【電子書】一冊讀懂統計學

目錄

第一章 統計學入門總論

本章作為全書入口，先破除「統計學就是算公式」的印象，說明統計學真正關心的是如何從資料中理解世界、描述現象、比較差異、推測未知，並在不確定中做出較可靠的判斷。章中會介紹統計學的兩大任務：描述與推論；也會說明資料、變數、樣本、母體、機率、誤差與不確定性等基礎觀念。讀者讀完本章，應能建立統計學的整體地圖，知道後續各章為何依序展開。

第二章 資料如何成為知識

統計分析的第一步不是計算，而是理解資料從哪裡來。本章介紹資料如何被收集、分類、測量與整理，說明變數、尺度、單位、資料品質與偏差來源。許多統計錯誤並不是發生在公式，而是發生在資料產生的那一刻：問卷設計不良、樣本來源偏斜、測量方式不一致、資料缺漏或定義模糊，都可能讓後面的分析失去意義。本章會讓讀者理解，好的統計判斷必須從好的資料意識開始。

第三章 描述一個世界

本章進入描述統計，說明如何把一堆雜亂資料整理成可讀的訊息。讀者將理解平均數、中位數、眾數、百分位數、範圍、變異數、標準差等常見指標的意義，也會學會分布的概念，知道資料不只要看「中心」，也要看「分散」與「形狀」。本章特別強調圖表判讀，包括長條圖、折線圖、直方圖、箱型圖與散布圖，並指出圖表如何幫助理解，也可能如何誤導讀者。

第四章 機率：不確定性的語言

機率是統計學理解不確定性的核心語言。本章不用艱深公式，而是從生活例子出發，說明事件、機率、獨立性、條件機率、期望值與風險的基本觀念。讀者將理解為什麼小機率事件仍然可能發生，為什麼直覺常常誤判隨機現象，以及常態分布、二項分布等常見分布為何重要。本章也會介紹貝氏思維的基本精神：新的證據會改變我們對事情的相信程度。

第五章 從一部分看整體

大多數時候，我們無法觀察整個母體，只能從樣本推測整體。本章介紹抽樣的基本邏輯，說明為什麼好的樣本比大的樣本更重要，並解釋隨機抽樣、分層抽樣、群集抽樣與便利樣本的差異。章中也會介紹抽樣誤差、信賴區間與中央極限定理的基本意義，幫助讀者理解民調、研究報告與市場調查中常見的「誤差範圍」到底代表什麼。

第六章 差異是真的，還是偶然？

當我們看到兩組數字不同時，真正的問題是：這個差異代表某種真實現象，還是只是樣本波動？本章介紹假設檢定的基本思路，包括虛無假設、對立假設、檢定統計量、p 值、顯著水準、第一型錯誤與第二型錯誤。章中會用醫學研究、教育實驗、商業 A/B 測試與民調結果說明統計檢定的用途，同時強調「顯著」不等於「重要」，p 值也不是研究可信度的保證。

第七章 關係、相關與因果

本章處理統計學中最容易被誤解、也最常出現在新聞與研究中的問題：變數之間的關係。讀者會學到相關係數、散布圖、線性關係、迴歸分析與控制變數的基本概念，也會理解為什麼相關不等於因果。章中會透過健康、教育、收入、城市治理與商業分析等例子，說明混淆因素、反向因果與選擇偏差如何讓我們誤判關係。最後介紹因果推論的基本想法，為後續研究設計鋪路。

第八章 好的研究從設計開始

統計結果是否可信，很大程度上取決於研究設計。本章介紹實驗研究、問卷調查、觀察研究、縱貫研究、橫斷研究與自然實驗等常見方法，說明不同設計能回答不同問題。讀者將理解隨機分派、控制組、安慰劑、盲測、樣本框、問卷措辭與回覆偏差的重要性。本章特別強調，統計方法再精緻，也無法完全彌補設計上的缺陷；好的研究設計，是可靠結論的前提。

第九章 模型、預測與資料時代

統計模型是現代資料分析的核心工具。本章說明模型不是現實本身，而是用來簡化、解釋與預測現實的工具。讀者將理解線性模型、邏輯斯迴歸、時間序列、分類、預測誤差、過度配適與模型驗證等觀念，也會初步認識統計學與機器學習的關係。章中會避免技術細節堆疊，而是聚焦於模型如何建立、如何檢查、如何失準，以及為什麼再複雜的模型也需要人類判斷與情境理解。

第十章 統計學的現代應用與下一步

最後一章回到現代社會，整理統計學在醫療、商業、教育、金融、公共政策、運動分析、平台演算法與人工智慧中的應用，也討論常見誤解與重要爭議。包括大數據是否取代抽樣、演算法是否一定客觀、統計模型是否會製造偏見、研究可重複性危機，以及資料隱私與監控問題。章末提供讀者下一步學習方向，幫助不同需求的人選擇合適路線：日常判讀、商業分析、研究入門、資料科學與公共議題理解。

附錄

附錄一 本書關鍵詞整理

本附錄作為全書複習工具，整理讀者最需要記住的統計學關鍵詞。每個詞條不寫成學術字典，而是用白話方式說明它在統計思維中的位置，並提醒常見誤解。

附錄二 重要人物、理論、工具或制度速查

本附錄幫助讀者快速掌握統計學發展中的重要人物與工具，避免正文過度打斷閱讀。內容不追求完整學術史，而是以「一般讀者為什麼需要知道」為原則，說明人物、理論與方法的意義。

附錄三 下一步學習地圖

本附錄為不同讀者提供進階路線。統計學的學習方向很多，一般讀者不一定需要走向同一條路。有些人只想看懂新聞，有些人想做商業分析，有些人需要研究方法，有些人則想進一步學資料科學。本附錄協助讀者依需求選擇下一步，不以艱深書單堆疊學習壓力。