建議先看完對應教學影片再作答，效果加倍。 👉 YouTube 教學頻道
第 1 題
某零售集團的資料分析師需要向管理層呈現「過去 12 個月各產品類別的月銷售額趨勢」。資料包含 8 個產品類別、每類別 12 個月的銷售額數值。分析師正在評估長條圖（Bar Chart）、折線圖（Line Chart）、圓餅圖（Pie Chart）、散佈圖（Scatter Plot）四種選項。下列何者最能正確說明圖表選用的邏輯，以及哪種圖表最適合此情境？
(A) 圓餅圖最適合，因為管理層關心各類別佔總銷售額的比例，圓餅圖能直觀呈現各類別的相對比重，且 8 個類別的扇形能清楚區分
(B) 散佈圖最適合，因為需要同時呈現 8 個類別和 12 個月的二維資訊，散佈圖的 X 軸放月份、Y 軸放銷售額，能同時顯示所有資料點
(C) 折線圖最適合，時間序列趨勢應優先選擇折線圖，每條線代表一個產品類別，8 條折線能同時呈現各類別的月變化趨勢，讓管理層直覺地看出哪個類別在成長、哪個在下滑
(D) 長條圖最適合，因為銷售額是數值型資料，長條圖能精確呈現每個月每個類別的絕對數值，比折線圖更能讓管理層比較不同類別在同一月份的差異
答案：C
深度導讀解析
正確答案：C
核心技術點：圖表選用的核心原則——依據「想回答的問題」而非「資料類型」選圖
中級理論拆解：圖表選用的第一個問題是「這張圖要回答什麼問題」。「趨勢」問題 → 折線圖；「比較」問題 → 長條圖；「比例」問題 → 圓餅圖；「相關性」問題 → 散佈圖。本題核心是「12 個月的趨勢」，折線圖的連續線條讓眼睛自然追蹤時間走向，8 條不同顏色的折線能同時比較各類別的趨勢方向。圓餅圖適合靜態比例，無法呈現時間變化；散佈圖適合兩個連續變數的相關性，不適合此多類別時序場景。
選項坑洞掃描：A 說圓餅圖最適合，圓餅圖呈現靜態比例，無法呈現 12 個月的時間變化，且 8 個扇形的標籤會擠在一起難以辨識。B 說散佈圖最適合，散佈圖的設計是讓每個點代表一筆資料，觀察兩個連續變數的相關性，不適合呈現多類別的時間趨勢。D 說長條圖更能比較絕對數值，長條圖適合靜態比較，但要呈現 8 個類別 × 12 個月 = 96 個長條，視覺上極度混亂，趨勢完全無法識別。
破題反射字：時間趨勢 → 折線圖 ／ 靜態比例 → 圓餅圖 ／ 兩變數相關 → 散佈圖 ／ 類別比較 → 長條圖
第 2 題
某製造業品管團隊收集了 2,000 個產品的重量資料，想同時了解資料的中位數、四分位距（IQR）、離群值分布，以及不同生產線之間的重量分布是否有差異。資料視覺化工程師評估了直方圖（Histogram）、箱型圖（Box Plot）、折線圖、熱力圖（Heatmap）。下列何者最能正確描述箱型圖在此情境的優勢，以及它與直方圖的核心差異？
(A) 箱型圖最適合此情境，它直接呈現中位數（箱中線）、Q1 和 Q3（箱邊界）、IQR（箱高）、最小最大值（鬚線）、以及超出鬚線的離群值（獨立點），且多個箱型圖並排能直覺比較不同生產線的分布差異；直方圖雖能呈現分布形狀但難以直接讀出四分位數並排比較多組
(B) 直方圖比箱型圖更適合此情境，因為直方圖能呈現資料的完整分布形狀（如雙峰、偏態），箱型圖只顯示五個摘要統計量，無法讓品管人員看到分布的細節特徵
(C) 熱力圖最適合此情境，將 2,000 個產品按重量範圍分組後顯示在熱力圖中，顏色深淺代表各重量區間的產品數量，能同時呈現分布密度和跨生產線比較
(D) 折線圖最適合此情境，以產品序號為 X 軸、重量為 Y 軸繪製折線，能呈現 2,000 個產品的重量走勢，生產線異常會在折線的突然上升或下降中顯現
答案：A
深度導讀解析
正確答案：A
核心技術點：箱型圖的五數摘要結構與多組分布比較的設計優勢
中級理論拆解：箱型圖（Box Plot）由五個統計量構成：最小值、Q1（第 25 百分位）、中位數（Q2）、Q3（第 75 百分位）、最大值，其中箱體代表 IQR（Q3 - Q1），鬚線延伸至 1.5 倍 IQR 範圍，超出的點標記為離群值。這個設計讓品管團隊一眼讀出分布的中心趨勢、變異程度和異常值位置。最重要的是多組並排比較——將三條生產線的箱型圖並排，品管人員能立即看出哪條線的中位數偏高、哪條線的 IQR 更寬（變異更大）。直方圖雖能呈現完整分布形狀，但多組並排時視覺比較困難。
