1203
定位與區隔的定義與重要性～就出版而言
1.定位不是要改變產品本身，而是要改變消費者心理對企業，市場與產品的中心形象。
為了集中在一個意念，為了自己的品牌，在消費者心中下定義
2.成功的定位能建立企業或產品本身的地位形象，更能在目標市場佔有最大的優勢地位
定位過程及方法～出版定位過程
1.了解需要：人類五種層次需求（生理、安全、社會、尊重、自我實現）
2.以產品屬性建立獨一無二的品牌形象
3.以利益定位
4.以用途定位
5.以競爭者定位
6.以產品類別定位
7.以結合定位
SWOT分析～以職業棒球雜誌為例
SW分析（內部環境）
內部資源充裕
印製成本高
人事成本低
歷史悠久
連年虧損導致資金不足
內容不突出
共識不同
OT分析（外部環境）
大環境不景氣
政府不重視
賭博事件
協力商不肯降價，廣告量少
定位常犯的錯誤
1.定位不明顯：無法提出強而有力的利益
2.定位混淆：不易建構自己品牌印象
3.過於狹義的定位：過分強調反而導致消費者忽略其表現及品牌形象
4.有待商榷的定位：定位有問題使消費者難相信
重新定位的方式
產品市場擴大
1.市場滲透
2.市場開發
3.產品開發
4.多角化
多角化策略分類架構
1.水平整合
2.集中多角化
3.水平多角化
4.綜合多角化等
1205
市場區隔
意義：區隔市場可以更掌過消費者的需求，創造企業更好的效益與利潤
區隔化的基礎
1.區隔消費市場：地理、人口統計、心理、行為
2.區隔組織市場：產業、公司規模和地點、購買決策、追求的利益
市場區隔的準則
1.內部相似外部有別
2.可以衡量
3.可觀的獲利
4.能操作與進入
主流市場：商品更新速率快、重視設計概念、競爭力大
市場滲透～市場區隔（流程相似內容有別）增加的成本並非從零開始
瞄準目標市場＼發展行銷策略
1.無差異行銷策略：又稱大眾行銷，作法是將整個市場視為類似的目標市場～
笨拙古老傳統..不是我說的
如果產品沒有甚麼特色可以定位，就只好殺價錢，每個市場賣的都一樣（如衛生紙）
商品如果進入大賣場.......就變成無差異行銷～但也即時獲利
2.差異行銷策略：又稱分眾行銷，同時滲透兩個以上區域市場為目標
商品內容＼包裝的推陳出新，如口袋版本的書即為差異化商品
產品的設計來做不同目的需求的開發（如大小罐）＼產品的功能（如男女配方）＼產品的包裝
分版銷售：功能＼價格（如學生版本與公司版本的Adobe CS3）
使用軟體的轉移成本太高 Switch Cost （學生在學習時使用Adobe，未來出去業界也使用 Adobe）
搭配銷售：紅配綠的CD
目前市場上主要競爭的方式～
如星巴克、85度C、與 City Café
星巴克賣的是他的氛圍
85度C賣咖啡的物超所值感，配合蛋糕
City Café 賣的是便利性
家樂福的家樂福電信可以與商品金額抵通話費
是大賣場與大賣場之間的差異化行銷，大賣場的百貨公司化（也沒有比較貴）
3.利基行銷策略：又稱集中銷售或焦點策略 Niche Market （找到與眾不同的市場區隔）
傳統出版與數位出版交會的行銷區隔與定位
傳統出版的區隔與定位
數位出版的區隔與定位
------------------------------------------------------------------------------------------------------------------
閱聽人消費行為分析
行銷～把need轉成want～滿足慾望
何謂消費者（閱聽人）行為？
消費者為滿足慾望，在選購、處置產品時所表現的心理、情緒過程與實體活動
Seven裡頭貨架的動線安排、LV商品所帶來的社會位置，撩撥消費者心中want的感覺
認識客戶群
Who
What
Where
When
How
Why
Will
貓貓水族工坊
9.12.08
攝影後製作 1126、1203
1126
修色
Why color correction?
