分佈度量範例問題及討論
離散程度的量測是用來描述資料集內資料分散程度或變異程度的統計概念。離散程度的尺度能夠更深入地展現資料分佈，揭示僅憑中位數和平均數無法獲得的資訊。本文將探討幾個與離散程度測量相關的例題，並進行分析以闡明此概念。離散程度的測量有很多種，包括極差、標準差、變異數和四分位數間距（IQR）。
1. 範圍
定義
極差是指資料集中最高值和最低值之間的差值。
問題範例
一支足球隊以以下方式記錄其最近 10 場比賽的進球數：
3、5、2、8、7、2、6、9、4 和 1。
彭巴哈桑
要計算極差，我們需要找到資料的最大值和最小值。
最高分：9
最小值：1
極差 = 最大值 – 最小值 = 9 – 1 = 8
因此，最近 10 場比賽的進球數範圍是 8 個球。
2. 標準差
定義
標準差衡量的是資料集中每個數值與其平均值之間的距離。標準差是變異數的平方根。
問題範例
某班學生的數學考試成績如下：65、70、75、80 和 85。
彭巴哈桑
第一步是計算平均分數。
\[
平均值 = (65 + 70 + 75 + 80 + 85) / 5 = 75
\]
第二步是計算每個值與平均值之間的差異，然後將結果平方：
– (65 – 75)² = 100
– (70 – 75)² = 25
– (75 – 75)² = 0
– (80 – 75)² = 25
– (85 – 75)² = 100
第三步是透過計算差異平方的平均值來求變異數：
\[
變異數 = (100 + 25 + 0 + 25 + 100) / 5 = 50
\]
標準差是變異數的平方根：
\[
標準差 = √50 ≈ 7.07
\]
因此，測驗分數的標準差約為 7.07。
3. 方差
定義
變異數是每個數值與其平均值之差的平方的平均值；它描述了資料圍繞平均值的離散程度。變異數是標準差的平方。
問題範例
假設我們有以下資料集：10、20、30、40 和 50。
彭巴哈桑
第一步是計算數據的平均值。
\[
平均值 = (10 + 20 + 30 + 40 + 50) / 5 = 30
\]
第二步是計算每個值與平均值之間的差異，然後將結果平方：
– (10 – 30)² = 400
– (20 – 30)² = 100
– (30 – 30)² = 0
– (40 – 30)² = 100
– (50 – 30)² = 400
第三步是透過計算差異平方的平均值來求變異數：
\[
變異數 = (400 + 100 + 0 + 100 + 400) / 5 = 200
\]
因此，該資料集的變異數為 200。
4. 四分位數間距 (IQR)
定義
四分位數間距 (IQR) 是第三四分位數 (Q3) 和第一四分位數 (Q1) 之間的差值。 IQR 可以衡量資料集中資料點與中間 50% 資料的離散程度，這比極差更具參考價值。
問題範例
以下資料集包含以下值：1、3、4、5、6、7、8、11、13 和 14。
彭巴哈桑
首先，我們需要對資料進行排序：
1，3，4，5，6，7，8，11，13，14
要計算 Q1 和 Q3，我們需要將資料分成四分位數。
– 中位數（Q2）介於 6 和 7 之間：\((6+7)/2 = 6.5\)
對於 Q1，我們取較低值的中間值：
– 1、3、4、5、6
此子集的中位數是 4
對於 Q3，我們取上方數值的中位數：
– 7、8、11、13、14
此子集的中位數是 11
四分位數間距 (IQR) = Q3 – Q1 = 11 – 4 = 7
因此，該資料集的四分位距為 7。
結論
離散程度的測量是統計學的重要組成部分，它有助於我們理解資料的變異程度。本文討論並舉例說明了幾種常用的離散程度測量：極差、標準差、變異數和四分位數間距。透過理解這些概念及其計算方法，我們可以更了解所分析資料的特徵，從而基於這些資料做出更明智的決策。
