搜尋結果
2018年2月27日 · 快速查詢，你的密碼安全嗎？ 如果你對於自己的密碼是否外洩感到有疑慮的話，不妨來試試看我今天介紹的這個網站吧。 這個網站名稱叫做 「Have I been pwned？
2017年4月10日 · 最方便的一眼檢查！ 醫生教你從「尿液」看出自己的健康狀況. 吳其翔 2017-04-10. 《VO》導讀：在日常生活中，我們要怎麼知道自己的健康狀況呢？ 其實去一趟廁所就可以了喔！ 把醫生傳授的這幾招學起來吧. 「我的尿尿有泡泡，醫師，我是不是有腎臟病？ 」在門診中常遇到很多民眾憂心地詢問，其實這些人多半是沒有什麼問題，因為尿尿時由於膀胱內外壓力的改變，加上解尿位置比較高（尤其男性），尿液沖到便池激而產生泡泡，若尿液的尿素濃度愈高，表面張力就愈高，所產生的泡泡就愈多。 不過確實從我們的尿裡，就可以看出很多健康問題。 其實我們都會建議民眾要經常觀察自己的尿！ 1.首先，是尿的「顏色」
2014年9月11日 · 不肖上游食品原料業者可以拿「政府的認證」玩花招，遊走法令的模糊地帶、下游食品「大」廠的檢測也時常「失靈」，1979 年米糠油中毒事件，2 千多人中毒受害；1985 年餿水油提煉成食用油，10 年賣出 220 萬公斤；2013 年食用油掀造假風波，業者賺進
2024年4月29日 · 這項行政令要求，美國最強人工智慧系統的研發人員需與政府分享其安全測試結果及其他關鍵資訊；完善相關標準和測試工具，確保人工智慧系統安全、可靠；制定嚴密的合成生物檢查新標準 ，防範使用人工智慧設計危險生物材料的風險；建立檢測 ...
- 不應該只因為 p 值超出顯著性水準，就認定實驗結果沒有差異或關聯
- P 值到底是什麼？
- 假設檢驗：藉由 p 值決定是否接受虛無假設
- 常態分佈：可用 3Σ 法則檢驗數據有效性
- P 值：數據是否支持虛無檢設的檢驗數字
- 統計顯著性：決定是否要推翻虛無假設
發佈這篇文章的三位統計學家，分別是瑞士巴塞爾大學的動物學教授 Valentin Amrhein，加州大學洛杉磯分校的流行病學的統計學教授 Sander Greenland，伊利諾伊州埃文斯頓西北大學的統計學方法學家和行銷學教授 Blake McShane。 他們提出：「我們永遠不應該僅僅因為 p 值大於 0.05 之類的閾值而得出『沒有差異』或『沒有關聯』，或者等價，因為信賴區間包括零。我們也不應該斷定兩項研究之間存在衝突，因為一項研究結果具有統計學意義，另一項則沒有。這些錯誤會浪費研究工作並誤導政策決策。」 （註： α 顯著性水準，是接受或拒絶原假設的機率分界點，如果 p<α，就認為在 1-α 的信賴水平下，樣本觀測值與總體假設值之間的差異是顯著的，因而不能接受原假設，即拒絶原假設。 大家...
猶記得當我作為暑期學生在歐洲核子研究中心進行第一次海外實習時（註：歐洲核子研究中心，法語為 Conseil Européenn pour la Recherche Nucléaire，簡稱 CERN，位於瑞士日內瓦西部接壤法國的邊境，是世界上最大的粒子物理學實驗室，同時也是全球資訊網的發祥地。最近以探測到「上帝粒子」—希格斯玻色子（Higgs boson）而為大眾所熟知），那時候大多數人還在談論著希格斯玻色子的發現，即使已經確認希格斯玻色子的發現滿足 5 個標準差閾值。（即 p 值為 0.0000003） 然而，那時候我對 p 值、假設檢驗甚至統計顯著性都一無所知。接下來的事你猜對了。我 google 了 p-value 這個詞，看了維基百科後我卻更困惑了…… 所以 p 值的真正含義是什麼呢...
