1

授 課 計 畫

特色：

LoRa物聯網→R大數據→多變量統計分析

智慧蛋盒- 隨時掌控家裡的蛋況: 智慧蛋盒的感應器透過物聯網裝置的傳

輸，提供數據至手機的 APP，可以在任何時間及地點都可以了解蛋的數量，及新鮮度等資訊。

智慧感應機能襪- 知道你的運動習慣及狀況: 透過襪子上面的特殊紡織感應

器經過特殊設計的導電纖維，將收集的運動數據傳輸至腳踝的智慧環，再把資料傳輸至手機 APP

或是電腦，即可分析各種運動狀況，並且改進完善運動習慣。

智慧鞋墊- 規畫智慧路線: 透過鞋墊的感應器，除了可以規劃最基本的運動

方式及定位路線功能外，還可以透過 APP的指引，設定食衣住行育樂，從社群網站、天氣預報、

新聞等等抓取資料，分析是否有天災或是塞車等，規畫最佳路徑，甚至找尋並推薦附近範圍之

最佳店家。

上述案例說明大量數字集結，物聯網 (Internet of Things, IoT) 就是"萬物聯網"將全球物件以各

樣感應器 (sensors) 連上網路， 除數據收集分析也可以回饋進行控制，例如智慧生活 (穿戴式

裝置， 智慧手環， 智慧手錶)， 智慧城市 (綠能)，智慧交通 (大眾運輸， 車載通訊)， 智慧

醫療 (居家照護)， 智慧物流 (快遞)， 智慧農業 (溫室或農場之溫溼度環境)， 智慧安全 (安

全保全監控系統), 智慧電網 (智慧電力輸送)等等。物聯網的架構主要分為三層: 1.感知層 2. 網

路層 3. 應用層。 感知層主要探討各式有線或是無線感測器 (如溫度,濕度, 光度, 陀螺儀,心跳,

血壓, 脈搏等等)將感測器收集到的數據傳送出來，改變人類有史以來做決策的邏輯，過去透過

抽樣與樣本調查，預測可能發生的事賦予管理意涵再用直覺決策。每個行動載具就如同‟母體‟

發射數據資訊，我們每個人本身就如同獨立的數據製造商創造資料量，數據龐大如同母體讓分

析者更精準預測，因此現在更必須要有專業的統計分析師。

2

多變量分析結構

SAS程式撰寫

A1回歸與變異數

-

01多變量統計概論

02迴歸分析

03單因子變異數分析

04雙因子變異數分析

05單因子共變數分析

06單因子多變量變異數分析

一般線性模式程式:

3

4

報表解讀:

5

R程式撰寫

單一樣本 t檢定

>load(“C:/mydata/chap7.RData”) #載入本例數據

>t.test(example7,mu=20) #進行 t檢定，μ=20

One Sample t-test

Data: example7

T=2.5031, df=19, p-value=2.0204

Alternative hypothesis: ture mean is equal to 20

95percent confidence interval:

20.89823 29.50177

Sample estimates:

Mean of x

25.2

單因子獨立樣本變異數分析

>model<-aov(數學成績~教學法,=data=table10) #以 aov建立模型，放入 model物件中

>anova(model) #輸出變異數分析摘要表

Analysis of Variance Table

Response: 教學成績

Df Sum Sq Mean Sq F value Pr(>F)

教學法 2 24 12 6 0.03704*

Residuals 6 12 2

6

--

Signif. codes: 0 „***‟0.001‟**‟0.01 ‟*‟0.05 ‟.‟0.1 „ ‟1

>oneway.test(數學成績~教學法, data=table10,var.equal=TURE)

#單因子變異數分析，假定變異數同質

One-way analysis of means

Data: 數學成績 and 教學法

F=6, num df = 2 denom df = 6, p=value = 0.03704

SPSS t檢定

7

各單元程式撰寫、報表解讀重點:

8

結構方程模式撰寫舉例:

9