無

地球科學的資料有一個共同的難處：地震發生在哪裡、颱風走哪條路徑、地表往哪個方向移動、空氣品質變化...等，這些都不是我們能控制的。我們能決定的只有把觀測儀器放在哪裡、放多久、解析度多高。因此手上的每一筆觀測，都同時記錄了訊號與觀測系統的限制，而後者造成的缺漏往往是系統性的，不會因為多測幾年就自己消失。統計學正是為了這種處境而存在的工具：從有限且不完美的樣本描繪出母體的架構，並且說清楚這句話有幾分把握。
本課程依「機率 → 估計 → 檢定 → 建模」四個階段推進。前段建立機率、隨機變數與分布的基本概念。中段處理估計與檢定，說明如何由樣本推論母體，以及推論會在哪裡出錯。後段進入迴歸與分類，討論模型的建立、評估與過度配適。上課方式為每週「一天講授、一天實作」：講授課建立觀念，實作課以 Python 分析地震目錄、GNSS 時間序列與空氣品質等真實觀測資料。方法上偏重計算取向（ex : 蒙地卡羅模擬、拔靴法、交叉驗證）讓學生藉由重複抽樣直接看見統計量的行為，而不是背公式查表。
修畢本課程的學生，希望除了能操作標準的統計程序之外，更應該在面對一個統計主張時問出對的問題：這批資料是怎麼來的？它漏掉了什麼？這個結論是可信的，還是只是樣本剛好長成這樣？