113 年 國立中央大學土木工程學系碩士班丁：材料組在職生《工程統計學》

此題主要考驗對變異數分析 (ANOVA) 的應用，目的是判斷不同組別（黏著劑類型）的平均數之間是否存在顯著差異。

核心觀念：
變異數分析 (ANOVA) 透過比較組間變異 (Between-group variability) 與組內變異 (Within-group variability)，來判斷各組的平均數是否顯著不同。若組間變異相對於組內變異足夠大，則可推論各組平均數存在顯著差異。

解題步驟：

1. 建立假設檢定：

   • 虛無假設 ($H_0$)：三種黏著劑的平均黏度沒有顯著差異。($\mu_{卓越型} = \mu_{前瞻型} = \mu_{耐候型}$)
   • 對立假設 ($H_1$)：至少有一種黏著劑的平均黏度與其他不同。

2. 計算統計量：

   • 組數 (k)： 3 (卓越型, 前瞻型, 耐候型)

   • 每組樣本數 ($n_j$)： 3 (Sample 1, Sample 2, Sample 3)

   • 總樣本數 (N)： $k \times n_j = 3 \times 3 = 9$

   • 計算各組平均數 ($\bar{Y}_j$)：

     • 卓越型：$\bar{Y}_1 = (2000 + 3000 + 4000) / 3 = 3000$
     • 前瞻型：$\bar{Y}_2 = (3000 + 4000 + 5000) / 3 = 4000$
     • 耐候型：$\bar{Y}_3 = (4000 + 5000 + 6000) / 3 = 5000$

   • 計算總平均數 ($\bar{\bar{Y}}$)：

     • $\bar{\bar{Y}} = (2000 + 3000 + 4000 + 3000 + 4000 + 5000 + 4000 + 5000 + 6000) / 9 = 36000 / 9 = 4000$
     • 或者：$\bar{\bar{Y}} = (\bar{Y}_1 + \bar{Y}_2 + \bar{Y}_3) / k = (3000 + 4000 + 5000) / 3 = 4000$

   • 計算組間平方和 (SSB 或 SSG, 題目提示為 SSF)：
     $SSF = n \sum_{j=1}^k (\bar{Y}_j - \bar{\bar{Y}})^2$ (這裡的 $n$ 應該是指每組樣本數)
     $SSF = 3 \times [(3000 - 4000)^2 + (4000 - 4000)^2 + (5000 - 4000)^2]$
     $SSF = 3 \times [(-1000)^2 + (0)^2 + (1000)^2]$
     $SSF = 3 \times [1,000,000 + 0 + 1,000,000]$
     $SSF = 3 \times 2,000,000 = 6,000,000$

   • 計算組內平方和 (SSE)：

此題要求解釋三種常見的統計檢定方法：t-test、F-test 和 ANOVA。

核心觀念：
這三種檢定都屬於假設檢定 (Hypothesis Testing)，用於判斷樣本數據是否能提供足夠證據來推翻虛無假設，通常用於比較平均數。

解釋：

1. t-test (t檢定):

   • 目的： 用於檢定一個或兩個樣本的平均數是否與已知的總體平均數有顯著差異，或者兩個獨立樣本的平均數之間是否存在顯著差異。
   • 適用情況：
     • 單樣本 t 檢定： 檢定單一樣本的平均數是否等於一個已知的總體平均數。
     • 獨立樣本 t 檢定： 比較兩個獨立群體的平均數。
     • 配對樣本 t 檢定： 比較同一群體在不同時間點或不同條件下的平均數（例如，實驗前後的比較）。
   • 統計量： t 統計量，其分佈為 t 分佈。
   • 前提假設： 樣本數據近似常態分佈，且（對於獨立樣本 t 檢定）兩個群體的變異數相等（但有 Welch's t-test 可處理變異數不等的狀況）。
   • 關鍵： 通常用於比較兩個群體的平均數。

2. F-test (F檢定):

   • 目的： F-test 的應用範圍非常廣泛，最常見的是用於檢定兩個變異數是否相等，以及在變異數分析 (ANOVA) 中用來檢定兩個或兩個以上群體的平均數是否存在顯著差異。
   • 適用情況：
     • 變異數相等檢定： 比較兩個樣本的變異數是否顯著不同。
     • 變異數分析 (ANOVA)： 檢定多於兩個群體的平均數是否都相等。
     • 迴歸分析： 檢定整個迴歸模型是否顯著。
   • 統計量： F 統計量，其分佈為 F 分佈。

