前提介紹：
為什麼需要統計量？
統計量：描述資料特征
集中趨勢衡量
均值（平均數，平均值）（mean）
這裡寫圖檔描述
{6, 2, 9, 1, 2}
(6 + 2 + 9 + 1 + 2) / 5 = 20 / 5 = 4
中位數 （median）:
将資料中的各個數值按照大小順序排列，居于中間位置的變量
給資料排序：1， 2， 2， 6， 9
找出位置處于中間的變量：2
當n為基數的時候：直接取位置處于中間的變量
當n為偶數的時候，取中間兩個量的平均值
衆數 （mode）：
資料中出現次數最多的數
離散程度衡量
方差（variance)
(1) (6 - 4)^2 + (2 - 4) ^2 + (9 - 4)^2 + (1 - 4)^2 + (2 - 4)^2
= 4 + 4 + 25 + 9 + 4
= 46
(2) n - 1 = 5 - 1 = 4
(3) 46 / 4 = 11.5
标準差 (standard deviation)
介紹：回歸(regression) y變量為連續數值型(continuous numerical variable)
簡單線性回歸(simple linear regression)
2.1 很多做決定過過程通常是根據兩個或者多個變量之間的關系
2.3 回歸分析(regression analysis)用來建立方程模拟兩個或者多個變量之間如何關聯
2.4 被預測的變量叫做：因變量(dependent variable), y, 輸出(output)
2.5 被用來進行預測的變量叫做： 自變量(independent variable), x, 輸入(input)
簡單線性回歸介紹
3.1 簡單線性回歸包含一個自變量(x)和一個因變量(y)
3.2 以上兩個變量的關系用一條直線來模拟
3.3 如果包含兩個以上的自變量，則稱作多元回歸分析(multiple regression)
簡單線性回歸模型
4.1 被用來描述因變量(y)和自變量(x)以及偏差(error)之間關系的方程叫做回歸模型
4.2 簡單線性回歸的模型是:
簡單線性回歸方程
正向線性關系：
負向線性關系：
無關系
估計的簡單線性回歸方程
這個方程叫做估計線性方程(estimated regression line)
其中，b0是估計線性方程的縱截距
線性回歸分析流程：
關于偏差ε的假定
11.1 是一個随機的變量，均值為0
11.2 ε的方差(variance)對于所有的自變量x是一樣的
11.3 ε的值是獨立的
11.4 ε滿足正态分布