| 1 | 課程介紹+緒論 / Course Introduction + Introduction | 定義統計學。理解不同類型的統計（描述性、推論性）。體認統計在管理中的重要性。熟悉Excel介面。執行基本資料輸入與使用簡單公式。理解相對與絕對儲存格參照。 |
| 2 | 資料型態與衡量尺度+次數分配與圖示法 / Data Types and Measurement Scales + Frequency Distribution and Graphical Methods | 區分資料類型（類別、數量；離散、連續）與衡量尺度（名目、順序、區間、比例）。理解基本資料蒐集原則。建構類別資料的次數分配表。使用Excel製作與解讀類別資料的長條圖與圓餅圖。 |
| 3 | 集中量數、差異量數、平均數與標準差的應用 / Measures of Central Tendency, Measures of Variation, Applications of Mean and Standard Deviation | 建構數量資料的次數分配表（定義組別、組距）。使用Excel製作與解讀直方圖、次數多邊圖與肩形圖。理解莖葉圖的用途。 |
| 4 | 偏態、峰態量數與動差 / Measures of Skewness, Kurtosis, and Moments | 計算並解讀集中趨勢量數（平均數、中位數、眾數）。理解各量數的特性與適用時機。計算加權平均數。從數值量數辨識分配形狀（對稱、偏態）及平均數與中位數的關係。 |
| 5 | 隨機試驗、樣本空間與事件 / Random Experiments, Sample Space, and Events | 計算並解讀離散程度量數（全距、四分位距(IQR)、變異數、標準差 - 樣本與母體）。使用變異係數比較變異程度。使用偏態與峰度描述分配形狀。建構與解讀盒鬚圖。 |
| 6 | 機率測度的方法、機率的性質 / Methods of Probability Measurement, Properties of Probability | 理解基本機率術語（事件、樣本空間）。區分機率的類型（古典、經驗、主觀）。應用機率法則（互斥與非互斥事件的加法法則）。 |
| 7 | 條件機率、獨立事件與貝氏定理 / Conditional Probability, Independent Events, and Bayes' Theorem | 計算並解讀條件機率。應用獨立與相依事件的乘法法則。使用列聯表與機率樹。理解並應用貝氏定理更新機率。 |
| 8 | 期中複習與考試/ Midterm Review and Exam | 鞏固對敘述統計、資料視覺化及基礎機率的理解。練習使用Excel解決問題。 |
| 9 | 隨機變數、機率分配與聯合機率分配 / Random Variables, Probability Distributions, and Joint Probability Distributions | 定義並區分隨機變數（間斷型與連續型）。理解間斷型機率分配。計算間斷型隨機變數的期望值與變異數。理解二項分配的特性、假設與應用。計算二項機率。 |
| 10 | 期望值與變異數 / Expected Value and Variance | 理解卜瓦松分配：特性、假設、應用（例如：單位時間/空間內的到達次數、瑕疵數）。理解超幾何分配：特性、假設及其適用時機（不放回抽樣）。計算這些分配的機率。 |
| 11 | 常用的機率分配 Ⅰ / Common Probability Distributions I | 理解連續型機率分配的概念。描述常態分配的特性與重要性。計算與解讀Z值。使用標準常態分配（概念上透過查表，實務上透過Excel）計算機率。 |
| 12 | 常用的機率分配 II / Common Probability Distributions II | 理解為何使用抽樣。簡要概覽抽樣方法（隨機抽樣、分層抽樣、集群抽樣、系統抽樣）。描述樣本平均數的抽樣分配。理解並應用中央極限定理 (CLT)。 |
| 13 | 抽樣方法與抽樣分配 / Sampling Methods and Sampling Distributions | 區分點估計與區間估計。當母體標準差(σ)已知時（Z區間）與未知時（t區間），建立並解讀母體平均數的信賴區間。理解學生t分配。 |
| 14 | 樣本平均數、變異數之抽樣分配 / Sampling Distributions of Sample Mean and Variance | 建立並解讀母體比例的信賴區間。計算估計平均數與比例時，達到期望精確度所需的樣本大小。 |
| 15 | 估計 / Estimation | 理解假設檢定的邏輯。建立虛無假設(H0)與對立假設(H1)。理解型一與型二錯誤及其意涵。定義顯著水準(α)。區分臨界值法與p值法於假設檢定之應用。 |
| 16 | 期末考試 / Final Exam | 第一學期所有主題總複習。著重於敘述統計、機率、分配、抽樣、信賴區間及假設檢定基礎等各主題間的關聯性。為第二學期做準備。 |
| 17 | 多元學習週-AI及SDGs訓練 (Diverse Learning: Al and SDGs Training) | 依學校安排 |
| 18 | 多元學習週-AI及SDGs訓練 (Diverse Learning: Al and SDGs Training) | 依學校安排 |