此題考驗對中央極限定理 (Central Limit Theorem, CLT) 的理解。

核心觀念：
中央極限定理是統計學中最重要的定理之一，它描述了當從任何分佈（無論是常態分佈還是非常態分佈）中抽取足夠大的樣本時，這些樣本平均數的分佈會近似於常態分佈。

解釋：

中央極限定理 (CLT) 的內容如下：
假設我們有一個具有任意分佈的總體，其平均數為 $\mu$，標準差為 $\sigma$。
從這個總體中，我們獨立且重複地抽取大小為 $n$ 的樣本。
當樣本大小 $n$ 足夠大時（通常認為 $n \ge 30$ 是一個足夠大的樣本，但具體大小取決於原始總體分佈的偏離程度），則：

1. 樣本平均數的分佈近似於常態分佈： 無論原始總體的數據分佈是什麼形狀（例如，均勻分佈、指數分佈、二項分佈等），由這些樣本計算出的樣本平均數 $\bar{X}$ 的分佈將近似於常態分佈。
2. 樣本平均數的平均數等於總體平均數： 樣本平均數 $\bar{X}$ 的平均數（即樣本平均數的分佈的平均數）將趨近於總體平均數 $\mu$。
   $E(\bar{X}) = \mu$

此題考驗對信賴區間 (Confidence Interval) 和假設檢定 (Hypothesis Testing) 在品質管制上的應用。我們要判斷混凝土廠聲稱的平均強度是否與實際抽驗數據不符。

核心觀念：

1. 信賴區間： 提供一個範圍，估計總體參數（在此為平均強度）可能落在哪裡。
2. 假設檢定： 檢定廠方聲明的平均強度（虛無假設）是否與實際抽驗數據有顯著差異。

解題步驟：

此題可以透過兩種方式解答：計算信賴區間或進行假設檢定。這裡我們採用假設檢定，因為題目明確給出廠方的聲明值。

1. 建立假設檢定：

   • 廠方聲明：平均強度 $\mu = 10,000$ psi。

   • 樣本數據：9,200, 9,500, 9,800, 9,400 psi。

   • 已知總體標準差 $\sigma = 200$ psi (題目給定，這是一個重要的假設)。

   • 信心水準 = 95%，所以顯著水準 $\alpha = 1 - 0.95 = 0.05$。

   • 樣本大小 $n = 4$。

   • 虛無假設 ($H_0$)：NO1 混凝土廠的聲明是正確的，即總體平均強度 $\mu = 10,000$ psi。

   • 對立假設 ($H_1$)：NO1 混凝土廠的聲明是錯誤的，即總體平均強度 $\mu \neq 10,000$ psi。（採用雙尾檢定，因為我們只關心強度是否「不合宜」，可能偏高或偏低）。

2. 計算樣本統計量：

   • 樣本平均數 ($\bar{x}$)：
     $\bar{x} = (9200 + 9500 + 9800 + 9400) / 4 = 37900 / 4 = 9475$ psi。

3. 選擇合適的檢定方法：

   • 由於總體標準差 $\sigma$ 已知，且我們對總體平均數進行檢定，應使用 Z 檢定。
   • 檢定統計量 Z 的公式為：$Z = \frac{\bar{x} - \mu_0}{\sigma / \sqrt{n}}$
     其中 $\mu_0$ 是虛無假設下的總體平均數。

此題要求規劃一項試驗，以建立早強混凝土 3 天和 28 天抗壓強度之間的關係，並說明如何利用統計方法進行分析。這是一個典型的應用題，需要結合工程知識和統計學原理。

核心觀念：

1. 試驗設計： 確定樣本數、實驗條件、測量方法。
2. 統計分析： 尋找兩個變數之間的關係，通常使用迴歸分析。

試驗規劃與統計分析步驟：

一、 試驗規劃 (Experiment Design)

