歡迎來到估計的世界！
你有沒有想過，科學家是如何在不捕捉每一條魚的情況下，就知道巨大湖泊裡有多少條魚？又或者新聞頻道是如何在點算所有選票前，就預測出選舉結果？他們所使用的就是估計 (Estimation)！在本章中，你將學習如何從數據中取得一個小小的「快照」（稱為樣本 (Sample)），並利用它對「整體情況」（稱為母體 (Population)）做出非常明智的推測。別擔心，這聽起來可能像魔法，但其實這只是對數字的巧妙運用！
1. 估計母體特徵
估計的主要目的是利用我們對一小群體（樣本）的了解，來描述一個更大的群體（母體）。
使用樣本平均值 (Sample Mean)
如果你從母體中抽取一個代表性樣本 (Representative Sample)，那麼樣本平均值通常是母體平均值 (Population Mean)的一個絕佳估計值。
例子：如果你測量了 30 名 11 年級學生的身高，發現他們的平均身高是 165cm，你可以估計該國所有 11 年級學生的平均身高也大約是 165cm。
預測比例 (Proportions)
我們也可以利用樣本來預測比例（某件事發生的頻率）。
溫習小站：比例只是一個群體中的分數或百分比。
如果你的樣本中有 10% 的人有藍眼睛，你就可以估計大約 10% 的整體母體擁有藍眼睛。
中位數法則 (The Median Rule of Thumb)
估計特徵的一個簡單方法是使用中位數 (Median)。我們可以預測大約有一半的母體會高於樣本中位數，而一半會低於它。這是考試中常見的「估計」問題！
溫習小站：
• 樣本 (Sample)：你實際測量的那一小群體。
• 母體 (Population)：你想了解的整個群體。
• 估計 (Estimate)：基於數據所作出的合理推測。
重點總結：在公平的樣本中發生的情況，很有可能也發生在整個母體中。
2. 「標記重捕法」(Capture-Recapture)（僅限深造程度課程 Higher Tier）
如果你需要估計母體的總數量（例如野生動物），我們會使用一種稱為彼得森標記重捕法 (Petersen Capture-Recapture) 的特殊技術。
運作流程：步驟拆解
1. 捕捉 (Capture)：從母體中捕獲一群個體。
2. 標記 (Tag)：安全地標記牠們（讓牠們帶有「標籤」）並進行點算。我們稱這個數量為 \( n_1 \)。
3. 釋放 (Release)：讓牠們回到野外，與其餘的個體充分混合。
4. 重捕 (Recapture)：一段時間後，捕獲第二群個體。我們稱這第二群的總數為 \( n_2 \)。
5. 計算標記數 (Count Tags)：點算第二群中有多少個體已經被標記了。我們稱這個數字為 \( m \)。
6. 計算：利用公式求出母體總數 (\( N \))。
公式
估計母體總數 \( N \) 的公式為：
\( N = \frac{n_1 \times n_2}{m} \)
記憶法：「CTRR 助記詞」
Catch（捕捉）、Tag（標記）、Release（釋放）、Recapture（重捕）！
重要假設
為了讓估計準確，我們必須假設在理想條件下進行。在考試中，你經常會被問到是什麼原因導致估計錯誤。常見的假設包括：
• 母體保持不變（沒有出生、死亡或遷徙）。
• 標記物沒有脫落或遺失。
• 被標記的動物與整個群體完美地混合。
• 被標記的經歷不會讓動物在第二次更容易或更難被捕捉。
要避免的常見錯誤：別忘了，如果標記讓動物變得「怕捕捉」（不敢再次被捕），那麼你計算出的 \( m \) 值就會過小，導致你估計的母體總數 \( N \) 遠遠大於實際值！
重點總結：標記重捕法是基於比例原理。我們假設第二次捕獲中被標記個體的比例，與整個母體中被標記個體的比例相同。
3. 可靠性與樣本大小
估計值一定正確嗎？不一定！它畢竟只是個估計值。不過，我們可以讓它變得更可靠 (Reliable)。
「大」的力量
統計學中最重要的一條規則是：樣本越大，結果越可靠。
比喻：如果你想知道一大鍋湯鹹不鹹，只嘗一滴可能會產生誤導。喝一大勺湯能讓你對味道有更準確的「估計」！
重複實驗 (Replication)
重複實驗是指再次進行研究。如果你重複抽樣並每次都得到相似的結果，那麼你的估計就更值得信賴。如果你只做了一次，那可能只是巧合！
你知道嗎？
政治民調專家通常會訪問約 1,000 人，來估計英國 6,700 萬人的觀點。因為他們使用了大型隨機樣本，所以他們的結果通常非常接近真相！
溫習小站：
• 小樣本：容易出現偏差或受到「極端」結果的影響。
• 大樣本：更有可能反映真實的母體平均值。
• 可靠性：我們對結果一致性的信任程度。
重點總結：如果問題問到如何改進一項調查，答案幾乎總是：「使用更大的樣本大小。」
總結清單
在繼續學習之前，請確保你能：
• 在題目中識別出母體和樣本。
• 使用樣本平均值或中位數來推測母體特徵。
• （深造程度）使用標記重捕公式 \( N = \frac{n_1 \times n_2}{m} \)。
• （深造程度）列出標記重捕法運作所需的假設。
• 解釋為什麼更大的樣本能讓估計更準確。
如果剛開始覺得這些內容有點棘手，別擔心！只要記住，估計的精髓在於利用我們手頭有限的小資訊，對那些無法直接觀察的龐大事物做出最好的預測。你一定做得到的！