醒悟

Vendredi 30 Novembre 2012

當我面對自己的傷痛的時候
心愛的他正從事自己熱愛的活動
無論如何的發出訊息
總是沒有回應

我知道
心愛的專注自己無暇他顧
在他的心目中
有他認為的很重要很重要的事是我無法取代的

就在那猛然的一刻
妳忽然醒悟了
有些事
是無論如何也無法改變的
妳是無法改變一個既定的事實的

傾訴心事的部落格

Vendredi 30 Novembre 2012

有很多事沒辦法說的時候
向自己的部落格傾訴

我的蘭花
手機
筆電
代表的其實都是同一件事

年紀增長
才開始真正感受到找到真愛的幸福
同事結婚
懷孕有喜
我真真切切感受到那一分喜悅
因為她(他)們很真誠的分享給我感受

也許
因為我也曾真真正正感受過真愛的緣故罷

疲累的一天，愧對老師的一天

Jeudi 29 Novembre 2012

一整天都好愛睡啊
一段時間總有個一兩天會如此
哎
假沒了
只好努力爬起床
沒有偷懶的權利

晚
上非營利組織
電梯門一開
天呀
遇見指導老師
face to face
連閃躲的空間都沒有
啊
真的想找個角落地洞鑽進去啦

我已一個月沒和老師通信了
之前準備量化
更之前公訓上課
現在準備非營利的報告

我都不知道還能再找什麼藉口了呀

其實
就是
不知道怎麼寫啦^^

learning English's English

 Mercredi 28 Novembre 2012

和國中同學在facebook上說話很有趣
緣於對故鄉的眷戀吧
希望真誠的和大家交流

因此也學習很多
知道很多自己世界以外的事

我覺得自己的改變
不太在乎與己無關的事了
重心放在自己身上
因此可以專注可以聚焦
自己care 的事才會關心
其餘一概擾不了我
也漸漸把自己認為重要的事擺第一位
其餘let it go

也會表達自己想要的是什麼
不會以別人的需要為需要
因為每個人需要的不同
每個需求都是不可被輕忽的

啊！說了老半天
今天的題目要表述的是
我學的是英國的英語
英式英語啦
老師from UK
就是那種有很formal有很不formal(unformal)的句子啦
但總之
他希望我們不要學的是Chinglish
要學的是正統的English才好

核心的交會

Mardi 27 Novembre 2012

喜歡OS大師這麼美的形容
這樣
當愛產生
生命便滿足了

所謂滿足
意謂不再欠缺
從此
妳覺得滿足於生命
然後
妳深深感覺到神蹟

然後
心中只有感謝

respect

Lundi 26 Novembre 2012

OS大師說
當妳感覺有一個美麗的生物經過時
妳就會想回頭再多看一眼
那就是respect的真義
re
spect

respect翻譯成尊敬
是尊敬的意思

真正的尊敬
就是讓人想回頭再看妳一眼

這真是對尊敬最好的詮釋了

瞭嗎

我喜歡對尊敬這樣的定義

這美麗的生物
包括可能是一個男性

活該的寂寞~20121012聯合報D3 from 薇達

Dimanche 25 Novembre 2012

作者是個女生
我覺得文章中有幾句話值得一記:

有一個男生和作者說
「我覺得妳該停止一些手上的動作
例如跳舞
例如閱讀
妳完全沉浸在裡面
完全與這個世界脫節
這樣是不對的」

作者的女朋友對她說
「妳這個人活該寂寞」

作者自己說
「而我如今的寂寞
是不是
寂寞是不是
我依然渴望有一天
你會走進我的小小空間
我們在我的小小空間或你把我帶到你的小小空間我們一起生活
寂寞是不是
我必須壓抑渴望
寂寞是不是無論我再如何壓抑卻依然渴望有一天你會走進我的小小空間
我們在我的小小空間或你把我帶到你的小小空間
我們一起生活」

