引述 :『從範例較容易瞭解假設檢定的概念，舉例如下，便利商店經理根據財務分析，認為若顧客平均每次消費金額高於$170，發行NFC卡將可以獲利。 假設每次消費金額是常態分佈，標準差為$65。 現以400人進行取樣，發現樣本算術平均數(sample mean)為$178。 便利商店經理是否能夠推論發行NFC卡可以獲利？』

引述 :『使用區間來估計未知的母群體參數，以導出對於母群體的推論。 舉例，為了瞭解台北市民的平均月收入(假設有260萬人)，挑選其中1000人，紀錄月收入的分佈，區間估計會推論台北市民的平均月收入在50000到70000之間。』

引述 :『隨機實驗 Random Experiment 會導致得到幾種可能的結果 (outcome) 之一的行動或程序。 舉例：擲銅板，可能的結果：正面、反面。 樣本空間 Sample Space 隨機實驗的樣本空間包含所有可能的結果。這些結果必須是 exhaustive 及 mutually exclusive。 樣本空間表示為 S = {O1, O2, ..., Ok} 舉例：擲骰子的樣本空間 S = {1, 2, 3, 4, 5, 6}』

引述 :『自我選擇取樣 (self-selected sampling) 舉例來說，參與call-in民調的電台聽眾，因為對於該議題感興趣而參與調查，這是聽眾的自我選擇。 這種取樣方式幾乎總是有偏差的。』

引述 :『中位數 (Median) 把資料加以排序，落在中間的數值，即為中位數。 若有偶數筆資料，則中位數是落在中間的2筆資料的平均。 中位數的意義在於有1半的資料中位數。 和算數平均數相比，中位數的好處是，不會受到極端值的影響。 舉例來說，有5名同學成績排序為: 50, 60, 70, 80, 90，則中位數為70。有1半的同學70分。』

引述 :『區間資料 (interval data, quantitative data, numerical data) 實數 (real numbers)。 可以對區間資料進行各種運算。 類別資料 (nominal data, qualitative data, categorical data) 舉例來說，變數是班長候選人，值域為「沈佳宜」、「柯景騰」。 有時我們會為類別指定數值。以上例而言，可以指定「沈佳宜」為1，「柯景騰」為2。』

引述 :『6月份台灣各縣市YouPost分類廣告使用率前五名 第一名：台北基隆免費分類廣告　冠軍 第二名：台中縣市免費分類廣告 第三名：桃園縣市免費分類廣告 第四名：高雄縣市免費分類廣告 第五名：新竹縣市免費分類廣告、台南縣市免費分類廣告 六月份台中縣市的使用率飆升到第二名的位置，使用率甚至超過了桃園縣市，而新竹縣市與台南縣市的使用率並列第五名 YouPost免費分類廣告 http://www.youpost.com.tw/』

引述 :『如果使用統計方法，但僅僅只把統計資料視為歷史資料的一種，而依然從個人的主觀價值去分析行為與結果，並不違背奧地利經濟學派的方法論。但若將社會現象中的統計資料視為客觀資料 (*4) ，並試圖發現歷史規律的客觀存在，預測未來，那就不是社會科學，甚至不是自然科學。按照上述，則計量學者只能視為「歷史學者」，而不能視為「經濟學者」。 』

引述 :『政治言詞、廣告主張、對公共議題的辯論——數字用來證明觀點或加強論據，我們每天都遭數字圍攻。利用數據來為某個目標爭論的人，是要支持那個目標，可不見得會很小心地引用數字，甚至不一定誠實。』

引述 :『如果有一位七十歲的老人在電視上說，他就是靠每天抽一包煙、嚼一包檳榔才能長壽，請想起「死人沒法上電視說話」這件事。同樣的道理，不是那個地方長壽的老人家吃或喝某東西，某東西就是養生聖品。』

引述 :『統計學的基本功用是什麼?這個問題也許沒有標準答案，不過個人覺得統計學的核心功能是在發展可靠的『以偏概全』的變數估測方法。 民調是日成生活中最常見的統計學應用之ㄧ，民調之所以是『以偏概全』是因為調查全國人民的意向屬於龐大的工程，所以我們僅能用『隨機』的方法，『取樣』出相對少的人們來了解他們的意向，進而推估出全國人民的意向。這樣的以偏概全方法極可能會因資訊的不完整而造成誤差，至於誤差有多大就是我們必須關心的問題。很可惜的是，由於取樣過程的隨機性，我們永遠不知道誤差有多大！ 如果統計學不能告訴我們它估測結果的誤差到底有多大？那麼統計學的價值到底在哪裡？』

引述 :『瀑布中的一滴水滴，你知道它最終會流過河川、匯入大海，但是此時此刻，你卻難以精確地預測這個水滴下一秒鐘會是在河流或是瀑布中的什麼位置。這個觀察告訴了我們，我們可以看得見長期的趨勢，但是微觀的下一秒鐘，我們卻怎麼樣也難以窺見其變化，因為需要考慮的因素太多：水的流量、地形的細微變化、氣候、溫度等等都讓我們對於一個水滴走向的預測無法精準。當因素太多太多，以至於我們無法掌握時，水滴在某一個瞬間的走向對我們來說就是隨機的。我們只知道：不管這個水滴現在怎麼走，最終它會進入大海。這就是Mr. Saturday這邊想要淺談的隨機現象。隨機現象在我們生活中處處可見，而且深深影響我們的生活，很多不同科學領域的尖端研究，現在都是在對付隨機現象。研究物理的人研究到量子的層次，會發現這個穩固的世界居然是由一些隨機亂跑的粒子所堆砌而成。研究電腦科學的人，會發現隨機方法竟然可以用來設計出簡潔易懂的演算法，研究數學的人，會發現機率模型竟然可以相當程度上幫助我們做出生活中的決策。那麼隨機現象對於我們現實生活中的啟示又什麼呢？以下Mr. Saturday先舉出一個電腦科學界的例子來闡述。』