mode是什麼 數學：數據分析中不可或缺的眾數深度解析
嘿，你是不是也遇過這種情況？手上一堆數據資料，老闆、老師或是報告要求你「分析」一下，結果你腦海裡第一個蹦出來的可能是「平均數」或「中位數」。但你有沒有想過，在某些時候，這些大家熟悉的指標，可能並不是最能代表資料「精髓」的呢？這時候，另一位統計界的隱藏高手就該出場了！它就是我們今天要深入探討的主角——mode，也就是中文裡常說的「眾數」。
那麼，到底mode是什麼？在數學和統計學上，眾數 (Mode) 指的就是在一組數據資料中，出現次數最多、頻率最高的那個數值或類別。簡單來說，就是資料裡「最受歡迎」的那個選項啦！它不看大小，只看誰出現的次數最多。這個概念超級直觀，卻在很多情境下扮演著至關重要的角色喔！別看它簡單，裡頭的學問可不少呢。
Table of Contents
眾數是什麼？數學上的眾數定義與其獨特性
想像一下，你手上有一份班上同學最喜歡的顏色調查，結果可能是：紅色、藍色、紅色、綠色、紅色、藍色、黃色。這時候，如果問你「班上同學最喜歡什麼顏色？」，你會怎麼回答？當然是「紅色」嘛！因為紅色出現了三次，比藍色（兩次）、綠色（一次）、黃色（一次）都還要多。這裡的「紅色」就是這組數據的眾數。
在統計學裡，眾數是一個衡量資料集中趨勢的指標。它跟平均數（所有數值加起來再除以個數）和中位數（將數值排序後，位在中間的那個數）並列，共同構成了我們理解數據「核心」的三大支柱。但眾數有它非常獨特的地位，尤其在處理某些特定類型的資料時，它簡直是不可取代的！
核心概念：眾數是數據集中出現頻率最高的數值或類別。
之所以被稱為「眾數」，顧名思義就是「多數」的數值。它反映的是資料分佈中，哪一個點是最「密集」的，也就是資料最集中的地方。這種特性讓它在處理質性資料（例如：喜歡的顏色、居住的城市、產品滿意度類別等）時，顯得格外有價值，因為這些資料往往無法直接計算平均數或中位數。
深入理解眾數的類型：不只一種模式喔！
欸，你以為眾數就只有一種狀況嗎？錯囉！數據世界多采多姿，眾數的呈現方式也會因為資料分佈的不同而有所變化。了解這些「類型」，能幫助我們更全面地解讀數據喔。
單峰眾數 (Unimodal)
- 這是最常見的狀況。顧名思義，資料集中只有一個數值或類別出現的頻率最高。
- 例子： 某鞋店銷售鞋碼數據：37, 38, 38, 39, 39, 39, 40, 40, 41。這裡，鞋碼39出現了3次，是頻率最高的，所以39就是單峰眾數。
雙峰眾數 (Bimodal)
- 當資料集中有兩個數值或類別同時出現最高的頻率，而且這兩個頻率是相同的，那麼這組資料就稱為有雙峰眾數。
- 例子： 某班級學生身高數據：155, 160, 160, 165, 170, 175, 175, 180。這裡，160公分和175公分都出現了2次，且都是最高頻率，所以160和175都是眾數。這種情況可能暗示資料集裡存在兩個不同的群體，例如男生和女生的身高分佈。
多峰眾數 (Multimodal)
- 如果資料集中有兩個以上的數值或類別同時出現最高的頻率，我們就稱其為多峰眾數。
- 例子： 某飲料店顧客最愛飲品調查：珍珠奶茶、檸檬紅茶、綠茶、珍珠奶茶、咖啡、檸檬紅茶。如果珍珠奶茶和檸檬紅茶都出現2次，且是最高頻率，那就是雙峰。如果是珍珠奶茶、檸檬紅茶、綠茶都出現2次，就是三峰，以此類推。
沒有眾數 (No Mode)
- 是不是很酷？有些資料集，它就是沒有眾數！當資料集裡所有的數值或類別出現的頻率都相同時，我們就說這組資料沒有眾數。
- 例子： 某次考試分數：70, 80, 90, 100。每個分數都只出現一次。這種情況下，就沒有頻率最高的那一個，因此沒有眾數。
理解這些不同的眾數類型，對於我們在解讀數據分佈時非常有幫助。一個單峰的數據通常表示資料集中趨勢很明確；而雙峰或多峰則可能暗示著數據背後存在著多個群體或偏好，這對於市場區隔或人口分析來說，可是超重要的洞察呢！
要怎麼找到眾數呢？步驟大公開！