哎

看了後
笑一笑

準備非營利組織的課堂報告

Samedi 24 Novembre 2012

第一階段的量化期中考過了
公訓的測驗也過了
接著
要準備本學期非營利組織的課堂報告了

今天
下午還是如常至雲門練舞
下課後就會至中正紀念堂大中至正門對面的國圖找資料
雖然老師說只要word檔導讀就可
但同學們個個作了精美的pp簡報檔呈現
我也不可免啦

我的題目和宗教性非營利組織有關
探討四個宗教組織的個案考察

對自己的期許:
希望作出完整的報告
作出有深度的導讀

facebook的感想

Vendredi 23 Novembre 2012

真正的感覺到重量
曾想自己可擔此重任嗎
至行天宮表達疑慮
答案是肯定的
但是要邀請同伴幫忙

同伴已有人選
但
我要怎麼開口呢
在此時

回到家
可以休息了
像pau說的
最幸福的事
可以放空

用歌曲表達心意

Jeudi 22 Novembre 2012

這是再次貼文的表達方式
我用聯結一首我和同學一起唱的歌來表示我的心意
希望再次和同學們在一起

考糟了的量化

 Mercredi 21 Novembre 2012

心情變得有點糟
有一題是後半段自己沒看熟的
翻了老半天的書本
寫得不知所云

時間怎麼就到了呢
交卷時
最後一題簡直是等於沒回答

昨天是我寫日記以來
空白的一天
一來是因為拼量化考試
二來也是因為成立facebook國中社團遭遇一些問題
讓我花時間和同學溝通
也花時間想了一些問題

又是一個想你的夜

Lundi 19 Decembre 2012

我有很多事情要作
我必須緊湊的分配時間
眼前有急迫的事
我就須放下一些較次要的事

在這樣的時間的間隙中
你
總是在分分秒秒中進出我的時空
我
想你

功課來到感覺沉重的時候
因為時間排滿了
好不容易才可以挪出空檔
等到可以看書了
我又想先滿足一下我文學的心靈
等到靈魂覺得滿意了
時間
已晚了
身體
累了
然後覺得分給課業的時間好少
you serve your right
我對自己說

親愛的
我好想留言時寫心愛的
但我只能寫親愛的
只能心裡說心愛的

今晚
我不知能否再唸書
我積累太多分量
而
白天
我必須將時間給公務
我多希望
成績一直是這麼優秀啊
多希望交出的是一張漂亮的成績單啊

心愛的
你能懂嗎

還是想念你

Dimanche 18 Decembre 2012

今天寫了一大堆的筆記
來到晚上
漸漸夜深
功課還沒完成

我卻開始想你
似近實遠
你這麼沉默
讓我難以捉摸
你有真的關心嗎

我以為我忘了
其實沒有
就像火苗
以為熄了
只是以為

夜深
你在作什麼呢
有想我嗎

Quantitative note 18~間斷隨機變數的期望值與變異數

Dimanche 18 Decembre 2012

Q:何謂期望值Expected Value?~不斷的進行多次的實驗，預期會發生或觀察的到的數值或結果
                                                     ~隨機變數的平均數
                                                     ~是該隨機變數的各個隨機變量以其發生之機率為權數的加權平    
                                                        均數
                                                     ~長期實驗中，預期會發生的數值  

間斷隨機變數的期望值

         n

E(X)=μ=Σx_if(xi)

          _i=1

式中:X為間斷隨機變數，f(xi)為機率函數

由上式可知，期望值E(X)是各變量與其相對應的機率之乘積的總和
亦即，如要求出間斷隨機變數的期望值，我們必須將它的每一個變量xi乘上與該變量相對應的機率f(xi)，然後加總
該期望值即為母體平均數μ，因f(x)代表母體各變量發生的相對次數

