～全彩插圖＋擬人化＝想像力全開的新概念教學～
IT、AI、大數據分析、區塊鏈……
這些時下最熱門的話題，都與「統計學」有關！
統計學可說是數位時代的基石，也是生活在現代的我們不能不懂的常識！
Google首席經濟學家海爾．韋瑞安曾說：
「在今後的10年之內，最吃香的職業應該會是統計學家。」
◆在任何事物都變成資料的現在，最冷靜、最值得依賴的知識就是「統計學」◆
統計學是一門分析資料，找出潮流，窺見未來的學問。
在過去，是少部分專家才能從事的工作，
但現在已是誰都能輕鬆地將這世界的一切轉換成資料，資料源源不絕湧現的時代，
所以能正確地分析與活用資料，是讓生意快速發展的捷徑，也是左右未來的轉捩點。
若問現在最新的科技是什麼，大部分的人應該會想到AI、大數據分析、區塊鏈，對吧？
但這些最新技術都需要處理大量的資料，也都與統計學的概念或邏輯密不可分，
要想進一步了解這些技術，有效率地應用它們，就必須具備統計學知識。
不過就現況而言，正確了解統計學的人比需求來得少，
所以先學會統計學，就能在未來的職場佔得上風。
◆要解讀數據背後真正的涵義，你必須要懂「統計學」◆
我們的生活周遭充斥著各式各樣的數據，例如──
．棒球的打擊率
．電視節目的收視率
．捷運站距離和房屋租金的關係 等等
而這些數據都是用統計學計算出來的。
本書透過生動具體的插圖，將統計學的概念「圖像化」，
讓你不用再跟複雜的文字敘述、有聽沒有懂的術語苦苦奮戰，
發揮「想像力」就能學會基礎概念！
還利用「擬人化」的方式，幫助各位掌握統計學的重要基礎──
．【常態分布】是統計學的國王，能帶給我們俯瞰全局的視野
．【二項式分布】是統計學王子，次數一多就接近常態
．【推論】是超能力者，可以從部分窺見全部，從現在預知未來
．【檢定】是捕快，以統計的方式幫助判斷
．【相關性】是名偵探，負責找出事件之間的關係
透過這種新概念教學方式，
讓你對統計學的理解不只停留在表面，還有辦法運用自如！
從此之後，統計學將成為你在職場上的神隊友！
本書特色
◎將統計學的概念全部「視覺化」！看不懂公式沒關係，看圖就秒懂。
◎解說統計學在教育、金融、製造、政治、醫療、不動產等業界的多元應用。
◎解說統計學與「AI」、「大數據分析」、「區塊鏈」這些最最尖端科技的關係。
作者
今野紀雄（監修）
1957年生於東京。於東京大學理學部數學科畢業後，於東京工業大學大學院理工學研究科取得博士課程學分退學。目前為橫濱國立大學大學院工學研究院教授。博士（理學）。主要的研究題目為無限粒子、量子夸克、複雜網路。2018年以「量子夸克的數學研究與應用」一題，獲頒日本數學會解析學獎。主要著有《懶人圖解統計學：統整複雜數據，看穿大數據背後真相》（世茂）、《図解雑学 統計》、《図解雑学 確率》、《図解雑学 確率モデル》（Natsume社）、《ニュートン式 超図解 最強に面白い！！ 統計》、《ニュートン式 超図解 最強に面白い！！ 確率》（Newton Press，監修）、《横浜発 確率．統計入門》（產業圖書，共著）等。
譯者簡介
許郁文
輔仁大學影像傳播學系畢業。對日文有興趣，於東吳日語教育研究所取得碩士學位。曾擔任日商多媒體編輯、雜誌日文採訪記者，現職為專職譯者。
歡迎大家透過臉書認識我。
Facebook：baristahsu
Email：[email protected]
目錄
．前言
．在全世界的任何事物都變成資料的現在
最冷靜、最值得依賴的知識就是統計學
．現在最新的話題IT、AI、大數據分析、區塊鏈都與統計學有關！
．向不擅長說再見！若能徹底了解基礎的統計學
一切都是「理所當然」！
Section 0進入正題之前
不擅長數理的人也不要逃避！
稍微難懂的數學的文字與符號
專欄1各個領域都需要的統計學
Section 1
光是學會這些就能對社會做出貢獻！
統計學的超級基礎知識
1以電影《駭客任務》的角度觀察世界！？
以數據擷取世界之後，可以得到的是……「資料」
2簡直就像是洗照片一樣！
將資料畫成正確的「圖表」能看到什麼結果呢？
3平均值與想像中的不一樣？
要掌握資料的特徵，除了要了解平均值，還要了解其他的「代表值」
4與代表值相似的資料特徵！
很多人不懂的「變異數」與「標準差」就只是資料的分布情況而已
5統計學不可或缺的是……
相關用語看起來很難，但其實仔細了解之後，就會發現「機率的基礎」很簡單
6從機率回到統計
