🔢 高中数学必修第二册第九章 统计频率分布直方图百分位数平均数方差

用样本估计总体

掌握频率分布表和直方图的制作与解读,会计算百分位数及集中、离散趋势参数,并能用样本分布与数字特征估计总体。

难度:★★★★★

💡一组数据怎样讲出总体的故事

抽取一批学生测量每晚睡眠时间后,几十个原始数字本身并不容易阅读。把数据分组画成直方图,可以看出多数人集中在哪个区间;计算平均数、中位数和标准差,又能从中心位置与波动程度概括样本。

样本特征可用于估计总体,但估计不是把样本结论机械地贴到每个个体身上。图表展示分布形状,数字特征压缩关键信息,抽样方法则决定这种推断是否可靠。三者应结合使用。

🎯学习目标与考查重点
  • 会制作频率分布表和频率分布直方图,理解小矩形面积表示频率。
  • 会按教材规则计算百分位数,能用中位数和四分位数解释位置。
  • 掌握众数、中位数、平均数的特点及加权平均数的计算。
  • 会计算极差、方差、标准差,比较数据的集中趋势和离散程度。
  • 能依据样本分布估计总体,并说明估计中的抽样波动与局限。

一、从原始数据到频率分布

整理连续型数据时,通常先求极差,再确定组数与组距,划定互不重叠且覆盖全部数据的区间,统计各组频数。某组频数为 mim_i,样本量为 nn,该组频率为

fi=min,f_i=\frac{m_i}{n},

并满足 ∑fi=1\sum f_i=1。边界值归入哪一组必须统一,例如各组采用左闭右开区间,最后一组再包含右端点,避免重复或遗漏。

频率分布直方图的横轴是变量取值区间,纵轴通常是

频率组距.\frac{\text{频率}}{\text{组距}}.

因此第 ii 个小矩形面积为

组距×fi组距=fi,\text{组距}\times\frac{f_i}{\text{组距}}=f_i,

所有小矩形面积之和为 11。只有各组组距相等时,柱高才与频率成正比;组距不等时直接比较柱高,会把“密度高”误读成“人数多”。

分组会损失组内细节。组距太大会掩盖分布结构,组距太小又会让图形受偶然波动影响明显。解释直方图时应关注集中区域、偏斜方向、是否有多个峰以及异常区间,而不能只挑最高的一根柱。

二、百分位数刻画相对位置

将 nn 个数据从小到大排列,求第 pp 百分位数时,先计算

i=n×p%.i=n\times p\%.

按教材常用规则:若 ii 不是整数,取第 ⌈i⌉\lceil i\rceil 个数据;若 ii 是整数,取第 ii 个与第 i+1i+1 个数据的平均数。第 5050 百分位数就是中位数,第 2525、7575 百分位数分别称为第一、第三四分位数。不同软件可能采用不同插值约定,实际交流应注明规则。

百分位数描述相对位置。例如某人成绩处在第 8080 百分位数附近,表示约有 80%80\% 的观测值不超过该位置,并不表示他答对了 80%80\% 的题。百分位数主要反映排序位置,不能直接说明相邻位置之间差多少。

箱线图常用最小值、第一四分位数、中位数、第三四分位数和最大值概括分布。四分位距

IQR=Q3−Q1IQR=Q_3-Q_1

反映中间约一半数据的跨度,对极端值不太敏感。

🔑

用样本估计总体要同时看“形”与“数”:直方图保留分布形状,平均数或中位数描述中心,标准差或四分位距描述波动。单个指标不能完整代表一组数据。

三、集中趋势参数

一组数据 x1,x2,…,xnx_1,x_2,\ldots,x_n 的平均数为

xˉ=1n∑i=1nxi.\bar x=\frac1n\sum_{i=1}^{n}x_i.

若不同数值 xix_i 出现频数 mim_i,则

xˉ=∑mixi∑mi.\bar x=\frac{\sum m_ix_i}{\sum m_i}.

平均数利用了每个观测值,便于代数运算,但容易受极端值影响。中位数把有序数据分成数量大致相等的两部分,对极端值较稳健。众数是出现次数最多的值,可能不唯一,也可能因所有值频数相同而没有明显众数。

若只能从分组表估计平均数,可用各组中点代表组内数据,得到

xˉ≈∑cifi,\bar x\approx\sum c_if_i,

其中 cic_i 是第 ii 组中点。它是近似值,因为组内观测并不一定都等于中点。分布明显右偏时,少量大值常把平均数拉到中位数右侧;描述典型水平时应结合实际目的选择指标。

四、离散程度参数

极差等于最大值减最小值,计算简单但只使用两个数据。方差综合每个数据与平均数的偏离。按本课程的总体数据计算形式,数据 x1,…,xnx_1,\ldots,x_n 的方差和标准差为

s2=1n∑i=1n(xi−xˉ)2,s^2=\frac1n\sum_{i=1}^{n}(x_i-\bar x)^2, s=s2.s=\sqrt{s^2}.

