| Enduring Understanding | Learning Objective | Essential Knowledge |
|---|---|---|
VAR-1 | VAR-1.D |
|
探索双变量数据
AP 统计学 · 第 2 主题
2.1
统计学导论:变量之间有关联吗?
大纲
来源:美国大学理事会 AP 课程与考试说明
双变量数据让我们能问两个特征是否关联(associated)——知道一个是否告诉你关于另一个的一些东西。一个解释变量(explanatory variable)("输入")可能帮助预测一个响应变量(response variable)("输出")。关联不等同于因果。
| 英文 | 中文 | 拼音 |
|---|---|---|
| associated | 关联 | guān lián |
| explanatory variable | 解释变量 | jiě shì biàn liàng |
| response variable | 响应变量 | xiǎng yìng biàn liàng |
2.2
表示两个分类变量
大纲
| Enduring Understanding | Learning Objective | Essential Knowledge |
|---|---|---|
UNC-1 | UNC-1.P |
|
来源:美国大学理事会 AP 课程与考试说明
一个双向表(two-way table)(列联表)一次按两个分类变量对个体计数。一个边缘分布(marginal distribution)是把行或列的总计写成占总计的比例(总计本身只是计数)。比较内部单元格显示这些变量是否相关。
| 英文 | 中文 | 拼音 |
|---|---|---|
| two-way table | 双向表 | shuāng xiàng biǎo |
| marginal distributions | 边缘分布 | biān yuán fēn bù |
2.3
两个分类变量的统计量
大纲
| Enduring Understanding | Learning Objective | Essential Knowledge |
|---|---|---|
UNC-1 | UNC-1.Q |
|
UNC-1.R |
|
来源:美国大学理事会 AP 课程与考试说明
一个条件分布(conditional distribution)是一个变量在另一个的一个固定类别内的分布(通过把每个单元格除以它的行或列总计求得)。若条件分布跨组不同,这两个变量关联;若它们相同,没有关联。分段条形图(segmented bar charts)或马赛克图显示它们。
| 英文 | 中文 | 拼音 |
|---|---|---|
| conditional distribution | 条件分布 | tiáo jiàn fēn bù |
| Segmented bar charts | 分段条形图 | fēn duàn tiáo xíng tú |
2.4
表示两个定量变量之间的关系
大纲
| Enduring Understanding | Learning Objective | Essential Knowledge |
|---|---|---|
UNC-1 | UNC-1.S |
|
DAT-1 | DAT-1.A |
|
来源:美国大学理事会 AP 课程与考试说明
一个散点图(scatterplot)把每个个体画为一个点,解释变量在 $x$ 轴上而响应在 $y$ 轴上。用 DUFS 描述它:方向(Direction)(正/负)、不寻常(Unusual)特征(离群值、聚类)、形式(Form)(线性或曲线),以及强度(Strength)(点多紧地跟随模式)——总是在上下文里。

| 英文 | 中文 | 拼音 |
|---|---|---|
| scatterplot | 散点图 | sàn diǎn tú |
2.5
相关性
大纲
| Enduring Understanding | Learning Objective | Essential Knowledge |
|---|---|---|
DAT-1 | DAT-1.B |
|
DAT-1.C |
|
来源:美国大学理事会 AP 课程与考试说明
相关系数(correlation coefficient)$r$ 测量一个线性关系的强度和方向。它从 $-1$ 到 $1$:接近 $\pm 1$ 是强线性、接近 $0$ 是弱线性。$r$ 没有单位,而且若你交换变量它不改变。警告:$r$ 只测量线性强度、它对离群值不抵抗,而一个强的 $r$ 并不证明因果。

