所有預測股價或股價指數皆為學術研究的記錄結果。我運用大數據分析方法建購股價或股價指數的數學模型，再由數學模型得到預測值。反覆1億次，得到預測值的抽樣分配，進行區間估計和機率計算。所有結果僅供參考，投資人因參考本文產生投資損益皆與作者無關。

所有預測股價或股價指數皆為學術研究的記錄結果。我運用大數據分析方法建購股價或股價指數的數學模型，再由數學模型得到預測值。反覆1億次，得到預測值的抽樣分配，進行區間估計和機率計算。所有結果僅供參考，投資人因參考本文產生投資損益皆與作者無關。

數據分析前，我們要先清楚自己的的研究目的才能找對應的數據來進行分析，證明想法的真偽。數據可使用原始數據或轉換後數據。時間序數據的轉換後數據通常使用「報酬率」，特別是期刊論文或財金理論都是基於報酬率產生的研究結果，然而報酬率看似非常適合預測，但真是如此嗎？且看我分享一些看法。

所有預測股價或股價指數皆為學術研究的記錄結果。我運用大數據分析方法建購股價或股價指數的數學模型，再由數學模型得到預測值。反覆1億次，得到預測值的抽樣分配，進行區間估計和機率計算。所有結果僅供參考，投資人因參考本文產生投資損益皆與作者無關。

想繪製趨近連續的分布直方圖，分類組數和樣本數要達到要求才能繪製得出來。那有什麼軟體可以幫助你做到這些嗎？且看我說道。

所有預測股價或股價指數皆為學術研究的記錄結果。我運用大數據分析方法建購股價或股價指數的數學模型，再由數學模型得到預測值。反覆1億次，得到預測值的抽樣分配，進行區間估計和機率計算。所有結果僅供參考，投資人因參考本文產生投資損益皆與作者無關。

所有預測股價或股價指數皆為學術研究的記錄結果。我運用大數據分析方法建購股價或股價指數的數學模型，再由數學模型得到預測值。反覆1億次，得到預測值的抽樣分配，進行區間估計和機率計算。所有結果僅供參考，投資人因參考本文產生投資損益皆與作者無關。

1. 統計學VS大數據分析的區間估計

1. 前言

所有預測股價或股價指數皆為學術研究的記錄結果。我運用大數據分析方法建購股價或股價指數的數學模型，再由數學模型得到預測值。反覆1億次，得到預測值的抽樣分配，進行區間估計和機率計算。所有結果僅供參考，投資人因參考本文產生投資損益皆與作者無關。