筆記整理– 統計學(一) Statistics I – 難得糊塗 | 統計學筆記
筆記整理– 統計學(一) Statistics I. 推薦兩們線上課程： 交大開放式學院– 唐麗英– 基礎統計學、統計學(二). 課程講解邏輯脈絡清晰、組織有條， ...Skiptocontent推薦兩們線上課程：交大開放式學院–唐麗英–基礎統計學、統計學(二)課程講解邏輯脈絡清晰、組織有條，容易幫我們建構一張統計學的學習藍圖。
👍(未完，不定期更新內容)第一週➠第一章：基本統計概念介紹IntroductionBasicConcepts(基本概念)第二週➠第一章：基本統計概念介紹表示類別(定性)資料之次數分配複習–什麼是統計學？數據的取得方式簡單隨機抽樣系統抽樣分層隨機抽樣部落抽樣/ClusterSampling第三週➠第二章–UsingNumericalMeasurestoDescribeData如何以量化指標來展示資料(量測數據,量來的)CentralTendency(orLocation)–集中趨勢1.平均數(mean)=平衡點=重心2.中位數(median)=中心3.眾數(mode)何時用平均數？何時用中位數，眾數？Dispersion–分散趨勢全距(Range,R)變異數(Variance)標準差(StandardDeviation,STD)(相對)變異係數(CoefficientofVariation,CV)第四週➠第二章–UsingNumericalMeasurestoDescribeDataSkewness–偏態係數Kurtosis–峰態係數（名稱有「係數」者表示「無單位」）非中趨勢[重要]如何決定數據分佈之情形？經驗法則TheEmpiricalRule(常用)柴比雪夫法則TheChebyshev'sRule共變異數/Covariance(少用)相關係數(常用)第五週➠第三章：機率統計學分為敘述統計、推理統計實驗–如丟銅板/骰子n次樣本空間事件機率解題步驟CountingPrinciples第六週➠第三章：機率ProbabilityLawsVennDiagramUnionIntersection(交集)ComplementaryEvent(互補)ConditionalProbability條件機率IndependenteventsMutuallyexclusiveeventsAdditionRule:Bays'Theorem:貝氏定理第七週➠第四章：離散型機率分佈RandomVariables(R.V.)累加機率TheExpectedValueofaDiscreteR.V.(期望值,帶單位)TheVarianceandStandardDeviationofaR.V.X第一週➠第一章：基本統計概念介紹內容◎統計專有名詞與基本概念介紹◎統計學的目的與統計工作流程Introduction什麼是統計學？•讓數字說話的方法•評估品質(Quality)的概念與方法(Concept+Methods)第一堂課中，老師會解釋「什麼是統計」？有時候，因為群體資料數量過多、或過於廣泛，我們無法取得完整群體資料，亦或無法辨認其中關係，因此，我們取其中樣本資料來分析，藉由樣本呈現的關係來推論群體資料間的關係，供決策參考。
舉例：*統計學就像是煮一鍋綠豆湯，如何知道綠豆湯好喝？*「好不好喝」跟什麼有關？我們需要定義出「什麼是好喝？」的度量尺度，跟「品質」的特性有關：1.甜度2.豆之軟硬度3.湯之濃度4....因此，如何用統計學判斷「綠豆湯好喝」為例，將步驟歸納成下表，前四點都有工具軟體可以處理，我們學習統計，最重要的是學會「如何分析、解釋」圖表呈現的關係、推論群體、作出決策！統計學為1.蒐集(資料)：用概念、抽樣(RandomSamples)2.整理：有無離群值？3.展示：圖表4.分析：估計，用指標、圖表、假設檢定(差異性比較)、迴歸分析、預測5.解釋資料：解釋分析結果6.藉由樣本推論群體(推理），在不確定的情況下作成「決策」：（低)誤差＋(高)可信度的科學方法。
其中，當我們在搜集資料時，須注意此資料需要具「代表性」、需「隨機取樣」，同時比例分布也需要接近群體本身的資料分佈，譬如：*群體中各類資料分佈比例：30%,20%,10%,5%,...*隨機取樣時也需要按此比例，否則將造成偏頗(bias）樣本。
BasicConcepts(基本概念)population(群體/母體）由具有「共同特性」之個體所組成的整體。
