比浏览器更快的访问！
10 关系: 假設檢定，學生t檢驗，平均数，第一型及第二型錯誤，统计学，變異數分析測試，邦费罗尼校正，零假设，F-分布，方差。
假設檢定
假設檢定是推論統計中用于检验统计假设的一种方法。而“统计假设”是可通过观察一组随机变量的模型进行检验的科学假说。一旦能估計未知參數，就會希望根據結果對未知的真正參數值做出適當的推論。 統計上對參數的假設，就是對一個或多個參數的論述。而其中欲檢驗其正確性的為零假設（null hypothesis），零假設通常由研究者決定，反應研究者對未知參數的看法。相對於零假設的其他有關參數之論述是（alternative hypothesis），它通常反應了執行檢定的研究者對參數可能數值的另一種（對立的）看法（換句話說，對立假設通常才是研究者最想知道的）。 假设检验的种类包括：t检验，Z检验，卡方检验，F检验等等。.
學生t檢驗
學生t檢驗（Student's t-test）是指虛無假设成立時的任一檢定統計有學生t-分佈的統計假說檢定，屬於母數統計。學生t檢驗常作為檢驗一群來自常態分配母體的獨立樣本之期望值的是否為某一實數，或是二群來自常態分配母體的獨立樣本之期望值的差是否為某一實數。舉個簡單的例子，也就是說我們可以在抓取一個班級的男生，去比較該班與全校男生之身高差異程度是不是推測的那樣，或是不同年級班上的男生身高的差異的場合是否一如預期使用此檢驗法。.
新！!: 方差分析和學生t檢驗 · 查看更多 »
平均数
平均数（Mean，或稱平均值）是统计中的一个重要概念。为集中趋势的最常用测度值，目的是确定一组数据的均衡点。 算术平均数（或简称平均數）是一组样本 x_1, x_2, \ldots, x_n 的和除以样本的数量。其通常记作 \bar： 例如, 4, 36, 45, 50, 75 这组数的算术平均数是： 在统计中算术平均数常用于表示统计对象的一般水平，它是描述数据集中程度的一个统计量。我们既可以用它来反映一组数据的一般情况，也可以用它进行不同组数据的比较，以看出组与组之间的差别。用平均数表示一组数据的情况，有直观、简明的特点，所以在日常生活中经常用到，如平均的速度、平均的身高、平均的产量、平均的成绩......
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。.
新！!: 方差分析和第一型及第二型錯誤 · 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。.
變異數分析測試
ANOVA测试（或称 ANOVA可重复性与可复制性测试），是一种利用随机效果模型分析方差（ANOVA）的测试系统分析技术，以便对测量系统进行评估。 对测量系统的评估不限于量規，而是应用于所有类型的測量儀器、测试方法等，以及其他的测试系统。 Category:测试 Category:分析.
新！!: 方差分析和變異數分析測試 · 查看更多 »
邦费罗尼校正
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。.
新！!: 方差分析和邦费罗尼校正 · 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。.
F-分布
没有描述。
方差
方差（Variance），應用數學裡的專有名詞。在概率论和统计学中，一个随机变量的方差描述的是它的离散程度，也就是该变量离其期望值的距离。一个实随机变量的方差也称为它的二阶矩或二階中心動差，恰巧也是它的二阶累积量。這裡把複雜說白了，就是將各個誤差將之平方（而非取絕對值，使之肯定為正數），相加之後再除以總數，透過這樣的方式來算出各個數據分佈、零散（相對中心點）的程度。繼續延伸的話，方差的算术平方根称为该随机变量的标准差（此為相對各個數據點間）。.
