陳韻捷｜資料模擬與統計圖表
負責內容
設計 AI 模擬資料的參數、整理欄位、設定加權杯數與甜度生成規則，並建立 Chart.js 圖表。
遭遇困難
完全隨機的資料容易讓各類別分布不穩定；圖表資料格式若與標籤長度不一致，也容易出現呈現錯誤。
解決方法與收穫
使用明確的資料結構與固定亂數種子，逐一檢查圖表標籤和陣列；理解模擬規則會影響統計結果，圖表也必須和原始資料一致。
大學生手搖飲料
消費習慣之統計分析
從每週購買頻率、估計消費金額、甜度與飲料選擇出發，練習描述統計、交叉分析與卡方獨立性檢定。
組員：陳韻捷 ｜ 林芷妤 ｜ 吳宜樺
報告導覽
研究摘要
手搖飲料是許多大學生生活中常見的飲品。本專題以每週購買杯數、估計消費金額、甜度、冰量、飲料品項及性別等變數，示範如何整理資料、計算描述統計量、以圖表呈現分布，並透過性別與甜度偏好的交叉表進行卡方獨立性檢定。
本次網頁使用 JavaScript 依照預先設定的規則建立 60 筆模擬資料，並使用固定亂數種子，讓每次重新載入時的數據與分析結果保持一致，方便檢查與報告。這些資料並非實際問卷回收結果，因此本文的發現用於練習統計方法，不代表全體大學生的真實消費情形。
60
模擬樣本筆數
3
主要分析主軸：資料、消費、推論
2
核心變數群：消費行為與偏好
閱讀提醒：本專題的模擬甜度資料在生成時，已設定不同性別使用不同甜度機率，因此檢定結果不能當作獨立收集到的真實研究證據。
研究背景與動機
台灣手搖飲料選擇多元，消費者可以依照價格、口味、甜度、冰量與配料調整飲品。對大學生而言，購買手搖飲可能與課間休息、同儕社交、個人口味及生活預算有關。
因此，本組選擇手搖飲作為研究題目，透過統計方法練習如何把日常現象轉換成可分析的變數，並將原始資料整理成摘要表、圖表與統計檢定結果。
研究目的
- 描述模擬樣本每週購買杯數與估計消費金額的分布。
- 整理甜度、冰量、飲料品項與純茶／非純茶的比例。
- 練習比較性別與甜度偏好的關聯性。
- 理解統計結論的適用範圍與研究限制。
研究問題
- 模擬樣本最常出現的每週購買杯數是多少？
- 每週估計消費金額的平均值與分布為何？
- 不同性別的甜度偏好是否呈現差異？
- 純茶與非純茶、各種飲料品項各占多少？
研究範圍：本次以 60 筆模擬紀錄進行示範，不涵蓋品牌、購買地點、健康狀況、促銷活動或實際收入等未納入資料的因素。
研究方法與變數定義
研究流程
- 設定變數
定義性別、杯數、單價、甜度、冰量與品項。 - 生成模擬資料
依照已設定的機率規則產生 60 筆紀錄。 - 整理與分析
計算摘要統計、次數分配與交叉表。 - 解讀結果
進行卡方檢定，並說明限制及改進方式。
變數定義表
| 變數 | 資料型態 | 說明 | 分析用途 |
|---|---|---|---|
| 性別 | 類別變數 | 男性、女性 | 與甜度偏好建立交叉表 |
| 每週購買杯數 | 離散數量變數 | 模擬值為 1～5 杯 | 平均數、中位數、眾數、標準差、次數分配 |
| 每杯價格 | 數值變數 | 模擬值為新臺幣 40～69 元 | 用於估計每週消費金額 |
| 每週估計消費金額 | 數值變數 | 每週杯數 × 模擬單杯價格 | 摘要統計及分布分析 |
| 甜度、冰量 | 類別變數 | 甜度分四類；冰量分四類 | 偏好分布及性別交叉分析 |
| 飲料品項／茶類分類 | 類別變數 | 六種示範品項，分成純茶與非純茶 | 品項排名與類別比例 |
模擬規則