例.
「預期」每天要處理幾件交通事故?(處理交通事故件數的期望值)
交通分隊已經知道各個交通事故處理件數的機率分配，那麼現在可以估算一下未來每天「預期」的交通事故處理件數
Q:問未來「預期」每天應處理的交通事故件數為何?
A:這個「預期處理件數」，就是隨機變數的期望值，我們可以根據下表的機率分配，將各個隨機變量乘上相對應的機率
E(X)=0*0.37+1*0.31+2*0.18+3*0.09+4*0.04+5*0.01
       =0.31+0.36+0.27+0.16+0.05
       =1.15

求出數值之後最重要的是詮釋~「預期」每天要處理1.15件交通事故

隨機變量x           率函數f(x)           xf(x)

        0                      0.37                  0                        

        1                      0.31                  0.31                         

        2                      0.18                  0.36                       

        3                      0.09                  0.27                        

        4                      0.04                  0.16                        

        5                      0.01                  0.05                        

      合計                 Σ=1.00             Σxf(x)=1.15

滿足機率不為負，不大於1的2個條件

期望值定義時，允許每次的機率(數值)不同
平均值為1/n

間斷隨機變數的期望值與變異數

變異數=平均平方離差值

                      n
V(X)=σ²=Σ(xi-μ)²f(xi)  i=次數

          _i=1

或V(X)=E[(X-μ)²](重要)★

                                        n

計算公式:V(X)=σ²=Σxi²f(xi)-μ²=E(X²)-μ²

                 i=1

標準差σ=√σ²

例.
丟二個硬幣，X為其出現正面次數，試求其期望值與變異數

E(X)=0*1/4+1*1/2+2*1/4
   =1


            n
V(X)=Σ(xi-μ)²f(xi)=σ²  i=次數

     _i=1

     n                                    n
=Σ(xi-1)²f(x)= Σxi²f(x)-μ²=E(X²)-μ²=[E(X²)-E(X)²]
 i=1         i=1
=(0-1)²*1/4+(1-1)*1/2+(2-1)*1/4
  
= 1/4+0+1/2
=1/2

Quantitative note 17~間斷隨機變數的累加機率函數

Dimanche 18 Novembre 2012

現在交通警察關心的不僅是每天交通事故次數，而且也關心每天交通事故少於等於3次的機率，那麼，他們除了求取各個交通事故的機率分配外，並且必須求各交通事故的累加機率函數cumulative probability distribution，

間斷隨機變數的累加機率函數(cumulative probability distribution)~由可能的最小變量到xi的機率大小

F(X=xi)=F(xi)=P(X≦xi)=f(x1)+f(x2)....+f(xi)
本式表小於等於xi隨機變量的累加機率為小於等於xi的各隨機變量的機率的總和

F(X=xi)的F要大寫表示累加機率函數
f(x)=f(x1)+f(x2)....+f(xi)小寫表各隨機變量

累加機率函數F(x)的特性
1.F(x0)=0  x0＜X1
2.F(xn)=1
3.如果xj≧xi,則F(xj)≧F(xi) 
4.f(xi)=F(xi)-F(xi-1),xi-1為xi的前一個變量，xi-1＜xi
上面1.式表示，小於起始點的累加機率=0

2.式表示，累加大最大值Xn時的機率=1
3.式表示，如果第j個隨機變量大於等於第i個隨機變量，則第j個的累加機率大於等於第i個的累加機率，換言之，累加機率函數為一非遞減函數nondecreasing function
4.式則表示某變量的機率可以該變量的累加機率減掉前一個變量的累加機率而求得


例.一天處理件數等於3件或少於3件的機率為何?

