資料處理與分析
在AI 領域中的概念
為了從海量資料中 萃取出有價值的資訊，
統計學 扮演著不可或缺的角色。
從 基礎的 資料敘述統計， 到 進階的 重抽樣 與 模擬技術，
統計學 提供了我們分析資料、驗證模型的堅實基礎。
換句話說，統計學是我們駕馭資料、獲得洞見的指南針。
統計測量數大致包含三種類型：
1.中央趨勢的衡量、
2.分散度的衡量及
3.其他測量數。
分散度之衡量統計量
為 可 衡量資料 之 離散程度，主要用於 尋找變異的 原因 和 性質，
常見的分散度之衡量統計量有：
1. 四分位數（Quartile）、
2. 全距（Range）、
3. 四分 位距（Interquartile Range）、
4. 平均差（Mean Deviation）、
5. 變異數（Coefficient of Variation）及
6.標準差（Standard Deviation）等。
四分位數（Quartile）：
所有數值 由小到大 排列 並 分成四等份，
處 於 三個分割點位 置 的 數值 就是 四分位數。
全距（Range, R）：
觀察值中的 最大值 減去 最小值後 的數值，由於只考慮
最大 與 最小 兩個觀察值，
未考慮所有觀察值，故不能精確的 反應全體觀察值的 分散情 形，
且會受 極端值 影響。
四分位距（Interquartile Range, IQR）：
為統計離差的度量，等於第三 和第一 四分 位之間的差異，
與全距有一樣的缺點。
平均差（Mean Deviation）：
每一個 觀察值 與 平均數 之間的差距，其數值越大
表 示 分散程度 越高。
標準差（Standard Deviation）：
標準差 是衡量一組 資料分散程度 的 統計量。
當標 準差較大時，表示資料點離平均值的距離較遠，
也就是說，資料的分散程度較 高。
反之，若標準差較小，則表示資料點都聚集在平均值附近，
資料的分散程 度較低。
在品質管理中，標準差常用來評估 產品 或 過程 的 穩定性。
標準差越大， 表示 產品品質 越不穩定，良率越低。
發表文章