雖然眾數的概念很簡單，但實際操作時，還是有一些小撇步和眉角要注意的。尤其針對不同類型的數據，尋找眾數的方法也會有些微差異喔！
針對離散數據 (Discrete Data) 或類別數據 (Categorical Data)
這類數據是最常見、最容易找到眾數的。離散數據是指那些只能取特定數值（例如整數）的數據，像是人數、產品數量、鞋碼等。類別數據則是指無法量化，只能歸類的數據，像是顏色、性別、產品類別等。
-
步驟一：列出所有數據點。
先把手上的所有數據一個不漏地寫下來。
-
步驟二：計算每個數據點（或類別）出現的次數。
這一步就是俗稱的「數格子」或「畫正字」。你可以製作一個頻率分佈表，把每個數值或類別及其對應的出現次數（頻率）列出來。
實例： 某超商一天內賣出的牛奶品牌：
鮮乳坊、義美、光泉、林鳳營、鮮乳坊、光泉、鮮乳坊、義美。牛奶品牌 出現次數 (頻率) 鮮乳坊 3 義美 2 光泉 2 林鳳營 1 -
步驟三：找出頻率最高的那個數值或類別。
從你建立的頻率分佈表中，一眼就能看出哪個數值或類別的頻率是最高的。它就是你的眾數！
接上例： 從表格中我們可以看到，「鮮乳坊」出現了3次，是頻率最高的。所以，這組數據的眾數就是「鮮乳坊」。簡單吧！
針對連續數據 (Continuous Data) 或分組數據 (Grouped Data)
連續數據通常是無法精確計數的，例如身高、體重、溫度、時間等，它們在某個範圍內可以取任何值。當這類數據量很大時，我們通常會將它們分組，形成「頻率分佈表」或「直方圖」。
對於分組的連續數據，我們找到的不是單一的「眾數」，而是「眾數區間 (Modal Class)」或「眾數組 (Modal Group)」。這個眾數區間，就是頻率最高的那個數據區間。
-
步驟一：整理數據，建立頻率分佈表或直方圖。
將連續數據分組，計算每個區間內的數據點數量。
實例： 某國小學童身高分佈數據 (單位：公分)：
身高區間 學生人數 (頻率) 120-129 5 130-139 12 140-149 18 150-159 10 160-169 3 -
步驟二：找出頻率最高的區間。
在這個頻率分佈表中，學生人數最多的區間就是眾數區間。
接上例： 「140-149 公分」這個身高區間有18位學生，頻率最高。所以，「140-149 公分」就是這組數據的眾數區間。
小提醒： 對於連續數據，雖然我們可以找出眾數區間，但要計算出一個精確的「眾數點」會比較複雜，通常需要用到插值法。但在大多數日常應用中，知道眾數區間就已經足夠了，它告訴我們資料最集中的範圍在哪裡。我的經驗是，除非是統計學術報告，一般業務或市場分析，點出眾數區間的意義就夠了，太過精確的計算反而容易讓非專業人士困惑呢。
眾數在數據分析中的「優點」與「限制」：它真的好用嗎？
每一種統計指標都有它的光輝時刻，也有它不那麼適用之處。眾數當然也不例外囉！了解它的優缺點，才能讓我們在使用時更得心應手，避免做出錯誤的判斷。
眾數的強項：何時它最閃耀？
-
適用於任何類型的資料： 這是眾數最獨特的優勢！無論是類別資料（例如顏色、性別、產品型號），還是序數資料（例如滿意度等級：非常滿意、滿意、普通），甚至是間隔或比率資料，眾數都能派上用場。這點是平均數和中位數望塵莫及的，因為平均數需要數值型資料才能計算，中位數至少需要可排序的資料。
我的觀點： 這一點超級重要！在處理市場調查問卷、客戶回饋、產品功能偏好等質性資料時，眾數簡直是救星。你不能說「平均滿意度」是多少，因為滿意度等級不是數字啊！但你可以說「最普遍的滿意度是『非常滿意』」，這就是眾數的功勞。
-
不受極端值 (Outliers) 影響： 眾數只關心誰出現的頻率最高，跟數值的大小無關。所以，資料集中出現幾個特別大或特別小的「怪咖」，對眾數一點影響都沒有。
例子： 薪資數據：25K, 30K, 30K, 32K, 35K, 500K。
如果計算平均數，那個500K會把平均數拉得很高，看起來好像大家都賺很多，但其實不是這樣。