修正油墨之不純，保持原稿之色彩平衡
修正原稿的色彩，以達理想的複製
針對印墨的修正
理想的色墨吸收1/3的光譜而反射2/3的光譜
實際上油墨的純度不夠
在分色時如不加以修正，疊印色的色彩會不正確，造成複製品的偏色
Red=M+y+Y=Orange
故在印刷時中性色（neutral Color）的CMY比例不是1:1:1，一般來說C>M=Y
在設定H&S的時候應調整其中性色的比例
在掃描時分色程式會以不同的掃描曲線來產生CMY的比例
TRAND chard: Tone Reproduction And Neutral Density Chart
版調複製與灰色平衡表
在正常之印刷狀況下試印，來得到數據以應用在掃描曲線中
針對原稿的修正
當原稿的色彩不正確時（偏色），在掃描分色時可利用修色的功能來修正
有時為了要改變某一特定的色彩時也可利用修色的功能來達成
Global color correction 全面性修色
Local color correction 局部性修色
Global color correction
1.其對色彩的影響為全面性的，對整張原稿的色彩從亮部到暗部都會影響
2.針對有color cast的原稿（平均偏色的原稿），由於其原本應為中性色之highlight&shadow也偏色，故可依設定使其正常化
3.當原稿之偏色不是全面平均時（有時因景物之反光，造成在某些明暗度下之偏色特別嚴重時），可針對個別的色版調整其掃描分色曲線來修正
Local color correction
1.其對色彩的影響為區域性的，可選擇特定的色彩來修正
2.當選擇紅色來修正時，可一設定來改變其中的CMY比例，使其更為鮮紅或變暗
3.設定後所有影像的紅色都會改變，越接近紅色的影像影響越大，反之越小或不受影響
4.設定影響的範圍可依設定而改變
5.修色時可依主色與互補色的原理來做為修色的依據
6.要增加某色的純度時可增加主色，或減少其互補色之網點百分比
7.增加互補色會使色彩變暗
1203
圖檔 Graphic Files
電子圖檔分兩大類
Bitmap Image
Vector Image
Bitmap Image
1.點矩陣圖形
2.線條、圖形均由點（pixel）所組成，所以一圖形的總點數為固定，解析度受限，故放大時每個點也相同的方大，形成粗糙的情形
3.Pixel：畫素，一圖形中最基本（最小）的一個點
4.掃描後的圖片，使用小畫家或Photoshop等以pixel-based為主的軟體繪出的圖形
Vector Image
1.Object-oriented 向量式
2.利用向量方式（如 Bezier Curve）來描繪圖形，可配合不同的解析度而不影響其品質
3.在photoshop中使用路徑、文字
修色
Why color correction?
修正油墨之不純，保持原稿之色彩平衡
修正原稿的色彩，以達理想的複製
針對印墨的修正
理想的色墨吸收1/3的光譜而反射2/3的光譜
實際上油墨的純度不夠
在分色時如不加以修正，疊印色的色彩會不正確，造成複製品的偏色
Red=M+y+Y=Orange
故在印刷時中性色（neutral Color）的CMY比例不是1:1:1，一般來說C>M=Y
在設定H&S的時候應調整其中性色的比例
在掃描時分色程式會以不同的掃描曲線來產生CMY的比例
TRAND chard: Tone Reproduction And Neutral Density Chart
版調複製與灰色平衡表
在正常之印刷狀況下試印，來得到數據以應用在掃描曲線中
針對原稿的修正
當原稿的色彩不正確時（偏色），在掃描分色時可利用修色的功能來修正
有時為了要改變某一特定的色彩時也可利用修色的功能來達成
Global color correction 全面性修色
Local color correction 局部性修色
Global color correction
1.其對色彩的影響為全面性的，對整張原稿的色彩從亮部到暗部都會影響
2.針對有color cast的原稿（平均偏色的原稿），由於其原本應為中性色之highlight&shadow也偏色，故可依設定使其正常化
3.當原稿之偏色不是全面平均時（有時因景物之反光，造成在某些明暗度下之偏色特別嚴重時），可針對個別的色版調整其掃描分色曲線來修正
Local color correction
1.其對色彩的影響為區域性的，可選擇特定的色彩來修正
2.當選擇紅色來修正時，可一設定來改變其中的CMY比例，使其更為鮮紅或變暗
3.設定後所有影像的紅色都會改變，越接近紅色的影像影響越大，反之越小或不受影響
4.設定影響的範圍可依設定而改變
5.修色時可依主色與互補色的原理來做為修色的依據
6.要增加某色的純度時可增加主色，或減少其互補色之網點百分比
7.增加互補色會使色彩變暗
1203
圖檔 Graphic Files
電子圖檔分兩大類
Bitmap Image
Vector Image
Bitmap Image
1.點矩陣圖形
2.線條、圖形均由點（pixel）所組成，所以一圖形的總點數為固定，解析度受限，故放大時每個點也相同的方大，形成粗糙的情形
