何謂眾數?統計學中的「最常見」概念,一篇搞懂!

你可能曾在看新聞、分析報告,甚至玩數據分析時,聽過「眾數」這個詞。它聽起來有點數學,又有點專業,但其實它在我們的日常生活中,甚至在理解各種數據時,都扮演著重要的角色。不過,「眾數」究竟是什麼意思?它跟平均數、中位數有什麼不一樣?別擔心,這篇文章就是要用最白話、最貼近台灣大眾的方式,來跟你好好聊聊「眾數」這個概念。無論你是統計學新手,還是想更深入理解數據的朋友,都能從這裡找到答案!

為什麼我們需要了解「眾數」?

想像一下,你正在分析一群人最喜歡吃的口味,或是學生們考試分數最集中的區間。這時候,「眾數」就能派上用場了。它告訴我們「最常出現」的那個數值,這在很多情況下,比平均數或中位數更能反映出群體的「主流」或「熱門」情況。例如,一家服飾店若想知道哪種尺寸的衣服賣得最好,統計銷售數據得到的眾數,就能提供最直接的採購依據;或是分析網路文章的觀看時間,眾數可以告訴你使用者最常停留的長度,進而優化內容呈現。了解眾數,就像拿到一張解讀數據「脈動」的藏寶圖,讓你更容易掌握事物的本質。

直接告訴你:眾數是什麼?

簡單來說,「眾數」(Mode)就是一個數據集中,出現頻率最高的數值。它可能是數字,也可能是類別(例如:最受歡迎的顏色、最常買的品牌)。

想像一下,你收到一堆朋友推薦的電影名單,名單裡有:《那些年》、《總鋪師》、《我的少女時代》、《賽德克‧巴萊》、《總鋪師》、《女朋友‧男朋友》、《那些年》、《總鋪師》、《大佛普拉斯》、《總鋪師》。

在這份名單裡,我們來數數看:

  • 《那些年》:出現 2 次
  • 《總鋪師》:出現 4 次
  • 《我的少女時代》:出現 1 次
  • 《賽德克‧巴萊》:出現 1 次
  • 《女朋友‧男朋友》:出現 1 次
  • 《大佛普拉斯》:出現 1 次

很明顯,《總鋪師》出現了 4 次,是這份名單裡出現最多次的電影。所以,這份電影推薦名單的「眾數」就是《總鋪師》。

深度解析:眾數的特性與運用

眾數之所以實用,是因為它能反映數據的「高峰」或「集中點」。但它也有一些有趣的特性,和平均數(Mean)或中位數(Median)很不一樣:

1. 眾數的靈活性:非數值也能是眾數

平均數只能用於數值資料,像是身高、體重、分數。但眾數不僅限於數字,它還可以是任何類別的數據。例如:

  • 最常購買的商品: 某牌子的咖啡機
  • 最受歡迎的顏色: 藍色
  • 最常用的作業系統: Windows
  • 最常發生的交通事故原因: 未注意前方路況

這讓眾數在分析市場調查、使用者偏好、行為模式時,變得非常強大。

2. 數據集中可能有多個眾數,甚至沒有眾數

這一點是眾數最特別的地方,也跟平均數、中位數有很大差異。

  • 單峰眾數 (Unimodal): 數據集中只有一個眾數。例如上面電影的例子,眾數是《總鋪師》。
  • 雙峰眾數 (Bimodal): 數據集中有兩個眾數。例如,某班級考試分數的眾數是 70 分和 85 分,表示這群學生分數主要集中在這兩個區塊,可能反映了兩種不同的學習狀況。
  • 多峰眾數 (Multimodal): 數據集中有多於兩個眾數。
  • 無眾數 (No Mode): 數據集中所有數值出現的頻率都相同,或者所有數值都只出現一次。例如,一個班級的學號 1 到 30 號,每個人都只出現一次,那麼就沒有眾數。

這意味著,當我們計算眾數時,不能只期待一個答案,有時需要留意是否有雙峰或多峰的情況,這反而能提供更豐富的資訊。

3. 眾數不受極端值影響

這點和中位數很像,但和平均數有很大的不同。平均數很容易被極端值(非常大或非常小的數值)拉高或拉低。但眾數只看頻率,所以即使數據中有一個極端值,只要它不是最常出現的,就不會影響眾數的計算。

  • 例如:某公司員工的年薪是 30K, 32K, 33K, 35K, 38K, 40K, 150K。
  • 平均數會被 150K 嚴重拉高。
  • 中位數是 35K。
  • 但眾數可能是 30K, 32K, 33K, 35K, 38K, 40K (如果這些都只出現一次,則沒有單一眾數),而 150K 的那個極端值,並不會影響到其他數值出現的頻率。如果這些數值都只出現一次,那麼嚴格來說這個資料集沒有眾數。但如果出現 30K, 30K, 32K, 33K, 35K, 38K, 40K, 150K,那麼 30K 就會是眾數。

這讓眾數在處理可能包含離群值(Outlier)的數據時,是個穩健的指標。

眾數 vs. 平均數 vs. 中位數:哪個才適合你?