但眾數仍是30K，真實反映了大多數人的薪資水平。這在分析薪資、房價等容易受少數極端值影響的數據時，眾數能提供更真實的洞察。 - 直觀且容易理解： 眾數的概念非常簡單明瞭，即使是非專業人士也能輕鬆理解「最常出現的那個」是什麼意思。這讓它成為溝通數據結果時一個很好的工具。
眾數的盲點：使用時的注意事項
- 可能不存在或不唯一： 如前面提到的，有些資料集可能完全沒有眾數（每個數值出現頻率都相同），或者有多個眾數（雙峰、多峰）。這會讓眾數作為「集中趨勢」的代表性變得比較弱。
- 不基於所有數據點： 眾數只關注出現頻率最高的那個數值，並沒有考慮到資料集中所有數值的大小和分佈。這可能會讓它在某些情況下無法完整呈現數據的全貌。
-
對於小樣本數據不穩定： 如果你的資料量很小，增加或減少一個數據點，很可能就會改變眾數，讓它顯得不那麼穩定。
我的經驗： 在樣本數很小的時候，例如只有5-7個數據點，我通常會更傾向於同時觀察平均數和中位數，因為眾數可能會因為一兩個數據的變動而劇烈改變，代表性會比較差。
眾數、平均數、中位數：三位「數」的兄弟情誼與區別
在數據分析的領域裡，平均數、中位數、眾數這三位「集中趨勢」的衡量指標，就像是三兄弟一樣，各有各的專長和個性。了解它們之間的差異，以及何時該選擇哪一個，是成為數據分析高手的必修課喔！
為了讓你一目瞭然，我幫你整理了一個比較表格。這是我在教學和實務中覺得最能幫助學生釐清概念的方式，希望對你也有幫助！
| 指標 | 定義 | 計算方式 | 適用情境 | 優點 | 缺點 |
|---|---|---|---|---|---|
| 平均數 (Mean) | 所有數值加總後，再除以數據的總個數。 | Σx / n |
|
|
|
| 中位數 (Median) | 將所有數值排序後，位在最中間的那個數值。 | 排序後取中間值（偶數個取中間兩數平均）。 |
|
|
|
| 眾數 (Mode) | 資料集中出現頻率最高的數值或類別。 | 計算每個數值或類別的頻率，找出頻率最高的。 |
|
|
|
從這個表格你可以清楚看到，沒有哪個指標是「最好」的，只有「最適合」的。一個專業的數據分析師，往往會同時觀察這三個指標，並結合數據的特性、分析的目的，來選擇最能代表資料核心趨勢的那個。
實際案例應用：眾數在生活中的身影
眾數可不是什麼高冷的數學概念，它在我們的日常生活中，特別是商業和社會科學領域，應用得可廣泛了！讓我來舉幾個例子，讓你看看眾數是怎麼默默地發揮作用的。
行銷與市場研究
- 產品顏色偏好： 一家手機製造商在推出新款手機前，會進行市場調查，詢問潛在消費者對手機顏色的偏好（例如：黑色、白色、藍色、粉色）。如果「藍色」是眾數，那生產線就會優先考慮多生產藍色手機，因為這是市場最熱門的選擇。你不能計算顏色的平均數嘛，是不是？
- 消費者年齡層分析： 某電商平台想知道他們的客戶群主要落在哪個年齡層。他們會分析客戶的年齡數據，找出出現頻率最高的年齡層（例如：25-34歲）。這個眾數區間就能幫助他們更精準地投放廣告，設計行銷活動。
零售與庫存管理
- 服飾鞋碼銷售： 服飾店或鞋店在進貨時，會密切關注過去銷售數據中，哪些尺碼（S/M/L/XL，或鞋碼38/39/40）的衣服或鞋子賣得最好。銷量最高的尺碼就是眾數，這有助於店家優化庫存，避免熱銷款缺貨，滯銷款堆積。
- 暢銷商品類別： 超市會定期分析各類商品的銷售數據。例如，如果「泡麵」是某個時段銷售量最高的商品類別眾數，超市就會在促銷活動中加大泡麵的力度，或增加其陳列面積。
社會科學與公共政策
- 民意調查： 政治人物或政策制定者在進行民意調查時，例如詢問民眾對某項新政策的態度（非常支持、支持、中立、反對、非常反對）。如果「支持」是眾數，那麼這項政策就可能具有較大的民意基礎。
- 疾病好發年齡： 醫療研究會分析某種疾病在不同年齡層的發病率。如果某種流感病毒在「5-10歲」兒童中發病率最高，那麼這個年齡區間就是眾數，有助於公共衛生部門制定相應的防疫措施和疫苗接種策略。