選項坑洞掃描：B 說直方圖更適合，直方圖確實能呈現更多分布細節，但題目明確要求「同時了解 IQR、離群值，以及跨生產線比較」，這三個需求都指向箱型圖，直方圖在跨組比較上遠不如箱型圖直觀。C 說熱力圖最適合，熱力圖適合呈現矩陣型的數值密度，不是呈現分布摘要統計量的工具，題目的需求用熱力圖無法直接讀出中位數或 IQR。D 說折線圖最適合，折線圖呈現時間序列趨勢，2,000 個產品按序號畫折線只能看到波動，無法讀出分布的統計特性。
破題反射字：中位數 + IQR + 離群值 → 箱型圖 ／ 多組分布比較 → 並排箱型圖 ／ 完整分布形狀 → 直方圖的優勢
第 3 題
某電商平台資料科學家想探索「用戶特徵」與「購買行為」之間的相關性，資料集包含 15 個數值型特徵（年齡、消費頻率、平均客單價、頁面停留時間等）。分析師希望一張圖就能呈現所有特徵對之間的相關係數強度與方向，讓團隊快速識別高相關的特徵組合供後續特徵工程參考。下列哪種視覺化工具最能滿足此需求，以及它的設計邏輯為何？
(A) 使用散佈圖矩陣（Scatter Plot Matrix），將 15 個特徵兩兩組合繪製成 15×15 的散佈圖陣列，每個子圖呈現兩個特徵的實際資料點分布，讓分析師觀察非線性相關關係
(B) 使用相關性熱力圖（Correlation Heatmap），以矩陣形式呈現所有特徵對的 Pearson 相關係數，顏色深淺與冷暖代表相關係數的強度與正負方向，讓 15×15 的相關矩陣一目了然
(C) 使用雷達圖（Radar Chart），將 15 個特徵作為 15 個軸，每個用戶的特徵值繪製為多邊形，重疊多個用戶的多邊形能呈現高購買意願用戶的特徵輪廓
(D) 使用氣泡圖（Bubble Chart），X 軸和 Y 軸各放一個特徵，氣泡大小代表第三個特徵的數值，通過多張氣泡圖的組合能逐步探索所有特徵間的相關性
答案：B
深度導讀解析
正確答案：B
核心技術點：相關性熱力圖（Correlation Heatmap）的設計邏輯與多特徵相關性的一覽式呈現
中級理論拆解：相關性熱力圖將特徵兩兩計算的 Pearson 相關係數（值域 -1 到 1）填入矩陣，用顏色映射：深紅 → 高正相關（接近 1）、深藍 → 高負相關（接近 -1）、白色或淡色 → 近似無相關（接近 0）。15 個特徵產生 15×15 = 225 個相關係數格，分析師掃描顏色深淺就能立即識別哪些特徵對高度相關（需要考慮共線性問題或進行特徵選擇），哪些與目標變數（購買行為）最相關（特徵重要性參考）。這是特徵工程前的標準探索性分析工具。
選項坑洞掃描：A 說散佈圖矩陣，散佈圖矩陣確實能呈現非線性關係，但 15×15 = 225 個子圖在一張圖裡每個子圖都非常小，難以閱讀，且題目要求快速識別而非深入觀察每對特徵的分布，熱力圖的顏色編碼更符合「快速識別」的需求。C 說雷達圖，雷達圖呈現的是單一樣本在多個維度的數值輪廓，不是特徵之間的相關性，完全不適合此需求。D 說氣泡圖，氣泡圖一次只能呈現三個特徵的關係，15 個特徵需要多張圖，無法達到「一張圖一目了然」的目標。
破題反射字：多特徵相關性 → 相關性熱力圖 ／ 顏色冷暖 → 相關係數正負方向 ／ 顏色深淺 → 相關係數強度
第 4 題
某醫療研究團隊分析了 500 名患者的手術後恢復時間資料，想呈現恢復時間在不同年齡組（20 多歲、30 多歲、40 多歲、50 多歲、60 歲以上）之間的差異。資深統計師指出，僅用長條圖呈現各組平均值會遺漏重要資訊，建議改用能同時呈現「分布形狀、中位數、離群值」的視覺化。下列何者最能正確描述小提琴圖（Violin Plot）相較於箱型圖在此情境的附加價值？
(A) 小提琴圖與箱型圖呈現的資訊完全相同，差異只在外觀美觀程度，小提琴圖的曲線外形讓非技術背景的管理層更容易接受，但統計資訊沒有增加
(B) 小提琴圖在箱型圖的五數摘要外，額外呈現核密度估計（KDE）曲線，讓讀者看到分布是單峰還是雙峰、左偏還是右偏等完整形狀特徵；箱型圖只呈現摘要統計量，若恢復時間存在雙峰分布（如輕症與重症患者混合），箱型圖完全無法顯示這個特徵
(C) 小提琴圖只適合資料量超過 10,000 筆時才有統計意義，500 名患者的資料量不足以讓核密度估計曲線穩定，此情境應選擇標準箱型圖而非小提琴圖
