八年级下册数据分析初步精讲｜中位数 众数 方差

1课程导入与本章核心地位演讲人课程导入与本章核心地位01三类统计量的对比与综合应用02核心知识点逐个精讲03课程总结04目录八年级下册数据分析初步精讲｜中位数众数方差01课程导入与本章核心地位1前置知识与引入我从事初中数学教学已有八年时间，每年讲授八年级下册数据分析初步这一单元时，都会发现一个共性问题：多数学生在学习新统计量之前，只会用平均数描述一组数据的整体水平，遇到存在极端值的实际问题时，往往会得出错误结论。我还记得前年布置过一次实践作业，让学生调查家附近小微企业的员工月收入，有个学生回来告诉我，老板说“我们公司平均月收入超过8000元”，但实际走访后发现，9名普通员工月收入都是4500元，只有老板自己月收入40000元，算下来平均确实是$(9×4500+40000)/10=8050$元，平均工资确实超过8000，但这显然不能反映普通员工的真实收入水平。这个真实案例也正好说明：平均数虽然能利用所有数据的信息，但容易受极端值的影响，存在明显局限性，因此我们需要引入新的统计量，从不同角度描述数据的特征，这就是我们今天要精讲的中位数、众数和方差。2本节课学习目标本节课我们将完成三个层次的学习目标：第一，准确理解三个统计量的定义，理清常见的认知误区；第二，掌握三个统计量的规范计算步骤，避免常见计算错误；第三，能结合实际问题场景，选择合适的统计量分析数据，做出合理决策。接下来我们从核心知识点开始逐个精讲。02核心知识点逐个精讲1中位数1.1中位数的定义推导与表述还是用刚才的收入案例，我们把10个人的收入从小到大排序：4500，4500，…，4500（9个），40000，排序后，处于中间位置的是第5个和第6个数，都是4500，它们的平均数是4500，这个数就是中位数，正好反映了普通员工的真实收入水平。由此我们得到中位数的准确定义：将一组数据按照从小到大（或从大到小）的顺序排列后，如果数据的个数为奇数，那么处于中间位置的数就是这组数据的中位数；如果数据的个数为偶数，那么中间位置两个数据的平均数就是这组数据的中位数。1中位数1.2中位数的规范计算步骤从定义可以看出，计算中位数必须遵循三步，顺序不能乱，这是多数初学者最容易出错的地方：①第一步：排序。必须将所有数据按照从小到大（或从大到小）的顺序排列，我批改作业时见过太多学生不排序，直接找原数据中间位置的数，结果完全错误，这个习惯一定要纠正；②第二步：判断数据个数的奇偶性。数出数据的总个数$n$，确定中间位置的序号：若$n$为奇数，中间位置是第$\frac{n+1}{2}$个；若$n$为偶数，中间位置是第$\frac{n}{2}$个和第$(\frac{n}{2}+1)$个；③第三步：计算得到中位数。奇数个数据直接取中间位置的数，偶数个数据取中间两个数1中位数1.2中位数的规范计算步骤的平均数。举两个典型例子加深理解：例1：一组数据为5，2，7，3，9，未排序直接找中间是7，显然错误，排序后是2，3，5，7，9，$n=5$是奇数，中间位置是第3个，中位数是5，结果正确；例2：一组数据为5，2，7，3，排序后是2，3，5，7，$n=4$是偶数，中间是第2个3和第3个5，中位数是$\frac{3+5}{2}=4$，这里要注意：中位数不一定是原数据中存在的数，这是第二个常见误区。1中位数1.3中位数的统计意义中位数是一组数据的位置代表值，它只和数据的排列位置有关，因此不受偏大或偏小的极端值影响，这也是它相比平均数最大的优势。它的统计意义是反映一组数据的中间水平，当一组数据存在极端值，我们需要了解数据的中间水平时，选择中位数比平均数更合理，除了收入案例，房地产行业公布的房价中位数，也是同样的道理，少数天价豪宅会拉高平均房价，中位数更能反映普通住宅的价格水平。2众数讲完中位数的定义、计算与意义，我们接下来学习第二个描述集中趋势的核心统计量——众数。