每天所面对各类不同的问题.docVIP

Chapter 1 What is Statistics? 1.1 Illustrative Statistical Problems 每天所面對各類不同的問題，諸如 農業學家需判斷是否有新的方法可以增加燕麥產量； 氣象學家要預測下雨的可能性； 立法委員必須了解是否限制行車速度能減少意外事件之發生，以作為立法之依據； 環境保護專家則要測驗新的保護方案是否降低了汙染情形， 凡此種種，皆是在不能確定結果的狀況下的決策抉擇問題。 1.2 The Population and the Sample 母體(population)：所欲調查範圍的全部觀察值之集合。P.4 樣本(sample)：為母體的部分集合。P.4 實驗單位(experimental units)：以實驗家而言，研究對象(object)為實驗單位。P.4 樣本元素(elements of the sample)：以統計學家而言，研究對象(object)為樣本元素。P.4 Example 1.1 1.3 1.4 1. 敘述統計(descriptive statistics)：可定義為資料的收集、整理和分析，以便能適當地描述資料的各種特徵之方法。換言之，針對資料本身做總結與描述，但不進一步做任何資料以外的推論。P.5 2. 推論統計(inferential statistics)：根據樣本的資料分析結果，對母體做推論(預測, 決策)。P.6 資料?資訊?決策?實行?修正 例：市場被區隔的目的在於因應不同消費需求，發展不同產品或服務。可口可樂公司生產數種不同口味的可樂：古典傳統，一般，低糖，無咖啡因低糖。每一種不同的口味乃針對不同的區隔市場所設計。為了區隔可樂消費市場，可口可樂公司需要知道所有消費者不同的需求；接著擬定出所有市場的不同特徵，並為不同市場設計一種有利可圖的產品。 Chapter 2 Describing Sets of Data 2.1 Variables and Data 變數(Variable)：為母體或樣本中我們有興趣之特性，會依不同時間，不同個體而有不同的數值。如：兒童蛀牙數，招收學生人數。P.14 實驗單位(experimental unit)：為得到變數值所測量的人事物稱之。P.17 測量(measurement)：當實驗單位之變數已真正被測量。P.17 Example 2.1 P.17 單變量資料(Univariate data)：對每個實驗單位，只觀察一個變數。P.18 二變量資料(Bivariate data)：對每個實驗單位，觀察二個變數。P.18 多變量資料(Multivariate data)：對每個實驗單位，觀察多個變數。P.18 2.2 Types of Variables 1. 數字資料(numerical data or quantitative data)。 如：交通肇事案件，收入金額，身高，體重。 離散屬量資料(discrete data)：在計數過程中所得到的數字回應。 連續屬量資料(continuous data)：在測量過程中所得到的數字回應。(與測量儀器的精密度有關)。 2. 類別資料(categorical data or qualitative data)：如：性別，婚姻狀態，職業，星座。 Figure 2.1 P.20 Example 2.2 2.3 Statistical Tables and Graphs 資料的衡量尺度(measurement level of data)： 1. 名目資料(nominal data) 資料以代碼表示，做任何數學運算皆無意義。名目尺度是四種衡量尺度中最弱的衡量尺度。無法辨別差值，大小和多大。如：性別，血型，政黨分類，婚姻狀態。 2. 順序資料(ordinal data) 資料具有等級排列特性，可為數字或非數字型態，做任何數學運算皆無意義。只能辨別大小，無法辨別差值和多大。如：比賽名次，教師等級，學生級別，電影分級。 3. 等距資料或區間資料(interval data) 資料以數字型態呈現，數字間的差異表示其差距大小，但乘除運算並無意義。可辨別差值，大小和多大。如：溫度：40o，60o，80o。考試成績：不能說某甲的程度優於某乙二倍，因為統計學零分並不代表對統計學一點概念都沒有。 4. 比率資料(ratio data) 資料數字型態呈現,數字間可做加減乘除運算。(有真正的零點)。可辨別差值，大小和多大。如：長度，體重，價格。 點圖(scatter plot) P.26 Pareto Diagram：依照次數大小排序而成的點圖 直方圖(histogram)：以各組界為底所繪製成的直立長方條狀圖。P.28 長條圖(bar chart)：似於直方圖，但座標之長條距離並不連續。