何處停車？物理學家的停車策略
鮑彥滕
當騎著U-bike到停車站時，面對眼前的這個空位，究竟是要放棄它繼續往下騎，期待著離捷運出口更近的空位，但卻會冒著其他位置都滿，結果只能被迫折返的風險呢，還是保守的選擇它，但看見後面滿滿的空位，最後懊悔自己多走了一大段路。究竟怎樣的選擇是最有效率的? 波斯頓大學的兩位統計物理學家Krapivsky和Redner 在Journal of Statistical Mechanics上發表了他們的研究。
在Krapivsky和Redner的模型中，他們以時間花費作為衡量效率的量尺。當然，離目的地最近的車位可以走最少的路，但可能要多耗費折返的時間來發現它。於是駕駛員面對空位的取捨影響了他們停完車再走到目的地需要耗費的時間。Redner 說:「數學讓你能做最聰明的選擇，它讓你能洞悉這個複雜的世界」。
機率歷史(The History of Probability)
國立蘭陽女中數學科陳敏晧老師/國立台灣師範大學數學系許志農教授責任編輯
自古以來，對於不可預知的事情，人們總是充滿著好奇，並且在好奇心的驅使下，往往產生了一些或對或錯的法則。姑且不論其動機為何，這些法則卻可能因此開創另一領域或學科，機率論（theory of probability）的發展便是如此。
微積分的dx(一)：無限小數與非標準分析學
李龍欣
17世紀時牛頓和萊布尼茲發明了微積分。其中萊布尼茲的「積分符號」\(\int\)、「極微小差」\(dx\) 等兩個符號仍然使用至今。現今的課本會用「極限」解釋，所以有些人說 \(dx\) 只是符號，不需要實質意義。這兩種觀點都有其意義和重要性。本文將分為若干期，從不同觀點探索微積分的靈魂、以及各觀點的應用。
自古以來，數學家們就深知自然萬物難以測量，而不如圓形、多邊形、橢圓一般簡潔。我們固然可以拿起一把尺開始耐著性子量，例如阿基米德 (Αρχιμήδης ο Συρακούσιος)、劉徽、關孝和 (関 孝和) 的割圓術，又譬如古巴比倫人的三角函數表，都是測量的典範和先驅。
從牛頓的時代背景探索第二運動定律（下）
行政院科技部科技顧問／瑞典林雪平大學榮譽教授 趙光安
在伽利略和牛頓的時代，數學工具只有幾何、三角、和代數，物理知識也僅限日常生活中有系統的觀察，及少數的實驗結果。用現代的標準來衡量，伽利略和牛頓頂多只有國中畢業的程度。如果我們用現代的數理常識背景來解答三、四百年前的問題，那就是「事後有先見之明」了。雖然和「力學」有關的量測，伽利略得到的數據被推崇是權威性，然而他的「力學」實驗幾乎全部是基於物體的直線運動。在這個時代背景下，牛頓建立的理論，是從「一維系統」開始，然後才推廣到「三維空間」。因此，我們也從直線運動開始，試試看能否經歷一趟牛頓的思路。
拉丁方設計介紹(Introduction of Latin Square Design)
國立臺灣大學農藝學系 黃昭惠
一、原理
與《隨機完全區集設計介紹》一文所提及的 RCBD 隨機完全區集設計相同，拉丁方設計 (Latin Square Design, LSD) 也是一種與區集因子相關聯的設計方法，不同的是我們在中 RCBD 只有一個區集因子，稱為單向區集設計 (one-dimensional block)，而 LSD 可以同時控制兩個區集因子的影響，故屬於兩向區集設計 (two-dimensional block)，透過行區集與列區集的規劃（圖一），實驗者即可有效控制兩干擾因子的影響。
隨機完全區集設計介紹(Introduction of Randomized Complete Block Design)
國立臺灣大學農藝學系 黃昭惠
一、原理
進行試驗設計時，當我們的試驗單位為異質，也就是試驗單位的變異不平均時，我們會利用區集的劃分，去除這些已知變異因子對實驗造成的影響。
以山坡地進行牧草品種實驗為例，假設有 A、B 兩種品種於坡地上進行比較試驗，每種品種三重複，其實驗目的為檢驗此兩品種的牧草產量是否具有明顯的差異，根據地理知識已知下坡的土地應較為肥沃，草坪的生長應較為繁茂，若直接將兩品種隨機排列（圖一），則 B 品種可能因生長於較佳的環境，故有較好的表現，而非品種差異所造成，這樣的結果會導致實驗的誤差，並影響我們在決策上的判斷；若我們採用本章所介紹的隨機完全區集設計（randomized complete block design, 簡稱 RCBD）進行試驗（圖二），將土地依據已知造成試驗誤差的因素（坡度）分為三組（三個區集：B1、B2、B3），同組 （區集）內的土地相似，並在每組能同步施測兩品種，便可有效控制坡度因子對實驗結果的影響，準確估計出品種之間真正造成差異的幅度大小。
無母數統計—威爾卡森符號檢定(Non-parameter Statistics: Wilcoxon Signed-rank Test)
國立臺灣大學園藝暨景觀學系 李韶凱
一、前言
如果想檢測的資料無法直接假設其服從特定分布，應採用無母數 (nonparametric) 統計法進行檢定。本文將介紹檢驗單樣本的無母數方法—威爾卡森符號等級檢定 (Wilcoxon signed-rank test)。