统计学 (Statistics) 是 HSC 数学 Advanced 课程的重要组成部分，也是现代数据驱动世界的基础。从新闻报道到商业决策，数据无处不在。
掌握统计学的第一步，就是理解如何用集中趋势的度量 (Measures of Central Tendency) 来描述一组数据的“典型”值。这三大核心工具就是：平均数、中位数和众数（模式）。
在 Oziter (www.oziter.com)，我们教你不仅仅是计算它们，更要理解在不同的数据情景下，应该选择哪一个作为最佳代表。
1. 平均数 (Mean) – 传统的“平衡点”
- 定义： 将所有数值相加，然后除以数值的总个数。
- 优点： 使用了数据集中的所有数据点，提供了最全面的信息。
- 缺点与陷阱： 对异常值 (Outliers) 极度敏感。一个极高或极低的数值会严重拉高或拉低平均数，使其失去代表性。
- 适用情景： 当数据集分布均匀，没有极端异常值时，平均数是最好的代表。
2. 中位数 (Median) – 数据的“中间值”
- 定义： 将数据集按顺序排列后，位于最中间的那个数值。如果数据点为偶数，则取中间两个数的平均值。
- 优点： 对异常值不敏感。它只关注数据的分布位置，是描述有极端值数据集（例如：收入、房价）的理想工具。
- 适用情景： 当数据集存在明显的偏斜（Skewness）或包含极端异常值时，中位数能更真实地代表典型值。
3. 众数/模式 (Mode) – 最常见的值
- 定义： 数据集中出现频率最高的数值。
- 优点： 是唯一适用于分类数据（Categorical Data，如颜色、最喜欢的运动）的集中趋势度量。计算简单。
- 缺点： 一个数据集可能有多个众数，或者没有众数，代表性可能较差。
- 适用情景： 当你需要知道最受欢迎或最常见的选项时。
4. Oziter 总结：选择正确的度量工具
| 集中趋势度量 | 优势 | 劣势 | 适用场景 |
| 平均数 (Mean) | 利用所有数据信息 | 容易受极端值影响 | 数据分布均匀，无异常值 |
| 中位数 (Median) | 不受极端值影响 | 忽略了部分数值的大小 | 数据存在偏斜或极端值 |
| 众数 (Mode) | 适用于分类数据 | 可能不存在或不唯一 | 寻找最常见或最受欢迎的选项 |
掌握这三大概念，您不仅能应对 HSC 考试，还能成为一个更有批判性的数据使用者。
