行为科学统计第8章

行为科学统计 Statistics for the Behavioral Sciences

第三部分啦~平均数与平均数差异的推论

平均数与平均数差异的推论,总共有八章,都是统计方法啊~每种方法都使用了 样本平均数作为对总体平均数作出推论的基础。

也就是样本平均数 是否可以推论到总体平均数的 各种方法啦~



第8章 假设检验

  • 引言:到底是偶然的,还是真正的存在差异?这就是推论性统计,假设检验的目的之一了。
  • 你读一下这段话`
  • 假设检验,帮助研究者区别数据中真实和随机的模式。在研究中,目的是判断结果是否显示了两个变量之间存在真是的关系,或者这种关系只是由偶然的随记波动造成的。~
  • 8.1 假设检验的逻辑

    •   研究者通常不可能或无法观察总体中的每个个体研究者。
    • 假设检验是一种统计方法,它使用样本数据数据评估关于总体参数的假设。
    • 讲了四个经典的步骤啦`一个一个来...
      • 1??虚无假设(H0):处理没有效应 H0 u0 = u1    也叫零假设  。。。。另外与之相对的叫 备择假设H1,即表示普通总体存在改变,差异或相关。
      • 2??设定判定标准
      • 3??收集数据并计算样本统计量
      • 4??作出判定
  •   8.2 假设检验的不确定性以及误差
    • 第一类误差: 实际上没有效应,但是数据将指示你拒绝虚无假设,暗示你有效应。  你可知道第一类误差的概率就是a的概率呢。。因为显著性水平a就是为这个而生出来的哦。。。= =
    • 只要研究者拒绝虚无假设,就有第一类误差的风险。 同理,只要研究者不能拒绝虚无假设,就有第二类误差的风险。。。
    • 第二类误差:就是跟第一类相反的这么简单啊。。。就是真的有显著性效应,但是数据没有检测出来。。。。。。。。。。。。。。。。居然就是这么简单。。。
    • 这样子说。。。看一下这个表格其实就挺简单的了~
    •   真实情况
      没有效应 Ho是正确时 效应存在,Ho是错误时
      实验者的结论 拒绝Ho 第一类错误  结论正确
      接受Ho 结论正确d 第二类错误
  • 8.3 假设检验的例子 
    • 在统计检验中,显著结果意味着虚无假设被拒绝~!!!...spss是用p值,然而我们平常计算是用z分数。。
    • 嗯嗯,其实懂了背后的统计学原理,跑spss的时候才不会晕得像颗白菜...
    • z分数假设检验的假设...有三个前提条件,要注意哦~..分别是   随记样本,独立观察, 处理不会改变a值..这个最后这个指的是,我们假定未知总体的标准差(处理后)与处理前的总体是相同的。。我也不懂这个是什么意思......最后一个是正态样本分布
  • 8.4 方向性(单尾)假设检验
    •   意思就是一开始的假设是带有期望的,是希望增加还是减少效应呢?我们并不知道...所以
    • 突然想起...我以前总是羡慕B区二综前边那栋宿舍的同学可以随时去二综看书...其实,我住了三舍3年,穿过操场就是图书馆....= =难道这不是一样的效果嘛,心情不好,可以回去洗澡,然后再走回来看书..不过,还是没有二综前边那个宿舍那么近。。。总归,看书就好啦~以后还是希望能看书啦~
    • 这就是为什么方向性检验一般被称为单尾检验~!
    • 方向性检验与一般的假设检验的区别在于第一步与第二步...其他相同~
    • 当第一次的分析结果是使用双尾检验不能得到显著结果时,你永远不应再使用单尾检验作为补救,试图得出研究的显著结果。~
  • 8.5 关于假设检验:测量效应大小
    • 科恩d值=平均数差/标准差...............起码知道科恩d值!!
    • ..........此书220页,有科恩d值评估效应的大小。。
  • 8.6 统计效能
    • 测量统计检验的效能...
    • 有点感觉统计效能是检验能正确地拒绝错误的虚无假设的概率,即效能是检验能够识别真正存在的处理效应的概率~...
    • 如果你评论是为了让别人回复你...或者期待别人回复你...不如不回复..呢...难得不是嘛..
    • 效能说白了不就是查有没有效果嘛..
    • 三个因素影响效能的大小:
      •   a水平增加,效能将增加。
      •   单尾检验的效能比双尾检验的效能大。
      •   大的样本的效能比小的样本的效能大。

