Week 1 · 描述统计

统计基础与数据可视化

这一周不讲公式，讲语言。整门课后面所有推断都建立在"总体/样本、参数/统计量"这套语法上；而第 3 章的频数分布与直方图，则是期末卷里最靠前的送分题。

考点密度 ★★☆☆☆ 预计分值 4–6 分建议用时 2 小时送分题 · 必须全拿

一、这一周在讲什么

先把整门课的框架搭起来。统计学分两半：描述统计（descriptive statistics）负责"把手上这批数据汇总、画图、算指标"；推断统计（inferential statistics）负责"用手上的样本去猜看不到的总体"。Week 1–7 主要做描述，Week 8、9、10、12 做推断。

1.1 四个词决定整门课的语法

词	含义	符号	性质
总体 population	你想研究的全部个体	—	通常观察不到
参数 parameter	总体的特征值	希腊字母 \( \mu,\ \sigma,\ \pi \)	固定但未知
样本 sample	实际测量到的一部分个体	—	看得见
统计量 statistic	由样本算出的值	罗马字母 \( \bar{x},\ s,\ p \)	随机，随样本变化

这条"希腊字母 = 真相，罗马字母 = 证据"的规则，是后面每一道检验题"定义符号"那一步的隐形得分点。

1.2 数据怎么分类：四种数据集

时间序列（time series）：同一个体、不同时间点上观测（如澳大利亚历年失业率）。
横截面（cross-sectional）：同一时间点、不同个体上观测（如 2024 年各州失业率）。
合并（pooled）：把多个时间序列首尾相接堆在一起。
面板（panel）：同一批个体、跨越多个时间点（如 HILDA 追踪调查）。

1.3 抽样与陷阱

简单随机样本（simple random sample）：总体中任一个体被抽中的概率相同。这是后面所有推断的前提假设——如果样本有偏差，t 检验再漂亮也没意义。

⚠️

Week 1 点名的经典陷阱

"统计显著 ≠ 重要"（statistically significant does not mean important）。样本量足够大时，微不足道的差异也会"统计显著"。这句话可以直接用在简答题里做加分。

1.4 频数分布造表五步（考试常单独考）

给定一组原始数据，构造 frequency distribution 的固定流程：

排序：从小到大排列（这一步千万别省）。
定组数 k：常用 5–10 组。
定组限：各组区间不得重叠，且必须覆盖全部数据。
归类：统计每组的绝对频数（frequency）与相对频数（relative frequency = 频数/n）。
建表：加上累积频数（cumulative frequency）。

二、核心公式与图形

组宽（Bin width）——必背 \[ \text{Bin width} = \frac{x_{\max}-x_{\min}}{k} \]

规则：算出的结果向上取整到"好看"的整数。例：\( (59-7)/6 = 8.67 \to 10 \)。用 8.5 或 9 都会失分；标准做法是取 10，于是组限取 0, 10, 20, 30, 40, 50, 60。

相对频数与累积相对频数 \[ \text{Relative frequency} = \frac{\text{frequency}}{n}, \qquad \sum \text{relative frequency} = 1 \]

直方图的纵轴画的是频数或相对频数，柱子面积合计为 1（相对频数口径）。

2.1 直方图与偏态判断

直方图（histogram）是连续数据的频数分布图。判断偏态有两种方法，考试都要会用：

偏态判据 \[ \text{右偏（正偏）} \iff \bar{x} > \text{Median}; \qquad \text{左偏（负偏）} \iff \bar{x} < \text{Median} \]

也可以用形状判断：长尾在哪边，就往哪边偏。右偏 = 长尾向右 = positively/right skewed。

图 1：直方图与偏态。判断先看长尾方向，再用均值与中位数的大小关系验证。

另外两个术语：众数组（modal class）是比左右相邻柱都高的那一柱；离群点（outlier）是落在直方图尾部的极端观测。

三、考点清单与预测题型

题型	出现概率	分值	拿分要点
计算构造频数分布表 + 画直方图	较高	3–4	先排序；组宽向上取整；相对频数合计为 1。
图形判断偏态方向	必考（小分值）	1–2	答案句："positively skewed because the mean exceeds the median and the tail runs to the right."
选择区分总体/样本、参数/统计量	中等	1	希腊字母 vs 罗马字母。
选择数据类型识别	较低	1	time series / cross-sectional / pooled / panel。

依据：Week 1 课件原题形态为 "Construct a frequency distribution and a histogram for the following data. Discuss the shape of the distribution."；分值估计来自考试情报 §六的描述统计板块（8–12 分，含 Week 2）。

四、典型例题精讲

例题 1 · 组宽与组限 3

某数据集最小值 7、最大值 59，要求分 6 组构造频数分布。求组宽并写出各组限。

点击展开：解答与评分点

组宽 \( = (59-7)/6 = 52/6 = 8.67 \)。按规则向上取整到好看的整数 → 取 10。

于是组限：0–10、10–20、20–30、30–40、40–50、50–60（覆盖 7–59）。

评分点：① 正确代入组宽公式（1 分）｜② 说明向上取整的理由并给出 10（1 分）｜③ 组限不重叠且覆盖全部数据（1 分）。

陷阱：算出 8.67 后用 8.5 或 9。课件标准答案取 10。

例题 2 · 偏态判断（简答） 2

某城市房价直方图显示：均值 88 万元，中位数 72 万元。描述该分布的形状并解释。

点击展开：解答与评分点

均值（880,000）大于中位数（720,000），说明少数极高房价把均值向右拉高，因此分布右偏（positively / right skewed），长尾向右。

评分点：① 说出"右偏/正偏"（1 分）｜② 用均值 > 中位数给出一句话理由（1 分）。

注意：不要写成"均值大所以数据多"——均值被极端值牵引，与数据量无关。

五、易错点与考场技巧

易错点	正确做法
组宽不向上取整	8.67 → 10。给出"为什么取整"的一句话。
忘记先排序就统计频数	排序是第一步，也是独立 1 分。
组限重叠（如 10–20 与 20–30）	确保边界不重叠，或用 "10 to under 20" 的口径。
偏态只说方向不说理由	必须附"均值 vs 中位数"或"长尾方向"。
把"统计显著"当成"重要"	样本量大时小差异也会显著——简答可引用。

💡

考场技巧

描述统计是"照着公式算"的题，考试时优先做掉（见考试情报时间分配的第一轮）。画直方图一定用尺子，坐标轴与刻度标清楚，图形分才拿得到。

六、3 分钟自测

自测 1下列哪一项是参数（parameter）？

A样本均值 \( \bar{x} \)

B样本标准差 \( s \)

C总体均值 \( \mu \)

D样本比例 \( p \)

自测 2某数据组宽计算得 7.2，按课程规则应取？

B向上取整到好看的整数，如 8 或 10

C7.2

D向下取整到 7

自测 3若 \( \bar{x}=45 \) 而中位数 = 52，分布形状是？

A左偏（负偏），长尾向左

B右偏（正偏）

C对称

D无法判断

下一周：Week 2 · 集中趋势与变异——真正的纯计算送分区。