透過這些例子，你可以看到眾數的應用有多麼貼近我們的生活。它不是一個孤立的統計數字，而是幫助我們理解「大多數人」的行為、偏好或特徵的關鍵指標。
我的觀點與經驗分享：何時該選眾數？
在我的數據分析實務經驗裡，我發現許多初學者習慣性地只看平均數。但老實說，這真的會錯失很多重要的資訊！我會這樣建議你：
- 當你在處理「非數值型」數據時，眾數幾乎是你的唯一選擇。 比如我們前面提到的顏色、品牌、滿意度等級，你不可能算出平均數或中位數，這時候眾數的價值就出來了。它能告訴你「大多數人」的選擇是什麼，這對於市場行銷、產品設計來說，是金錢都買不到的洞察。
- 當你的數據分佈非常「偏斜」或存在明顯的「極端值」時，請優先考慮中位數和眾數。 平均數雖然包含了所有數據點的資訊，但它對極端值太敏感了，很容易被少數幾個特例「帶偏」。舉例來說，如果一個班級的考試分數，大部分人都在70-80分，但有兩個學霸考了100分，兩個學渣考了20分，這時候平均數可能會失真。但眾數（假設是75分）和中位數（可能是78分），可能更能代表班級的真實水平。
- 當你想要了解數據中是否存在「多個主流」時，眾數可以給你答案。 雙峰或多峰眾數的存在，通常代表你的數據背後有不只一個「群體」在作用。例如，對某產品的評價，如果「非常滿意」和「非常不滿意」同時都是眾數，這就意味著你的產品可能非常兩極化，這是一個非常關鍵的發現！如果你只看平均滿意度，可能只會得到一個「普通」的數字，而錯失了這種兩極分化的重要資訊。
總之，別把眾數看作是平均數或中位數的「備胎」。它有其獨特的價值和適用場景。學會靈活運用這三種集中趨勢指標，你對數據的理解會更全面、更深刻，分析結果也會更有說服力！
常見的眾數相關問題與專業解答
講了這麼多，你心裡是不是還有一些小問號呢？沒關係，我整理了幾個大家最常問的關於眾數的問題，並提供詳細的解答，希望能徹底幫你解惑！
Q1: 眾數可以應用在哪些類型的資料？
眾數的最大優勢就是它的「通用性」。它幾乎可以應用於所有類型的資料，這一點是平均數和中位數無法比擬的。
首先是類別資料 (Nominal Data)。這類資料沒有順序或大小之分，只能進行分類，例如性別（男/女）、血型（A/B/O/AB）、最喜歡的品牌、商品顏色等。對於這類資料，你不可能計算平均數或中位數，因為它們不是數字。但你可以輕易地找出哪個類別出現的次數最多，這就是眾數發揮作用的時候。
其次是序數資料 (Ordinal Data)。這類資料有順序之分，但各個類別之間的間距不一定相等，例如教育程度（國小/國中/高中/大學/碩士）、李克特量表（非常滿意/滿意/普通/不滿意/非常不滿意）。雖然這些資料可以排序，理論上也能找中位數，但眾數仍然是非常重要的指標，尤其當你想知道「主流意見」或「大多數人的偏好」時，它能提供最直觀的答案。
最後是數值資料（間隔資料 Interval Data 或比率資料 Ratio Data）。這類資料是數字，可以進行數學運算，例如身高、體重、溫度、年齡、收入等。對於這類資料，平均數和中位數都很常用，但眾數在存在極端值或資料呈現多峰分佈時，能提供獨特的見解。總之，無論資料是什麼類型，眾數都能提供其最常見、最頻繁出現的數值或類別。
Q2: 為什麼有時候眾數會不只一個？
這個問題非常棒，它觸及了眾數的一個重要特性。眾數之所以會不只一個，是因為在某些數據集中，可能會有兩個或更多不同的數值或類別，它們的出現頻率都同樣地是「最高頻率」。
想像一下，你開了一家飲料店，在夏天的時候，你的銷售數據顯示，珍珠奶茶賣了100杯，檸檬紅茶也賣了100杯，而其他所有飲料都賣不到100杯。這時候，珍珠奶茶和檸檬紅茶就都是你的眾數。這就稱為「雙峰眾數」。它告訴你，你的客戶群有兩種同樣強烈的偏好。
如果同時有三種飲料都賣了100杯，那就是「多峰眾數」。這種情況在現實生活中並不少見，尤其是在對產品偏好、市場區隔、或是不同意見群體的分析中。多個眾數的存在，其實是一種很有價值的資訊，它暗示著你的數據背後可能存在多個不同的「模式」或「群體」，而不是單一的主流。這對於市場策略的制定，或是了解社會多元性，都提供了非常重要的線索。所以，當你看到多個眾數時，別覺得奇怪，這反而是一個深入挖掘數據的好機會呢！
