数据的分析（八年级·困难版）
从生活实例出发，系统讲解平均数、中位数、众数、极差、方差等统计量，深入分析加权平均数、方差的意义与计算技巧，结合图形理解数据分布与波动性，通过典型例题与常见误区帮助学生掌握数据综合分析能力。
一、概念导入：从一次考试说起
小明和小红分别参加了两次数学测验，成绩如下：
小明：85, 90, 92, 88, 95
小红：60, 100, 98, 72, 85
谁的成绩更好？光看总分（450 vs 415）显然是小明高，但小红有一次满分，两次接近满分，似乎潜力更大。要全面评价一组数据，我们需要多个角度：
- 集中趋势：平均水平（平均数）、中间水平（中位数）、最常见水平（众数）
- 离散程度：数据是否稳定（极差、方差、标准差）
- 位置特征：四分位数、百分位数等
从图1可见，小明成绩集中在85-95之间，小红成绩分散在60-100之间。接下来我们一一学习如何用数字刻画这些特征。
二、核心讲解：统计量全家福
1. 平均数（Mean）——最常用的“平均分”
定义：所有数据之和除以数据个数。
公式：$ar{x} = \frac{1}{n}\sum_{i=1}^{n} x_i$
例：小明平均分 $ar{x} = \frac{85+90+92+88+95}{5} = 90$。
当数据重要程度不同时，需要加权。如期末成绩由平时（20%）、期中（30%）、期末（50%）构成，某生平时90、期中85、期末92，则总评 = $90\times0.2 + 85\times0.3 + 92\times0.5 = 18+25.5+46 = 89.5$。
公式：$ar{x}_w = \frac{\sum w_i x_i}{\sum w_i}$，其中 $w_i$ 是权重（可以百分比或频数）。
2. 中位数（Median）——最中间的“分水岭”
定义：将数据按大小排序后，位于中间位置的数（奇数个）或中间两个数的平均数（偶数个）。
特点：不受极端值影响。比如公司员工工资：3000,3500,4000,5000,80000，平均数被CEO拉高到18900，但中位数是4000，更能代表普通员工水平。
3. 众数（Mode）——最流行的“大众选择”
出现次数最多的数据。可能不止一个，也可能没有。例如鞋店进货关心女鞋尺码众数37，而不是平均尺数38.5。
4. 极差（Range）——最大与最小的差距
$R = \max - \min$。简单但受极端值影响大。小明极差 95-85=10，小红极差 100-60=40，说明小红成绩波动更大。
5. 方差（Variance）与标准差（Standard Deviation）——真正的“波动尺”
方差是每个数据与平均数之差的平方的平均数。标准差是方差的算术平方根，单位与原数据一致。
公式：$S^2 = \frac{1}{n}\sum_{i=1}^{n} (x_i - \bar{x})^2$，$S = \sqrt{S^2}$。
为什么用平方？因为差有正负，平方后消除符号，体现偏离程度。
图2直观显示：小红的数据点偏离均值幅度大，方差远远大于小明。方差越大，数据越“分散”，波动越大。
三、推导过程：方差公式的两种形式
除了直接定义，方差还有一个计算更简便的公式：
$S^2 = \frac{1}{n}\left(\sum x_i^2\right) - \bar{x}^2$
推导：
$S^2 = \frac{1}{n}\sum (x_i - \bar{x})^2 = \frac{1}{n}\sum (x_i^2 - 2x_i\bar{x} + \bar{x}^2)$
$= \frac{1}{n}\sum x_i^2 - 2\bar{x}\cdot\frac{1}{n}\sum x_i + \bar{x}^2$
注意到 $\frac{1}{n}\sum x_i = \bar{x}$，所以
$S^2 = \frac{1}{n}\sum x_i^2 - 2\bar{x}^2 + \bar{x}^2 = \frac{1}{n}\sum x_i^2 - \bar{x}^2$
这个公式在计算时只需先求平方和再减平均平方，避免逐项算偏差，尤其适合用计算器或表格计算。
数据：85,90,92,88,95
$\bar{x}=90$
$\sum x_i^2 = 7225+8100+8464+7744+9025=40558$
$S^2 = \frac{40558}{5} - 8100 = 8111.6 - 8100 = 11.6$ ✔
四、图形辅助：箱线图（Box Plot）
箱线图可同时显示最小值、下四分位数Q1、中位数、上四分位数Q3、最大值，并能快速识别异常值。
从箱线图可看出小红成绩分布范围大，箱体（Q1~Q3）也较宽，说明中间50%数据跨度大；小明箱体窄，数据集中。
五、典型例题（由易到难）
某次投篮测试成绩（个）：7,8,6,9,10,5,7,8。求平均数、中位数、众数、极差、方差。
排序：5,6,7,7,8,8,9,10（n=8）
平均数 = (5+6+7+7+8+8+9+10)/8 = 60/8 = 7.5
中位数 = (7+8)/2 = 7.5
众数 = 7和8（各出现2次）
极差 = 10-5 = 5
方差：先算$\bar{x}=7.5$，$\sum (x_i-7.5)^2 = (2.5)^2+(1.5)^2+...+ (2.5)^2 = 6.25+2.25+... = 18$
$S^2 = 18/8 = 2.25$，标准差 $S = 1.5$
易错：求中位数时忘记排序；方差公式中除以n而不是n-1（八年级用总体方差除以n）。
