12.2.2直方图(第2课时 直方图应用) 课件 2025-2026学年人教版数学七年级下册

该初中数学课件聚焦直方图的应用，通过“从数字到图形”的导入，衔接温故知新环节中画直方图的步骤及频数、频率概念，构建旧知到新知的学习支架，帮助学生系统掌握数据整理与描述方法。 其亮点在于结合麦穗长度分析、冰雪知识竞赛等生活实例，以“求、定、列、画”口诀培养数学思维，通过对比条形图与直方图强化数据意识，助力学生用数学语言解决实际问题，既提升学生数据分析能力，也为教师提供结构化教学资源。

人教版（新教材）·七年级下册 | 第十二章 数据的收集、整理与描述 12.2.2 直方图的应用（第2课时） 从枯燥的数字到直观的图形，直方图是探索数据分布规律的有力武器。本节课我们将深入生活实例，学习如何解读直方图背后的信息，并用它来解决实际问题，开启数据探索之旅！ 1.7.2013 同学们好！欢迎回到我们的数学课堂。今天，我们将继续探索第十二章‘数据的收集、整理与描述’的奥秘。上节课我们认识了直方图，这节课，我们就要真正地拿起这个强大的工具，看看如何用它来解决生活中的实际问题。准备好和我一起，从数据中发现故事了吗？让我们开始吧！ ‹#› 本节课，我们要达成三大目标！ 信息提取小能手 能看懂直方图，准确找到分组、组距、频数等关键信息，甚至能像侦探一样，补全不完整的图表，解锁数据背后的线索。 数据分析小专家 通过直方图分析数据的分布规律，探索大多数数据集中的区域，敏锐捕捉异常值，学会用数据说话，发现数据背后的秘密。 实际应用小达人 将直方图知识运用到生活中的真实场景里，解决实际问题，真正体会统计的实用价值，让数学知识服务于我们的生活。 从读懂图表到洞察规律，再到解决问题，一步步进阶，你就是最棒的数据分析小高手！ 1.7.2013 这节课结束时，大家都能成为数据分析小高手！我们有三个小目标要达成。首先，要学会‘读’图，就像读故事一样，从图里找出关键信息。其次，要学会‘分析’，从数据中发现规律和秘密。最后，也是最酷的，要学会‘应用’，用我们学到的知识去解决实际问题。大家有没有信心？ ‹#› 温故知新：画直方图的五个步骤 01. 求极差 找出数据中的最大值和最小值，计算二者的差。这能直观反映出数据的整体变动范围有多大。 02. 定组距与组数 决定小组范围和分组数量，核心公式：组距 = 极差 / 组数。合理的分组是图表准确的关键。 03. 定分点 明确每个小组的起止边界，确保数据不重不漏，是统计数据归属的重要前提。 04. 列频数表 制作“数据花名册”，仔细统计并记录每个小组中包含的数据个数（频数），为绘制图表提供精确的数据支撑。 05. 画直方图 根据整理好的频数表，在坐标系中画出一系列宽度相同、高度对应频数的长方形，最终形成直观、清晰的直方图。 1.7.2013 在学习新知识之前，我们先来快速回忆一下老朋友——画直方图的五个步骤。第一步，求极差，看看数据的‘个头’差距有多大。第二步，决定怎么分组，也就是‘组距’和‘组数’。第三步，确定每个小组的‘边界线’。第四步，制作一张‘花名册’，也就是频数分布表，数一数每个小组有多少成员。最后一步，就是根据花名册画出我们的直方图。这五个步骤，大家都掌握了吗？ ‹#› 温故知新：两个核心概念 01 频数：数据出现的次数 指每一小组数据出现的具体次数，是数据统计中最基础的量化指标，直接反映了特定数值区间内数据的密集程度。 02 频率：整体中的占比 是每一小组的频数与数据总数的比值（或百分比），它能直观呈现各组数据在整体中所占的比重，便于进行比例和结构分析。 