如何將資料分組到類別區間中
將資料分組到組距是描述統計中的關鍵步驟。其目的是簡化大量原始數據，使其更易於閱讀、分析，並以頻數分佈表或直方圖的形式呈現。當數據過於多樣化和分散時，往往難以識別模式。組距將資料組織成特定的值組，使我們能夠更清晰地了解資料分佈、最常出現的值，甚至集中趨勢。
本文探討了分組區間的意義、何時需要分組區間，以及將資料分組到分組區間的實際步驟，並附有應用範例。
1. 理解組距
組距是用於對頻數分佈中的資料進行分組的數值範圍。每個組距通常都有一個下限和一個上限。例如，組距 10-19 表示所有值在 10 到 19 之間的資料都屬於該組。
在頻數分佈表中，組距充當相似值的「容器」。這使得數據比逐一列出所有值更簡潔。組距也是建立直方圖和頻數多邊形等圖表的基礎。
2. 何時需要將資料分組？
並非所有資料都需要劃分成組距。分組通常在以下情況下是必要的：
1. 資料量很大，例如超過 30 或 50 個觀測值。
2. 資料範圍很廣，所以數值分佈分散，難以讀取。
3. 我們想看看分佈模式，例如，找出資料是趨向於常態分佈、偏態分佈還是雙峰分佈。
4. 資料將以直方圖的形式呈現，因為直方圖需要區間類別。
如果資料量較小（例如 10 個值），通常一個頻率表就足夠了，無需間隔。
3. 將資料分組到類別區間的步驟
以下是形成組距最常用的步驟。
步驟 1：確定最小值和最大值
首先，確定資料的最小值和最大值。
– 最小值 = \( x_{\min} \)
– 最大值 = \( x_{\max} \)
該值將用於計算資料的範圍。
步驟 2：計算範圍
極差是指最大值與最小值之間的差異：
\[
R = x_{\max} – x_{\min}
\]
範圍可以反映資料分佈的寬度。
步驟 3：確定類別數 (k)
確定班級數量的方法有很多。最常用的方法是使用斯特吉斯法則：
\[
k = 1 + 3{,}3 \log_{10}(n)
\]
其中 \( n \) 是資料量。
計算結果通常會四捨五入到最接近的整數（或向上取整），以避免班級數量過少。
除了 Sturges 演算法之外，還有一種常見的做法：根據你的展示需求和樣本量，選擇 5 到 12 之間的組距。不過，Sturges 演算法更適用於較小的資料集。
步驟 4：計算類別寬 (i)
組距是指每組距的長度。計算公式為：
\[
i = \frac{R}{k}
\]
為了方便使用，組距通常會四捨五入到一個「簡潔」的數字（例如，5、10、2 或 0,5，取決於資料上下文）。這種四捨五入對於確保組距易於閱讀和避免混淆至關重要。
如果舍入結果導致無法容納所有數據，則可以稍微增加類別寬度。
第五步：確定班級界限
以最小值作為第一組的下限。然後建立連續的區間，直到它們包含最大值。
例如，如果最小值為 32，類別寬為 5，則可以建立該類別：
– 32–36
– 37–41
– 42–46
- ETC。
重要提示：請確保各類別之間沒有空隙或重疊。所有資料值必須完全屬於一個類別。
步驟 6：（可選）建立類別邊界
如果資料是整數（例如，考試分數），通常會建立組邊界以使組內資料連續。這可以透過在上限值上加 0,5，在下限值上減 0,5 來實現。
例如，對於第 32-36 類，類邊界變成：
– 31,5–36,5
這對於直方圖很有用，可以使長條圖之間沒有間隙。
步驟 7：計算每個類別的頻率
確定組距後，統計每個組距內的資料點數量。結果記錄在頻數列（f）。
對於大數據，使用計數法速度更快，誤差更小。
步驟 8：建立頻率分佈表
最小頻率分佈表包含：
– 班級間隔
– 頻率 (f)
您也可以新增其他列，例如：
– 課程中點（十一）
– 累積頻率
相對頻率（百分比）
4. 資料分組範例
例如，有 40 位學生的考試成績數據，最低分為 42 分，最高分為 94 分。
1. 最小值 = 42 ，最大值 = 94
2.範圍：
\[
R = 94 – 42 = 52
\]
3. 班級數量（Sturges）：
\[
k = 1 + 3{,}3 \log(40)
\approx 1 + 3{,}3(1{,}602)
約 6,29
\]
向上取整到6或7堂課。為了更詳細地說明，我們選擇了7節課。
4. 類寬：
\[
i = \frac{52}{7} \approx 7{,}43
\]
四捨五入為 8。
5. 從 42 開始，以 8 為寬度形成區間：
– 42–49
– 50–57
– 58–65
– 66–73
– 74–81
– 82–89
– 90–97
最後一個區間達到了 97，因此最大值 94 仍然可以容納。
6. 接下來，根據資料計算每個區間的頻數（例如，以折線圖表示）。最終表格將顯示有多少學生的分數落在某個分數範圍內，使我們能夠快速評估學生的表現。
5. 提高課時效率的技巧
1. 使用一致的類別寬，使表格易於比較。
2. 不要設定太多類別，因為表格會變得很長，難以閱讀。
3. 不要開設太少的課程，因為重要的資訊可能會“丟失”，而且課程分佈可能會顯得過於粗糙。
4. 根據資料的具體情況調整組距的取整方式。例如，對於溫度數據，1 或 0,5 可能比較合適；對於考試分數，5 或 10 通常比較合適。
5. 仔細檢查類別邊界，確保所有資料都已輸入，沒有任何缺失值。
結論
將資料分組到不同的組距是簡化資料並清晰展示分佈的重要技巧。具體步驟包括：確定最小值和最大值、計算極差、確定組數（通常使用斯特吉斯法則）、計算組距、建立組距，以及計算每個組的頻數。透過合理的組距，複雜的原始資料可以轉化為易於理解的訊息，無論是在表格還是圖表中。
如果您需要，我還可以用原始資料（數值清單）建立一個完整的範例，然後編制一個帶有直方圖的頻率分佈表。