某班50人数学成绩分布如下：
| 分数段 | 40~50 | 50~60 | 60~70 | 70~80 | 80~90 | 90~100 |
|---|---|---|---|---|---|---|
| 频数 | 4 | 6 | 10 | 14 | 12 | 4 |
解答：
组中值：45,55,65,75,85,95
总频数 n=50
$\bar{x} \approx \frac{45\times4+55\times6+65\times10+75\times14+85\times12+95\times4}{50}$
计算分子 = 180+330+650+1050+1020+380 = 3610
$\bar{x} \approx 3610/50 = 72.2$
方差：$S^2 \approx \frac{\sum f_i (x_i-\bar{x})^2}{50}$
$\begin{aligned}&4\times(45-72.2)^2=4\times739.84=2959.36\\&6\times(55-72.2)^2=6\times295.84=1775.04\\&10\times(65-72.2)^2=10\times51.84=518.4\\&14\times(75-72.2)^2=14\times7.84=109.76\\&12\times(85-72.2)^2=12\times163.84=1966.08\\&4\times(95-72.2)^2=4\times519.84=2079.36\end{aligned}$
和 = 2959.36+1775.04+518.4+109.76+1966.08+2079.36 = 9407.84
$S^2 \approx 9407.84/50 = 188.1568$
标准差 $S \approx 13.72$
易错：分组数据用组中值只是近似，实际方差会偏小（因为组内差异被忽略）；计算时注意小数位数。
甲、乙两位射击运动员成绩（环）如下：
甲：9.2, 10.0, 8.5, 9.8, 9.0, 9.5, 10.2, 8.8, 9.6, 9.4
乙：8.0, 9.5, 10.5, 7.5, 9.0, 10.0, 8.0, 9.0, 9.5, 8.5
(1) 分别计算甲、乙的平均数和方差。
(2) 若教练需派一名选手参加比赛，从稳定性和高水平发挥角度分析选谁更合适。
(1) 甲：$\bar{x}_甲 = (9.2+10.0+8.5+9.8+9.0+9.5+10.2+8.8+9.6+9.4)/10 = 94/10 = 9.4$
方差：$S^2_甲 = \frac{1}{10}[( -0.2)^2+0.6^2+...] = 0.272$（具体计算略）
乙：$\bar{x}_乙 = (8.0+9.5+10.5+7.5+9.0+10.0+8.0+9.0+9.5+8.5)/10 = 89.5/10 = 8.95$
方差：$S^2_乙 = 0.9525$
(2) 甲的平均数9.4 > 乙的8.95，且甲的方差0.272远小于乙的0.9525，说明甲不仅平均环数高，而且发挥稳定。从高水平发挥看，甲最高10.2，乙最高10.5，相差不大，但甲更稳定，所以选甲参赛更靠谱。
易错：只比较平均数不比较方差；或认为方差越小越好，但也要结合平均数高低。
六、常见误区
- 误区1：平均数一定代表“一般水平”。
纠正：数据有极端值时，中位数更能代表一般水平。 - 误区2：方差越大越好（波动大意味着可能性大）。
纠正：在需要稳定性的场景（如生产质量、运动员发挥），方差小才是好；在投资中，方差大意味着风险高，未必好。 - 误区3：众数唯一。
纠正：众数可能不止一个（多个数据出现最高频次），也可能没有。 - 误区4：用样本方差直接推断总体方差时不考虑自由度。
纠正：八年级一般不涉及样本方差除以n-1，但需知道样本方差会低估总体方差。
七、学习建议
- 用实际数据（如自己每次考试成绩、班级身高）动手计算所有统计量，感受意义。
- 画图比数字更直观：点图、直方图、箱线图配合使用。
- 记忆方差公式：可以记为“平方的平均减去平均的平方”。
- 对比不同数据组时，先看集中趋势再看离散程度。
- 利用Excel或计算器检验自己手工计算是否正确。
八、知识链接
- 平均数与方程：新数据加入时平均数的变化可用方程解决。
- 方差与勾股定理：方差本质是n维空间距离的平方（N维点与均值点的距离）。
- 概率：方差是概率论中随机变量分散程度的基本度量。
- 物理测量：多次测量取平均值并计算标准差是实验数据处理常用方法。
九、习题自测
- 一组数据：2, 4, 6, 8, x。已知平均数为5，求x及方差。
- 甲、乙两组数据的方差分别为 $S^2_甲=0.4$，$S^2_乙=1.6$。若两组平均数相等，你认为哪组数据更可靠？为什么？
- 某商场统计10天的日销售额（万元）：15,18,22,25,19,21,20,16,23,17。求这组数据的中位数、众数、极差、方差，并说明该商场的销售业绩是否稳定。
1. x=5，方差 = 4（因为各数偏差：-3,-1,1,3,0，平方和=20，除以5得4）。
2. 甲组更可靠，因为方差小，波动小，数据更集中。
3. 排序：15,16,17,18,19,20,21,22,23,25；中位数 (19+20)/2=19.5；众数无（每个数出现一次）；极差=25-15=10；平均数=(15+16+...+25)/10=196/10=19.6；方差= ((15-19.6)^2+...)/10 = 8.84，标准差≈2.97；方差不大，销售较稳定。