2众数2.1众数的定义与常见认知误区众数的定义非常简单：一组数据中，出现次数最多的数据就是这组数据的众数。看似简单，但我统计过，这部分的题目得分率不到50%，主要是三个常见误区：①误区一：认为众数只能有一个。实际上，如果一组数据中，有多个数据出现的次数都是最多且相同的，那么这几个数据都是众数，例如数据2，2，3，3，两个数据都出现2次，都是最多，因此众数是2和3，不是没有众数；②误区二：众数是次数，不是数据。很多学生做题的时候，会把出现的次数当作众数，比如刚才的例子，会答众数是2，这是错误的，众数是出现次数最多的数据，不是次数本身；③误区三：所有数据出现次数相同就是没有众数。实际上，当所有数据出现次数都相同时，所有数据都是众数，例如数据1，2，3，4，每个都出现一次，因此四个数据都是众数，不存在“没有众数”的情况。2众数2.2众数的计算步骤计算众数的步骤也很清晰：①第一步：统计每个不同数据出现的次数；②第二步：找出出现次数最多的数据，若多个数据次数相同且都是最多，则全部列为众数。我还是用一个真实的实践案例来说明：去年我让学生调查学校门口鞋店的女鞋销量，一周内各尺码的销量分别是：35码卖了12双，36码卖了28双，37码卖了25双，38码卖了15双，39码卖了8双，显然36码出现次数最多，因此众数是36码，鞋店老板进货的时候就会多进36码，这就是众数在实际生活中的应用。2众数2.3众数的统计意义众数的统计意义是反映一组数据中最普遍、最常见的水平，它同样不受极端值的影响，在零售、服装、生产等领域应用非常广泛，当我们需要了解哪一类最受欢迎的时候，众数就是最适合的统计量。3方差理解了中位数和众数这两个描述数据集中趋势的统计量，我们接下来要解决数据分析中的另一个核心问题：如何量化数据的波动大小？这就需要我们掌握第三个核心知识点——方差，这也是本节课的难点。3方差3.1方差的定义推导我们先看一个例子：两名射击运动员甲和乙，10次射击的平均成绩都是9环，甲的成绩是8，9，9，9，9，9，9，9，9，10，乙的成绩是6，7，8，9，10，10，10，11，12，12，平均都是9环，但是甲的成绩都在9附近波动，波动很小，乙的成绩从6到12，波动很大，如果选运动员参加比赛，稳定性很重要，所以我们需要一个量来量化这种波动大小。怎么量化呢？我们用每个数据减去平均数，得到的差就是偏差，偏差越大说明偏离平均越多，但是如果直接把偏差加起来，正负偏差会抵消，和为0，不能反映总波动，所以我们把偏差平方，这样都是非负数，加起来之后再除以数据个数，得到的平均值就是方差，这就是方差的推导逻辑。3方差3.1方差的定义推导方差的准确定义是：设有$n$个数据$x_1,x_2,…,x_n$，它们的平均数为$\bar{x}$，我们将$s^2=\frac{1}{n}[(x_1-\bar{x})^2+(x_2-\bar{x})^2+…+(x_n-\bar{x})^2]$叫做这组数据的方差，方差用来衡量一组数据的波动大小。3方差3.2方差的计算步骤与易错点计算方差必须遵循四步，每一步都容易出错，我把常见错误标出来：①第一步：计算原数据的平均数$\bar{x}$。很多学生这里粗心算错平均数，导致后面的方差全错，所以第一步一定要仔细验算；②第二步：计算每个数据与平均数的差$x_i-\bar{x}$。这里要注意符号，平方的时候符号不影响，但差算错平方肯定错；③第三步：计算所有差的平方和$\sum(x_i-\bar{x})^2$。如果有重复数据，可以用乘法简化计算，比如某个数据出现$k$次，就用$k$乘以它的平方，不用加$k$次，节省时间；④第四步：将平方和除以数据个数$n$，得到方差。这里是学生出错最多的地方，超过三成的学生会忘记除以$n$，直接把平方和当方差，一定要记住，方差是平方和的平均数3方差3.2方差的计算步骤与易错点，必须除以$n$。