理解眾數,最好是跟我們常聽到的「平均數」和「中位數」比較,這樣才能知道什麼時候該用哪個工具。

假設我們有一組數據:

  • 數據集 A: 10, 20, 30, 40, 50
  • 數據集 B: 10, 20, 30, 40, 150
  • 數據集 C: 10, 20, 20, 30, 40
  • 數據集 D: 10, 20, 20, 40, 40

我們來計算一下:

  • 平均數: 把所有數字加起來除以總數。
    • A:(10+20+30+40+50)/5 = 30
    • B:(10+20+30+40+150)/5 = 46
    • C:(10+20+20+30+40)/5 = 24
    • D:(10+20+20+40+40)/5 = 27.2
  • 中位數: 把數據由小到大排序後,最中間的那個數字。
    • A:30
    • B:30
    • C:20
    • D:20 (由於數據是偶數個,取中間兩個數的平均:(20+40)/2 = 30)
  • 眾數: 出現頻率最高的數字。
    • A:無眾數 (每個數字都出現一次)
    • B:無眾數
    • C:20
    • D:20 和 40 (雙峰眾數)

從上面的比較,我們可以得到幾個結論:

  • 平均數: 對極端值敏感,適合數據分佈對稱且沒有離群值的情況。
  • 中位數: 不受極端值影響,適合處理有離群值或偏態分佈的數據,能代表「中間」的典型值。
  • 眾數: 能找出最「熱門」、最「流行」的類別或數值,適合用於類別數據,或想知道數據集中哪一點最集中。

在做數據分析時,我們通常會一起觀察這三種指標,才能更全面地了解數據的樣貌。

眾數的實際應用場景

眾數的應用無所不在,從科學研究到日常生活,都能看到它的身影:

  • 市場調查: 了解消費者最常購買的產品品牌、最喜歡的顏色、最常去的購物平台。
  • 教育: 分析學生考試分數最集中的區間,或是老師最常使用的教學方法。
  • 醫學: 統計某種疾病最常發生的年齡層,或是病患最常出現的症狀。
  • 交通: 分析交通事故最常發生的地點、時間或原因,以便制定改善措施。
  • 社會科學: 研究人們最常使用的社群媒體、最常看的電視節目類型。
  • 產品設計: 了解使用者最常使用軟體或硬體的功能,進而優化介面與操作流程。

舉個例子,如果一家智慧手機廠商想知道哪種螢幕尺寸最受台灣消費者歡迎,他們可以分析市場銷售數據。如果發現 6.1 吋的手機銷售量最高,那麼這個 6.1 吋就是眾數。這有助於廠商在下一代手機的設計和生產上,做出更符合市場需求的決策。

常見的眾數迷思澄清

在了解眾數的過程中,有幾個常見的迷思需要釐清:

  • 迷思一:眾數一定是中間的數值。
  • 錯。眾數只看頻率,不看位置。數據集 (10, 20, 30, 30, 30, 40, 50) 的中位數是 30,眾數也是 30。但數據集 (10, 10, 10, 20, 30, 40, 50) 的眾數是 10,中位數卻是 20。重點在於「出現次數」。

  • 迷思二:一個數據集只能有一個眾數。
  • 不一定。如前面提到的,數據集可能出現雙峰或多峰的情況,例如 (10, 20, 20, 30, 40, 40, 50) 就有 20 和 40 兩個眾數。這反而能提供更多資訊,例如在市場區隔上,可能存在兩個主流的消費族群。

  • 迷思三:沒有出現兩次的數值就沒有眾數。
  • 嚴格來說,如果所有數值都只出現一次,那麼這個數據集就沒有眾數。但如果數據集中有數值出現兩次,而其他數值都只出現一次,那麼出現兩次的那個數值就是眾數。例如 (10, 20, 30, 30, 40),30 就是眾數。

總結:眾數,你最貼近的數據夥伴

「眾數」並不是什麼高深的統計學術語,它就是我們數據世界裡,那個「最常出現」、「最主流」的代表。它有著彈性的應用範圍,不受極端值影響的特性,能幫助我們快速掌握數據的熱點和集聚現象。

下次當你看到一堆數據時,除了關注平均值,別忘了也找找看它的眾數。或許,那個最常出現的數字或類別,正藏著最關鍵的洞察,能讓你更了解這個世界,或是做出更聰明的決定。希望這篇文章能讓你對「眾數」有更深刻的理解,並能在日常或工作中,善用這個實用的工具!

何謂眾數