眾數只有一個嗎：揭開資料集中眾數的多元面貌與重要性
Table of Contents
眾數只有一個嗎：深入解析眾數的種類與計算
您是否曾經好奇，在統計學中，『眾數』是否總是唯一的呢？許多人在初次接觸統計學時，可能會直觀地認為眾數就像平均數或中位數一樣，代表著資料集中的某個特定中心點，因此是獨一無二的。然而，這個問題的答案是『不一定』！事實上，眾數在資料集中可以呈現出多種樣貌，可能只有一個，也可能有多個，甚至可能完全沒有眾數。理解這一點，對於我們正確解讀資料、避免錯誤判斷至關重要。
本文將帶您深入探討眾數的定義、如何判斷資料集中眾數的數量，以及不同眾數類型在數據分析中的意義。透過具體的例子與說明，幫助您徹底掌握眾數的奧秘。
什麼是眾數（Mode）？
在我們探討眾數是否只有一個之前，讓我們先回顧一下眾數的基本定義。眾數（Mode）是指在一個資料集合中，出現次數最多、頻率最高的數值。它代表了資料集中最典型的、最常見的或最受歡迎的元素。眾數的優點是它不受極端值（離群值）的影響，且適用於各種類型的資料，包括數值型資料（定量資料）和類別型資料（定性資料）。
眾數的特性
- 適用性廣泛： 不僅可以用於數字資料，也可用於文字或類別資料（例如：最受歡迎的顏色、最常購買的產品）。
- 不受極端值影響： 與平均數不同，即使資料集中有非常大或非常小的離群值，眾數的數值也不會改變。
- 不一定唯一： 這正是我們本文要深入探討的核心議題。
眾數只有一個嗎？答案是不一定！
現在，讓我們直接回答核心問題：眾數只有一個嗎？答案是否定的。一個資料集可以有以下幾種情況：
1. 單眾數 (Unimodal)
這是最常見的情況，資料集中只有一個數值出現的頻率最高。這種情況下，眾數是唯一的。
範例：
資料集：{1, 2, 2, 3, 4, 5}
各數值出現頻率：
1: 1次
2: 2次
3: 1次
4: 1次
5: 1次
眾數：2 (因為2出現次數最多，為2次)
2. 雙眾數 (Bimodal)
當資料集中有兩個或更多個數值同時擁有最高的頻率，且這些頻率相同時，我們稱之為多眾數。特別是當有兩個數值同時擁有最高頻率時，稱為雙眾數。
範例：
資料集：{1, 2, 2, 3, 4, 4, 5}
各數值出現頻率：
1: 1次
2: 2次
3: 1次
4: 2次
5: 1次
眾數：2 和 4 (因為2和4都出現2次，且都是最高頻率)
在某些情況下，雙眾數的出現可能暗示著資料集實際上是由兩個不同的群體或分佈混合而成，例如：統計某地區成年人的鞋子尺寸，可能會有男女性鞋碼的兩個高峰。
3. 多眾數 (Multimodal)
當資料集中有三個或更多的數值同時擁有最高的頻率時，我們稱之為多眾數。這表示資料分佈中有多個集中點或高峰。
範例：
資料集：{1, 1, 2, 2, 3, 3, 4, 5}
各數值出現頻率：
1: 2次
2: 2次
3: 2次
4: 1次
5: 1次
眾數：1, 2 和 3 (因為1, 2, 3都出現2次，且都是最高頻率)
4. 無眾數 (No Mode)
這是一種特殊的狀況，當資料集中所有的數值出現的頻率都相同時，即沒有任何一個數值比其他數值出現得更頻繁，這時該資料集就沒有眾數。
範例：
資料集：{1, 2, 3, 4, 5}
各數值出現頻率：
1: 1次
2: 1次
3: 1次
4: 1次
5: 1次
眾數：無 (因為每個數值都只出現1次，沒有頻率最高的數值)
許多統計軟體在遇到這種情況時，會直接回報「無眾數」或「NaN」（Not a Number）。
如何找到眾數？步驟與範例
瞭解眾數的定義和種類後，接下來我們來看看如何計算眾數。尋找眾數的步驟相對簡單，主要是透過觀察和計數。
步驟：
- 整理資料： 將資料集中的所有數值列出。 (可選步驟，但有助於觀察)
- 計算頻率： 統計每一個數值在資料集中出現的次數。
- 找出最高頻率： 找出出現次數最多的數值（或數值們）。
範例應用：
範例一：單眾數
一群學生的期末考成績：{78, 85, 92, 78, 65, 80, 78, 90}
步驟：
- 列出並計算頻率：
65: 1次
78: 3次
80: 1次
85: 1次
90: 1次
92: 1次 - 最高頻率：78出現3次，是最高頻率。
眾數：78
範例二：雙眾數
某咖啡店一週內最受歡迎的飲品種類統計：{拿鐵, 摩卡, 美式, 拿鐵, 卡布奇諾, 美式, 摩卡}
步驟：
- 列出並計算頻率：
拿鐵: 2次
摩卡: 2次
美式: 2次
卡布奇諾: 1次 - 最高頻率：拿鐵、摩卡、美式都出現2次，且都是最高頻率。
眾數：拿鐵, 摩卡, 美式 (此為多眾數，也可稱為三眾數)
範例三：無眾數
某個班級五位同學的身高（公分）：{160, 165, 170, 175, 180}
步驟：
- 列出並計算頻率：
160: 1次
165: 1次
170: 1次
175: 1次
180: 1次 - 最高頻率：所有數值都只出現1次，沒有最高的頻率。
