Statistics

P 值越小代表結果越重要？統計顯著與「實用」顯著是兩回事！

常態分佈是一個非常基礎但又容易被誤解的概念，只要把各個知識點連結起來，其實沒那麼複雜

儘管深度學習模型光彩奪目，Naive Bayes 依然因為它簡單、高效、好解釋而有其地位

統計檢定力 Power Analysis

介紹偽陽性率，它與顯著水準、統計檢定力、以及決策品質的關聯

分享極其常見的倖存者偏差、以及與其相似的「死者偏誤」與右設限資料

資料科學家不得不知道的三大卡方檢定使用時機：多組別的 A/B 測試、評估二分類模型、以及機器學習模型特徵選擇

L1 與 L2 正規化（Regularization）透過避免模型中的係數過大，減緩機器學習模型的過度擬合（Overfitting）問題

如果你還無法搞懂 P 值、顯著水準、或檢定力，型一與型二錯誤正是它們共通的重要觀念，這篇文章將用圖示讓你輕鬆理解！

白話介紹三種最常見的卡方檢定：配適度檢定、獨立性檢定、同質性檢定，教學如何用 Python 的 Scipy 套件來實作

3 種在 ROC 曲線上選擇最佳閾值的方法，包括 Youden’s J statistic、最近距離法、還有一種用肉眼就能看出最佳閾值的平行線判別法

讀完這篇將再也不會忘記 ROC 曲線、TPR、FPR 的定義！

A/B Test 樣本數計算的公式與假設

簡短說明單尾與雙尾檢定的統計學特性差異，也介紹單尾檢定常見的錯誤使用方法

貝氏統計幫助你在模型加入個人觀點、讓統計模型隨著新的資料取得不斷進化、並且量化你對決策究竟有多麽「不確定」

A/B 測試不得不知道的 Novelty 與 Primacy Effect 問題，了解顧客的「好奇」與「守舊」傾向影響 A/B Testing 判讀

標準誤與標準差有什麼差別？

簡介因果推論（Causal Inference）這個研究領域，用範例說明分析因果關係的三大困難點：混淆變項、自我選擇偏誤、以及反事實

2介紹二項式檢定如何檢驗抽獎成功率，並且帶你一步步計算 P-value、學會清楚解讀 P-value

你知道信賴區間的 95% 機率是指什麼嗎？標準差跟標準誤哪裡不一樣？

分享什麼是多重檢定問題，他到底跟樂透、A/B Test、或者探索性資料分析有什麼關聯，並且介紹用來解決多重檢定問題的 Bonferroni 校正

介紹 Z 檢定與卡方檢定之間的關聯，以及什麼情況下這兩者都可以使用

A/A Test 跟 A/B Test 不一樣，A/A Test 是 A/B Test 上線執行以前的重要前置準備

檢驗資料是否為常態分佈的視覺化方法：Q-Q Plot，附上 R 語言程式碼教學如何製圖

Sequential A/B Testing 不止允許偷看數據、需要的樣本數比標準假設檢定還少、檢驗甚至只需要加減法！

在實驗樣本蒐集完整之前「偷看結果」，最嚴重的下場，會讓你手中看似有統計顯著性的決策，20% 以上是錯誤的！