天哪...这一章终于看完了..........天哪!~~

*总结 写在前边吧,不复盘没有进步的噢

  • 最重要的...一个...跟后边有千丝万缕的一个公式和词汇~
  • z=M-u/aM    换成中文         z=样本平均数-假设的总体平均数/标准误            这个假设的...这个词太关键了,其实是从第一步假设得来的!!~~
  • 然后这个补充才是神补刀!    z分数检验很少被用于实际研究中, z分数检验的问题就是它需要知道总体的标准差!~,而这个信息通常是未知的!所以才会有了后边千千万万的统计方法~...
  • 时间过得很快的,不去补充和实践,就很难去追赶知识了...

2016年3月17日 星期四 开始推论性统计啦~-继续加油啰??/实际整理于2016/12/18..2016年就快过了,这可是神奇的一年呢~英国脱欧,川普变总统。。我也能进研究院,学生生涯快要没了...这一切的一切,都在向前走,唯有..我们继续保持学习及整理的心态不能断了,锻炼身体及爱护家人的行动不能停下来...

最近恋上爱自习~继续啦~

时间: 2024-10-13 06:22:47

行为科学统计第8章的相关文章

行为科学统计第一章知识点总结

1.什么是总体?什么是样本?总体是一个研究的所有研究对象的个体的集合.样本是被选择出来的参与研究的特定的个体集合.样本被期望能够代表总体. 2.描述总体的特性的,如总体的平均数,被称为 参数. 3.总体和参数之间的关系与样本和 统计量 之间的关系是一样的. 4.统计技术被分为两大类.它们分别被称为什么?每一类技术的一般性目的是什么?这两个类别是描述性统计与推论性统计.描述性技术被用于组织.简化并总结数据.推论性技术使用样本数据做出关于总体的一般性结论. 5.简单定义取样误差的概念.取样误差是得到

sql 语句系列(字符串的遍历嵌入删除与统计)[八百章之第十一章]

遍历字符串 我觉得首先要提出一个疑问: 一个数据库本身就是用于存储的,遍历字符串究竟有何意义? 先看如何实现的,毕竟sql service 是没有for循环,也没有loop和while的. select SUBSTRING(e.ENAME,t.ID,1) as sub from emp e,T10 t where e.ENAME='JONES' and t.ID<=len(e.ENAME) 的确是遍历了这个字符串JONES. 原理也十分的简单: select * from T10 T10 可以看

第一章 为什么要学习编写程序?

写程序(或叫做编程)是一件非常有创造性和有回报的工作.需要编程来解决问题的原因有很多,但是你可以用编程来解决自己生活上遇到困难的数据分析问题,这是一种乐趣,同时也可以帮助别人来解决相同的问题,这或许是你用来学习编程的一个值得考虑的原因.本书假定每个人都需要学会编程,一旦当你学会编程时,你就可以会使用这个编程技能来解决你所有遇到的问题了. 在我们目前的日常生活中,已经缺少不了计算机,从笔记本到智能手机都在大量地使用.我们都在把这些计算机当作我们的个人助手了,因为这些计算机都对我们提供了很多帮助.目