隨機變量x           相對次數        機率函數f(x)      累加機率函數F(x)

        0                      0.37                  0.37                        0.37

        1                      0.31                  0.31                        0.68 

        2                      0.18                  0.18                        0.86

        3                      0.09                  0.09                        0.95

        4                      0.04                  0.04                        0.99

        5                      0.01                  0.01                        1

      合計                 Σ=1.00             Σf(x)=1.00

滿足機率不為負，不大於1的2個條件

依

F(3)=P(X≦3)=f(0)+f(1)+f(2)+f(3)=0.37+0.31+0.18+0.09=0.95

F(5)=1

結果可得，交通分隊處理交通事故件數等於3件或少於3件的機率為0.95

Quantitative note 16~間斷隨機變數的機率函數

Dimanche 18 Novembre 2012

間斷隨機變數的機率函數:
間斷隨機變數X,隨機變量為x1,x2,.....xn，對應xi的每一數值有唯一之機率與之對應，該機率值表為f(x=xi)或f(xi)，並滿足下列兩個條件:
0≦f(xi)≦1

 n

Σf(xi)=1

_i=1

_{即機率不為負，不大於1}

_則f(x)為X之機率函數或稱機率分配

P(a≦X≦b)=Σf(xi)

            _xiε(a,b)

ε=屬於
f(xi)的f要小寫

例.

隨機變量x           相對次數        機率函數f(x)

        0                      0.37                  0.37

        1                      0.31                  0.31

        2                      0.18                  0.18

        3                      0.09                  0.09

        4                      0.04                  0.04

        5                      0.01                  0.01

      合計                 Σ=1.00             Σf(x)=1.00

滿足機率不為負，不大於1的2個條件

P(3≦X≦5)=Σf(xi)

            _xiε(3,5)
=f(3)+f(4)+f(5)

=0.09+0.04+0.01

=0.14

Quantitative note~15~單一間斷變數的機率分配

Dimanche 18 Novembre 2012

機率分配probability distribution~各個變量的發生機率(或相對次數)的分佈情形
亦即間斷隨機變數在各個變量發生的機率之謂
在得知其機率分配後，可預期各變量發生的機率
以及隨機變數在某一值域內發生的機率

相對次數~X為某數值的次數/總次數

一元間斷隨機變數是探討各個變量的發生機率的分配情形
包括期望值、變異數等

單一間斷隨機變數的機率分配是表示，間斷隨機變數的各個變量的發生機率(或相對次數)的分佈情形

例.Q.
交通警察處理交通事故件數的機率分配
2007年臺灣地區交通事故共發生163,971件，其中死亡人數2,573人，受傷人數216,927人，交通事故的發生最主要是駕駛人的疏忽所致，交通事故不僅導致人民生命財產的損失，也使得處理交通事故的警察忙碌不堪，警察局或分局、交通(大)隊凡有民眾報案，不論案情大小及報案人身份為何，應即指令就近分駐(派)出所、交通分隊派員赴現場處理，現假設大安交通分隊想瞭解去年處理交通事故的情形，也就是想瞭解處理件數的機率分配，問如何進行?
A.
首先令隨機變數X為每天處理交通事故的件數，根據過去一年的資料，利用相對次數的概念，求得各個處理件數(隨機變量)的機率分配，由此機率分配來觀察處理交通事故的分配情形，並估計未來每天可能的處理件數
(資量來源~虛擬)

表~交通事故的次數分配
                      A                        B
1.每天交通事故件數            相對次數
2.                  0                          0.37
3.                  1                          0.31
4.                  2                          0.18
5.                  3                          0.09
6.                  4                          0.04
7.                  5                          0.01
8.                合計                      1.00

其次，由於母體資料的相對次數為理論或實際的機率，因此前表的相對次數表可以寫成如下表的一個機率分配表，表中的f(x)表示隨機變數X為某特定值的機率，稱為間斷機率函數，例如X=0的機率為0.37，以f(0)=0.37表示之，X=1，其機率為0.31，即f(1)=0.31，由上表可知各個交通事故的機率，亦可以下表方式表示


