誰都看得懂的統計學超圖解 | 被動收入的投資秘訣 - 2024年9月
![](https://www.books.com.tw/img/001/073/99/0010739947.jpg)
誰都看得懂的統計學超圖解
~日本國小到高中正規課程,人人都會的統計學!~
61堂統計課,範圍涵蓋「初、中、高等統計學」
以及進階「多變量分析」、「貝氏統計」,助你成為獨立趨勢分析家!
【精彩內容】
◎第1章:了解統計學的基礎
◎第2章:敍述統計學
◎第3章:統計學必備的機率知識
◎第4章:推論統計學的內容
◎第5章:深入了解統計學
◎第6章:將關係科學化的統計學(多變量分析)
◎第7章:貝氏統計學
◎第8章:統計學的應用
【超實用!統計學運用目標】
■預估電影票房
■選舉情勢調查
■問卷資料分析
■估算保險方式
■商品銷售狀況⋯⋯
一談到「統計學」,大家都會以為這是門艱深的學科,
只有特定科系才需要接觸,在心中築起「用不到」、「我不擅長數學」等重重高牆,
但其實從小學開始,我們就會使用許多統計學的手法,
舉凡「年齡層的平均身高」、「班級平均成績」、「擲銅板的正反面出現機率」
都是運用統計公式算出的結果。
以實用的觀點來說,現在網路上充斥的各種資料、手機發出的位置資訊、個人送出的情報等等,這些巨量資料皆稱為「大數據」。
蒐集數據,運用統計學分析商品會大賣或滯銷、選舉當選或落選、景氣狀況的好壞、
做出精湛的「數據管理」、「預測判斷」,決定投資方向、成本,
都是實用統計學的囊括項目。
就因為統計學如此重要,日本才會從小學二年級就將其納入正規課程,
讓學生系統式地接觸這門實用學科。
本書將統計學切分為61個單元,從日本小學、國中到高中的課程開始,
循序漸進地帶領讀者敲開大門,再逐步進展到多變量分析、貝氏統計學、大數據等進階內容。
書中運用全彩圖解、清晰表格力求讓統計學簡易化、普及化,
目的在於降低統計學門檻,使讀者能無師自通,靠自己的力量看懂吸收,
若閱讀過程中遇上瓶頸,還有親切的貓頭鷹博士跳出講解,
力求讓讀者「一點就通,一看就懂」!
看完這本書,無論是問卷資料的分析、估算保險的方式,甚至電影票房,
都能靠自己的力量採集預估,
無論資料量有限或龐大,皆可依本書教授的方式整理歸納,
成為全方位數據、生活趨勢分析家。
【本書特色】
◎日本國小~高中生都會的基礎統計學:
61堂日本從小學二年級就開始接觸的統計學課程,每個主題皆附出現年級對照表。
◎讓統計學變超簡單的視覺化圖鑑:
全彩標示+簡單圖表,不用老師講解,自己就能看圖輕鬆愉快地理解!
◎列舉公式、定理+具體實例:
超清晰呈現學習統計學時必備的公式、定理,提出具體的實例強化讀者理解度。
◎延伸專欄+補充內容:
以專欄的形式介紹解說中沒有提及的補充內容,以及衍生出來的問題、公式解法。
◎附錄公式、定理索引:
整理全書使用的統計學「公式」、「定理」,按照出現順序加以排列,方便對照使用!
