每次新聞公布平均薪資，留言區常有人說自己「被平均」了：報導裡的平均數，比身邊多數人領的還高。這不是數字算錯，而是平均數本來就會被少數高薪拉高。數字沒錯、讀法錯了，正是機率統計題最常考的地方。
準備中級科目二的「機率統計基礎」時，平均數、標準差、p 值、信賴區間這些名詞大多在別的地方看過。真正讓人失分的，常常不是忘記定義，而是題目換了一個情境之後，不確定該用哪個量數，或把結果解讀過頭，例如把 p 值當成「假設為真的機率」。
這篇把我整理的 10 道模擬題情境，依觀念分成六組，每組說明題目在問什麼、怎麼判斷，以及最常見的陷阱。題目情境與數字為自編練習，用來說明判斷方法，不是官方試題。
這六組可以分成前後兩半。前三組在描述手上的資料：中心在哪裡、散得多開、某個數值落在什麼位置。後三組在用樣本推論母體：樣本平均會怎麼變動、看到的差異是不是巧合、估計的範圍有多可靠。前半是後半的基礎，後半的檢定和區間，都會用到前半的平均數、標準差和 Z 值。
六組都在回答同一個問題：看到一個統計數字時，它說了什麼、沒說什麼？ 每一組都會先從一個生活裡常見的數字講起，例如薪資、會考 PR 值、民調，再換成考題的情境。
一、集中趨勢：先看資料有沒有被少數極端值拉走
「被平均」的感覺，換成考題就是下面這種情境。
假設一份房屋成交資料有 1,200 筆，九成落在每坪 80～160 萬元，但有 12 筆豪宅交易達到每坪 450～600 萬元。如果要回答「一般民眾普遍的成交水準」，該用哪個統計量？
平均數會把每一筆金額都加進去，所以少數豪宅會把結果明顯拉高。中位數看的是排序後的中間位置，那 12 筆豪宅只是排在最後面，幾乎不會移動中間那一筆，因此較不受極端值影響，比較能代表多數交易。全距只描述資料散得多開，不是中心位置；眾數在這種連續數值資料裡，未必有穩定的代表性。
同樣的道理延伸到分布形狀。薪資資料常見大多數人集中在中低區間，少數高階主管把分布往右拉出一條長尾，這叫右偏（正偏態）。長尾那一側的極大值會把平均數拉向右邊，所以通常會看到「眾數 ≤ 中位數 ≤ 平均數」。要注意這是右偏分布的常見情況，不是每份資料都必定成立；而且「偏態」描述的是往哪邊歪，「峰度」描述的是尾端厚不厚，兩者是不同的指標，題目若把它們混在一起，就是錯誤選項。
二、分散程度：比較穩定性時，注意單位與尺度
買零食時，兩個牌子標示的重量一樣，但一個每包都差不多，另一個有時多、有時少，你會覺得前者比較可靠。平均一樣，不代表一樣穩定；「穩不穩」要另外量。
一間工廠量測零件直徑，平均值很接近規格中心，但不同班別量出來的數值分散程度差很多。這時題目要你評估的是「分散程度」與「製程能力」，平均數與中位數都只描述中心位置，回答不了這個問題。
標準差衡量每筆量測值離平均有多遠，數值愈小代表愈集中。工廠進一步會用製程能力指數 Cp = (規格上限 − 規格下限) ÷ (6 × 標準差)，比較「規格允許的寬度」和「製程實際的分散程度」。全距只看最大與最小兩個值，容易被單一異常值影響，忽略了中間的分布。
如果要比較兩款產品哪一款比較穩定，但兩者的尺度差很多，例如 A 款平均 200 公克、標準差 4 公克，B 款平均 20 公克、標準差 1 公克，直接比較標準差會被尺度誤導。這時要用變異係數（標準差 ÷ 平均數）：A 款是 2%，B 款是 5%，所以 A 款的相對變異較小、較穩定。變異數的單位是公克平方，同樣會受尺度影響，不適合跨尺度比較。
三、常態分布與 Z 值：把分數換算成相對位置