- 總筆數固定為 60，亂數種子為 2，以便重現相同結果。
- 每週杯數以加權方式生成，2～3 杯的機率較高，並限制在 1～5 杯。
- 每週估計消費金額以「杯數 × 模擬單杯價格」計算；單杯價格介於 40～69 元。
- 純茶品項只有「紅茶」與「綠茶」；珍珠奶茶、多多綠茶、烏龍拿鐵與冰淇淋紅茶皆設定為非純茶。
- 甜度機率為程式中的示範設定，並非根據真實問卷估計。
60 筆模擬資料
下表為本專題用於示範分析的原始模擬紀錄。金額欄為依杯數與模擬單杯價格算出的每週估計消費額，不是真實消費紀錄。
| 編號 | 性別 | 每週杯數 | 單杯價格 | 每週估計消費 | 甜度 | 冰量 | 飲料品項 | 分類 |
|---|---|---|---|---|---|---|---|---|
| 資料生成中…… | ||||||||
※ 表格可上下、左右捲動；每次載入會使用固定種子重新建立相同的模擬資料。
描述統計分析
描述統計用來整理資料集中與分散的情況。本節顯示模擬樣本的核心摘要值。標準差採樣本標準差公式（分母為 n−1）；四分位數採排序後上下半部的中位數計算。
—
平均每週杯數
—
每週杯數中位數
—
平均每週估計消費
—
每週估計消費中位數
| 統計量 | 每週杯數（杯） | 每週估計消費金額（元） | 解讀 |
|---|---|---|---|
| 計算中…… | |||
如何解讀平均數與中位數？
平均數代表資料的算術平均；中位數是排序後位於中央的值。若平均數明顯高於中位數，可能表示較高的數值拉高平均，但仍需搭配完整分布判斷。
如何解讀標準差與四分位距？
標準差描述數值相對平均數的散布程度；四分位距（IQR = Q3 − Q1）描述中間 50% 資料的範圍。兩者角度不同，可以一起觀察資料的變異。
消費習慣與偏好圖表
圖表會由同一組 60 筆模擬資料自動計算。請先看比例與分布，再對照下方的文字說明；不要把模擬結果直接解讀成真實的大學生比例。
圖一｜每週購買杯數分布
觀察不同購買頻率的模擬人數。
圖二｜每週估計消費金額分布
金額由模擬杯數與單杯價格相乘取得。
圖三｜不同性別的甜度偏好
比較各甜度選項在模擬男女樣本中的人數。
圖四｜飲料品項分布
品項由預先設定的飲料池生成，不代表市場排名。
圖五｜純茶與非純茶比例
依程式事先設定的品項屬性分類。
圖六｜冰量偏好分布
查看去冰、微冰、少冰與正常冰的模擬次數。
自動摘要：分析結果計算中……
解讀原則：圖表可協助看出資料的分布，但「看起來不同」不一定代表差異具有統計顯著性；需要依照研究問題選擇適合的統計方法。
交叉分析與卡方獨立性檢定
本節檢查「性別」與「甜度偏好」在模擬資料中是否呈現統計關聯。卡方獨立性檢定比較實際觀察人數與「兩個類別變數相互獨立」時的預期人數。
檢定假設
虛無假設 H₀：性別與甜度偏好相互獨立。
對立假設 H₁：性別與甜度偏好並非相互獨立。
顯著水準：α = 0.05。
自由度 =（列數 − 1）×（欄數 − 1）= 3。
檢定結果
—
卡方統計量 χ²
—
p 值
計算中
結果計算中……
性別 × 甜度偏好交叉表（人數）
卡方檢定計算表
| 性別 | 甜度 | 觀察人數 O | 預期人數 E | (O−E)²/E |
|---|
方法限制：卡方檢定常用近似法，通常希望各格預期人數不要過低；本頁會自動檢查預期人數是否全部至少為 5。更重要的是，甜度資料本身由預先設定的性別條件機率生成，因此即使得到顯著結果，也只能說明這組模擬資料符合設定所產生的模式，不能推論真實大學生。
