統計急救箱

接續上一篇，繼續來講如何從常態分布的機率進行假設檢定，進而推論母體的平均數吧！ 這篇會提到否證的邏輯、魔法數字0.5以及統計檢定到底是什麼這三個主題。

　　在上一篇文章解釋了常態分布怎麼幫助我們計算事件發生的機率，而更之前也看過了抽樣分布是如何形成常態分布的過程，現在就要利用這兩件事情來慢慢帶出什麼是統計學中的「假設檢定」了。

「下個月就要交報告了，到現在還不知道怎麼跑統計...」 「每個禮拜的指定讀物都看不完了，哪有時間學統計？」 「統計課都聽不懂，網路資料五花八門，根本不知道去哪裡找答案。」 對於許多社會科學研究來說，統計學是一種逃避不了的工具。 很遺憾的是，在我所知道的範圍內，學統計是沒有捷徑的。 但我也明白死線要到

依照中央極限定理，我們可以得知（獨立且隨機樣本的）抽樣分布最終會形成常態分佈，那麼這件事情到底為什麼很重要呢？ 這篇文章就來介紹一些常態分布的基本特性，以及最重要的──常態分布怎麼幫助我們計算機率。

在上一篇文章中區分了什麼是母體分布、樣本分布以及抽樣分布，另外也示範了抽樣分布的形成過程。在這一篇當中就要介紹抽樣分布與常態分佈之間到底是什麼樣的關係了。

　　這幾天因為選舉民調的關係，統計學一下子受到了大眾的矚目。應該很多人都經由這個機會回想起了一些曾經學過的統計學名詞，例如抽樣、區間、抽樣誤差等等。 　　其實這些通通都是推論統計的觀念，網路上有相當多的統計專家已經撰文解釋到底這個民調風波在吵什麼，應該不需要我野人獻曝了。 　　不過如果真的想要了

　　推論統計應該是讓很多人苦惱過的主題，這篇文的目標就是回答「到底推論統計是什麼？」這個問題。

前面兩篇會刻意提到共變數，除了因為共變數在多變量統計裡面非常重要之外，最主要的原因其實是為了解釋皮爾森相關係數而做鋪陳。 相關係數的種類也相當的繁多，這裡介紹的皮爾森相關大概是最常看到的一種啦～

如果看過上一篇還不太確定共變數要怎麼計算，這篇會用圖像的方式來進行解釋，最後也會提及共變數的小缺點。

　　平均數、標準差、標準分數等等，都是用在單一群分數上的統計。不過在現實中，大多數時候我們不只想看一群分數，更想要看很多群分數之間的關聯性。 這篇與下一篇當中，就會介紹最常用來看關聯性的統計技術──共變數與皮爾森積差相關。