科学的分组技巧 当数据在100个以内时，通常分成5~12组比较合适，组数过少会掩盖分布特征，过多则易显现随机波动。 面积代表频数 直方图的核心几何意义：每个长方形的面积严格对应这一组的频数，这是直方图与条形图的本质区别之一。 高度直观代表频数 在组距相同的情况下，长方形的高度就直接反映了频数的多少，视觉上一目了然，便于快速比较各组数据的差异。 1.7.2013 我们再来明确两个非常重要的概念：频数和频率。简单说，频数就是每个小组里‘有多少个’，而频率就是‘占百分之多少’。画直方图时有几个小细节要注意：第一，分组没有绝对的标准，一般分5到12组比较合适。第二，大家要记住，直方图里每个长方形的面积代表了这一组的频数。第三，因为我们分组时，每个小组的宽度（组距）是一样的，所以长方形的高度就直接代表了频数的多少，谁高谁就多，一目了然！ ‹#› 小试牛刀：一分钟跳绳成绩分析 本次统计绘制了一分钟跳绳成绩的频数分布直方图。横轴为成绩（个/分），刻度120-200；纵轴为人数，刻度0-12。各组频数依次为：2, 4, 6, 12, 10, 8, 4, 4，呈现出中间高、两边低的分布趋势。 01. 组距与组数 观察横轴刻度可知，组距为10。将成绩从120到200划分，一共分为了8个组，覆盖了所有同学的成绩区间。 02. 人数最多的区间 频数最高的组是160≤成绩＜170，该区间共有12人，是所有分数段中人数最集中的部分，说明大部分同学的成绩处于这个水平。 03. 全班总人数 将所有组的频数相加：2+4+6+12+10+8+4+4 = 50人。总频数即为数据的总个数，也就是全班的总人数。 04. 优秀率计算 成绩≥160的人数：10+8+4+4=26人。优秀率为26÷50×100% = 52%，超过半数的同学达到了优秀标准。 1.7.2013 好了，复习结束，我们来看一个真实的例子。这是一个班级同学一分钟跳绳成绩的直方图。大家快速思考一下这几个问题：组距是多少？哪个成绩段的人数最多？全班一共多少人？成绩优秀的（160个以上）同学占了多少比例？大家可以暂停一下，自己算一算。（等待片刻）算好了吗？我们一起来核对答案。组距是10，分了8组。人数最多的是160到170个这个区间，有12人。全班总人数就是把所有柱子代表的人数加起来，等于50人。成绩在160个以上的同学有26人，占了全班的52%。非常好！通过这个例子，我们已经开始应用直方图来分析问题了。 ‹#› 探究点1：用直方图解决实际问题——农学家的难题 为了考察某种大麦穗长的分布情况，农学家在一块试验田里抽取了100根麦穗，精确测量了它们的长度（单位：cm）。面对这100个繁杂的原始数据，我们该如何从中发现规律，描述大麦穗长的整体特征呢？这正是我们要解决的核心问题。 01. 整理数据 对收集到的100个原始数据进行科学分组，统计每组的频数，列出清晰的频数分布表，将零散数据系统化，为可视化分析做准备。 02. 绘制图表 依据频数分布表，在平面直角坐标系中绘制频数分布直方图，以矩形的高度直观呈现各组数据的数量差异，让数据规律一目了然。 03. 分析结论 观察直方图的峰值位置和分布形态，估计该品种大麦穗长的集中范围，总结其分布特征，为农学家的品种评估提供可靠的数据支撑。 1.7.2013 接下来，我们进入今天的核心探究环节。这里有一个实际问题：一位农学家想了解一种新培育的大麦，它的麦穗长度普遍是多少。于是他抽取了100根麦穗，测量了它们的长度。屏幕上就是这100个数据。我们的任务，就是利用这些数据，完成三件事：第一，整理数据，列出频数分布表；第二，根据表格画出直方图；第三，通过图表来分析和估计这种大麦穗长的整体分布情况。