計算方式：χ² = Σ[(觀察人數 − 預期人數)² ÷ 預期人數]；p 值為自由度 3 的卡方分布右尾機率近似值。
三位組員的任務、困難與收穫
分工不只代表各自負責的網頁區塊，也應該對應到一個完整的分析主軸。以下依照原本組員的任務設定，補充可在口頭報告中說明的工作內容。
林芷妤｜網頁結構與視覺呈現
負責內容
規劃單頁式網頁架構、章節導覽、資料表、配色與響應式版面，讓報告在電腦和手機上都容易閱讀。
遭遇困難
報告內容增加後容易過長，表格在小螢幕上可能超出畫面；深色背景也可能使文字不易辨認。
解決方法與收穫
利用卡片、留白、章節層級與表格捲動區整理內容，並強制設定淺色背景及深色文字；學會在資訊完整與閱讀體驗之間取得平衡。
吳宜樺｜統計解讀與研究結論
負責內容
檢查飲料分類、計算平均數與標準差、整理交叉表，並撰寫結果解讀、研究限制與結論。
遭遇困難
若品項分類規則不清楚，像是「冰淇淋紅茶」可能被誤列為純茶；只觀察圖表也容易把表面差異當成確定結論。
解決方法與收穫
將品項與分類明確綁定，並檢查統計公式和假設條件；理解描述統計、交叉分析及推論統計的用途不同，也學會在結論中交代資料限制。
共同協作方式：三位組員應互相核對資料定義、圖表數值和結論文字；即使每人主責不同章節，仍共同對整份報告的正確性負責。
研究限制與改進方向
本次研究限制
- 非真實樣本：資料由程式模擬，不能代表真實大學生。
- 樣本數有限：60 筆僅適合做課堂示範，不能直接推廣至不同學校或地區。
- 生成規則會影響結果：甜度偏好先依性別設定機率，可能自然產生關聯。
- 變數不完整：未蒐集品牌、購買情境、折扣、可支配預算等因素。
- 金額為估計值：單杯價格隨機產生，不代表實際店家的定價或個人支出。
未來可以怎麼改進
- 使用匿名問卷實際蒐集資料，並記錄調查日期與樣本來源。
- 擴大樣本數，盡可能涵蓋不同年級與科系，說明抽樣方式。
- 讓每個問題對應清楚的變數與統計方法，避免為了增加圖表而重複分析。
- 比較不同預算、購買動機或品牌的差異，但先確認樣本數及方法適用條件。
- 保留問卷、資料字典、計算方式及程式碼，讓他人可以重現結果。
研究倫理提醒：若未來使用真實問卷，應先說明研究目的、避免蒐集可識別個人身分的資料，並清楚告知參與者資料的使用方式。
結論與建議
本專題以手搖飲料消費為情境，示範從資料定義、資料整理、描述統計、圖表呈現到卡方獨立性檢定的基本流程。透過數值摘要與視覺化，可以更容易看出模擬樣本的集中位置、類別分布與不同變數間可能出現的關聯。
本組也發現，統計分析不只是算出平均數或畫出圖表，更重要的是確保資料來源清楚、變數定義一致、統計方法符合研究問題，以及結論不超出資料能支持的範圍。由於本次使用模擬資料，研究結果應定位為統計方法的練習；未來若能蒐集真實且有代表性的問卷，將能進一步討論大學生的實際消費行為。
對統計學的收穫
理解描述統計能整理資料、圖表能呈現分布，而假設檢定則是在特定前提下評估資料與虛無假設的相容程度；不同方法不能互相取代。
對團隊合作的收穫
完成專題需要資料生成、程式設計、版面安排和文字解讀互相配合。明確分工之外，也需要全組共同檢查數據與說明是否一致。
工具與參考說明
- JavaScript：生成模擬資料、計算統計量及建立交叉表。
- Chart.js：建立網頁圖表（官方網站：chartjs.org）。
- 本報告所列統計結果均由頁面內的模擬資料自動計算；未引用外部調查結果。