串起機率與統計的兩大關鍵字「隨機變數」與「機率分布」
專欄2 與人類的直覺背道而馳？不可思議的機率世界
Section 2
日常生活也很常使用！
來自統計學的剖析思維
1絕對是最重要的！統計學的國王「常態分布」能帶給我們俯瞰全局的視野
①常態分布×教育
偏差值就是說明自己位於整體何處的數值
②常態分布×金融
信用卡公司評估信用卡額度時，也使用常態分布的額度模型！
2很多人在高中的時候放棄……
常見於現實世界的二項式分布是「次數一多就接近常態」的統計學王子
①二項式分布×製造
製造業和服務業維持高品質的祕訣就是六標準差
3了解不知道的事情！推論是從「部分窺見全部」、「從現在預知未來」的超能力者
①推論×政治
新聞裡的內閣支持率常常都在變動
但是統計學的內閣支持率卻沒有變動？
4在充滿迷惘的人生之中……
檢定是以「統計」的方式幫助判斷的捕快
①檢定×醫療
其實新藥的驗證很麻煩。
如何分辨「新藥有效果」還是「一切純屬巧合」？
5不同的資料之間有什麼關係？相關性就是找出「這個」與「那個」有什麼關係的名偵探
①相關性×不動產
在「面積」、「屋齡」、「與車站的距離」這三個因素之中，對房租影響最大的是哪一個……（沒有普遍性）
②相關×製造
只要先測量多個元素，就能預測葡萄酒的價格！
專欄3 資料不足、過於主觀也OK？不可思議的貝氏統計學
Section 3
實際分析資料
運用統計學
1製作彙整資料、表格與圖表
分析的第一步就是彙整資料、製作表格以及將資料畫成圖表
2確認資料的分布情況
有接近常態分布的結果嗎？根據資料繪製直方圖
3分析常態分布
試著進一步了解接近常態分布的資料
4利用相關係數與散布圖
找到意外的大發現！分析資料的相關性
專欄4 大幅改變IT的未來？量子電腦的可行性
Section 4
與引領時代的技術有關
最尖端的IT與統計學
1統計學已經是必備的識讀能力？
最新的科技與統計學之間斷也斷不開的關係
2統計學大顯神威之處！能徹底分析大數據的統計學手法
3這幾年爆紅的AI（人工智慧）與統計學之間的微妙關係
4未來統計學的重點在於能否與其他領域結合！
專欄5 統計學的沿革與細分的種類
．結語
．標準常態分布表
．INDEX
序／導讀
前言
統計與機率是互為表裡的學問
2020年8月20日，將棋棋聖藤井聰太（18歲）於八大頭銜戰之一的「王位戰」擊敗被譽為中年之星的木村一基王位（47歲）。值得一提的是，在這場七戰四勝的頭銜戰之中，藤井聰太以四連勝之姿擊敗對手，成為史上最年輕的棋聖與王位，如此創舉到現在都令人記憶猶新。
我在上課的時候，常被學生問到「機率」與「統計」有什麼不一樣。關於這個問題，我想以「七勝四敗」為例，簡單地說明一下。
所謂的「七勝四敗」就是先取得四勝的一方獲勝的規則。假設藤井棋聖與木村王位的實力不相上下，藤井棋聖獲勝與落敗的機率各為0.5，那麼藤井棋聖在「七戰四勝」的賽制贏得比賽的機率可如下計算。
4勝0敗的機率 0.0625 ＝ 2/32
4勝1敗的機率 0.125 ＝ 4/32
4勝2敗的機率 0.15625 ＝ 5/32
4勝3敗的機率 0.15625 ＝ 5/32
有趣的是，明明雙方實力相當，但拖到第七戰才決定勝負的「4勝3敗的機率」卻不是最高的機率，反而與「4勝2敗的機率」相同。
或許已經有讀者發現，這四種機率的合計不是1，而是0.5，因為藤井棋聖也有可能落敗，落敗的機率也能如下計算。
3勝4敗的機率 0.15625 ＝ 5/32
2勝4敗的機率 0.15625 ＝ 5/32
1勝4敗的機率 0.125 ＝ 4/32
0勝4敗的機率 0.0625 ＝ 2/32
這四種機率的合計也是0.5，勝率與敗率加總之後，就會得到「1」這個結果。
若回到最初的問題，那麼「機率」就是假設藤井棋聖勝率為「0.5」，依照機率的規則計算「4勝0敗」這類機率的學問。
另一方面，「統計」則是藤井棋聖以「4勝0敗」之姿擊敗木村王位，贏得王位頭銜之後，思考藤井棋聖的勝率假設為「0.5」是否妥當的學問。
由此可知，乍看之下極為相似的「機率」與「統計」會以不同的方法處理眼前的事件，想必大家也已經了解這點了。若從上述的例子來看，會利用機率的結果檢驗「將藤井棋聖的勝率假設為『0.5』是否妥當」這個問題，所以「機率」的確是「統計」的基礎之一。
由於機率與統計是互為表裡的學問，所以大家若能在這個前提之下閱讀本書，應該就更能了解統計與機率。
今野紀雄