3.Pixel：畫素，一圖形中最基本（最小）的一個點
4.掃描後的圖片，使用小畫家或Photoshop等以pixel-based為主的軟體繪出的圖形
Vector Image
1.Object-oriented 向量式
2.利用向量方式（如 Bezier Curve）來描繪圖形，可配合不同的解析度而不影響其品質
3.在photoshop中使用路徑、文字
統計學 1125、1202
1125
單組樣本的假設檢定
何謂假設
假設是一個關於母體參數的陳述，使用資料與計算機驗證這陳述是否合理
母體參數的假設例子為：
對於系統分析師的平均月收Z
假設檢定（Hypothesis testing）
基於樣本證據與機率理論來判斷假設是否合理而要接受，或是假設不合理而要拒絕的過程。
假設檢定的五個步驟
建立虛無假設與對立假設
選擇一個顯著水準
決定檢定統計量
制定決策法則
取得樣本並做出決策～
1.不拒絕虛無假設
2.拒絕虛無假設與接受對立假設
步驟一
虛無假設 (Null hypothesis) H0 \ Ha
關於母體參數值的假設性敘述
對立假設 (Alternate hypothesis) H1 \ Hb
當樣本資料提供足夠證明虛無假設不為真時，接受的對立敘述就是對立假設
母體平均數的假設檢定有三種情形
1.H0:u = 0 ; H1:u =/= 0
2.H0:u <=0 ; H1:u > 0
3.H0:u >=0 ; H1:u < 0
記得虛無假設有個等於～
型I誤差TypeIError
當虛無假設H0為真時卻被拒絕，用alpha表示
型II誤差TypeIIError
當虛無假設不正確時卻被接受，用beta表示
步驟二：選擇顯著水準 Level of significance
虛無假設 接受 拒絕
為真 正確決策 型I誤差
為假 型II誤差 正確決策
顯著水準～通常可以容忍的誤差
單尾檢定
當對立假設H1，表示一個方向時，即為單尾檢定
例如H1：全職員工的年終獎金超過＄35,000，u>35,000（右尾）
行駛在公路上的卡車每小時小於69英里，u<60（左尾）
H1對於加油的顧客，付現的人數少於20％
0.5-0.05=0.45 面積的時候 查表～1.65
臨界值criticle value：滿足臨界水準時候的z值
比例p的檢定
z= p-π/ √ π（1-π）/n
範例4
慈善事業中15%是透過劃撥方式，現在有一種新的方式，抽200位民眾，其中45位說願意使用這種方式捐款，在0.05顯著水準下，我們可以說新的方法有效嗎？
使用z統計量
建立決策法則：若z大於1.65，則拒絕虛無假設
z=2.97 落在危險區域，接受對立假設
即超過15%將會使用新的方式捐款
比較兩組母體
進行兩組樣本的假設檢定
若兩組樣本均超過30個觀測資料，我們使用z分配
不需要假設母體的形態
從獨立的.....
z= Xbar1- Xbar2 / √ s1^2/n1+ s2^2/n2
範例1
a城和b城中間用c河隔開，在a市40個家庭為樣本，其平均家庭收入為38,000，其標準差是6,000。在b市35個家庭的平均收入為35,000，以及標準差為7,000，在0.01的顯著水準之下，我們可以說a市的收入較高嗎？
建立虛無假設與對立假設
Ho:μB小於等於μA，
H1: μA>μB
樣本大小都超過30我們使用z分配當檢定統計量
決定決策法則：
若z大於2.33則拒絕虛無假設
38000-35000/ √ 6K^2/40 + 7K^2/35 =
P(z>1.98)=0.5000-0.4761=0.239
兩祖母體比例的假設檢定
我們有的時候也想了解，兩祖母體抽選出來的兩組樣本比例是否相等
當樣本個數小於30則使用t分配檢定
抽樣的兩祖母體需服從常態分配
從兩組獨立的母體當中分別抽取樣本
兩組母體的標準差相等
Sp^2=(n1-1)S1^2+ (n2-1)S2^2 / n1+n2-2
t= Xbar1-Xbar2 / 根號 Sp^2 (1/n1+ 1/n2)
進口車與國產車比較
15部國產車為樣本，平均數為33.7 mpg，標準差2.4
Ho: muD>=muI
H1: muD
若12+15-1=25 自由度
顯著水準用0.05
t<-1.708則拒絕Ho
Sp^2=(n1-1)S1^2+ (n2-1)S2^2 / n1+n2-2
Sp^2=9.918
t=Xbar1-Xbar2 / 根號 Sp^2 (1/n1+ 1/n2)
=33.7-35.7 / 根號 9.918(1/12+1/15)
=-1.640
不拒絕Ho
樣本證據不足以宣稱進口車的耗油量比較高
相依樣本
相依樣本為成對或相關資料的樣本
獨立樣本為兩組樣本間完全不相干
t= dbar / Sd/根號n
其中自由度是n-1
Ho: mu=0, H1:mu不等於0
若t大於或小於2.365則拒絕Ho
自由度7
d=價錢的差，再sigma
dbar=sigma d/n=8.0/8=1
Sd=根號[sigma d^2 – (sigmad)^2/n ]/n-1=3.1623
sd=根號 78-8^2/8 /8-1= 根號10
獨立樣本T檢定~