这是一个完整的数据分析过程，让我们一步步来解决它。 ‹#› 第一步：求极差，看范围 样本数据中的最大值 7.4cm 样本数据中的最小值 4.0cm 计算极差： 极差 = 最大值 - 最小值 = 7.4 - 4.0 =3.4(cm) 结论解读： 这个3.4 cm的数值直观反映了，这批麦穗长度的变动范围是3.4厘米，体现了数据的离散程度。 1.7.2013 我们来完成第一步：求极差。大家看这100个数据，快速找一找，最大的数是多少？最小的数又是多少？没错，最大的是7.4，最小的是4.0。那么极差就是用最大值减去最小值，7.4减去4.0，等于3.4。这个3.4就告诉我们，这批麦穗长度的变动范围是3.4厘米。 ‹#› 第二步：定组距，分小组 01 已知条件与尝试 我们已经计算得出数据的极差为3.4 cm。现在我们尝试选取一个合适的组距，这里我们先以0.3 cm作为组距来进行下一步计算。 02 计算组数结果 根据公式：组数 = 极差 ÷ 组距，代入数值可得： 3.4 ÷ 0.3 ≈ 11.33 计算结果是一个小数，这显然不符合分组的要求，因为组数必须是整数。 03 取整与最终结论 为了确保所有数据都能被“装下”，我们需要将计算结果向上取整，而不是直接舍去小数部分。 因此，最终确定分为12 组，每组的组距保持为 0.3 cm。 💡 核心知识点：计算组数时，若结果不是整数，必须采用“进一法”取整，确保分组能完整覆盖所有数据范围，避免信息遗漏。 1.7.2013 知道了极差是3.4，接下来我们要决定组距和组数。我们可以尝试一下，比如取组距为0.3厘米。那么用极差3.4除以组距0.3，大约等于11.33。因为组数必须是整数，而且要确保能包含所有数据，所以我们通常会向上取整，也就是分成12组。这样分组，既不会太多显得杂乱，也不会太少导致信息丢失，是比较合适的。 ‹#› 第三步：列频数表，数个数 01 确定分组 从最小值4.0开始，每隔0.3划分一个区间，直至覆盖最大值7.4，最终定到7.6，确保所有数据都能被包含在内，无遗漏。 02 划记统计 采用经典的“正”字划记法，逐一审视每一个原始数据，将其归入对应的区间，一笔一划认真记录，避免出现重复计数或遗漏数据的错误。 03 统计频数 数清每个区间内“正”字的总笔画数，每一笔画代表1个数据，一个“正”字代表5个数据，最后汇总计算，得出每组对应的频数数值。 04 总量核验 最后将所有分组的频数相加求和，核验这个总和是否严格等于总数据量100。若相等则说明统计过程无误，若不等则需要重新检查划记环节。 分组区间 划记 频数 4.0≤x<4.3 一 1 4.3≤x<4.6 一 1 4.6≤x<4.9 T 2 4.9≤x<5.2 正 5 5.2≤x<5.5 正正一 11 5.5≤x<5.8 正正正 15 5.8≤x<6.1 正正正正下 28 6.1≤x<6.4 正正下 13 6.4≤x<6.7 正正一 11 6.7≤x<7.0 正正 10 7.0≤x<7.6 下 3 合计 - 100 1.7.2013 现在到了最关键的一步：列频数分布表。怎么做呢？首先，我们要确定分组区间，从最小的4.0开始，每隔0.3一个区间。然后，我们就要开始数了，看看每个数据落在哪个区间里。为了防止数错，我们可以用‘正’字法来划记。最后，把每个区间的‘正’字加起来，就是频数。别忘了最后检查一下，所有频数加起来是不是等于我们的总数据量100，这样可以保证我们没有数错。这就是我们统计完成后的频数分布表。大家可以看到，长度在5.8到6.1厘米之间的麦穗有28根，是数量最多的一组。 ‹#› 第四步：画直方图，直观展示 横轴 (X轴)：测量尺度 横轴代表麦穗的长度 (单位：cm)，我们将数据划分成 12 个等距区间，依次标记为 4.0、4.3、4.6 ... 7.6，清晰界定每个测量范围。 纵轴 (Y轴)：频数统计 纵轴代表频数，即每个长度区间内包含的麦穗数量。刻度从 0 到 30 分布，让我们能直接读出每个区间的样本个数。 长方形：分布规律 长方形的高度直观反映数量多少。例如 5.8-6.1cm 区间频数最高（28），对应最高的柱子，一眼就能看出数据的集中趋势。 💡 核心洞察：通过绘制直方图，我们将枯燥的数字转化为可视化的图形，不仅能快速定位数据的峰值区间，还能清晰观察到麦穗长度的整体分布形态，为后续的数据分析提供直观依据。 1.7.2013 现在，我们根据刚才的表格来画直方图。横轴表示穗长，我们把刚才分好的12个区间标在上面。纵轴表示频数，也就是每个区间里麦穗的数量。然后，我们根据表格里的频数，画出每个区间对应的长方形。比如，5.8到6.1这个区间的频数是28，我们就画一个高度对应28的长方形。大家看，这样一画，数据的分布规律是不是一目了然了？最高的柱子就代表数量最多的麦穗长度区间。 ‹#› 第五步：分析图表，得出结论 观察绘制好的直方图，我们能从数据分布中发现哪些关键特征呢？ 集中趋势显著 麦穗长度并非杂乱无章，而是呈现出明显的聚集性，绝大部分数据都落在5.2cm 至 7.0cm的区间内，说明该样本的穗长分布较为集中。 众数区间突出 在5.8cm 至 6.1cm这个区间内的麦穗数量最多，达到了28根。这是样本中最具代表性、最普遍的穗长范围。 呈现“山峰”形态 数据分布呈现中间高、两边低的对称趋势，像一座山峰。特别短或特别长的麦穗数量极少，符合自然生物性状的典型分布规律。 最终结论：综合分析可知，这种大麦的穗长主要集中在5.2cm至7.0cm之间，其中5.8cm至6.1cm是最普遍、最具代表性的长度范围，整体生长性状表现稳定且集中。 1.7.2013 画好了图，我们就要来分析它了。从这张直方图中，我们能读出什么信息呢？首先，我们可以看到，大部分麦穗的长度集中在5.2厘米到7.0厘米之间。其次，数量最多的是5.8到6.1厘米这个区间，说明这是这种大麦最常见的穗长。最后，我们还能看到，特别短和特别长的麦穗非常少，都集中在中间部分。所以，我们可以得出结论：这种大麦的穗长主要集中在5.2到7.0厘米之间，其中5.8到6.1厘米是最普遍的长度。这就是直方图告诉我们的秘密。 ‹#› 总结一下：绘制直方图的四字口诀 求 求极差，定范围 计算数据最大值与最小值的差，明确数据的变化范围，这是后续分组的基础。 定 定组距，分组数 根据极差确定合适的组距，计算组数并向大数取整，保证分组科学，做到不重不漏。 列 列频数分布表 准确统计每个小组内数据出现的频数，列出表格，务必确保所有组的频数之和等于样本总容量。 画 画直方图呈现 明确横、纵坐标分别代表的含义，以组距为宽、频数为高绘制小长方形，直观展示数据的分布特征。 核心逻辑：从数据整理到图表呈现，“求、定、列、画”四个步骤环环相扣，是数据分析的基础方法。 1.7.2013 好了，通过刚才的例子，我们再来总结一下绘制直方图的完整步骤。可以简单记为四个字：‘求、定、列、画’。‘求’就是求极差，确定数据范围。‘定’就是确定组距和组数。‘列’就是列出频数分布表。最后一步‘画’，就是根据表格画出直方图。这四个步骤环环相扣，大家一定要记牢。 ‹#› 探究点2：条形图 vs 直方图 条形图：类别数据的比较 横轴代表不同的独立类别（如品牌、组别等），纵轴代表数量。最大的视觉特征是各条形之间存在明显的空隙，适用于直观对比不同类别间的数据大小差异。 