表~交通事故的機率分配
          A                        B                     C
1.隨機變量x           相對次數        機率函數f(x)
2.        0                      0.37                  0.37
3.        1                      0.31                  0.31
4.        2                      0.18                  0.18
5.        3                      0.09                  0.09
6.        4                      0.04                  0.04
7.        5                      0.01                  0.01
8.      合計                 Σ=1.00             Σf(x)=1.00

Quantitative note~14~間斷隨機變數discrete random variable 及其常用的機率分配probability distribution

Dimanche 18 Novembre 2012

隨機變數的種類
隨機變數依其數質的特性可區分為間斷隨機變數discrete random variable，與連續隨機變數continuous random variable兩種

間斷隨機變數(或不連續隨機變數)
隨機變數的變量其個數是有限的，或個數無限但但可數的

隨機實驗                                          隨機變數                隨機變數X可能的值
1枚銅板擲兩次                                出現正面的次數     0,1,2 
抽取10個蘋果檢查其品質               不良品的個數         0,1,2,.......,10
購買手機顧客的性別                       性別                       0為男性，1為女性
出售的腳踏車數                              銷售量                    0,1,2,............
交通警察一天處理車禍的件數      車禍件數                  0,1,2,............

連續隨機變數
隨機變數的變量其個數為無限且不可數的，通常以一個區間來表示


隨機實驗                                    隨機變數            隨機變數X可能的值
詢問陳先生的月薪                     薪資收入            x≧0

觀察醫院病人候診時間             等候時間             x≧0
抽取一家電腦廠的年生產量      產量                    x≧0
抽取1,250ml瓶裝汽水                 汽水容量ml        0≦x≦1,250

隨機變數可依變數的個數分為單一隨機變數、二元隨機變數及多元隨機變數

單一隨機變數:當變數的個數只有一個時，如投擲銅板，令X為出現正面的個數，此時變數只有1個

二元隨機變數:當變數的數目為2個時，如抽取一個員工，令X為其薪資，Y為其工作年資

多元隨機變數:當變數的數目為3個以上時，如前例，抽取一個員工，令X為其薪資，Y為其工作年資，男女性別為Z，學歷為D

Quantitative note~13~間斷隨機變數discrete random variable 及其常用的機率分配probability distribution

Samedi 17 Novembre 2012

間斷隨機變數discrete random variable 
機率分配probability distribution

隨機變數 random variable的意義與種類
隨機變數:隨機實驗中對應樣本點的實數值函數~隨機不是偶然或隨意而是長期裡才會出現的規則

與實數相對的是虛數√-1

隨機實驗的例子?
~不確定因素的存在，例如:丟銅板
~出現「正面」的個數為x,則x為隨機變數，x=0,1,2 為隨機變量

隨機變數一般以大寫英文字母X表示，隨機變數之所有可能出現的數值稱為隨機變量，以小寫英文字母x表示，例如擲一枚銅板兩次，其結果有4個樣本點(正,正)、(正,反)、(反,正)、(反,反)，令X為出現「正面」的個數，則x=0,1,2,X就是隨機變數，0、1、2即為隨機變量

隨機變數是指其變量x的發生是「隨機」的，而所謂隨機是指各變量的發生是「隨」著(根據、依循或服從follow)某一「機率」而發生
如投擲一枚銅板兩次，出現正面的個數X為一隨機變數
只要銅板無偏，其各個變量0、1、2的出現(發生)機率就會服從1/4、2/4、1/4的機率
亦即隨機變量的發生不是百分之百的確定，而是隨著某一機率而發生

隨機變數與一般(非隨機)變數不同，一般變數的各個數值的發生是確定的，而不是依某一機率發生
換言之，一般變數的值是選定好的，並非隨機的

隨機變數有些是質的變數，如性別、科系；有些是量的變數，如年齡、身高
隨機變數的值並不確定，可用計算機率的方法去求各數值發生的機率

樣本空間S(Sample Space)
丟兩個銅板(正,正)、(正,反)、(反,正)、(反,反)~樣本空間S
(正,正)表示其中一個樣本點
設隨機變是出現正面的次數，則其數值為0、1、2
機率f(x)為1/4、2/4、1/4
X=0、1、2
f(x)=1/4、2/4、1/4
f(x)為X之機率函數，或稱機率分配

