数据呈现与汇总统计

IB 数学 AA HL· 4.2· 15 分钟阅读

1. 不同数据类型的图形展示★★☆☆☆⏱ 5 min

✓ 计算器

📘 定义

单变量数据

从每个抽样单元记录单个特征的数据，用于描述性和推断性分析

例:

50名12年级学生的身高是单变量数据；身高+体重是双变量数据

不同数据类型需要不同的展示方式来清晰呈现规律：分类数据使用条形图或饼图，离散定量数据使用条形图，连续数据使用直方图、频率多边形或累积频率曲线。

📐 例题

一名教师记录了30人班级中每个学生的缺勤次数：| 缺勤次数 | 0 | 1 | 2 | 3 | 4 | | 频率 | 12 | 10 | 5 | 2 | 1 | 哪种展示方式最合适，应该如何构建？

1
1. 识别数据类型：缺勤次数是离散定量数据。
2
1. 匹配展示方式：离散数据使用分离条形图（不能用直方图，直方图意味着变量连续）。
3
1. 坐标轴设置：X轴标注为“缺勤次数”，刻度在0–4之间，Y轴标注为“频率”，范围0–12。
4
1. 绘制分离条形，条形高度等于每个缺勤次数对应的频率。

2. 中心和离散程度的度量★★★☆☆⏱ 6 min

✓ 计算器

📘 定义

四分位距（IQR）

IQR = Q_3 - Q_1

排序后数据中间50%的离散程度，是对异常值不敏感的离散度量

例:

对于数据集[2, 3, 5, 7, 11], Q1=3, Q3=7, IQR = 4

中心度量描述分布的典型值，离散度量描述数据的变异程度。常用的组合是均值和标准差，或者中位数和四分位距。

均值 = 所有数据的平均值，受极端异常值影响
中位数 = 排序后数据的中间值，不受异常值影响
标准差 = 各点到均值的平均距离，单位与原始数据相同

📐 例题

对于完整总体[12, 15, 18, 22, 25]，求其均值、中位数和总体标准差。

1
计算均值：
2
$\bar{x} = \frac{12 + 15 + 18 + 22 + 25}{5} = 18.4$
3
求中位数：数据已排序，第3个值就是中位数：中位数 = 18
4
计算各点与均值偏差的平方和：
5
$(12-18.4)^2 + ... + (25-18.4)^2 = 109.2$
6
总体标准差是平均偏差平方的平方根：
7
$\sigma = \sqrt{\frac{109.2}{5}} \approx 4.67$

3. 异常值与箱线图★★★☆☆⏱ 5 min

✓ 计算器

📘 定义

异常值（1.5 × IQR法则）

若一个观测值小于 $Q_{1} - 1.5 \times I QR$ 或大于 $Q_{3} + 1.5 \times I QR$ ，则它是异常值

例:

Q1=10, Q3=20, IQR=10: 任何小于-5或大于35的值都是异常值

箱线图（盒须图）展示五数概括（最小值、Q1、中位数、Q3、最大值），并明确标注异常值，非常适合并排比较两个或多个分布。

📐 例题

使用1.5×IQR法则识别[4, 6, 7, 8, 10, 12, 35]中的异常值。

1
数据已排序，n=7。中位数 = 第4项 = 8。排除中位数后，分为下半部分[4,6,7]和上半部分[10,12,35]。
2
Q1 = 下半部分的中位数 = 6，Q3 = 上半部分的中位数 = 12
3
计算异常值边界：
4
$IQR = 12 - 6 = 6 \\ Lower = 6 - 1.5(6) = -3 \\ Upper = 12 + 1.5(6) = 21$
5
35大于21，因此35被分类为异常值。

4. 累积频率图★★★★☆⏱ 7 min

✓ 计算器

累积频率图将累积频率（不超过给定值的总观测数）对分组区间的上界作图，用于从分组连续数据中估计中位数、四分位数和百分位数。

📐 例题

对100株植物的高度，累积频率为：10cm处10，20cm处40，30cm处75，40cm处100。估计中位数和四分位距。

1
中位数对应累积频率为 $\frac{100}{2} = 50$ 处的高度。
2
在(20cm, 40)和(30cm, 75)之间插值： $20 + \frac{50 - 40}{75 - 40} \times 10 \approx 22.9$ cm
3
Q1对应累积频率25，Q3对应累积频率75：
4
Q1 $\approx 10 + \frac{25 - 10}{40 - 10} \times 10 = 15$ cm，题目给出Q3 = 30 cm
5
计算四分位距：
6
$IQR = 30 - 15 = 15 \text{ cm}$

5. 常见陷阱

错误做法:

对离散分类数据使用直方图

原因:

直方图相连的条形意味着变量是连续的，这会产生误导并导致丢分

正确做法:

对离散或分类数据使用分离条形图

错误做法:

从图形计算器中选择了错误的标准差类型（样本 vs 总体）

原因:

IB要求你根据语境选择正确的值，选错会得到错误答案

正确做法:

对完整总体数据使用 $σ$ ，对来自更大总体的样本数据使用 $s$

错误做法:

对存在异常值的偏态分布使用均值而非中位数

原因:

均值会被拉向偏态分布的长尾和极端异常值，无法反映典型值

正确做法:

对于偏态分布或存在异常值的数据集，使用中位数作为中心度量

错误做法:

当n为奇数时，计算Q1/Q3包含了整体中位数

原因:

这会导致四分位数值错误，进而错误分类异常值

正确做法:

当n为奇数时，计算Q1/Q3前，需将整体中位数排除在下半部分和上半部分之外

6. 速查表

度量类型	名称	核心规则	对异常值稳健？
中心	均值	$\overset{x}{ˉ} = \frac{\sum x _{i}}{n}$	否
中心	中位数	排序数据的中间值	是
离散程度	极差	Max - Min	否
离散程度	四分位距	Q3 - Q1	是
离散程度	总体标准差	$σ = \frac{\sum ( x _{i} - x ˉ ) ^{2}}{n}$	否
离散程度	样本标准差	$s = \frac{\sum ( x _{i} - x ˉ ) ^{2}}{n - 1}$	否
异常值法则	1.5×IQR	若值 < Q1 - 1.5IQR 或 > Q3 + 1.5IQR，则为异常值	不适用

7. 常见问题

我需要区分总体标准差和样本标准差吗？

需要，IB考试经常考察这个区分。当你拥有全部研究对象组的数据时，使用总体标准差（ $σ$ ）；当你的数据是更大群体的子集时，使用样本标准差（ $s$ ）。

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。

2025 · 1
异常值计算与箱线图
2023 · 2
比较两个分布
2021 · 1
累积频率解释

深入阅读

syllabusIB AA HL 第四章官方大纲官方大纲要求

下一步

数据呈现与汇总统计是IB AA HL所有统计工作的基础。这些描述性工具帮助你在进行正式推断检验前探索原始数据中的规律，你在所有后续统计学主题中都会用到汇总统计量。在学习概率分布时你会用到均值和标准差的性质，在假设检验中用箱线图比较组别，在回归分析中解释汇总统计量。

→正态分布
→概率基本概念与法则