兩獨立小樣本均數檢定（變異數相同）
兩獨立小樣本均數檢定（變異數不同）
t=
1202
Analysis of Variance 變異數分析
簡稱 ANOVA
兩組以上的變異分析
進行三個或三個以上的處理平均數之間的假設檢定
F分配是一個家族
比較兩組母體變異數
較大的變異數放在分子
F=S1^2/S2^2
例1
標準差3.9
標準差3.5
Ho: sigma1^2<=sigma2^2
H1: S1^2> S2^2
顯著水準為0.05
檢定統計量為F分配
若F>3.68則拒絕Ho，分子自由度為9，分母自由度為7
F的值～
3.9^2/3.5^2=1.2416
不拒絕H0
虛無假設的母體平均數都相等
對立假設至少有一個平均數不同
檢定統計量為F分配
決策法則為若檢定統計量的值大於F值，則拒絕虛無假設
若從K組母體抽取樣本，則分子自由度為k-1
若有n個觀測資料，則分母的自由度為n-k
檢定統計量的計算公式為F=SST/(k-1) / SSE/ (n-k)
SS total：每個觀測值與總平均數間差異平方的總和
SS total= ∑X^2-(∑X)^2/n
SST Sum of square for treatment 代表處理間的變異或處理平方和
SST=∑(Tc^2/nc^2)-(∑X)^2/n
Tc為行總和，nc為行個數
SSE Sum of square for error 代表處理內的變異或誤差平方和
SSE= SS total - SST
在SPSS中使用 Between Groups 「群組間」代表「處理間」這個術語，
以及Within Groups 「群組內」代表「誤差」
Tc 51 46 85
nc 4 4 5
SS total
∑X^2-(∑X)^2/n=2634-182^2/13=86
SST=∑(Tc^2/nc^2)-(∑X)^2/n
=51^2/4+46^2/4+85^2/5-182^2/13
=76.25
SSE=SS total-SST=86-76.25
H0: u1=u2=u3
H1: 處理平均數不同
若F>4.10
分子自由度n-1=3-1=2，
分母自由度n-k=13-3=10
F=[SST/(k-1)]/[SSE/(n-k)]=(76/2)/(9.75/10)
結論為拒絕虛無假設
變異來源 平方和 自由度 均方 F
處理 SST k-1 SST/(k-1)=MST MST/MSE
誤差 SSE n-k SSE/(n-k)=MSE
----------- -------
總和 SS total n-1
並不用每次去查表取得臨界值，只需看變異數分析上顯著性是否小於所指定的alpha值即可，
若顯著性小於alpha，即應放棄每組均數相等的虛無假設
單組樣本的假設檢定
何謂假設
假設是一個關於母體參數的陳述，使用資料與計算機驗證這陳述是否合理
母體參數的假設例子為：
對於系統分析師的平均月收Z
假設檢定（Hypothesis testing）
基於樣本證據與機率理論來判斷假設是否合理而要接受，或是假設不合理而要拒絕的過程。
假設檢定的五個步驟
建立虛無假設與對立假設
選擇一個顯著水準
決定檢定統計量
制定決策法則
取得樣本並做出決策～
1.不拒絕虛無假設
2.拒絕虛無假設與接受對立假設
步驟一
虛無假設 (Null hypothesis) H0 \ Ha
關於母體參數值的假設性敘述
對立假設 (Alternate hypothesis) H1 \ Hb
當樣本資料提供足夠證明虛無假設不為真時，接受的對立敘述就是對立假設
母體平均數的假設檢定有三種情形
1.H0:u = 0 ; H1:u =/= 0
2.H0:u <=0 ; H1:u > 0
3.H0:u >=0 ; H1:u < 0
記得虛無假設有個等於～
型I誤差TypeIError
當虛無假設H0為真時卻被拒絕，用alpha表示
型II誤差TypeIIError
當虛無假設不正確時卻被接受，用beta表示
步驟二：選擇顯著水準 Level of significance
虛無假設 接受 拒絕
為真 正確決策 型I誤差
為假 型II誤差 正確決策
顯著水準～通常可以容忍的誤差
單尾檢定
當對立假設H1，表示一個方向時，即為單尾檢定
例如H1：全職員工的年終獎金超過＄35,000，u>35,000（右尾）
行駛在公路上的卡車每小時小於69英里，u<60（左尾）
H1對於加油的顧客，付現的人數少於20％
0.5-0.05=0.45 面積的時候 查表～1.65
臨界值criticle value：滿足臨界水準時候的z值
比例p的檢定
z= p-π/ √ π（1-π）/n
範例4
慈善事業中15%是透過劃撥方式，現在有一種新的方式，抽200位民眾，其中45位說願意使用這種方式捐款，在0.05顯著水準下，我們可以說新的方法有效嗎？
使用z統計量
建立決策法則：若z大於1.65，則拒絕虛無假設
z=2.97 落在危險區域，接受對立假設
即超過15%將會使用新的方式捐款
比較兩組母體
進行兩組樣本的假設檢定
若兩組樣本均超過30個觀測資料，我們使用z分配
不需要假設母體的形態
從獨立的.....