直方图：连续数据的分布 横轴是连续的数值区间（如0-10, 10-20），纵轴代表频数。各矩形紧密相连、无空隙，能够清晰展示数据在不同区间内的集中趋势和分布规律。 关键特征：有空隙，属类别 条形图的核心在于“分类”，每一个条形代表一个独立的组别，互不关联。 关键特征：无空隙，是区间 直方图的核心在于“连续”，横轴是数值的分段，展示数据在整体范围内的疏密变化。 总结：当数据量多且数值跨度大时，直方图能更清晰、直观地反映数据的整体分布状况。 1.7.2013 我们已经学会了直方图，那它和我们之前学的条形图有什么不一样呢？大家看屏幕上的两个图。首先，最明显的区别是，条形图的柱子之间是有空隙的，而直方图的柱子是紧挨着的。这是因为直方图的横轴是连续的数值范围，而条形图的横轴通常是独立的类别。什么时候用直方图更好呢？当我们的数据量很大，而且数值跨度也大的时候，用直方图来展示数据的分布规律，会比条形图更清晰、更直观。 ‹#› 实战演练：冰雪运动知识竞赛 为了解七年级320名学生对冰雪运动知识的掌握情况，实践小组收集了40名学生的竞赛成绩，整理得到频数分布表与直方图。已知成绩分组为60≤x<70、70≤x<80、80≤x<90、90≤x<100，对应频数依次为4、10、18、8。 问题 (3)：求扇形统计图圆心角度数 若要画出该组数据的扇形统计图，则竞赛成绩在 80≤x<90 的学生人数所对应扇形的圆心角度数为多少？ 答案：162°计算：(18÷40)×360° = 162° 问题 (4)：估计年级“优秀”学生人数 若竞赛成绩不低于90分的记为“优秀”，请根据样本数据，估计参加这次知识竞赛的七年级320名学生中，成绩为“优秀”的有多少名？ 答案：96名计算：320×(8÷40) = 96 (名) 1.7.2013 理论学完了，我们来看一道真实的考题。这是一个关于冰雪运动知识竞赛成绩的统计问题。题目给出了部分数据和一个不完整的图表。我们需要解决两个问题：第一，计算某个分数段人数在扇形统计图中对应的圆心角度数。第二，根据样本数据，估计整个年级‘优秀’学生的人数。这就是直方图在实际问题中的综合应用，它不仅考察我们的读图能力，还考察我们的计算和推断能力。大家可以试着做一做，然后我们一起看答案。 ‹#› 课堂小结：直方图应用三层次 01 读图提取信息 基础应用能力，要求能从直方图中直观读取关键数据，如识别人数最多的组、计算数据总人数、比较不同组别的频数差异等。 02 补全直方图 进阶运算能力，利用“总数、百分比、频数”之间的数量关系，推算并补全直方图中缺失的频数或组距信息，完善数据图表。 03 综合分析决策 高阶思维能力，结合具体背景对直方图数据进行深度解读，如评估考试成绩分布、分析产品质量稳定性，进而形成合理的判断与决策。 总频数计算 总频数 = 各组频数之和，是分析数据总量的基础，也是补全图表的关键前提。 单组频数推算 某组频数 = 总频数 × 该组百分比，利用比例关系可快速求出未知组的具体频数。 频数比例关系 在等距分组时，频数之比 = 对应条形高度之比，可通过视觉高度快速估算数量关系。 1.7.2013 好了，一节课下来，我们来总结一下今天学到的关于直方图应用的知识。我们可以把它分为三个层次。第一层次是基础，会读图，能从图里找到关键信息。第二层次是进阶，能根据已知信息补全不完整的直方图。第三层次是最高级，能结合具体情境，通过分析直方图做出判断和决策。同时，大家要记住几个核心公式，比如总频数等于各小组频数之和，频数之比等于高度之比等等，这些都是解题的关键。 ‹#› 课堂小结：直方图与条形图的区别 01 条形统计图 核心用途：用于直观展示不同类别的具体数据，反映的是数据的绝对数量大小。 