(D) 小提琴圖的主要優勢是能呈現資料的時間序列變化，將五個年齡組排列後能看出恢復時間隨年齡增長的動態趨勢，這是箱型圖無法呈現的資訊
答案：B
深度導讀解析
正確答案：B
核心技術點：小提琴圖的核密度估計（KDE）附加資訊與雙峰分布識別能力
中級理論拆解：箱型圖只顯示五個摘要統計量（最小、Q1、中位數、Q3、最大），若資料呈現雙峰分布（bimodal），箱型圖完全無法顯示這個特徵，中位數和 IQR 看起來和單峰分布一樣。小提琴圖在箱型圖的核心結構外，疊加核密度估計（KDE）曲線——曲線越寬代表該值域的資料越密集。若 40 多歲患者的恢復時間呈雙峰（輕症 5 天、重症 20 天），小提琴圖的曲線會呈現兩個鼓包，這個重要的分布特徵在箱型圖中完全隱藏。醫療研究中，分布形狀往往比摘要統計量更有臨床意義。
選項坑洞掃描：A 說兩者資訊完全相同，小提琴圖的 KDE 曲線提供了箱型圖完全沒有的分布形狀資訊，這個差異是本質性的而非僅外觀差異。C 說 500 筆資料量不足以使用小提琴圖，KDE 在樣本量 50 以上通常就能提供合理估計，500 筆對小提琴圖來說是充足的資料量。D 說小提琴圖能呈現時間序列，五個年齡組是類別變數而非時間序列，小提琴圖也不具備時間序列分析能力，這個說法完全錯誤。
破題反射字：雙峰分布 → 箱型圖無法顯示 / 小提琴圖可以 ／ KDE → 核密度估計曲線 ／ 分布形狀 → 小提琴圖的核心附加價值
第 5 題
某 AI 規劃師在為高層主管準備季度業績報告時，發現設計視覺化時犯了幾個常見錯誤：Y 軸從 95 開始而非從 0 開始（讓 1% 的成長看起來像翻倍）、使用 3D 長條圖（讓後方的長條因透視而看起來更短）、在一張圖裡同時放了 15 種顏色。下列何者最能正確描述這三個錯誤各自違反的視覺化設計原則？
(A) Y 軸截斷 → 違反資料誠信原則，人為誇大差異誤導讀者；3D 效果 → 違反感知準確性原則，透視失真讓視覺比較不準確；15 種顏色 → 違反視覺負荷原則，顏色超過 7±2 個人類工作記憶上限後難以區分
(B) Y 軸截斷 → 違反色彩使用原則；3D 效果 → 違反資料完整性原則；15 種顏色 → 違反圖表類型選擇原則；三個錯誤都屬於資料呈現的技術失誤而非設計原則問題
(C) 三個錯誤都屬於美觀性問題而非資訊準確性問題，在商業報告中為了讓圖表更具視覺吸引力，適度的 Y 軸截斷、3D 效果和豐富色彩是可以接受的設計選擇
(D) Y 軸截斷只在負向操弄時才是問題，若是讓正面成長更明顯則屬於合理的強調技巧；3D 效果和 15 種顏色是純粹的美觀偏好，不影響資料的準確解讀
答案：A
深度導讀解析
正確答案：A
核心技術點：視覺化設計的三個核心原則——資料誠信、感知準確性、視覺負荷控制
中級理論拆解：Y 軸截斷是最常見的視覺欺騙手法，從 95 開始讓 1% 的差異在圖中佔據 50% 的高度，嚴重誇大差異，違反「資料誠信（Data Integrity）」原則，數值型長條圖原則上 Y 軸應從 0 開始。3D 效果在二維螢幕呈現三維物件，前方長條的深度陰影讓後方長條因透視縮小，讀者無法從高度準確判斷數值，違反「感知準確性（Perceptual Accuracy）」原則。人類工作記憶的 7±2 法則（Miller's Law）限制了同時處理的資訊量，15 種顏色遠超感知負荷，讀者無法對應圖例，違反「視覺負荷控制」原則，通常建議一張圖顏色不超過 7 種。
選項坑洞掃描：B 把三個錯誤各自對應到錯誤的原則，Y 軸截斷是資料誠信問題不是色彩問題，分類完全混亂且說法沒有依據。C 說三個錯誤是美觀問題不影響準確性，Y 軸截斷確實在商業環境中被用來操弄解讀，稱為「統計視覺欺騙」，這不是美觀選擇而是倫理問題。D 說 Y 軸截斷只在負向才有問題，無論是正向還是負向，截斷 Y 軸都會讓讀者對差異幅度產生錯誤認知，不因動機而改變其誤導效果。
破題反射字：Y 軸截斷 → 誇大差異、資料誠信問題 ／ 3D 效果 → 透視失真、感知準確性問題 ／ 過多顏色 → 超過工作記憶負荷
還在用零散筆記備考？
這份《iPAS 中級白話備考筆記》把三科考綱重點全部用人話整理好，考點速記、實戰場景、常見陷阱一次收錄。適合非本科、時間有限、想快速抓住考試方向的自學者。
👉 立即取得備考筆記