平方使正负偏差不会抵消。方差单位是原单位的平方,标准差与原数据单位一致,因此解释实际波动时标准差更直观。若所有数据同时加上常数 aa,平均数增加 aa,方差不变;若所有数据乘常数 bb,方差变为 b2s2b^2s^2,标准差变为 ∣b∣s|b|s。

两组数据平均数相同,不代表稳定性相同。标准差越小,通常说明数据在平均数附近越集中。但比较量纲或平均水平差异很大的数据时,仅比较标准差可能不公平,需要结合情境选择相对指标。

例 1原创基础例题:计算百分位数

某兴趣小组 1010 名学生一周锻炼次数按从小到大排列为

1,2,2,3,3,4,4,5,6,8.1,2,2,3,3,4,4,5,6,8.

按上述规则求第 3030 百分位数和第 7575 百分位数。

✏️ 查看分步解析

求第 3030 百分位数时,

10×30%=310\times30\%=3

是整数,所以取第 33、第 44 个数据的平均数:

2+32=2.5.\frac{2+3}{2}=2.5.

求第 7575 百分位数时,

10×75%=7.510\times75\%=7.5

不是整数,向上取整得到 88,故取第 88 个数据 55。答案分别为 2.52.5 和 55。

例 2原创进阶例题:比较两组数据的稳定性

甲、乙两台设备各记录 55 次灌装量,甲为 498,500,500,501,501498,500,500,501,501,乙为 496,498,500,502,504496,498,500,502,504,单位均为毫升。比较两组平均数与稳定性。

✏️ 查看分步解析

两组数据之和都为 25002500,所以平均数都是 500500 毫升。甲组相对平均数的偏差为 −2,0,0,1,1-2,0,0,1,1,故

s甲2=4+0+0+1+15=1.2.s_{\text{甲}}^2=\frac{4+0+0+1+1}{5}=1.2.

乙组偏差为 −4,−2,0,2,4-4,-2,0,2,4,故

s乙2=16+4+0+4+165=8.s_{\text{乙}}^2=\frac{16+4+0+4+16}{5}=8.

由于 1.2<81.2\lt8,甲组数据更集中,灌装量更稳定。两组平均水平相同,但离散程度不同,不能只凭平均数判断设备表现。

⚠️易错点
  • 频率分布直方图中面积表示频率;组距不等时,柱高不能直接当频率。
  • 百分位数必须先排序,并按约定处理 np%np\% 为整数的情形。
  • 平均数、中位数和众数各有侧重,不能脱离分布形状机械选用。
  • 方差的单位是原单位的平方,标准差才与原数据同单位。
  • 分组数据用组中值算出的平均数是估计值,不是由原始数据得到的精确值。
🌏生活应用:理解工资报告

某企业少数管理岗位工资很高,大多数员工工资集中在较低区间。此时平均工资可能明显高于中位数。若报告只公布平均数,员工未必能据此判断“典型岗位”的收入;同时公布中位数、四分位数和分布图更透明。比较不同年份时还要确认统计范围、全职与兼职口径是否一致,否则数字变化可能来自样本构成,而非真实工资增长。

五、自测与解析

1. 直方图面积

某组组距为 55,频率为 0.200.20。频率分布直方图中该组柱高应是多少?

✏️ 查看答案

柱高为频率除以组距,即

0.205=0.04.\frac{0.20}{5}=0.04.

小矩形面积为 5×0.04=0.205\times0.04=0.20,恰好等于该组频率。

2. 参数变化

一组数据平均数为 1212,方差为 99。每个数据都变为原来的 22 倍再加 33,新平均数与新方差是多少?

✏️ 查看答案

新平均数为 2×12+3=272\times12+3=27。加 33 不改变方差,乘 22 使方差乘 222^2,故新方差为 3636。

3. 指标选择

某小区统计住户月用水量,其中一户因水管漏水出现极大值。描述典型住户用水水平时,平均数和中位数哪一个通常更稳健?

✏️ 查看答案

中位数通常更稳健。极大值会明显拉高平均数,却只改变排序末端,对中位数影响较小。报告中仍应说明异常值原因,而不是简单删除。

📺B 站视频讲解去 B 站观看「用样本估计总体视频讲解」优质讲解视频 →