相對次數=X為某個數值的次數/總次數

最近功課好趕喔

Vendredi 16 Novembre 2012

除了公訓的考試今天考~我只希望能過就好

接下來就是量化的考試

接下來就是要提proposal了

最近很困頓
很困很頓
看不到進展

急~

過度興奮

Jeudi 15 Novembre 2012

所以上完課回來就知道慘了
已經好多小時沒睡
眼睛快閉上了

gone with the wind

 Mercredi 14 Novembre 2012

看這部片的時候
真的不是很喜歡劇中的女主角
雖然費雯麗多麼有名氣

但是
隨著年歲增長
我卻經常用著她在劇末說的話
當一切看似已陷入絕境時
還是不要忘了
"先睡一覺，有事明天再說罷"

擔心自己

 Mercredi 14 Novembre 2012

有點擔心現在自己的狀況
以著這樣的狀況如何走下一步?

本週受訓的課程結束了
要考試了
我一點點想唸書的心都沒有
下週北大要考期中考
我還有一半的教材沒唸
而我只是一逕的擔心
卻遲遲沒有拿起書本
老師給了我功課了
我也下定決心了
可是已過了二週
我只到過國圖兩趟
可說完全沒有進度

我擔心自己
受傷的小獸一般
渾然失去雀躍的心情
該如何健康的再繼續?

無心的愛

 Mercredi 14 Novembre 2012

聽說"受"這個字很有名
因為它是無心的愛

愛已無心

可是我有另一種解釋
自始至終
我就是無心的愛
沒有心機的愛
無心的愛

因為無心
所以不想玩弄玄虛
隨緣
用最純然的一面見面

因為
我也知道老天爺愛捉弄人
我惟一能作的
就是面對自己的時候無愧
我可以掩藏
我可以假裝
可是我不願
我要誠實的面對自己
因為我知道我可以欺人但無法自欺

我遇見了
我沒辦法閃躲
這不是我預料到的
我能作的
就是承擔

作回種子?

Mardi 13 Novembre 2012

比較安全

開放
後果難測

迎接風雨
是必經的考驗?

結果?
未定之天

比較安全
作回種子?

取?
捨?
由我的胃決定?

因為
胃開始騷動

好像
只有我是不顧一切往前?
我可以找到另一隻52赫茲的鯨?

有限的時間

Lundi 12 Novembre 2012

時間一直逼近
覺得時間不夠用
再過幾天要考試了
都還沒準備好

慘的是
雖然心裡急
但卻一點使不上力
因為沒動力
只想休息
而且擔心唸這科就耽誤那一科

哎

像現在
我就好想睡

到底
到底
我長大了沒呀

唸得頭昏眼花的量化

Dimanche 11 Novembre 2012

筆記一路記下來
看得我頭昏眼花
但是能懂算好的
只是速度慢一些
多演練幾次就ok
怕的是多看幾次還不懂的
那間斷隨機變數
那機率分配
那間斷隨機變數的機率函數
那期望值
那變異數
%???

閱讀進行至二項機率分配
佛心來著的老師
可能看到課堂中睜著茫然的雙眼的同學(其實應該只有我)
大發慈悲說就考到這裡好了
哇！
是否該衷心感激老師呢

還加碼放送帶電算帶筆記帶課本沒教的不考
課堂當時還沒感覺
回家複習至現在就知道可要多感謝老師了^^

Quantitative note 12~均值、變異數、標準差的home work

Dimanche 11 Novembre 2012

Home work

1.已知兩組數值分別為2,5,8,11,14和10,16,22,試求:
Ⅰ兩組各自的均值
(1)(2+5+8+11+14)/5=40/5=8 μ=8
(2)(10+16+22)/3=48/3=16   μ=16 
Ⅱ兩組各自的變異數與標準差
(1)變異數
        Population variance σ²=1/N Σ (xi-μ)²⁼ 1/N Σxi²-Nμ²  (計算公式)   
                      =1/5[(2-8)²+(5-8)²+(8-8)²+(11-8)²+(14-8)²]   
                      =1/5[(-6)²+(-3)²+(0)²+(3)²+(6)²] 