z= Xbar1- Xbar2 / √ s1^2/n1+ s2^2/n2
範例1
a城和b城中間用c河隔開，在a市40個家庭為樣本，其平均家庭收入為38,000，其標準差是6,000。在b市35個家庭的平均收入為35,000，以及標準差為7,000，在0.01的顯著水準之下，我們可以說a市的收入較高嗎？
建立虛無假設與對立假設
Ho:μB小於等於μA，
H1: μA>μB
樣本大小都超過30我們使用z分配當檢定統計量
決定決策法則：
若z大於2.33則拒絕虛無假設
38000-35000/ √ 6K^2/40 + 7K^2/35 =
P(z>1.98)=0.5000-0.4761=0.239
兩祖母體比例的假設檢定
我們有的時候也想了解，兩祖母體抽選出來的兩組樣本比例是否相等
當樣本個數小於30則使用t分配檢定
抽樣的兩祖母體需服從常態分配
從兩組獨立的母體當中分別抽取樣本
兩組母體的標準差相等
Sp^2=(n1-1)S1^2+ (n2-1)S2^2 / n1+n2-2
t= Xbar1-Xbar2 / 根號 Sp^2 (1/n1+ 1/n2)
進口車與國產車比較
15部國產車為樣本，平均數為33.7 mpg，標準差2.4
Ho: muD>=muI
H1: muD
若12+15-1=25 自由度
顯著水準用0.05
t<-1.708則拒絕Ho
Sp^2=(n1-1)S1^2+ (n2-1)S2^2 / n1+n2-2
Sp^2=9.918
t=Xbar1-Xbar2 / 根號 Sp^2 (1/n1+ 1/n2)
=33.7-35.7 / 根號 9.918(1/12+1/15)
=-1.640
不拒絕Ho
樣本證據不足以宣稱進口車的耗油量比較高
相依樣本
相依樣本為成對或相關資料的樣本
獨立樣本為兩組樣本間完全不相干
t= dbar / Sd/根號n
其中自由度是n-1
Ho: mu=0, H1:mu不等於0
若t大於或小於2.365則拒絕Ho
自由度7
d=價錢的差，再sigma
dbar=sigma d/n=8.0/8=1
Sd=根號[sigma d^2 – (sigmad)^2/n ]/n-1=3.1623
sd=根號 78-8^2/8 /8-1= 根號10
獨立樣本T檢定~
兩獨立小樣本均數檢定（變異數相同）
兩獨立小樣本均數檢定（變異數不同）
t=
1202
Analysis of Variance 變異數分析
簡稱 ANOVA
兩組以上的變異分析
進行三個或三個以上的處理平均數之間的假設檢定
F分配是一個家族
比較兩組母體變異數
較大的變異數放在分子
F=S1^2/S2^2
例1
標準差3.9
標準差3.5
Ho: sigma1^2<=sigma2^2
H1: S1^2> S2^2
顯著水準為0.05
檢定統計量為F分配
若F>3.68則拒絕Ho，分子自由度為9，分母自由度為7
F的值～
3.9^2/3.5^2=1.2416
不拒絕H0
虛無假設的母體平均數都相等
對立假設至少有一個平均數不同
檢定統計量為F分配
決策法則為若檢定統計量的值大於F值，則拒絕虛無假設
若從K組母體抽取樣本，則分子自由度為k-1
若有n個觀測資料，則分母的自由度為n-k
檢定統計量的計算公式為F=SST/(k-1) / SSE/ (n-k)
SS total：每個觀測值與總平均數間差異平方的總和
SS total= ∑X^2-(∑X)^2/n
SST Sum of square for treatment 代表處理間的變異或處理平方和
SST=∑(Tc^2/nc^2)-(∑X)^2/n
Tc為行總和，nc為行個數
SSE Sum of square for error 代表處理內的變異或誤差平方和
SSE= SS total - SST
在SPSS中使用 Between Groups 「群組間」代表「處理間」這個術語，
以及Within Groups 「群組內」代表「誤差」
Tc 51 46 85
nc 4 4 5
SS total
∑X^2-(∑X)^2/n=2634-182^2/13=86
SST=∑(Tc^2/nc^2)-(∑X)^2/n
=51^2/4+46^2/4+85^2/5-182^2/13
=76.25
SSE=SS total-SST=86-76.25
H0: u1=u2=u3
H1: 處理平均數不同
若F>4.10
分子自由度n-1=3-1=2，
