教學機器人 統計學-1

編著: 夏肇毅

初版: 2026/5/13

1.1 統計學定義與範疇

統計學是蒐集、整理、分析及解釋資料的學科，主要分為描述統計與推論統計。描述統計用於整理與呈現資料，如平均數、標準差與分布圖；推論統計則利用樣本推測母體特性，如假設檢定、信賴區間與回歸分析。統計學在經濟、管理、醫學與工程等領域廣泛應用，例如企業透過銷售資料分析消費者行為模式，並預測未來需求。基本公式包括平均數$\bar{X}=\frac{\sum X_i}{n}$、變異數$S^2=\frac{\sum (X_i-\bar{X})^2}{n-1}$，這些指標幫助企業理解資料集中趨勢與分散程度。

1.2 資料類型與測量尺度

資料可分為定性與定量資料。定性資料（名義、順序）如性別、教育程度；定量資料（間距、比例）如收入、體重。測量尺度決定可採用的統計方法，例如名義資料適用次數分配，間距或比例資料可計算平均數與標準差。實務中，問卷調查常包含各類資料，分析前需確認尺度與編碼方式，以避免錯誤統計結論。

1.3 資料整理與圖形表示

資料整理包括頻率分配、直方圖、折線圖及箱形圖。直方圖展示資料分布形態，箱形圖則呈現中位數、上下四分位數及極端值。透過圖形表示，管理者可直觀了解資料特性，快速判斷異常值及分布趨勢。例如零售業分析銷售金額分布，可利用箱形圖辨識高價異常交易。

1.4 統計學應用案例

案例展示企業利用描述統計整理過去一年銷售資料，計算平均銷售額、標準差及極端值，提供管理者決策依據。結合圖形呈現，直觀顯示高峰及低谷月份，協助排定促銷策略。

1.5 機率概念與基本定律

機率表示事件發生的可能性，公式$P(A)=\frac{事件A發生的結果數}{所有可能結果數}$。基本定律包括加法法則$P(A\cup B)=P(A)+P(B)-P(A\cap B)$與乘法法則$P(A\cap B)=P(A)\cdot P(B \mid A)$。統計學中，機率是推論統計的基礎，企業可利用機率分析市場事件發生的可能性，例如新品推出成功率。

1.6 隨機變數

隨機變數是數值化的隨機事件結果，可分為離散與連續。離散變數如投擲骰子點數，連續變數如身高、體重。公式$E(X)=\sum x_i P(X=x_i)$表示期望值，$Var(X)=\sum (x_i-E(X))^2 P(X=x_i)$表示變異數。實務中，企業可計算客單價期望值，用於營收預測。

1.7 常用分布

常用分布包括二項分布、泊松分布與常態分布。二項分布公式$P(X=k)=\binom{n}{k}p^k(1-p)^{n-k}$，適用於有限次重複試驗；泊松分布$P(X=k)=\frac{\lambda^k e^{-\lambda}}{k!}$適用事件發生頻率分析；常態分布$N(\mu,\sigma^2)$適用大量資料集中現象。

1.8 機率應用案例

案例展示保險公司利用泊松分布分析每月理賠案件數，評估準備金額。企業亦可利用二項分布預測產品合格率，支援品質管理決策。