                      =1/5[36+9+0+9+36] =90/5=18~變異數=V

   σ²=18

   標準差σ=√σ²=√18=√9.2=3√2

(2)變異數
        Population variance σ²=1/N Σ (xi-μ)²⁼ 1/N Σxi²-Nμ²  (計算公式)   
                      =1/3[(10-16)²+(16-16)²+(22-16)²]   
                      =1/3[(-6)²+(0)²+(6)²] 
                      =1/3[36+036] =72/3=24~變異數=V
   σ²=24
   標準差σ=√σ²=√24=√4.6=2√6
Ⅲ兩組混合後的均值
  2,5,8,10,11,14,16,22,
     (2+5+8+10+11+14+16+22)/8=88/8=11 μ=11
Ⅳ兩組混合後的變異數與標準差
     變異數
     Population variance σ²=1/N Σ (xi-μ)²⁼ 1/N Σxi²-Nμ²  (計算公式)
  =1/8[(2-11)²+(5-11)²+(8-11)²+(10-11)²+(11-11)²+(14-11)²+(16-11)²+(22-11)²]   
  =1/8[(-9)²+(-6)²+(-3)²+(-1)²+(0)²+(3)²+(5)²+(11)²] 

  =1/8[81+36+9+1+0+9+25+121] =282/8=37~變異數=V

   σ²=42

   標準差σ=√σ²=√42

2.有10個人在某次考試中，平均分數56，標準差4，若10個人中，8個人的得分為50,52,53,54,56,57,60,61,試求其他兩個人的得分
A:
μ=56
設其2人為a與b
(50+52+53+54+56+57+60+61+a+b)/10=56
(443+a+b)/10=56
443+a+b=560
a=117-b

σ²=1/N Σ (xi-μ)^2
16=1/10[(50-56)²+(52-56)²+(53-56)²+(54-56)²+(56-56)²+(57-56)²+(60-56)²+(61-56)²+(117-b-56)²+(b-56)^2]
160=[(-6)²+(-4)²+(-3)²+(-2)²+(0)²+(1)²+(4)²+(5)²+(61-b)²+(b-56)^2]
160=[36+16+9+4+1+16+25+(61-b)²+(b-56)^2]
160=107+3721-122b+b²+b²-112b+3136
0=6804-234b+2b²
0=3402-117b+b²
√3402≒58.33,退位=58
a=117-b≒58.67進位=59

Quantitative note 11~相對分散度~變異係數

Dimanche 11 Novembre 2012

之前講的都是絕對分散度的衡量，單位不同即無法比較；此外，平均數差異太大亦不適合比較，此時應採用相對分散度

變異係數coefficient of variation,cv=標準差/平均數
母體: CV=σ/μ
         _
樣本:CV=s/X

以之前求平均絕對離差的例子說明


例:3,4,5,6,7          μ=母體平均數
μ=5,5,5,5,5,
x-μ=-2,-1,0,1,2
Σ=0

|x-μ|=2,1,0,1,2  |x-μ|=絕對離差  
Σ |x-μ|=6
Σ|x-μ|/μ=6/5=1.2=平均絕對離差

(x-μ)²

⁼(2,1,0,1,2)²

^=4,1,0,1,4

Σ(x-μ)²=4+1+0+1+4=10

變異係數coefficient of variation,cv=標準差/平均數
=σ/μ=√Σ(x-μ)²/5=√10/5除μ=√2/5

Quantitative note 10~標準差

Dimanche 11 Novembre 2012

標準差(Standard Deviation)
為使變異數的單位與原單位相同，將變異數開根號即得標準差
Population standard deviation = σ=√σ²