分母自由度n-k=13-3=10
F=[SST/(k-1)]/[SSE/(n-k)]=(76/2)/(9.75/10)
結論為拒絕虛無假設
變異來源 平方和 自由度 均方 F
處理 SST k-1 SST/(k-1)=MST MST/MSE
誤差 SSE n-k SSE/(n-k)=MSE
----------- -------
總和 SS total n-1
並不用每次去查表取得臨界值，只需看變異數分析上顯著性是否小於所指定的alpha值即可，
若顯著性小於alpha，即應放棄每組均數相等的虛無假設
統計學 1111、1118
1111
單組樣本的假設檢定
何謂假設
假設是一個關於母體參數的陳述，使用資料與計算機驗證這陳述是否合理
母體參數的假設例子為：
對於系統分析師的平均月收Z
假設檢定（Hypothesis testing）
基於樣本證據與機率理論來判斷假設是否合理而要接受，或是假設不合理而要拒絕的過程。
假設檢定的五個步驟
建立虛無假設與對立假設
選擇一個顯著水準
決定檢定統計量
制定決策法則
取得樣本並做出決策∼
1.不拒絕虛無假設
2.拒絕虛無假設與接受對立假設
步驟一
虛無假設 (Null hypothesis) H0 \ Ha
關於母體參數值的假設性敘述
對立假設 (Alternate hypothesis) H1 \ Hb
當樣本資料提供足夠證明虛無假設不為真時，接受的對立敘述就是對立假設
母體平均數的假設檢定有三種情形
1.H0:u = 0 ; H1:u =/= 0
2.H0:u <=0 ; H1:u > 0
3.H0:u >=0 ; H1:u < 0
記得虛無假設有個等於∼
型I誤差TypeIError
當虛無假設H0為真時卻被拒絕，用alpha表示
型II誤差TypeIIError
當虛無假設不正確時卻被接受，用beta表示
步驟二：選擇顯著水準 Level of significance
虛無假設 接受 拒絕
為真 正確決策 型I誤差
為假 型II誤差 正確決策
顯著水準∼通常可以容忍的誤差
單尾檢定
當對立假設H1，表示一個方向時，即為單尾檢定
例如H1：全職員工的年終獎金超過＄35,000，u>35,000（右尾）
行駛在公路上的卡車每小時小於69英里，u<60（左尾）
H1對於加油的顧客，付現的人數少於20％
0.5-0.05=0.45 面積的時候 查表∼1.65
臨界值criticle value：滿足臨界水準時候的z值
1118
0.95機率的0.05拒絕域
用1的一半∼等於0.5減掉（為了找到那個位置的Z值）顯著水準0.05＝0.45
在表中找到0.45再去找臨界值z∼1.65.....找表中第一個
IF 0.03∼∼
1-0.5-0.03=0.47回去找Z值的第一個∼＝1.89（0.4706）
雙尾
0.95機率的0.025拒絕域
0.5-0.025=0.475∼z=1.96
三
決定檢定統計量
母體平均數檢定，其中母體標準差已知
z= (X BAR - MU) / （SIGMA/根號n）
標準誤＝標準差除以根號n
步驟四
制定決策法則
假設檢定的p值法
顯著水準是標準的小誤差
比較大面積的誤差用p值
P Value
如果p-值比顯著水準小，則拒絕H0 （位在危險區域內）
如果p-值比顯著水準大，則不拒絕H0（位在安全區域內）
p值就是我們算出來的Z值，大於這些值以上的面積
根據範例一 z=1.44
因為雙尾檢定，所以p-值=2P{Z>=1.44}
=2(0.5-0.4251)=0.1498
因為0.1498>0.05 所以不拒絕H0
母體平均數檢定
大樣本與母體標準差未知
因為母體標準差未知，因此使用標準差來估計SIGMA，若樣本個數n大於30，
則使用s代替sigma
z= (X BAR - MU) / （s /根號n）
400∼小於等於，單尾
對立假設，都超過
顯著水準0.5
若z>1.65拒絕H0
母體平均數檢定：小樣本與母體平均數未知
必須使用t分配取代標準常態分配
其檢定統計量為
t= (X BAR - MU) / （s /根號n）
自由度10-1=9，若t=1.833
查表：d.f.=9，右尾機率5%
t=3.162>1.833
拒絕虛無假設，平均數量將超過250
spss大小通吃Z檢定與t檢定變成∼T檢定∼
1118
0.95機率的0.05拒絕域
用1的一半～等於0.5減掉（為了找到那個位置的Z值）顯著水準0.05＝0.45