作者簡介
涌井良幸
1950年生於東京都,在東京教育大學(現在的筑波大學)數學系畢業後,任教於千葉縣立高等學校;從教職退休之後便以作家的身分致力於寫作上。
涌井貞美
1952年生於東京,在東京大學理學系研究科修士課程結業後,歷經富士通、神奈川縣立高等學校教師等,目前為一名獨立科學作家。
.本書在日本中小學、高中各學年學習的項目
.本書的特點與使用方法
.1章 了解統計學的基礎
.何謂統計學
.統計的實施及運用方法
.統計學的歷史
.越發活躍的統計學
.統計學所使用的資料種類
.統計學人物傳1南丁格爾與統計
.專欄 統計資料及數據的獲取方法
.專欄 「統計學」一詞的由來
.專欄 開放資料
.2章 敍述統計學
.圖表的基礎
.呈現比例的圖表
.顯示關係的圖表
.顯示分布的圖表
.次數分配折線圖
.累積次數分配及其圖表
.資料的平均數
.資料的代表值
.變異數和標準差
.離散度
.標準化與標準化值
.交叉分析表
.用來表示資料相關性的數值
.統計學人物傳2 卡爾・皮爾森
.專欄 當資料存在多個項目(多變量)時
.專欄 從相對角度觀察的必要性
.專欄 標準化值的歷史
.專欄 交叉分析表的製作方式
.專欄 斯皮爾曼等級相關係數
.3章 統計學必備的機率知識
.機率在統計學中受到重視的原因
.機率的意義
.發生次數
.隨機變數與機率分配(採用離散型隨機變數)
.連續型隨機變數與機率密度函數
.獨立試驗定理與二項分配
.常態分配
.統計學人物傳3 布萊茲・帕斯卡
.專欄 「排列」與「組合」的公式
.4章 推論統計學的內容
.母體平均數與樣本平均數
.中央極限定理
.大樣本的統計估計方法
.統計的檢定方法
.單尾檢定和雙尾檢定
.統計檢定的實例
.p值
.型一錯誤與型二錯誤
.統計學人物傳4 高斯
.專欄 不會說「接受虛無假設」
.專欄 百分比 兩側5%臨界點&前5%臨界點
.專欄 經常採用p值的理由
.5章 深入了解統計學
.母體與樣本分配(母體平均數、變異數、樣本平均數)
.不偏變異數
.資料的自由度
.(小樣本的)母體平均數的估計(t分配)
.母體比例估計
.(小樣本的)母體平均數的檢定(t檢定)
.母體比例的檢定
.變異數分析
.統計學人物傳5 威廉・戈塞
.專欄 確認統計量的計算
.專欄 確認統計量的計算
.專欄 何謂F分配
.6章 將關係科學化的統計學(多變量分析)
.獨立性檢定(x2方檢定)
.迴歸分析的做法與簡單迴歸分析
.迴歸分析的應用
.主成分分析
.因素分析
.SEM(共變異數結構分析)
.判別分析
.問卷資料的分析
.統計學人物傳6林知己夫
.專欄 迴歸方程式的公式計算方式
.專欄 轉換公式的選擇
.7章 貝氏統計學
.乘法定理
.貝氏定理
.貝氏定理的轉換
.不充分理由原則與貝氏更新
.單純貝氏分類器
.貝氏統計學的原理
.統計學人物傳7 托馬斯・貝氏
.專欄 貝氏機率
.專欄 貝氏網路
.8章 統計學的應用
.大數據
.80/20法則與長尾理論
.判斷原因是非對錯的統計學
.平均壽命和平均餘命
.估算保險費用的方法
.掌握生物的個體數
.專欄 經濟物理學
.專欄 在醫療領域中常用的勝算比
.專欄 實際的平均壽命
.公式、定理索引
.索引
前言
雖然「現代為IT化的社會」一說由來已久,可是現代IT化的發展速度卻比當初出現這個說法時所想像得還要迅速;以結果來看,每日充斥在社會上的資訊正在日益增加當中。近年來,大數據(Big Data)、IoT(Internet of Things,又稱「物聯網」)這些名詞幾乎成為大眾媒體每日茶餘飯後的話題;如何才能因應現代IT化社會所產生的龐大資料量,在在顯示出這個在不斷失敗實驗中發展的現代化社會現象。
處於這樣的社會當中,「資訊收集」的知識就更顯重要了。資訊收集是因應所有資訊及處理各種資料的一種學問,在近年來的教育界可說刮起了一陣旋風;在背後支撐這些資訊的便是統計學。統計學是一門學習處理資料方式的學科,為提供資料及資訊處方箋的科學知識。倘若沒有這門學科,無論資訊多麼龐大珍貴,也無異於一堆殘破瓦礫。
然而不幸地,日本的公立學校並不重視統計學;譬如在大多數的大學考試中,統計學並非必備的知識。這實際上造成了日本大部分的學生、上班族、教育學家都不具備統計學的知識,日本並沒有讓統計學的教育=資訊收集向下札根。
舉例來說,從教育環境來觀察吧。於是我們看到當前現狀為人們只會利用電腦計算出平均值及標準化值便心滿意足了,完全沒有類似哪種科目與哪種科目相關、在哪種情況下得以發揮教學效果這類統計分析的能力,就連職場上也是如此;我們經常會看見國際會議上仰賴IT知識並活用統計資料的歐美商務人士讓日本人啞口無言的尷尬場面。
這種狀況可以說是日本的悲哀吧。本書的目的正是為了導正這種現況,並讓資訊收集成為上萬人的共有財產而企畫的,並且擺脫艱澀難懂的數學而掌握統計學的思考方式,從而觀察出統計學的整體樣貌。縱使只有看圖,也能從內容當中學習到統計學的內涵。
本書冀望能改變讀者對於資料及資訊的看法,並且讓充斥在IT化社會的各種資料轉化為「珍貴的寶庫」。
最後,在本書製作的過程中有賴技術評論社的渡邊悅司先生的細心指導,因此要特別在此對他表達敬意。