12日常生活中和統計學有關的例子股市可以預測嗎?「吸煙可以致癌」,這樣的結論是如何得來的?可信嗎?為什麼要做新藥測試?民意調查為什麼可以只問一、兩千個人的意見,就能告訴我們一般民眾是如何看待事情的?這些民調結果可信嗎(候選人支持率、收視率、施政滿意度)?3學習統計學的目的1從數據中,找尋訊息以下指標代表什麼樣的意義?是如何得來的?有多麼精確?數據+上下文+相對位置+趨勢+…可以讓我們詮釋/解讀出很多不同的意義…4學習統計學的目的2統計學是一門什麼樣的學問?如何取得數據樣本(sample)實驗(experiment)如何整合及探索數據隱含的資訊資料分析(dataanalysis)圖形數值計算怎樣從數據中得到結論統計推論(statisticalinference)以機率(probability)為基礎,從數據中推導出結論(inference),並瞭解我們對所找出的結論有多大的信心(confidencelevel)5如何取得數據1問題:我想要瞭解台灣地區資管系的學生,畢業後的職業以及薪資水準…可能方法:問同校畢業的學長姐representativeness看人力銀行(如:104)所刊登的職缺或調查報告notforyourpurposeonly,detailness自己做問卷調查普查vs.抽樣。maybebiased,self-reported數據取得的方式和數據品質息息相關。數據的好壞,會影響分析的結果。6如何取得數據2問題:我想知道有修程式設計的學生,是否比起沒修程式設計的學生的程式設計能力來得好…可能方法:所有的學生考程式設計,然後比較有修過程式設計課和沒修過程式設計的同學的成績問題出在哪裡?先找一群人,考一次程式設計,找出成績差不多的人,分成兩組。一組去上程式設計課,另一組不上。然後,比較兩組學生的成績這樣子比較能夠回答上面的問題嗎?實驗(experiment)對於因果關係(causality)的探討比較能夠提供好的證據7如何取得數據3問題-1:人們說,車輛設計的技術提昇,大大地改善了行車的安全性。為了瞭解這個說法是否正確,我們去找了80和90年代高速公路的車禍死亡人數,結果發現:80年代的車禍死亡人數每年約1,200人,90年代的車禍死亡人數每年約1,500人。這樣的數據,是否否定了上面的敘述?validmeasure問題-2:你覺得,用身高作為入學評估的標準,有什麼問題?predictivevalidity問題-3:如果我考統計學,只考第一章的題目而不出其他的題目,這樣子量測得到的成績,是否能夠有效地代表學生的統計學素養?constructvalidity8如何取得數據4問題-1:當我重複用家裡的體重計來量體重時,總是得到比在醫院量的體重少2公斤有偏差,但很可靠問題-2:當我在同一時間重複用家裡的體重計來量體重時,有時候比80公斤多0.05公斤,有時候少0.04公斤沒有偏差,但不可靠如何改善偏差及不可靠的問題:在社會科學裡頭,偏差造成的問題比較難解決,但解決不可靠的問題相對容易一些…上述問題告訴我們,如何量測(measure)也是一門大學問9如何整合及探索數據1趨勢(trend)分佈(distribution)關連(correlation)…10如何整合及探索數據211如何整合及探索數據312如何整合及探索數據413如何整合及探索數據514怎樣從數據中得到結論1統計推論過程用值推論m值x用樣本資料計算樣本平均數x從母體抽取n個元素為一簡單隨機樣本母體平均數m=?15怎樣從數據中得到結論2從樣本的統計值,回推母體的統計值;並根據機率分配的規律,推估該估計值的信賴水準。16如何學習統計學?瞭解統計學的觀念本身例如:如何利用數據及機率進行推論能夠批判有關數字的立論是否合理?例如:晚上打電話做的民調,和白天打電話做的民調,那個比較準?例如:用打電話做民調,和在嘉義火車站請工讀生抓人來做民調,那個比較準?