在表中找到0.45再去找臨界值z～1.65.....找表中第一個
IF 0.03～～
1-0.5-0.03=0.47回去找Z值的第一個～＝1.89（0.4706）
雙尾
0.95機率的0.025拒絕域
0.5-0.025=0.475～z=1.96
三
決定檢定統計量
母體平均數檢定，其中母體標準差已知
z= (X BAR - μ) / （σ/√n）
標準誤＝標準差除以√n
步驟四
制定決策法則
假設檢定的p值法
顯著水準是標準的小誤差
比較大面積的誤差用p值
P Value
如果p-值比顯著水準小，則拒絕H0 （位在危險區域內）
如果p-值比顯著水準大，則不拒絕H0（位在安全區域內）
p值就是我們算出來的Z值，大於這些值以上的面積
根據範例一 z=1.44
因為雙尾檢定，所以p-值=2P{Z>=1.44}
=2(0.5-0.4251)=0.1498
因為0.1498>0.05 所以不拒絕H0
母體平均數檢定
大樣本與母體標準差未知
因為母體標準差未知，因此使用標準差來估計σ，若樣本個數n大於30，
則使用s代替σ
z= (X BAR - μ) / （s /√n）
400～小於等於，單尾
對立假設，都超過
顯著水準0.5
若z>1.65拒絕H0
母體平均數檢定：小樣本與母體平均數未知
必須使用t分配取代標準常態分配
其檢定統計量為
t= (X BAR - μ) / （s /√n）
自由度10-1=9，若t=1.833
查表：d.f.=9，右尾機率5%
t=3.162>1.833
拒絕虛無假設，平均數量將超過250
spss大小通吃Z檢定與t檢定變成～T檢定～
單組樣本的假設檢定
何謂假設
假設是一個關於母體參數的陳述，使用資料與計算機驗證這陳述是否合理
母體參數的假設例子為：
對於系統分析師的平均月收Z
假設檢定（Hypothesis testing）
基於樣本證據與機率理論來判斷假設是否合理而要接受，或是假設不合理而要拒絕的過程。
假設檢定的五個步驟
建立虛無假設與對立假設
選擇一個顯著水準
決定檢定統計量
制定決策法則
取得樣本並做出決策∼
1.不拒絕虛無假設
2.拒絕虛無假設與接受對立假設
步驟一
虛無假設 (Null hypothesis) H0 \ Ha
關於母體參數值的假設性敘述
對立假設 (Alternate hypothesis) H1 \ Hb
當樣本資料提供足夠證明虛無假設不為真時，接受的對立敘述就是對立假設
母體平均數的假設檢定有三種情形
1.H0:u = 0 ; H1:u =/= 0
2.H0:u <=0 ; H1:u > 0
3.H0:u >=0 ; H1:u < 0
記得虛無假設有個等於∼
型I誤差TypeIError
當虛無假設H0為真時卻被拒絕，用alpha表示
型II誤差TypeIIError
當虛無假設不正確時卻被接受，用beta表示
步驟二：選擇顯著水準 Level of significance
虛無假設 接受 拒絕
為真 正確決策 型I誤差
為假 型II誤差 正確決策
顯著水準∼通常可以容忍的誤差
單尾檢定
當對立假設H1，表示一個方向時，即為單尾檢定
例如H1：全職員工的年終獎金超過＄35,000，u>35,000（右尾）
行駛在公路上的卡車每小時小於69英里，u<60（左尾）
H1對於加油的顧客，付現的人數少於20％
0.5-0.05=0.45 面積的時候 查表∼1.65
臨界值criticle value：滿足臨界水準時候的z值
1118
0.95機率的0.05拒絕域
用1的一半∼等於0.5減掉（為了找到那個位置的Z值）顯著水準0.05＝0.45
在表中找到0.45再去找臨界值z∼1.65.....找表中第一個
IF 0.03∼∼
1-0.5-0.03=0.47回去找Z值的第一個∼＝1.89（0.4706）
雙尾
0.95機率的0.025拒絕域
0.5-0.025=0.475∼z=1.96
三
決定檢定統計量
母體平均數檢定，其中母體標準差已知
z= (X BAR - MU) / （SIGMA/根號n）
標準誤＝標準差除以根號n
步驟四
制定決策法則
假設檢定的p值法
顯著水準是標準的小誤差
比較大面積的誤差用p值
P Value
如果p-值比顯著水準小，則拒絕H0 （位在危險區域內）
如果p-值比顯著水準大，則不拒絕H0（位在安全區域內）
p值就是我們算出來的Z值，大於這些值以上的面積
