你已经掌握了分类和解读表格数据的方法，可以继续学习使用图表可视化展示数据的内容，这是CIE IGCSE数学0580统计单元的下一个核心主题。你在这里学到的技能将成为所有后续统计学习的基础，因为在构建或分析任何其他类型的数据表示之前，你都需要先对数据进行分类并解读表格。你在解决概率相关问题时也会用到这些技能，因为双向表经常被用于计算联合事件的概率。请务必定期练习完成和解读计数表与双向表，这些都是核心试卷中很容易拿到的分数点，也经常在较长的考题中与其他统计知识点结合出现。