形式与本质：属于普通的条形图，绘制时各条形之间分开排列、留有空隙，用于区分不同的独立类别。 02 频数分布直方图 核心用途：用于表现数据在各个区间内的频数分布情况，反映的是数据的分布规律和趋势。 形式与本质：它是一种特殊的条形统计图，绘制时条形紧密相连、没有空隙，因为区间之间是连续的。 1.7.2013 我们再来回顾一下直方图和条形图的区别。它们的联系是，都能用条形的高度来表示数量。实际上，直方图就是一种特殊的条形图。它们的区别在于，条形图侧重于展示不同类别的具体数值，而直方图侧重于展示一组数据在不同区间的分布情况。从形式上看，条形图的条形是分开的，直方图的条形是连续的。记住这个关键点，以后就不会混淆了。 ‹#› 课堂小结：方法与技巧 01. 补全直方图的三种方法 总数法 利用“各组频数之和等于总数”这一核心关系，结合已知组的频数，计算出未知组的频数。 百分比法 根据“某组频数 = 数据总数 × 该组所占百分比”的公式，将百分比转化为具体的频数数值。 比例法 分析各组频数之间的比例关系，通过列方程或直接计算的方式，求解出未知的频数数据。 02. 数据分析的四个角度 看集中趋势 观察数据的峰值，判断哪个组的人数最多，把握数据的核心分布位置。 看分布形态 分析数据是均匀分布、集中在中间，还是偏向某一端，了解整体的离散情况。 看异常特殊 留意是否存在明显偏离整体趋势的极端值或异常数据，分析其产生的原因。 做合理推断 基于数据呈现的特征，总结规律，对现象背后的原因或发展趋势做出科学判断。 1.7.2013 最后，我们总结一下今天用到的一些重要方法。如果遇到需要补全直方图的题目，我们通常有三种方法：总数法、百分比法和比例法，要根据题目给的条件灵活选用。在分析数据的时候，我们可以从四个角度入手：看集中趋势，看分布形态，看有没有异常值，最后根据这些信息做出合理的推断。掌握了这些方法，大家以后解决统计问题就会更得心应手。 ‹#› 温馨提示：这些“坑”要避开！ 01. 误读边界 注意“150~155”这类区间的含义，通常它表示“大于等于150且小于155”，是左闭右开的区间。 02. 频数非整数 频数代表数据的个数，一定是整数。如果计算结果出现小数，说明计算过程或方法肯定存在错误。 03. 画错图形 绘制直方图时，条形之间是紧密相连、没有空隙的；若留有空隙，则混淆了直方图与条形图的区别。 04. 看错纵轴 做题时务必看清纵轴标注的是“频数”还是“频率”，二者含义不同，对应计算出的数值也会有差异。 05. 比例失调 在补全统计图形时，要确保新增条形的高度与已知条形成正确的比例关系，避免视觉上的比例错误。 06. 遗漏条件 审题是解题的关键，要仔细阅读题目中的每一个字，不要漏掉任何限制条件或关键信息，避免答非所问。 1.7.2013 在学习新知识的过程中，有些地方特别容易出错，我们来特别提醒一下。第一，要正确理解分组区间，比如‘150到155’通常是包括150但不包括155的。第二，频数一定是整数，如果算出来不是，那肯定哪里错了。第三，画直方图时，条形之间不要留空隙。第四，要看清纵轴是频数还是频率。第五，补全图形时要注意比例。最后，审题要仔细，不要漏掉任何条件。希望大家都能避开这些‘坑’。 ‹#› 课后练习：分析番茄果实个数 在蔬菜大棚种植实践中，随机抽取50株番茄记录果实个数。数据范围从16到91个不等，呈现出一定的分布规律。请通过统计分组，探索这批番茄果实数量的集中趋势。 核心任务： 请按组距为10对50组数据进行分组，列出频数分布表，绘制频数分布直方图，并结合图表简要分析番茄果实个数的分布特征。 