國中會考的 PR 值，告訴你贏過多少百分比的考生。考 80 分算不算好，要看大家考幾分；PR 值把分數換成「在人群裡的位置」。Z 值做的是類似的事，只是換算方式不同：PR 值直接數人數，Z 值先算「比平均高幾個標準差」，再透過常態分布換成百分比，所以資料要接近常態時才換得準。
假設一次考試成績近似常態分布，平均 45 分、標準差 10 分，某位學生的 Z 值是 +1.96，他大約在什麼位置？
Z 值代表「比平均高幾個標準差」。在標準常態分布中，Z = 1.96 以下的累積機率約 0.975，也就是右邊只剩約 2.5%，所以這位學生大約在前 2.5%。這個數字也是 95% 雙尾區間的臨界值，常和信賴區間一起出現。容易混淆的對照值是：Z ≈ 1.645 對應前 5%，Z ≈ 1 對應前 16% 左右。
四、中央極限定理：樣本平均的分布，和母體的形狀不同
一家門市的營業額可能忽高忽低，但把 50 家門市平均起來，數字就穩定多了：特別高和特別低的會互相抵消。這個「平均起來比較穩、形狀也變得比較對稱」的現象，就是這一組要講的事。
假設要估計連鎖門市的平均單日營業額，母體明顯右偏，少數高流量門市拉高了整體平均。研究員每次隨機抽 50 家門市算一次樣本平均，重複 1,000 次，這 1,000 個樣本平均會呈現什麼形狀？
中央極限定理說的是：只要母體的變異數是有限的，樣本數夠大時，樣本平均的抽樣分布會趨近常態，不管母體本身長什麼樣子。常見的經驗法則是樣本數 30 以上，但這只是參考；母體偏得很嚴重時，可能需要更多樣本。題目最常見的錯誤選項，是說「母體右偏，所以樣本平均也一定右偏」，這是把母體分布和樣本平均的分布混為一談。
五、假設檢定：p 值、兩種錯誤與檢定力
新聞常寫「研究證實某某有效」。這一組要拆開的是：研究到底算出了什麼，「證實」這兩個字又說過頭在哪裡。
假設藥廠檢驗新的降血壓藥，虛無假設 H0 是「新藥與對照組沒有差異」，事前設定顯著水準 α = 0.05，檢定結果 p = 0.03。因為 p 小於事先設定的 α，所以拒絕 H0，表示樣本提供了「有差異」的統計證據。
這題的陷阱在解讀。p 值的意思是：假設 H0 成立時，看到目前這麼極端（或更極端）的結果的機率。它不是「新藥有效的機率」，所以不能說「p = 0.03 代表 97% 有效」。顯著水準也要在看結果之前就決定，不能看到 p = 0.03 之後才改成用 0.01 當門檻。
兩種錯誤可以用醫療影像篩檢來理解。假設 H0 是「沒有結節」：
| 錯誤類型 | 實際狀況 | 判斷結果 | 機率 |
|---|---|---|---|
| 型一錯誤（偽陽性） | 沒有結節（H0 為真） | 判成有結節（拒絕 H0） | α |
| 型二錯誤（偽陰性） | 真的有結節（H0 為假） | 判成正常（沒拒絕 H0） | β |
其中 α 就是事先設定的顯著水準，所以把 α 訂得愈嚴，型一錯誤愈少，但在其他條件不變時，型二錯誤會變多。
檢定力是 1 − β，也就是「效應真的存在時，正確拒絕 H0 的機率」。它會受樣本數、效應大小、資料變異程度與顯著水準影響：樣本數愈多、效應愈明顯，檢定力愈高。所以一項只找到 12 位受試者的研究，即使效果真的存在，也可能因為檢定力不足而檢定不出來。檢定力是設計研究時就要考慮的條件，和事後算出來的 p 值是不同的概念。
六、信賴區間：95% 指的是「方法」，不是這一個區間
選舉前的民調新聞，最後常有一行小字：「在 95% 信心水準下，抽樣誤差為正負 3 個百分點」。這就是信賴區間。
假設一份民調抽樣 1,067 人，某候選人支持率 48%，95% 信賴區間是 45%～51%。這個 95% 該怎麼解讀？