1. 目標： 建立混凝土 3 天抗壓強度 ($X$) 與 28 天抗壓強度 ($Y$) 之間的數學模型，以便在得知 3 天強度後，能預測 28 天強度，從而進行更即時的施工品管。
2. 變數定義：
   • 自變數 (Independent Variable)： 3 天抗壓強度 ($X$)。
   • 應變數 (Dependent Variable)： 28 天抗壓強度 ($Y$)。
3. 假設：
   • 早強混凝土的 3 天抗壓強度與 28 天抗壓強度之間存在正相關關係。
   • 這種關係可以用一個統計模型（例如線性迴歸模型）來描述。
   • 我們假設在一定的條件下，3 天強度越高，28 天強度也越高。
4. 樣本數與樣本選擇：
   • 樣本數： 為了建立一個可靠的模型，需要足夠的樣本。建議至少收集 30 對數據點（即 30 個混凝土試體，分別測試 3 天和 28 天強度）。樣本數越多，模型的準確性越高，統計推論的可靠性也越大。
   • 樣本選擇： 選擇具有代表性的混凝土配比和施工條件。可以考慮：
     • 選擇一種或多種標準的早強混凝土配比。
     • 在實驗室或現場進行試驗，但要確保試驗條件（如溫度、濕度、養護方式）盡可能一致，或能納入考量。
     • 製作標準的混凝土圓柱體或立方體試體，用於抗壓強度試驗。
5. 試驗步驟：
   • 製作試體： 按照選定的配比製作足夠數量的標準混凝土試體。
   • 養護： 按照標準方法進行養護。
   • 3 天強度測試： 在混凝土澆置後滿 3 天，從每組試體中隨機抽取一部分（例如，每組 10 個試體）進行抗壓強度測試。記錄下這 3 天的抗壓強度值，作為 $X$ 值。
   • 繼續養護： 將剩餘的試體繼續養護至 28 天。
   • 28 天強度測試： 在混凝土澆置後滿 28 天，對同一批次但剩餘的試體進行抗壓強度測試。記錄下這 28 天的抗壓強度值，作為 $Y$ 值。
   • 數據配對： 確保每個 $X$ 值都與其對應的 $Y$ 值配對（即來自同一批次、同一配比的試體）。
6. 數據記錄： 建立一個數據表格，記錄每一對 $(X_i, Y_i)$ 的數據。

二、 統計方法分析試驗結果

1. 描述性統計 (Descriptive Statistics)：
   • 計算 3 天強度 ($X$) 和 28 天強度 ($Y$) 的樣本平均數 ($\bar{X}$, $\bar{Y}$)、標準差 ($s_X$, $s_Y$)、最小值、最大值等。這有助於初步了解數據的分佈情況。
2. 散佈圖 (Scatter Plot)：
   • 繪製 3 天強度 ($X$ 軸) 與 28 天強度 ($Y$ 軸) 的散佈圖。
   • 觀察點的趨勢，判斷是否存在線性關係，以及關係是正向還是負向。這可以直觀地判斷是否適合使用線性迴歸。
3. 相關分析 (Correlation Analysis)：
   • 計算皮爾森相關係數 ($r$) 來量化 3 天強度與 28 天強度之間的線性關係強度和方向。
   • $r = \frac{\sum (X_i - \bar{X})(Y_i - \bar{Y})}{\sqrt{\sum (X_i - \bar{X})^2 \sum (Y_i - \bar{Y})^2}}$
   • 如果 $r$ 值接近 +1，表示強烈正相關；如果接近 -1，表示強烈負相關；如果接近 0，表示線性關係較弱。

此題考驗對迴歸分析目的及簡單線性迴歸基本假設的理解。

核心觀念：
迴歸分析是一種統計方法，用於研究變數之間的關係。簡單線性迴歸是其中最基礎的一種。

解釋：

一、 回歸分析的目的 (Purpose of Regression Analysis)

回歸分析的主要目的有以下幾點：

1. 描述關係 (Description)： 探討一個或多個自變數 (Independent Variables, Predictors) 與一個應變數 (Dependent Variable, Response) 之間的關係模式。例如，了解廣告支出如何影響銷售額，或了解學生的讀書時間如何影響考試成績。
2. 預測 (Prediction)： 一旦建立了變數之間的關係模型，就可以利用自變數的值來預測應變數的值。這是回歸分析最常見的應用之一，例如預測未來的房價、股票價格或產品銷量。
3. 推論 (Inference)： 透過檢定迴歸係數，可以推論自變數對應變數的影響是否存在統計上的顯著性。例如，檢定某種藥物劑量是否顯著影響病患的恢復時間，或者某個廣告策略是否顯著提升了品牌知名度。
4. 控制 (Control)： 在某些研究中，研究者可能希望控制某些變數的影響，以更清晰地觀察其他變數的影響。迴歸分析（特別是多元迴歸）可以幫助實現這一點。

二、 進行簡單線性迴歸分析的基本假設 (Basic Assumptions of Simple Linear Regression)

簡單線性迴歸模型假設應變數 $Y$ 與自變數 $X$ 之間存在線性關係，其模型為 $Y_i = \beta_0 + \beta_1 X_i + \epsilon_i$。為了使最小平方法 (OLS) 估計的迴歸係數具有良好性質（如不偏性、有效性），並能進行有效的統計推論，需要滿足以下幾個基本假設：

1. 線性關係 (Linearity)： 應變數 $Y$ 與自變數 $X$ 之間存在線性關係。這意味著平均應變數 $E(Y|X)$ 可以表示為 $X$ 的線性函數。