眾數：無
眾數在數據分析中的重要性
儘管眾數的計算相對簡單，但它在數據分析中扮演著不可或缺的角色，尤其在某些情境下，其重要性甚至超越平均數和中位數。
1. 適用於類別資料
眾數是唯一一個能夠用來描述類別型資料集中趨勢的指標。 例如，如果你想知道某個投票中最受歡迎的政黨、某個市區最常見的房屋類型，或是社群媒體上最常使用的表情符號，這些都是無法計算平均值或中位數的，只能透過眾數來找出最頻繁出現的類別。
2. 揭示分佈模式
當資料集中出現雙眾數或多眾數時，這往往不是一個缺陷，而是一個重要的訊號。它可能暗示著：
- 存在多個子群體： 資料集可能包含了來自不同群體的數據，每個群體有其自身的集中趨勢。例如，一個班級的考試分數可能出現雙眾數，如果班級裡有兩個程度差異較大的學生群體。
- 資料呈現非對稱分佈： 眾數能夠更直觀地顯示數據分佈的高峰位置。
- 市場偏好多元化： 在商業分析中，多眾數可能代表消費者有兩種或多種不同的主要偏好，企業需要針對這些偏好制定不同的策略。
3. 對離群值不敏感
與平均數不同，眾數的計算完全不受極端值（離群值）的影響。這使得它在處理存在異常值的資料集時，能夠提供一個更穩健的中心趨勢表示。
舉例：
假設一個小組的月收入數據為：{30000, 32000, 35000, 33000, 30000, 500000}(最後一個是極端高收入者)
平均數會被500000大幅拉高。
中位數會是相對中間的數值。
眾數仍然是30000，它更能代表大多數人的典型收入水平。
眾數、平均數與中位數的比較
為了更全面地理解眾數的獨特性，讓我們將它與其他兩個常見的集中趨勢測量——平均數（Mean）和中位數（Median）進行比較：
-
平均數 (Mean)：
- 定義： 所有數值的總和除以數值的個數。
- 優點： 數學特性良好，常用於進一步的統計分析。
- 缺點： 極易受極端值影響，只適用於數值型資料。
- 適用情境： 資料分佈對稱、沒有顯著極端值時。
-
中位數 (Median)：
- 定義： 將所有數值按大小排序後，位於最中間的數值（若為偶數個，則為中間兩個數值的平均）。
- 優點： 不受極端值影響，適用於數值型資料。
- 缺點： 無法用於類別型資料。
- 適用情境： 資料分佈偏斜或存在極端值時。
-
眾數 (Mode)：
- 定義： 資料集中出現次數最多的數值。
- 優點： 不受極端值影響，唯一適用於類別型資料的集中趨勢測量，能顯示資料分佈的真實高峰。
- 缺點： 可能不存在、不唯一，對於連續型數值資料可能不太具代表性（因為每個數值可能都只出現一次）。
- 適用情境： 類別型資料、尋找最常見的現象、資料有明顯的高峰。
這三者各有其優勢和局限性。在實際的數據分析中，我們通常會結合使用這些指標，以獲得對資料分佈更全面、更深入的理解。
常見問題 (FAQ)
以下是一些關於眾數的常見問題，希望能進一步釐清您的疑惑：
Q1: 為何理解眾數不只一個很重要？
理解眾數不只一個對於數據分析的精確性至關重要。 如果錯誤地認為眾數總是唯一的，您可能會忽略資料集中存在的多元趨勢或多個子群體，導致對數據分佈的誤判。例如，在市場調查中，雙眾數可能代表兩種主要客戶偏好，如果只看一個「平均」或「唯一眾數」，就可能錯失重要的市場區隔策略。
Q2: 如何處理連續型資料的眾數？
對於連續型資料（如身高、體重），由於每個數值可能都只出現一次，因此直接計算眾數通常沒有意義。 在這種情況下，通常會將資料分組（例如將身高分為160-165公分、165-170公分等），然後找出出現次數最多的組別，稱為「眾數組」。這能更好地反映連續型資料的集中趨勢。
Q3: 為何在某些統計分析中，眾數不如平均數和中位數常用？
眾數在某些高等統計分析中較少被直接應用，主要是因為它不具備平均數和中位數那樣良好的數學特性。 例如，你無法對眾數進行加減乘除的運算，也不能像平均數那樣輕易地推斷總體特性或計算標準差。然而，這並不代表眾數不重要，它在探索性資料分析和類別資料分析中仍有其不可替代的價值。
Q4: 眾數與峰度（Kurtosis）有什麼關係？
眾數直接指出資料分佈的「峰值」位置。而峰度則是衡量資料分佈「尖峭程度」或「尾部厚度」的統計量。 雖然它們是不同的概念，但都與資料的分佈形態有關。例如，一個高眾數（尖峰）的分佈可能會有較高的峰度，表示數據更集中在眾數附近。然而，峰度本身並不告訴你眾數的位置，眾數則直接指示了峰值。
總結
透過本文的詳細闡述，我們清楚地了解到「眾數只有一個嗎？」這個問題的答案是「不一定」。一個資料集可能會有單眾數、雙眾數、多眾數，甚至可能完全沒有眾數。眾數作為衡量集中趨勢的指標之一，其獨特之處在於它不受極端值影響，並且是唯一能用於類別型資料的中心測量。
理解眾數的這些多元特性，對於我們更全面、更準確地分析資料至關重要。在未來的數據探索中，當您看到一個資料集時，請不要僅僅停留在平均數和中位數，花點時間找出眾數，它可能會為您揭示資料中更深層次的趨勢與模式！