Q3: 如果資料中每個數值都只出現一次，那眾數是什麼？
這是一個經典的「陷阱題」！如果你手上有一組數據，例如：10, 20, 30, 40, 50。你會發現這組數據中，每個數值都只出現了一次，也就是說，它們的頻率都是1。
根據眾數的定義，它是指「出現次數最多」的那個數值。但在這種情況下，沒有任何一個數值的出現次數比其他的數值更多。所有的數值都以相同的最低頻率出現。因此，答案就是：這組資料「沒有眾數」。
這和「眾數是0」是完全不同的概念喔！「眾數是0」代表0這個數值出現的頻率最高，而「沒有眾數」則代表資料中沒有任何一個數值能夠脫穎而出成為頻率之王。這在統計學上是一個明確的結果，而不是計算錯誤。所以，下次遇到這種情況，大膽地說「沒有眾數」就對了！
Q4: 眾數和眾數區間有什麼不同？
這兩者都是關於眾數的概念，但它們適用於不同類型的數據呈現方式。
「眾數 (Mode)」通常指的是在原始、未分組的離散數據中，那個出現頻率最高的單一數值或類別。比如：你數了五個人的年齡是 25, 28, 28, 30, 32，那麼「28」就是這個數據的眾數。它是一個具體的點。
而「眾數區間 (Modal Class)」則是用於連續數據經過分組處理後的情況。由於連續數據的數值可能性非常多，甚至無限多，我們通常會將它們劃分成若干個區間（或稱為組、班級），然後統計每個區間內數據點的數量。眾數區間就是指在這些區間中，包含數據點數量最多的那個區間。
舉例來說，如果你有一百位學生的身高數據，並將它們分組為 150-159公分、160-169公分、170-179公分等。如果「160-169公分」這個區間內的學生人數最多，那麼「160-169公分」就是眾數區間。在這裡，我們無法說出一個精確的單一眾數，因為區間內的所有數值都有可能。眾數區間告訴我們的是數據分佈最密集的範圍。總結來說，一個是具體的數值，一個是資料最集中的範圍，使用時要根據你的數據類型來判斷喔！
Q5: 在報告數據時，什麼時候應該優先使用眾數？
這是一個非常實用的問題！在報告數據時，選擇哪個集中趨勢指標，決定了你想要傳達什麼樣的訊息。我認為以下幾種情況，眾數應該被優先考慮，或至少是作為補充指標被強調：
首先，當你的數據是類別型資料時，眾數就是你的不二選擇。無論是客戶對產品顏色的偏好（紅色、藍色、綠色），或是受訪者對某議題的態度（支持、反對、中立），你都無法計算平均數或中位數。這時候，只有眾數能告訴你「最受歡迎的顏色是紅色」或「大多數人是支持的」。它直接反映了主流意見或最常見的現象。
其次，當你的數據存在明顯的極端值，而且你希望呈現「大多數人的情況」而非受極端值影響的平均水平時，眾數也非常好用。比如在分析一般員工的薪資分佈時，如果公司裡有少數幾位高薪主管，他們的薪資會把平均數拉高，讓人誤以為所有員工都賺很多。這時候，眾數（或中位數）能更真實地反映出基層員工的普遍薪資水平，避免誤導。
最後，當你懷疑數據分佈可能有多個「高峰」時，眾數能幫助你發現這些潛在的群體。例如，如果一份關於通勤時間的調查顯示，眾數同時出現在「15-30分鐘」和「60-90分鐘」兩個區間，這可能暗示你的受訪者來自兩種不同的通勤習慣群體（例如，居住在市區和居住在郊區的人）。這種多峰的資訊，是平均數和中位數很難揭示的，但對深入分析用戶行為或市場區隔卻至關重要。
總之，眾數在表達「最常見」、「最典型」或「最流行」的數據特徵時，具有不可替代的價值。學會靈活運用它，你的數據分析報告會更有深度和洞察力！
讀到這裡，你對mode是什麼、數學裡的眾數是什麼，應該有了非常全面且深入的理解了吧！它不只是一個簡單的「數數看誰最多」的概念，更是數據分析工具箱裡一個強大且獨特的工具。下次在分析數據時，別再只盯著平均數看囉！多給眾數一點關愛，它會給你帶來意想不到的驚喜和洞察力喔！