例如：此製程全部晶圓厚度組成的資料。
sample(樣本）群體之一部分。
例如：隨機一百片晶圓的厚度資料。
parameter(參數)由「群體」資料所計算之群體「表徵值」常用：群體平均數：µ(讀作mu)群體變異數：𝜎2
👍(未完，不定期更新內容)第一週➠第一章：基本統計概念介紹IntroductionBasicConcepts(基本概念)第二週➠第一章：基本統計概念介紹表示類別(定性)資料之次數分配複習–什麼是統計學？數據的取得方式簡單隨機抽樣系統抽樣分層隨機抽樣部落抽樣/ClusterSampling第三週➠第二章–UsingNumericalMeasurestoDescribeData如何以量化指標來展示資料(量測數據,量來的)CentralTendency(orLocation)–集中趨勢1.平均數(mean)=平衡點=重心2.中位數(median)=中心3.眾數(mode)何時用平均數？何時用中位數，眾數？Dispersion–分散趨勢全距(Range,R)變異數(Variance)標準差(StandardDeviation,STD)(相對)變異係數(CoefficientofVariation,CV)第四週➠第二章–UsingNumericalMeasurestoDescribeDataSkewness–偏態係數Kurtosis–峰態係數（名稱有「係數」者表示「無單位」）非中趨勢[重要]如何決定數據分佈之情形？經驗法則TheEmpiricalRule(常用)柴比雪夫法則TheChebyshev'sRule共變異數/Covariance(少用)相關係數(常用)第五週➠第三章：機率統計學分為敘述統計、推理統計實驗–如丟銅板/骰子n次樣本空間事件機率解題步驟CountingPrinciples第六週➠第三章：機率ProbabilityLawsVennDiagramUnionIntersection(交集)ComplementaryEvent(互補)ConditionalProbability條件機率IndependenteventsMutuallyexclusiveeventsAdditionRule:Bays'Theorem:貝氏定理第七週➠第四章：離散型機率分佈RandomVariables(R.V.)累加機率TheExpectedValueofaDiscreteR.V.(期望值,帶單位)TheVarianceandStandardDeviationofaR.V.X第一週➠第一章：基本統計概念介紹內容◎統計專有名詞與基本概念介紹◎統計學的目的與統計工作流程Introduction什麼是統計學？•讓數字說話的方法•評估品質(Quality)的概念與方法(Concept+Methods)第一堂課中，老師會解釋「什麼是統計」？有時候，因為群體資料數量過多、或過於廣泛，我們無法取得完整群體資料，亦或無法辨認其中關係，因此，我們取其中樣本資料來分析，藉由樣本呈現的關係來推論群體資料間的關係，供決策參考。
舉例：*統計學就像是煮一鍋綠豆湯，如何知道綠豆湯好喝？*「好不好喝」跟什麼有關？我們需要定義出「什麼是好喝？」的度量尺度，跟「品質」的特性有關：1.甜度2.豆之軟硬度3.湯之濃度4....因此，如何用統計學判斷「綠豆湯好喝」為例，將步驟歸納成下表，前四點都有工具軟體可以處理，我們學習統計，最重要的是學會「如何分析、解釋」圖表呈現的關係、推論群體、作出決策！統計學為1.蒐集(資料)：用概念、抽樣(RandomSamples)2.整理：有無離群值？3.展示：圖表4.分析：估計，用指標、圖表、假設檢定(差異性比較)、迴歸分析、預測5.解釋資料：解釋分析結果6.藉由樣本推論群體(推理），在不確定的情況下作成「決策」：（低)誤差＋(高)可信度的科學方法。
其中，當我們在搜集資料時，須注意此資料需要具「代表性」、需「隨機取樣」，同時比例分布也需要接近群體本身的資料分佈，譬如：*群體中各類資料分佈比例：30%,20%,10%,5%,...*隨機取樣時也需要按此比例，否則將造成偏頗(bias）樣本。
BasicConcepts(基本概念)population(群體/母體）由具有「共同特性」之個體所組成的整體。
例如：此製程全部晶圓厚度組成的資料。
sample(樣本）群體之一部分。
例如：隨機一百片晶圓的厚度資料。
parameter(參數)由「群體」資料所計算之群體「表徵值」常用：群體平均數：µ(讀作mu)群體變異數：𝜎2