在討論 p 值的含義之前，讓我們先理解假設檢驗吧。p 值是用於確定我們結果的統計顯著性的，而我們的最終目標就是要確定我們結果的統計顯著性。 統計顯著性是建立在下面這三個簡單的概念上的： 假設檢驗是用來檢驗利用樣本數據所得到的虛無假設（null hypothesis）是否符合總體特徵。對立假設（alternative hypothesis，也稱研究假設）則是當虛無假設被認為是錯誤的時候你需要接受的假設。 換句話說，我們首先要建立虛無假設，然後用樣本數據檢驗虛無假設是否成立。如果不成立，那我們就接受對立假設。就這麼簡單。 為了判斷虛無假設是否成立，我們需要用 p 值來衡量它的統計顯著性。如果數據更傾向於支持對立假設，那我們就拒絶虛無假設，接受對立假設。這將在後面的部分中進一步解釋。 讓我們用一個...
常態分佈是一個用來描述數據分佈特徵的機率密度函數，常態分佈有兩個參數：平均值 μ 和標準差 σ。平均值描述的是數據分佈的集中趨勢，它決定了常態分佈的峰值位置；標準差描述的是數據分佈的離散趨勢，它決定了這些值與平均值的距離。 常態分佈通常與 68-95-99.7 法則（即 3σ 法則）聯繫在一起。（如上圖所示） 68% 的數據在平均值的 1 個標準差內 95% 的數據在平均值的 2 個標準差內 99.7% 的數據在平均值的 3 個標準差內 還記得我在開頭談到希格斯玻色子的發現時，提到的 5 個標準差的閾值嗎（”five sigma”threshold）？ 5σ 是指 99.9999426696856% 的數據都能夠證實確實發現了希格斯玻色子。這是一個嚴格設置的閾值，以避免任何潛在的錯誤信號。 ...
終於說到了 p 值！之前的那些內容只是一個鋪陳，現在有請我們的主角— p 值登場！但是，為了理解這個神秘的 p 值，以及它是如何應用到假設檢驗中去的，你們還是不能把先前說到的那些還給我。 如果你還記得上面的內容，那麼恭喜你，接下來你讀到的會是這篇文章中最精采的部分。這裡，我們不用維基百科所給出的關於 p 值的定義，而是用我們之前提到過的披薩配送時間！ 回想一下，我們曾為了檢驗平均配送時間是否大於 30 分鐘，而隨機抽取了一些披薩配送時間。如果最終結果支持披薩店的說法（即平均配送時間不多於 30 分鐘），我們就不推翻虛無假設；否則，就拒絶它。 在這裡 p 值就派上用場了：我手頭這些數據足以說明披薩配送時間不多於三十分鐘，即虛無假設是正確的嗎？而 p 值正是用機率回答了這一問題。p 值越小，證據...
最後，我們將此前提到的所有內容放在一起，並檢測結果是否具有統計顯著性，只有 p 值是不夠的，我們還需要設置一個閾值（又叫做顯著性水平 α）。每次實驗之前都應該預先設置好 α 以防偏差。如果觀察到的 p 值小於 α 值，那麼我們就認為結果具有統計顯著性。通常我們將 α 值設定為 0.05 或 0.01（這個值的設定取決於你所要研究的問題）。 如前所述，假設實驗前我們就把 α 值設定為 0.05，因為 p 值為 0.03，低於 α 值，所以我們認為所得到的結果具有統計顯著性。 為了方便參考，下面列出整個實驗的基本步驟： 不可否認的是，p 值本來就讓很多人困惑不已。作為一名數據科學家，Admond Lee 也是花了很長時間才真正理解了 p 值的含義以及如何將它應用到決策過程中去。但是不要過度依賴 ...
2024年4月8日 · 只要下載 Whoscall，用戶即能在 App 首頁中免費啟動偵測功能，依循引導流程操作 30 秒內即可完成查詢步驟。 用戶僅要輸入手機號碼並通過 OTP 簡訊驗證，Whoscall 即能從以該號碼為查詢基礎，偵測過往的外洩紀錄，以及是否有相關帳號、密碼、姓名、地址與 Email 也於同次外洩事件遭到外流或在非法場域中受到兜售，皆能一目瞭然，最後 Whoscall 也會引導用戶針對外洩的個資項目進行補救建議。 面對個資外洩所帶來的風險，不只是財務損失，也可能影響到人身安全。 Gogolook 消費者防詐事業群總監劉彥伯指出：「這次的新功能將讓 Whoscall 不只能夠被動預防詐騙，而是在詐騙來襲前主動預警並加強防範。
2019年3月7日 · 總而言之，從網站結果看來台灣人用注音輸入法設定的密碼，看似複雜但安全性極低。 因此勸告用用注音輸入打自己名字當密碼的網友趕快改改吧。 參考資料來源：