01. 计算极差 最大值91，最小值16，极差 = 91 - 16 =75。确定了数据的波动范围。 02. 确定组数 组距为10，75 ÷ 10 = 7.5，统计中需向上取整，故分为8组。 分组区间 划记 频数（株数） 16≤x<26 ~ 66≤x<76 T,正一,正,正正下,正正T,正T 2, 6, 6, 13, 12, 7 76≤x<86 ~ 86≤x<96 下, 一 3, 1 1.7.2013 接下来是课后练习时间。这里有一道题，关于番茄果实个数的统计。题目给出了50株番茄的果实数量，并要求我们按照组距为10来分组，列出频数分布表，画出直方图，并进行分析。大家可以先暂停视频，自己动手完成。这张幻灯片给出了频数分布表的答案，大家做完后可以对照检查一下。 ‹#› 课后练习：分析番茄果实个数（续） 数据说明：本次样本共50株番茄，横轴代表果实个数的分组区间，纵轴代表对应区间内的番茄植株数量，直观反映了果实数量的分布规律。 核心分布特征分析 从直方图的形态来看，果实个数的分布呈现出明显的“中间高、两边低”的趋势。绝大部分番茄的果实数量集中在26~86个的区间内，其中46~66个这一组的频数最高，是数量最集中的区间。 开放性思考与总结 本题的分析结论并非唯一，只要能结合图表数据、言之有理即可。通过绘制与解读直方图，我们能更直观地掌握数据的整体分布规律。 1.7.2013 这是上一道练习题的直方图和分析结论。大家看，果实个数在46到66之间的番茄植株数量最多。从整体来看，大部分番茄的果实数量集中在26到86个之间。这只是一个参考答案，大家可以有自己的分析结论，只要言之有理即可。通过这道题，希望大家能熟练掌握绘制和分析直方图的全过程。 ‹#› 课后练习：给批发商的建议 面对海量的销售数据，我们需要通过“极差计算→合理分组→统计频数”的科学步骤，将杂乱的数据转化为直观的决策依据，从而帮助批发商制定最优的进货策略。 STEP 01 数据整理与分组 计算极差为 5.9，取组距 1 分为 6 组。统计发现，销售量在 21.5~22.5t 区间的频数最高，达到 12 周，是销售的“峰值区间”。 关键数据洞察 数据合计48周，各组频数分布均匀，其中 21.5~22.5t 占比达25%，是出现次数最多的销量段。 决策逻辑依据 选择销量最集中的区间进货，既能最大程度满足市场需求，又能有效控制库存积压的风险。 最终建议：每星期购进 21.5~22.5 吨 该方案贴合销售的主流水平，是兼顾供应稳定性与成本控制的最优解。 1.7.2013 我们再来看一道应用题。一个面粉批发商想知道自己每周进多少货比较合适，他统计了前48个星期的销售量。我们的任务就是通过分析这些数据，给他一个合理的建议。首先，我们需要找到最大值24.4和最小值18.5，算出极差是5.9。我们可以选择组距为1，这样就可以分成6个组。通过分析频数分布表和直方图，我们发现销售量在21.5到22.5吨这个区间的星期数最多。所以，我们可以建议批发商，每周购进21.5到22.5吨面粉是比较合适的，这样既能满足大多数时候的需求，又不会造成太多积压。这就是统计帮助我们做决策的一个很好的例子。 ‹#› 谢谢聆听！ 今天我们一起探索了直方图在数据分析中的应用，从数据整理到决策分析，希望大家能将方法运用到实际问题中。 记得完成课后练习，继续巩固所学知识，我们下节课见！ 1.7.2013 好了，同学们，我们今天的课程就到这里。我们学习了如何应用直方图来解决实际问题，从数据整理、图表绘制到分析决策，希望大家都有所收获。课后请大家完成剩余的练习，巩固所学知识。谢谢大家！ ‹#› $