∼大數據時代，用統計學為你的履歷加分∼

推薦給所有勇於跨領域、學習新知的專業職場人！

?

　　生活在互聯網的時代，統計學的知識在所有的領域都不可或缺。

?

　　尤其是商業領域，統計學在「市場行銷」、「企業決策」、「人工智慧」、「關鍵字檢索」等各個領域都受到廣泛的運用。

?

　　但是統計學的知識，有其嚴謹的定義和使用框架。

?

　　儘管我們在學生時代學過基本的統計方法，比如平均數、中位數、標準差、機率，但是實際面對市場調查或財務報表時，往往也不知道該如何運用這些數據幫助我們分析現況、對未來下決策。

?

　　實際上，即使是經常在實務中應用統計方法的人，往往在接手全新的專案時，便沒辦法比照舊有方法，導致所學知識派不上用場。即使想認真學習，也常因為統計學是一門專業科目，若非花費大筆報名費用參加課程，便是得尋覓坊間參考書自行鑽研，而在學習上浪費大量的時間。

?

　　本書正是為所有想學習統計學的人，提供最有效率的學習途徑。

?

　　書中彙整重要的公式、定理、統計方法和理論，以跨頁形式歸納基本內容，並透過生活實例示範該統計方法的應用範疇。

　

　　本書架構根據應用類型，分為以下11個大類別：

?

　　●敘述統計??你認為國民的所得平均值是多少？這個數值能代表你的所得嗎？

　　●相關關係??取一個數值，表現工作時數與睡眠時數的相關性

　　●機率??能從過去的中獎結果，預測下次的中獎號碼？

　　●機率分布??五次推銷，能夠成功簽約的機率是多少？

　　●估計??節目收視率差1％，這樣的差距算大嗎？

　　●檢定??想證明新藥是否有療效，證據就是檢定

　　●無母數檢定??東京某醫科大學的錄取率，是否存在性別差異？

　　●迴歸分析??一個公式，就能預測高級葡萄酒的價格

　　●變異數分析與多重比較法??輕鬆排定工讀生的排班表

　　●多變量分析??透過結構分析調整組織，使人才能夠適得其所

　　●貝氏統計??信箱過濾器簡單區分垃圾郵件的方法

　

　　從國高中學習的「資料整理」與「機率和統計」，到大學或專業科目深究的「估計」、「檢定」、「迴歸分析」與「多變量分析」，乃至於大數據時代不可或缺的「貝氏統計」。

?

　　本書涵蓋目前統計學所有的應用領域，並以大百科的檢索條目般一一羅列，有助於初學者掌握整體的面貌。

?

　　據說特斯拉的創始人伊隆?馬斯克，在9歲時就讀完整部大英百科全書。

?

　　本書作為統計學的百科全書，儘管不能保證各位在創業時，業績能像火箭一飛沖天，但絕對能讓你成為具備統計觀的一流商務人士。

?

　　在資訊愈來愈多樣、數量不斷增加且產生速度飛快的未來，唯有運用統計學，才能幫助我們的命運進行貝氏更新。

?

?

　　※因應印刷需要，內頁預覽顏色與實際印刷不同，敬請見諒。※