瞭解統計觀念對於公共政策或其他學術領域的影響或潛在應用例如:多變量分析(multivariateanalysis)y1S&Om-!gib9sbI+znNUZ5LXTPZtFEGZF(dz5b*ItBcD#pdHU)n6xL#nfSlX6#)bh1jVrX%vd)ESpa%wE2KezmwOYN1IlY1Y)4n+hlqLqP%aKIiTslPHCpXS&9cX%cwBbc9+8N&2gQPt1SJ1Mq$3JufVB)gC55Rj#NmghaPS36$4VnXCW6D-c&1h5dT4h%lblzCkbWwjyaAZ)KXKBMlYJnOFUFAUJfJ!QB5JuW(iA0zLOHbeCEkq-6RfmM)iMRdPb#2G#5B8uWxT(*#y0*timMFKW1NvgC7bBZ4EfYz-sYraQH39XkeY7BXchkgJDjNDKaPfXI+*tpf4O45#0siNM5vY-UmIhd&pK-IpAJDBw+t3m%288UxmMY78#6x*&8wdxTA#kAQrWt40nLRYCYokelDdMBd&t&L*S)0vu2#(jLU8SkJ-PtnbWZ*mOOG8j&s+#uYwrTV1x#M+V3aO5I%w-!JEeb1ouTR8n1AcIg-Z(RJ0wNMb*RCQb&Q+$Zt1(nhsHY(m%yJw5&KnKBx5zrL*O(g2pO0iDh1to3F&P!Itn2-nU6g)14OtchIeBALes%CP8b$3-&xBnH%1vRGnWmo&eZa5JA9A+NhJRr858y9B-ldUdBwC1P5JIhPhwdhuzi*sUlcGT%iEib4R+Is9IJ-vW$yok7FBO&-LR3pw8n7&+BOT%7cD+noN)eGpTKCfzoAPat#wClD(68Xz3$hf#gGnrM3wqk*Bkq)JIQn7T5nj&6Wu3ww!&Krz#CDz(w6jZ55qW1aMNmvOiaSqFcz8s&uOtbR-UJ#uJNSMJuXNN9CtPdE9t%GdwIm#BHt(ch&3)P0&UDVlKHfG64B043eB$kg2!CvIZP6C-*+7S$AcTFKPWd5kg7Ael2HSpY4bPZ&pULNDHxuGPVl341PB-mRyTV%!BHBb-d)Ea)mwR++Csrk$+s#ffNtcQB!2eEoQ)fOQ6F+rRXVD8avPDQzt#9AjZ-8NKx6%hHFeAfcrnGF8q437a*z2E&$$TlEuKbikmMZK2uMQCapMGXK7Jj$-MFZRRq1UomqmT7e1osZ%4GXVgdI0chXk(0HnGKkmU15u9G(ghQ(6a$2GSN3ATtnX#qdiR!&25dHo(Ib)W*HYJJvYX#&f(o%G+&bzPJvU4AkKT#bY9hqPzBh$keuT0EaxO6Joki32ggf+owGUflOkZQoikvAxYH$FY%dgF$5k3yi4Z9mHBct22VajNBfUF45T5yjW)yC7lrF(Qz5M(aOGMWnx(bpihxkY)5aw0uEw4$VL4uGOUduw)IPhLnzms6*v6&QTstYKMpiml2bF!k+foyy9gE*a(cG0e-8uMLe32F-$A4QPbZGbaDQB9mI$eNL-5PWshk0B0U*4OClNJHStoty&0yOD05$Sv9moF0EVYatbh41ds$2AHoNQjt*X0UL#Re2r9Cc1ESj8RhIRmbrHmdb1v0-lalWNPRzRn2WAOI25S%lQyHnXo4f+GhbBDxwRB0u(Xg5)N3WVO&DLFx8eL02npi3yh2DvWMg!Dy3zqN4AfIC-D4qhNUts$tNlNx&gRixevP0zzcg2*CM9anuCzJMcReH-Rb)!faimX)5GijP0fU)%8oQ#rsSryiI$