1 / 31

Introduction to Statistics

Introduction to Statistics. Jian-hua Yeh ( 葉建華 ). Outline. What is Statistics? Types of Statistics. Introduction. 2007/9/16, 王建民對上紅襪的 Beckett 。師範大學的多數學生會不會因為王建民輸球而刻意不看那場球賽的轉播呢 ? 第二屆星光大道的節目比第一屆難看嗎 ?. What is Statistics?. Definition of Statistics 從資料 (data) 中獲得資訊 (information) 的方法

mufutau-kramer
Télécharger la présentation

Introduction to Statistics

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Introduction to Statistics Jian-hua Yeh (葉建華)

  2. Outline • What is Statistics? • Types of Statistics

  3. Introduction • 2007/9/16, 王建民對上紅襪的Beckett。師範大學的多數學生會不會因為王建民輸球而刻意不看那場球賽的轉播呢? • 第二屆星光大道的節目比第一屆難看嗎?

  4. What is Statistics? • Definition of Statistics • 從資料(data)中獲得資訊(information)的方法 • 以數學與機率為基礎有系統有組織的解決問題之學門(客觀學) • Passive objective: 探討原因以分析問題 • Active objective: 提出方案以解決問題

  5. Problem Solving Flow

  6. The Role of Statistics • The life cycle of statistical survey

  7. Types of Statistics • Descriptive Statistics • 以便捷且易於獲取資訊的方式組織、彙整、並描述資料 • 畫圖、製表、算比例、算平均數->瞭解資料特性

  8. Types of Statistics (2) • Inferential Statistics • 根據樣本資料(統計量)推論母體特性(估計、檢定) • E.g. 以師範大學圖資所學生不看輸球球賽轉播的比例推論所有師大學生的態度. • Applied Statistics: 變異數分析/實驗設計/迴歸分析/統計模擬/卡方檢定/時間序列/品質管理/多變量分析...

  9. Descriptive Statistics • Descriptive statistics involves the arrangement, summary, and presentation of data, to enable meaningful interpretation, and to support decision making. • Descriptive statistics methods make use of • graphical techniques (and table format) (圖表) • numerical descriptive measures (數值) • The methods presented apply to both • the population • the sample

  10. Descriptive Statistics – Stem & Leaf 0 0000000000111112222223333345555556666666778888999999 1 000001111233333334455555667889999 2 0000111112344666778999 3 001335589 4 124445589 5 33566 6 3458 7 022224556789 8 334457889999 9 00112222233344555999 10 001344446699 11 124557889

  11. Descriptive Statistics – Histogram

  12. Descriptive Statistics – Line

  13. Descriptive Statistics – Pie

  14. Descriptive Statistics – Scatterplot

  15. Types of Data and Information • A variable (變數) • A characteristic of population or sample that is of interest for us. (我們感興趣的母體或樣本的特性) • 舉例- 手機品牌、考試成績、選課花費時間 • 常用大寫英文字母X, Y, Z表示變數名稱 • Values of a variable • The possible observations of a variable. (變數可能的觀測值) • 舉例- 手機價格的values是個實數，範圍從0到數十萬元

  16. Types of Data and Information (2) • Data - the observed values of a variable.(變數的實際值) • 舉例- 手機價格為 5000元, 12000元 • Types of data • Interval data (區間資料) are real numbers • 有時也叫 quantitative data, numerical data • Nominal data (名目資料) are categorical (類別的) observations • Ordinal data (順序資料) are ordered categorical observations • Ratio data (比率資料)

  17. Types of Data - Example Interval data Nominal Age - income 55 75000 42 68000 . . . . PersonMarital status 1 married 2 single 3 single . . . . Weight gain +10 +5 . . Computer Brand 1 IBM 2 Dell 3 IBM . . . .

