【豆丁精选】日常生活中和统计学有关的例子

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