我们对刚才的射击例子计算验证：甲的平均是9，方差$s_甲^2=\frac{1}{10}[(8-9)^2+8×(9-9)^2+(10-9)^2]=\frac{1}{10}×(1+0+1)=0.2$，乙的方差$s_乙^2=\frac{1}{10}[(6-9)^2+(7-9)^2+(8-9)^2+(9-9)^2+3×(10-9)^2+(11-9)^2+2×(12-9)^2]=\frac{1}{10}×(9+4+1+0+3+4+18)=\frac{39}{10}=3.9$，显然$s_甲^2<s_乙^2$，甲的波动比乙小，更稳定。3方差3.3方差的统计意义方差的核心统计意义是：方差越大，数据的波动越大；方差越小，数据的波动越小，越稳定。当我们需要比较两组数据的稳定性时，在平均数相同或相近的情况下，方差越小，稳定性越好。需要说明的是，八年级阶段我们只要求掌握方差的基本应用，标准差是方差的算术平方根，意义和方差一致，这里不做重点要求。03三类统计量的对比与综合应用三类统计量的对比与综合应用我们分别完成了三个核心知识点的精讲后，接下来需要将三类统计量放在一起对比，理清各自的适用场景，才能在实际问题中正确应用。1集中趋势统计量的对比平均数、中位数、众数都是描述数据集中趋势的统计量，三者的区别和适用场景如下：①平均数：优点是充分利用了所有数据的信息，精确度高，缺点是容易受极端值影响，适用于数据分布均匀、没有极端值的场景，比如计算一个班级学生的平均身高，反映整体身高水平；②中位数：优点是计算简单，不受极端值影响，缺点是没有利用所有数据的信息，精确度低，适用于存在极端值，需要反映数据中间水平的场景，比如居民收入、房价的统计；③众数：优点是不受极端值影响，贴近实际生活需求，缺点是当多个数据出现次数相同时，众数的应用价值不高，适用于需要反映最普遍水平的场景，比如商品尺码进货、最受欢迎产品调查。2方差的应用场景方差是描述数据离散程度（波动大小）的统计量，主要应用场景是比较两组数据的稳定性，比如选拔运动员、比较两个班级的成绩稳定性、比较两种生产线的产品精度等。需要注意的是，只有当两组数据的平均数相近时，比较方差才有意义，如果平均数相差很大，一般用变异系数比较，八年级阶段不做要求。3典型综合例题解析我们用一道综合题巩固所有知识点：已知某班10名学生的立定跳远成绩（单位：m）如下：1.8，2.0，2.1，2.1，2.2，2.2，2.2，2.3，2.4，2.7，请分别计算这组数据的中位数、众数、方差，并分析这组数据的特征。解：①排序已经完成，$n=10$是偶数，中间两个数是第5个2.2和第6个2.2，中位数是$\frac{2.2+2.2}{2}=2.2\\text{m}$；②统计次数，2.2出现3次，次数最多，所以众数是$2.2\\text{m}$；③计算平均数：$\frac{1.8+2.0+2×2.1+3×2.2+2.3+2.4+2.7}{10}=\frac{22}{10}=2.2\\text{m}$；④计算方差：$s^2=\frac{1}{10}[(1.8-2.2)^2+(2.0-2.2)^2+2×(2.1-2.2)^2+3×(2.2-2.2)^2+3典型综合例题解析(2.3-2.2)^2+(2.4-2.2)^2+(2.7-2.2)^2]=\frac{1}{10}×(0.16+0.04+0.02+0+0.01+0.04+0.25)=\frac{0.52}{10}=0.052$；⑤分析：平均成绩、中位数都是2.2m，说明一半学生成绩在2.2m及以上，众数也是2.2m，说明多数学生成绩集中在2.2m，方差为0.052，整体波动较小，说明班级学生成绩比较整齐。04课程总结课程总结本次精讲我们围绕数据分析初步的三个核心统计量完成了从定义到应用的系统梳理，核心内容可精炼概括为：中位数是排序后位置居中的数值，核心作用是反映一组数据的中间水平，优势