  18. Types of Data – Example (2) • Ordinal Data • How do you evaluate this classroom? • Ans: Poor, fair, good, very good, and excellent

  19. Calculations for Types of Data Interval data Nominal data With nominal data, all we can do is, calculate the proportion of data that falls into each category.(只能計算次數, 比例) Age - income 55 75000 42 68000 . . . . Weight gain +10 +5 . . IBM Dell Compaq Other Total 25 11 8 6 50 50% 22% 16% 12% 可以加減乘除,算平均數等

  20. Calculations for Types of Data • Ordinal Data • Ordinal Data最重要一點是值的順序(order), 所以可以用 ｢和次序有關的計算｣ • 舉例- 中位數

  21. Basic Statistics • Core components • Population(母體): 特定研究中，我們有興趣的全體事項的集合 • Sampling(抽樣): 當母體資料不易取得時方得抽樣 • Sample(樣本): 由母體抽樣取得之具代表性項目 • Parameter(參數): 母體的某ㄧ個特徵值 • Statistic(統計量): 隨機樣本的某ㄧ個特定函數

  22. Basic Statistics (2) • 以師範大學圖資所學生不看輸球球賽轉播的比例推論所有師大學生的態度 • Population? • Parameter? • Sample? • Statistic?

  23. Basic Statistics (3) • 以師範大學圖資所學生不看輸球球賽轉播的比例推論所有師大學生的態度 • Population = 師範大學所有學生 • Parameter = 師大所有學生中不看輸球球賽轉播的比例 • Sample = 師大圖資所某年級學生 • Statistic = 師大圖資所某年級學生不看輸球球賽轉播的比例

  24. Parameter • 以數學式表示時，參數是母體資料的函數，此函數的值能反映出母體的特徵 • 只要普查後，就可得知參數的值，故參數是一個固定常數 • 實務上，我們很少花大筆經費去普查，故經常不知道參數的值

  25. Statistic • 以數學式表示時，統計量是樣本資料的函數，此函數的值能反映出樣本的特徵 • 當抽樣調查完成後，統計量的值就可知道了；但其值會隨樣本而異，故統計量是一個變數(variable) • 我們經常用統計量估計未知的參數

  26. Try Now • 一電腦晶片製造商宣稱其產品中，少於5%是瑕疵品。現今從一大量生產批次中取出600片晶片，發現其中有3.5%是瑕疵品 • Population? • Sample? • Parameter? • Statistic? • What is the role of “5%”? • What is the role of “3.5%”? • What is the result of statistical inference?

  27. The Answer • 一電腦晶片製造商宣稱其產品中，少於5%是瑕疵品。現今從一大量生產批次中取出600片晶片，發現其中有3.5%是瑕疵品 • Population = 大量生產批次所有的晶片 • Sample = 取出的600晶片 • Parameter = 大量生產批次的晶片中瑕疵品的比例 • Statistic = 取出的600晶片中瑕疵品的比例 • What is the role of “5%”? parameter • What is the role of “3.5%”? statistic • What is the result of statistical inference?因為3.5%小於5%，所以相信製造商的宣稱

  28. Basic Statistics-Sampling • Sampling is a mean to project statistic to parameter • Example • 性別 • 目前使用的手機品牌 • 這支手機的價格 • 考慮多久時間決定買下 • 對Nokia手機的喜好程度 • 分非常不喜歡, 不喜歡, 普通, 喜歡, 非常喜歡

  29. Think It Over… • ｢手機品牌｣的資料可以畫什麼圖? • ｢所購買手機的價格｣的資料可以畫什麼圖? • ｢對Nokia手機的喜好程度｣的資料可以畫什麼圖? • 同時考慮｢這支手機的價格｣和｢考慮多久時間決定買下｣兩個變數的關係,應該如何畫圖? • 同時考慮 ｢性別｣和｢手機品牌｣兩個變數的關係,應該如何畫圖?

  30. The Point 不同的資料適合畫的圖不一樣

  31. The Answer • ｢手機品牌｣的資料可以畫什麼圖? • Pie chart、histogram • ｢所購買手機的價格｣的資料可以畫什麼圖? • Stem&leaf • ｢對Nokia手機的喜好程度｣的資料可以畫什麼圖? • Pie chart、histogram • 同時考慮｢這支手機的價格｣和｢考慮多久時間決定買下｣兩個變數的關係,應該如何畫圖? • Scatterplot • 同時考慮 ｢性別｣和｢手機品牌｣兩個變數的關係,應該如何畫圖? • Histogram

More Related