【莖葉圖怎麼看】看門道讀懂數據！莖葉圖解析指南

探索資料的利器：莖葉圖

化繁為簡，深入瞭解資料特性，是探索資料分析（EDA）的核心理念。其中，莖葉圖作為EDA中不可或缺的工具，以其簡潔明瞭的圖形呈現，揭示資料的奧秘。

莖葉圖的構建原理明晰而巧妙。將資料值拆解為「莖」（數值的高位部分）和「葉」（數值末尾的數字），再將莖按大小順序排列，讓葉依據對應莖的數值依序排列。如此一來，一份雜亂的數字便化為一幅清晰的圖景。

試舉例而言，倘若給定一組分數：44、45、46、64、65、71、72、73、74、84、85、86、87、90。將這些分數分解為莖葉展示：

莖	葉
4	456
5
6	45
7	1234
8	4567
9	0

從此莖葉圖中，一目瞭然地得知最低分為44分，最高分為90分。多數分數集中在70-79分的區段，整體分佈不對稱，低分數明顯多於高分數。

若資料範圍廣泛，可適時調整莖的重複次數以彰顯分佈細節。例如將每個莖重複顯示兩次：

莖	葉
⋆ 4	456
· 4
⋆ 5
· 5
⋆ 6	45
· 6
⋆ 7	1234
· 7
⋆ 8	4567
· 8
9	0

由該莖葉圖可更清晰地看出，雖分數最高位於75-79分，但整體分佈仍偏向低分，低於70分的分數明顯居多。

莖葉圖不僅能展示單一資料集的分佈，更能用於對比多組資料間的差異。如此，便能直觀地比較各組資料的集中趨勢和分佈特徵，推導有意義的結論。

SPSS等統計軟體亦提供莖葉圖繪製功能，操作便捷。將資料輸入SPSS後，依序點選「分析 > 描述統計 > 預檢資料」。勾選莖葉圖選項並執行分析，即可獲取莖葉圖結果，輕鬆解析資料。

總結而言，莖葉圖作為EDA中的利器，不僅能洞悉資料分佈趨勢，更能比較多組資料間的差異。其簡單易懂、直觀形象的特點，令其成為探索資料奧妙、精準解讀數據的得力助手。

莖葉圖怎麼看

莖葉圖是一種以數字和位置來表示資料分佈的圖形，它可以讓我們快速地掌握資料的中心位置、變異程度和異常值。

如何理解莖葉圖：

莖	葉	描述
莖	圖形中垂直的數字	資料的第一個顯著數字
葉	莖右側的數字	資料的最後一個顯著數字

閲讀莖葉圖：

1. 確認莖：找出垂直排列的數字，它們代表資料的第一個顯著數字。
2. 找出葉：每個莖右側的數字是葉，它們代表資料的最後一個顯著數字。
3. 找出中間值：中間值是資料的分界點，它將資料分為兩半。中間值位於莖葉圖的中央，由莖和葉組成。例如，莖葉圖 5|368 表示中間值為 56。
4. 瞭解變異程度：變異程度是指資料相對於中間值的擴散程度。莖葉圖越長，變異程度越大。
5. 檢查異常值：異常值是顯著偏離資料一般趨勢的值。它們通常出現在莖葉圖的兩端。

範例：

考慮以下資料：

43, 51, 56, 60, 62, 65, 67, 72, 74

其對應的莖葉圖為：

5 | 16
6 | 0257
7 | 24

可以看出，中間值為 62。資料分佈相對平均，沒有明顯的異常值。

莖葉圖是一種直觀且有用的工具，可以幫助我們快速瞭解資料的分佈特徵。通過理解莖和葉，我們可以確定中間值、變異程度和異常值，從而更好地掌握資料的特性。