在頻率學派的解讀裡，母體的真實支持率是一個固定、但我們不知道的數字。95% 的意思是：如果用同樣的方法重複抽樣很多次，每次都建一個區間，大約 95% 的區間會涵蓋真實值。至於這一次算出來的 45%～51%，它要嘛涵蓋真值、要嘛沒有，不能說「真實支持率有 95% 的機率落在這裡」。另外兩個常見的錯誤選項是把 95% 說成「95% 的受訪者」，或把信賴區間當成選舉結果的預測。
可以把它想成撒網捕魚：魚（真實值）停在一個固定的位置，每次抽樣就是撒一次網（算出一個區間）。95% 說的是這種撒網方法，大約每 100 次有 95 次會網到魚。不過這個比喻有一點不像：真的撒網，拉起來就知道有沒有魚；信賴區間算出來以後，永遠沒辦法確認這一次有沒有涵蓋真值。
六組怎麼接起來，做題時怎麼用
回到開頭的問題：看到一個統計數字，它說了什麼、沒說什麼？前三組教你看清楚數字在描述什麼，後三組教你判斷從樣本推論出去的結論能信到哪裡。兩半是接起來的：
標準差描述資料散得多開（第二組），Z 值再用標準差把一個數值換成「離平均幾個標準差」的相對位置（第三組）。中央極限定理說明樣本平均的分布會接近常態（第四組），而且樣本愈多，樣本平均散得愈小，這個分散程度叫做標準誤。有了這兩點，檢定和信賴區間才能借用常態分布與 Z 值來計算。
所以 1.96 會同時出現在兩個地方：在第三組，它代表前 2.5% 的位置；在第六組，它是 95% 信賴區間的臨界值。以大樣本的平均數雙尾檢定來說，α = 0.05 的檢定和 95% 信賴區間用的是同一個臨界值，結論也會一致：區間沒有涵蓋 H0 主張的數值，就等於在 α = 0.05 下拒絕 H0。
做題時，可以先從題目的描述判斷它在問哪一類問題：
| 題目出現的描述 | 先判斷什麼 | 對應的概念 |
|---|---|---|
| 少數極端值、要描述「一般」水準 | 平均數會不會被拉走？ | 中位數 |
| 長尾往右、薪資或房價 | 分布往哪邊歪？三個量數的大小順序？ | 右偏，平均數通常最大 |
| 穩定性、分散程度 | 要看中心，還是看離散？ | 標準差、Cp |
| 兩組資料尺度差很多 | 直接比標準差會不會被尺度誤導？ | 變異係數 |
| 樣本平均、重複抽樣 | 問的是母體，還是樣本平均的分布？ | 中央極限定理 |
| p 值與顯著水準 | p 值是在什麼前提下算出的機率？ | 拒絕或不拒絕 H0 |
| 偽陽性、偽陰性 | H0 的實際狀況與判斷結果各是什麼？ | 型一錯誤、型二錯誤 |
| 樣本太少、怕檢定不出來 | 效應存在時，抓得到的機率有多高？ | 檢定力 |
| 95% 信賴區間 | 95% 描述的是方法，還是這一個區間？ | 頻率學派的解讀 |
做錯題時，可以對照這張表檢查自己是哪一步判斷錯：是認錯了題目在問的類型，還是知道類型、卻把結果解讀過頭。統計在中級科目二裡的位置，可以回到〈中級科目二怎麼讀？〉的學習地圖；迴歸報表裡的 p 值怎麼讀，可以接著看〈Python 題看不懂？〉的第五題。
讀完試試看
某份報告寫：「新教材的檢定結果 p = 0.20，大於 0.05，證明新教材沒有效果。」這句話哪裡有問題？
想好再往下看。參考答案：p 值大於顯著水準，只代表「沒有足夠證據拒絕 H0」，不等於證明沒有效果。也可能是樣本太少、檢定力不足，所以就算效果存在也測不出來。
本文情境與數字為自編練習題改寫，非 iPAS 官方試題或教材。正式評鑑範圍與最新規則，請以AI 應用規劃師官方專區公告為準。