Sample standard deviation = s=√s²

成就自我

Samedi 10 Novembre 2012

這是一段幸福的時光
人生的道路上
我朝著為自己量身打造的路途前進
不為他人
不為外在
純為自己
就純粹是為自己
為成就自己而付出
而還有人願意指導妳
指導妳就是成為妳自己

我的論文一直在虛無飄渺間
就為了自己的社會關懷人道主義
有人願意為妳釐清
這個成果最後會回歸自己
難怪有人稱指導老師為恩師
對於一個讓妳重生再造的人
這難道不是一個多麼大的恩情嗎
不是應該滿懷感恩感激嗎

同樣的
為了熱愛舞蹈
在這條路上茫然的摸索
曾說只要有像螻蟻一般長度的長進我就非常心滿意足了
而持續的轉圈墊腳尖伸手舉臂
無目的的練習之間
身段開始柔軟
動作開始有舞蹈的旋律韻味
當老師說拋開技巧
找出妳自己身體的旋律
我卻傻了
所有人與樂音一起共舞
我卻在試著與身體對話時不知該如何舞蹈
我和老師說
我可以把我練過的動作作出來~以著我多年習得的動作
但是這與拋開技巧用自己身體的旋律舞蹈的要求就不吻合
我試著拋開一切聆聽身體
但我的體內好像沒有旋律
勉強用自己的旋律那我只有三招半式
~放掉力氣一個動作-蹲下
~用力二個動作-站起、舉臂
老師說不會的
把妳自己想要跳的動作作出來
身體會帶領妳
我說就是亂跳嗎
可以這麼說
可是我的亂跳卻可能毫無美感毫無章法
先把動作跳出來
就把自己喜歡的表現出來
當作旁邊都沒人嗎
可以的
當妳自己的動作出來後
再把妳之前學習到的技巧加進去
這就是妳的舞蹈
每個人練舞都會到達一個需要開發自己的階段
當新的更高的帶進來
那低的便被掩蓋
對於慣性則要察覺
至少可以覺察觀照出自己的慣性

老師給了我一個好大的方向
一個可以窮盡一生無止盡的方向
朝著這方向
妳眼見眼前是一望無盡的前景
這前景可以延伸延伸漫無止盡的延伸
延伸到直到永恆

再敘物換星移緣起緣滅

Samedi 10 Novembre 2012

常常
我的直覺很準
之前提到服務科室人員的變動
之後一一實現

今天自國圖出來後
揹著背包
沿著中正紀念堂圍牆在一片暈黃路燈下浪漫悠遊的走著時
忽然一個念頭閃過
告訴我應該珍惜此時這樣悠然閒適的時光
此時我可以漫步
可以從容
可以挪出時間唸書研究運動
未來這樣的日子不知是否仍然可以持續?

因為
未來職務可能變動
如果責任加重
適必全力於工作上
被工作壓得喘不過氣來
那時那可能還可以如此從容閒適?

物換星移緣起緣滅
所有的變動很可能都緣於一瞬間
教人猝不及防
妳又怎知下一刻這樣的變動什麼時候會發生呢

今日中正紀念堂的天空

天好藍

心情好自由

遠方的天邊

仰頭天空是朵朵白色的雲朵

自由瑰麗的天空

自由廣場牌樓

對面是國圖

步出國圖燈光已亮

我很少這麼晚步出國圖

也很少這麼晚燈光如此輝煌下看自由廣場

候車亭燈光閃亮

我搭車的地方

智慧型的交通資訊告示

臺北市的市民在交通方面真的較其他縣市幸福很多

夜晚的臺北街頭