积极 AI Logo 积极 AI

可视化数据中心与离散程度：箱线图对比

可视化数据中心与离散程度：箱线图对比
几何画板及绘图内容加载中，请稍等……
2019-05-10 07:56
数列概率统计滑块动画函数图像
① 本范例通过随机生成的两组箱线图，直观展示数据中心（均值）与离散程度（标准差、平均绝对偏差）的变化对图形的影响。② 核心数学概念包括统计特征量（均值、标准差、平均绝对偏差）、箱线图的构造（四分位数、极值）以及数据分布的可视化比较。③ 作图要点：使用GeoGebra的Sequence命令生成随机数据，mean和BoxPlot命令分别计算均值并绘制箱线图，同时创建mean1、standarddeviation1、Numbers1、Boundaries1等对象，通过AbsoluteDeviations1和mad1计算平均绝对偏差，并利用按钮button1和Visual1、Visual2控件实现动态交互，让用户调整参数观察图形变化。④ 适合中学数学统计章节的教学或自学，帮助学生理解集中趋势与离散程度的直观意义，以及不同统计量对箱线图形态的影响。

GeoGebra 命令及参数

  1. Sequence(InverseNormal[mean1, standarddeviation1, random()], n, 0, 99) → Numbers1
  2. Sequence(mean1 + (n * standarddeviation1 / 2), n, -10, 10, 1) → Boundaries1
  3. Sequence(abs(Numbers1(n) - mean1), n, 1, Length[Numbers1]) → AbsoluteDeviations1
  4. mean(AbsoluteDeviations1) → mad1
  5. Sequence(InverseNormal[mean2, standarddeviation2, random()], n, 0, 99) → Numbers2
  6. Sequence(mean2 + (n * standarddeviation2 / 2), n, -10, 10, 1) → Boundaries2
  7. Sequence(abs(Numbers2(n) - mean2), n, 1, Length[Numbers2]) → AbsoluteDeviations2
  8. mean(AbsoluteDeviations2) → mad2
  9. BoxPlot(10, 2, Numbers1) → Visual1
  10. BoxPlot(5, 2, Numbers2) → Visual2