根據範例一 z=1.44
因為雙尾檢定，所以p-值=2P{Z>=1.44}
=2(0.5-0.4251)=0.1498
因為0.1498>0.05 所以不拒絕H0
母體平均數檢定
大樣本與母體標準差未知
因為母體標準差未知，因此使用標準差來估計SIGMA，若樣本個數n大於30，
則使用s代替sigma
z= (X BAR - MU) / （s /根號n）
400∼小於等於，單尾
對立假設，都超過
顯著水準0.5
若z>1.65拒絕H0
母體平均數檢定：小樣本與母體平均數未知
必須使用t分配取代標準常態分配
其檢定統計量為
t= (X BAR - MU) / （s /根號n）
自由度10-1=9，若t=1.833
查表：d.f.=9，右尾機率5%
t=3.162>1.833
拒絕虛無假設，平均數量將超過250
spss大小通吃Z檢定與t檢定變成∼T檢定∼
1118
0.95機率的0.05拒絕域
用1的一半～等於0.5減掉（為了找到那個位置的Z值）顯著水準0.05＝0.45
在表中找到0.45再去找臨界值z～1.65.....找表中第一個
IF 0.03～～
1-0.5-0.03=0.47回去找Z值的第一個～＝1.89（0.4706）
雙尾
0.95機率的0.025拒絕域
0.5-0.025=0.475～z=1.96
三
決定檢定統計量
母體平均數檢定，其中母體標準差已知
z= (X BAR - μ) / （σ/√n）
標準誤＝標準差除以√n
步驟四
制定決策法則
假設檢定的p值法
顯著水準是標準的小誤差
比較大面積的誤差用p值
P Value
如果p-值比顯著水準小，則拒絕H0 （位在危險區域內）
如果p-值比顯著水準大，則不拒絕H0（位在安全區域內）
p值就是我們算出來的Z值，大於這些值以上的面積
根據範例一 z=1.44
因為雙尾檢定，所以p-值=2P{Z>=1.44}
=2(0.5-0.4251)=0.1498
因為0.1498>0.05 所以不拒絕H0
母體平均數檢定
大樣本與母體標準差未知
因為母體標準差未知，因此使用標準差來估計σ，若樣本個數n大於30，
則使用s代替σ
z= (X BAR - μ) / （s /√n）
400～小於等於，單尾
對立假設，都超過
顯著水準0.5
若z>1.65拒絕H0
母體平均數檢定：小樣本與母體平均數未知
必須使用t分配取代標準常態分配
其檢定統計量為
t= (X BAR - μ) / （s /√n）
自由度10-1=9，若t=1.833
查表：d.f.=9，右尾機率5%
t=3.162>1.833
拒絕虛無假設，平均數量將超過250
spss大小通吃Z檢定與t檢定變成～T檢定～
編輯企劃 1201、1208
1201
行銷計畫～媒體宣傳
1.新書上市前：內文轉載、好書評選、相關話題的創造
2.正式上市：新聞稿、宣傳通告（電視、廣播）書評或書介（報紙、雜誌、網路等）
3.宣傳品：試閱本、DM、書訊、廣告
4.行銷計畫：新書發表會、演講、座談會、導讀會、戶外導覽、讀者俱樂部...
版型（圖文整合）
成本
活動規劃
目標讀者群
印量
集中行銷
人數（統計分析）
1208
彎彎遊金門
1.善用作者特質
2.本書賣點
3.行銷方案
中大型美洲慈鯛圖鑑
1.作者專業權威
2.印量與目標讀者群的掌握
3.使用集中行銷與學校、海洋生態有關、社團或協會
打造敏感肌美人
1.行銷方案：印量、定價、促銷宣傳
2.如何成為「美容大王」第二
我要長大
1.定價
2.閱讀者、購買者
3.增加書籍的附加價值
4.本書特色
行銷計畫～媒體宣傳
1.新書上市前：內文轉載、好書評選、相關話題的創造
2.正式上市：新聞稿、宣傳通告（電視、廣播）書評或書介（報紙、雜誌、網路等）
3.宣傳品：試閱本、DM、書訊、廣告
4.行銷計畫：新書發表會、演講、座談會、導讀會、戶外導覽、讀者俱樂部...
版型（圖文整合）
成本
活動規劃
目標讀者群
印量
集中行銷
人數（統計分析）
1208
彎彎遊金門
1.善用作者特質
2.本書賣點
3.行銷方案
中大型美洲慈鯛圖鑑
1.作者專業權威
2.印量與目標讀者群的掌握
3.使用集中行銷與學校、海洋生態有關、社團或協會
打造敏感肌美人
1.行銷方案：印量、定價、促銷宣傳
2.如何成為「美容大王」第二
我要長大
1.定價
2.閱讀者、購買者
3.增加書籍的附加價值
4.本書特色
訂閱：
文章 (Atom)