方差分析和邦费罗尼校正

快捷方式: 差异，相似，杰卡德相似系数，参考。

方差分析和邦费罗尼校正之间的区别

方差分析 vs. 邦费罗尼校正

變異數分析或變方分析（Analysis of variance，簡稱ANOVA）為資料分析中常見的統計模型，主要為探討連續型（Continuous）資料型態之因变量（Dependent variable）與類別型資料型態之自变量（Independent variable）的關係，當自變項的因子中包含等於或超過三個類別情況下，檢定其各類別間平均數是否相等的統計模式，廣義上可將T檢定中變異數相等（Equality of variance）的合併T檢定（Pooled T-test）視為是變異數分析的一種，基於T檢定為分析兩組平均數是否相等，並且採用相同的計算概念，而實際上當變異數分析套用在合併T檢定的分析上時，產生的F值則會等於T檢定的平方項。 變異數分析依靠F-分布為機率分布的依據，利用平方和（Sum of square）與自由度（Degree of freedom）所計算的組間與組內均方（Mean of square）估計出F值，若有顯著差異則考量進行或稱多重比較（Multiple comparison），較常見的為、與Bonferroni correction，用於探討其各組之間的差異為何。 在變異數分析的基本運算概念下，依照所感興趣的因子數量而可分為單因子變異數分析、雙因子變異數分析、多因子變異數分析三大類，依照因子的特性不同而有三種型態，固定效應變異數分析（fixed-effect analysis of variance）、隨機效應變異數分析（random-effect analysis of variance）與混合效應變異數分析（Mixed-effect analaysis of variance），然而第三種型態在後期發展上被認為是Mixed model的分支，關於更進一步的探討可參考Mixed model的部份。 變異數分析優於兩組比較的T檢定之處，在於後者會導致多重比較（multiple comparisons）的問題而致使第一型錯誤（Type one error）的機會增高，因此比較多組平均數是否有差異則是變異數分析的主要命題。 在统计学中，方差分析（ANOVA）是一系列统计模型及其相关的过程总称，其中某一变量的方差可以分解为归属于不同变量来源的部分。其中最简单的方式中，方差分析的统计测试能够说明几组数据的平均值是否相等，因此得到两组的T檢定。在做多组双变量T檢定的时候，错误的機率会越来越大，特别是第一型錯誤，因此方差分析只在二到四组平均值的时候比较有效。. 邦费罗尼校正（Bonferroni correction）是统计学中在多重比较时使用的一种方法，以意大利数学家的名字命名。 令H_1,\ldots,H_m为一组假设，p_1,\ldots,p_m为每一假设相对应的p值。同时，m为零假设总数，m_0则为实际为真的零假设总数。族错误率（familywise error rate，简称FWER）指拒绝至少一个实际为真的零假设（即出现至少一次第一类错误）的概率。此时，邦费罗尼校正是指拒绝所有p_i\leq\frac \alpha m的零假设。在应用邦费罗尼校正后，FWER满足\text \leq \alpha。这一结论可以由布尔不等式证明： 邦费罗尼校正是一种相对保守的FWER控制方法，会增加出现第二类错误的概率。.

第一型及第二型錯誤

一型及第二型错误（Type I error & Type II error）或型一錯誤及型二錯誤為统计学中推論統計學的名詞。 在假設检验中，有一種假設稱為“零假设(虛無假設)”。假設檢定的目的就是利用統計的方式，推測零假设是否成立。若零假设(虛無假設)事實上成立，但統計檢驗的結果不支持零假设（拒絕零假设），這種錯誤稱為第一型錯誤。若零假设事實上不成立，但統計檢驗的結果支持零假设（接受零假设），這種錯誤稱為第二型錯誤。 以利用驗孕棒驗孕為例，此時未懷孕為零假设。若用驗孕棒為一位未懷孕的女士驗孕，結果是已懷孕，這是第一型錯誤。若用驗孕棒為一位孕婦驗孕，結果是未懷孕，這是第二型錯誤。.

方差分析和第一型及第二型錯誤 · 第一型及第二型錯誤和邦费罗尼校正 · 查看更多 »

统计学

统计学是在資料分析的基础上，研究测定、收集、整理、归纳和分析反映數據資料，以便给出正确訊息的科學。這一门学科自17世纪中叶产生并逐步发展起来，它廣泛地應用在各門學科，從自然科学、社會科學到人文學科，甚至被用於工商業及政府的情報決策。隨著大数据(Big Data)時代來臨，統計的面貌也逐漸改變，與資訊、計算等領域密切結合，是資料科學(Data Science)中的重要主軸之一。 譬如自一組數據中，可以摘要並且描述這份數據的集中和離散情形，這個用法稱作為描述統計學。另外，觀察者以數據的形態，建立出一個用以解釋其隨機性和不確定性的數學模型，以之來推論研究中的步驟及母體，這種用法被稱做推論統計學。這兩種用法都可以被稱作為應用統計學。數理統計學则是討論背後的理論基礎的學科。.

方差分析和统计学 · 统计学和邦费罗尼校正 · 查看更多 »

零假设

在推论统计学中，零假设（null hypothesis，又译--、原假设，符号：H0）是做统计检验时的一类假设。零假设的内容一般是希望能证明为错误的假设，或者是需要着重考虑的假设。 比如说，在相关性检验中，一般会取“两者之间无关联”作为零假设，而在独立性检验中，一般会取“两者之间非獨立”作为零假设。与零假设相对的是备择假设（对立假设，alternative hypothesis），即希望证明是正确的另一种可能。从数学上来看，零假设和备择假设的地位是相等的，但是在统计学的实际运用中，常常需要强调一类假设为应当或期望实现的假设。如果一个统计检验的结果拒绝零假设（结论不支持零假设），而实际上真实的情况属于零假设，那么称这个检验犯了第一类错误。反之，如果检验结果支持零假设，而实际上真实的情况属于备择假设，那么称这个检验犯了第二类错误。通常的做法是，在保持第一类错误出现的机会在某个特定水平上的时候（即显著性差异值或α值），尽量减少第二类错误出现的概率。.

方差分析和零假设 · 邦费罗尼校正和零假设 · 查看更多 »