Strength of a linear relationship
Correlation $r$ runs from $-1$ to $1$: near $\pm1$ the points hug a line, near 0 they scatter. Change it and watch the cloud tighten or spread.
| 英文 | 中文 | 拼音 |
|---|---|---|
| correlation coefficient | 相关系数 | xiāng guān xì shù |
2.6
线性回归模型
大纲
| Enduring Understanding | Learning Objective | Essential Knowledge |
|---|---|---|
DAT-1 | DAT-1.D |
|
来源:美国大学理事会 AP 课程与考试说明
最小二乘回归线(least-squares regression line)预测响应:$\hat{y}=a+bx$,其中 $\hat{y}$ 是预测的响应。斜率(slope)$b$ 是 $x$ 每增加一个单位 $y$ 的预测变化;$y$ 截距(y-intercept)$a$ 是当 $x=0$ 时预测的 $y$。在上下文里并带单位解释两者——一个评分技能。避免外推(extrapolation)(在数据之外很远地预测)。
Worked example. 一个关于学习小时数($x$)和测验分数($y$)的研究给出 $\hat{y}=20+3x$。斜率意味着每额外一小时学习与一个预测的 $3$ 分增长关联。一个学习 $5$ 小时的学生被预测得 $\hat{y}=20+3(5)=35$ 分。
Fit a least-squares line
A regression line is the best straight-line fit, minimising the squared vertical distances. Its slope predicts how $y$ changes per unit of $x$.
| 英文 | 中文 | 拼音 |
|---|---|---|
| least-squares regression line | 最小二乘回归线 | zuì xiǎo èr chéng huí guī xiàn |
| slope | 斜率 | xié lǜ |
| y-intercept | 截距 | jié jù |
| extrapolation | 外推 | wài tuī |
2.7
残差
大纲
| Enduring Understanding | Learning Objective | Essential Knowledge |
|---|---|---|
DAT-1 | DAT-1.E |
|
DAT-1.F |
|
来源:美国大学理事会 AP 课程与考试说明
一个残差(residual)是实际减预测,$y-\hat{y}$:一个点坐在线以上(+)还是以下(−)多远。一个残差图(residual plot)把残差对 $x$ 作图。若它显示没有模式(随机散布),一个线性模型是合适的;一个曲线或扇形模式意味着线性模型是一个差的拟合。
Worked example. 继续上面的研究,一个学习了 $5$ 小时的学生实际得 $40$ 分。残差是 $y-\hat{y}=40-35=+5$:线低估了 $5$ 分,所以这个点坐在线以上。

| 英文 | 中文 | 拼音 |
|---|---|---|
| residual | 残差 | cán chà |
| residual plot | 残差图 | cán chà tú |
2.8
最小二乘回归
大纲
| Enduring Understanding | Learning Objective | Essential Knowledge |
|---|---|---|
DAT-1 | DAT-1.G |
|
DAT-1.H |
|
来源:美国大学理事会 AP 课程与考试说明

这条线最小化残差平方的和。它的拟合由以下测量:
- $s$,残差的标准差——典型的预测误差,以响应的单位。
- $r^2$,决定系数(coefficient of determination)——线性模型解释的 $y$ 的变异的比例(一个 $0$ 到 $1$ 之间的值;乘以 $100$ 得到百分数)。在上下文里报告它:"$r^2 = 0.81$ 意味着 $y$ 的变异的 81% 被与 $x$ 的线性关系解释。"
| 英文 | 中文 | 拼音 |
|---|---|---|
| coefficient of determination | 决定系数 | jué dìng xì shù |
2.9
分析偏离线性的情况
大纲
| Enduring Understanding | Learning Objective | Essential Knowledge |
|---|---|---|
DAT-1 | DAT-1.I |
|
DAT-1.J |
|
来源:美国大学理事会 AP 课程与考试说明
一些点强烈地影响这条线。一个高杠杆(high-leverage)点有一个极端的 $x$ 值;一个有影响的(influential)点在被移除时明显地改变斜率或 $r$;这里一个离群值(outlier)是一个有大残差的点。当模式是曲线的,变换(transform)一个变量(例如取一个对数)以把它拉直,然后对变换后的数据拟合一条线。
| 英文 | 中文 | 拼音 |
|---|---|---|
| high-leverage | 高杠杆 | gāo gàng gǎn |
| influential | 有影响的 | yǒu yǐng xiǎng de |
2.9
考试技巧
- 在一个散点图上描述方向、形式、强度和离群值;$r$ 从 $-1$ 到 $1$。
- 相关不是因果——一个潜伏变量能驱动两者。
- 在上下文里解释最小二乘线的斜率("$x$ 每一个单位,预测的 $y$ 改变 $b$")。
- 检查一个残差图:没有模式意味着一条线拟合;一条曲线意味着它不。避免外推。
- $r^2$ 是模型解释的 $y$ 的变异的分数。
本主题的互动课程
逐步学习,并即时检测练习。