《数学之美》——第二章 个人笔记

第二章    自然语言处理--从规则到统计 这一章开头这句话:字母,文字,数字是信息编码的不同单位.任何一种语言都是一种编码的方式,而语言的语法规则是编解码的算法.我们表达一个意思要通过语言表达出来,就是用这种语言的编码方式表示出来,结果就输出一串文字.别人懂这门语言的编码方式,就会理解.这里说的输出一串文字,可以是字母,数字(计算机理解),和开头说的信息编码的不同单位是符合的,就很好理解了.这就是语言的数学本质. ?①计算机能处理自然语言 ?②它处理自然语言的方法和人类一样 1 机器智能 有意

博客园访客统计的实现

最近有人让我把博客园里面关于访客统计做一篇文章 一直没有写,今天就发了吧(对不起呀!!一直没有时间) 今天我会发多篇文章关于博客园的美化问题. 相信大家也看到了右侧公告栏的访客量统计的效果,我们可以看到有两个样式,一个是单独统计人数的,一个是统计访客来源的,是不是感觉还挺不错的? 本文就带大家一起详细了解这个样式的制作过程~~~ 首先是数字样式,效果如下 这个我们通过F12去查看下源码,我们可以看到如下图这段源码: <div align="center"> <a hr

分享《自然语言处理理论与实战》PDF及代码+唐聃+《深入浅出Python机器学习》PDF及代码+段小手+《深度学习实践:计算机视觉》PDF+缪鹏+《最优化理论与算法第2版》高清PDF+习题解答PDF+《推荐系统与深度学习》PDF及代码学习

<自然语言处理理论与实战>高清PDF,362页,带书签目录,文字可以复制:配套源代码.唐聃等著. <大数据智能互联网时代的机器学习和自然语言处理技术>PDF,293页,带书签目录,文字可以复制,彩色配图.刘知远等著.  下载: https://pan.baidu.com/s/1waP6C086-32_Lv0Du3BbNw 提取码: 1ctr <自然语言处理理论与实战>讲述自然语言处理相关学科知识和理论基础,并介绍使用这些知识的应用和工具,以及如何在实际环境中使用它们.由

《深入浅出Python机器学习(段小手)》PDF代码+《推荐系统与深度学习》PDF及代码+《自然语言处理理论与实战(唐聃)》PDF代码源程序

<深入浅出Python机器学习>PDF,280页,带书签目录,文字可以复制:配套源代码. 作者:段小手 下载: https://pan.baidu.com/s/1XUs-94n0qKR1F9rS8KNLHw 提取码: dv74 <深入浅出Python机器学习>内容涵盖了有监督学习.无监督学习.模型优化.自然语言处理等机器学习领域所必须掌握的知识,从内容结构上非常注重知识的实用性和可操作性. <深入浅出Python机器学习>采用由浅入深.循序渐进的讲授方式,完全遵循和尊重

【机器学习实践五】机器学习眼中的《人民的名义》

一.背景 最近热播的反腐神剧"人民的名义"掀起来一波社会舆论的高潮,这部电视剧之所能得到广泛的关注,除了老戏骨们精湛的演技,整部剧出色的剧本也起到了关键的作用.笔者在平日追剧之余,也尝试通过机器学习算法对人民的名义的部分剧集文本内容进行了文本分析,希望从数据的角度得到一些输入. 本文使用阿里云机器学习PAI,主要针对以下几个方面进行了实验: 分词以及词频统计 每一章的关键词提取 每一章的文本摘要 每一章文本之间的相似度分析 实验流程以及数据可以在阿里云机器学习PAI的社区直接使用,只要

聪明人的游戏,初中版 之目录

第一章算法概述    第1课 算法的概念    第2课 结构化程序设计思想    第3课 算法的时空复杂度 第二章字符串处理与进制转换    第1课 贝贝的交通指挥系统    第2课 贝贝的图形    第3课 贝贝的加密工作    第4课 贝贝的保险库密码    第5课 贝贝的数学课    第6课 贝贝与外星人    本章知识归纳    本章综合练习 第三章枚举算法    第1课 桐桐的计算    第2课 桐桐的数学难题    第3课 素数的秘密    第4课 桐桐的思考    第5课 桐桐的研