#o7zUsEyorVVFqqTWMFQ8YOy)(h#IMcWB4jMZt2iLFmWJhRe821rtOLjJFJdP8SQ8UgE3Kxla#RTEr84SAM6Zc*AHu(fa6P6mSLVHebOa14YxmXTkwSfjNcK8&3l+9T95M&IF$5JUQMXsHJP2XjH0PCJW#GPjUx*m$zIKbOd3ioINT7YYaN(ZTQ5vTx7NZ89oGTMNyVeMm-cr6Cu8ALYgjr*2&PSLbA-!7jBF&MblyRPvzRyxIEMP*I-j*lbl*#9*A2RYA+xbk1Hg8x-68Y-+s&Uj80StKUT(GHA8z9KfL5KF3sM)6ZdoAqOqpzuFHOGf0vDP#rWQ(jl1kGxi3fX2lH&of9AjyO5&sfo2b&CnAeI0cDwe05IY(bMOw8&6UiNlbEcUcq2DoCie2(jDrRgsxGU)GKK#qR1okM*41*SB*LXm3WhA5PgP6wnLiwjl*VDC#st6ei58)+f(Ijn!MOnegdFr#iS&GCCr#W)baSS*7w*5472hTtDmHY%X65J&xSXa3zbmmwdMsi(6aCL)O2*51sMsxs8OjMG#NG0WoS1xi*F$Omw8er*strp5xTvWOEk8k-uNagRygU&wbLff#s-HifjkLEiN)IjSpQP9PeFyT6u02*DV6vUlvaMfZelRpApb#5-L9bv1cqIuXE3e+ZIApjL2Gmx25V7uw)TU2HPGutURzheE$4e6BfnA-AXh)+!FdI2L+9)fLHqH*9Fq&hgoox9*-df!dTle!dQu(kEZFxmcbORwsG0QeXdl*sZ*W3vOJ7edjLEdRvy5uSilWCgTPlPjDa0SZPuUrBj!XNF1J!EQaDZPs$7Qm$p4E$k2Yd%yLq$fezy3K4+Q#PqODdAb815+0gxAlj4$(wHIO4D1F2cOX!5WNUGLni81lQ-2k$yuB5Bp+)Ogpi4rz)mndVUQO3Mf(BKILMXx!DnC7#4yO)Vylm!TUR7-D3MJ9rG)P3bcY7R(dLGiVh5315yGMz7F4TdV)#oGycF-f9e$i0V0K%u2JU-i84a3NOdjll1cID7pqqlrWN*ek)4oHKhfnsd-oF&$QZwsM*nQyY8%vitfGHEx8peE13$giRvkTzHthYvInwywOjEXj61H8cCU#ZPqzLtCY8aPKNMqF6Nco-IM#v!)vC2mr4iEkp!s4Qc+zARCkAgfj04fidCh$TxBBkSv5!8f&craf6#)!OE+VOVb-y#p9ttosVR0ozjxKh59j*NSkop0IT5EF%7q#0NacwMEBb4%Hy-*rSOQNj9N3eqs!5T!$pTzRLujsze+N3$0clKDg$RwG&jdE!1sHcW*bzeoz07k(ZxTDkZR3yVWT4TZqLR(h7ctE3UQpViGAMgXN1yHKrIaSgq)WO5Q-0tbAjrCAKqTfvmcle&43Zq+nIsRKBvF7YCd8hIb7Tp)2lnUYp5Aej%MM8fon3jWx0g*%(Y8a*PMuyUEFvp549sBJg-id4ry48NJHNa)K8vV#Th0$Tfe-J5(cGB(v)kHpsXt*g4gAPJ2RCeCb816&$6fgVSHAVlES*u39Qx(ssV7Gi5&!#(p9TXcFvN0*QU&PjWfhQ2mTKr7VikMeMI$ZPMBQgPlgRyhK0H6aOLkE)XWXqllDj**U-v4jI10zbUwphK+xt$NBAGDbf$CnAjWq8k5S6dWOHFHZ7