统计学-数据科学专业问答社区-CDA答疑社区

热线电话：13121318867

登录

dreamhappy2012

双侧检验与单侧检验研究的问题？

问：双侧检验与单侧检验研究的问题？答：单侧检验包括左单侧检验和右单侧检验。左单侧检验希望考察的数值越大越好右单侧检验希望考察的数值越小越好。

0.0000

0

3

0

关注作者

收藏

dreamhappy2012

利用P 值进行检验的标准？

问：利用P 值进行检验的标准？P值检验比统计量检验提供了更多的信息。P值给出的是根据实际统计量算出的显著性水平，告诉我们实际的显著性水平是多少。根据统计量检验，如果拒绝原假设，也仅仅是知道犯错误的可能性是α那么大，但究竟是多少却不知道，而P值则是算出的犯第一类错误的实际概率。1. 单侧检验 • 若p-值>α ,不拒绝H0 • 若p-值< α, 拒绝H02. 双侧检验 • 若p-值>α

42.8571

1

3

0

关注作者

收藏

dreamhappy2012

什么是P 值?(P-value)

问：什么是P 值?(P-value)答：当原假设为真时样本观察结果或更极端结果出现的概率。如果P值很小，说明这种情况发生的概率很小，如果出现这种情况，根据小概率原理，我们就有理由拒绝原假设，P值越小，拒绝原假设的理由就越充分。P值的大小取决于三个因素：第一、样本数据与原假设之间的差异。第二、样本量。第三、被假设参数的总体分布。P 值总结：1. 是一个概率值2. 如果原假设为真，P

0.0000

0

3

0

关注作者

收藏

dreamhappy2012

假设检验的流程是什么？

假设检验的流程是什么？答：假设检验的流程如下：第一、提出假设第二、确定适当的检验统计量α 什么是检验统计量？1. 用于假设检验决策的统计量2. 选择统计量的方法与参数估计相同，需考虑 • 是大样本还是小样本 • 总体方差已知还是未知3. 检验统计量的基本形式为第三、规定显著性水平α什么是显著性水平？ 1. 是一个概率值 2. 原假设为真时，拒绝原假设的概率被

0.0000

0

2

0

关注作者

收藏

dreamhappy2012

两类错误怎么解释？

问：两类错误怎么解释？对于原假设提出的命题，我们需要做出判断，这种判断可以用“原假设正确”和“原假设错误”来表述。因而判断有可能正确也有可能错误，也就是说我们面临犯错误的可能。所犯错误的两种类型，第一类错误是原假设为真被我们拒绝，也叫弃真错误。第二类错误是原假设为伪，我们却没有拒绝。假设检验中的两类错误(决策风险)1.第一类错误（弃真错误）• 原假设为真时拒绝原假设 • 会产生一系列后果

0.0000

0

0

0

关注作者

收藏

dreamhappy2012

什么是备择假设？

问：什么是备择假设？尽管原假设陈述的是两个总体的均值相等，却并不表示它是既定的事实，仅是假设而已。如果原假设不成立，就要拒绝原假设，需要在另一个假设中做出选择，这个假设称为备择假设。备择假设的特点：1. 与原假设对立的假设，也称“研究假设”2. 研究者想收集证据予以支持的假设总是有不等号: ≠, 3. 表示为H1• H1：μ某一数值 • 例如, H1：

0.0000

0

4

0

关注作者

收藏

dreamhappy2012

什么是原假设？

问：什么是原假设？什么是原假设？(null hypothesis)由于原假设H0的下标用0表示，所以有些文献也将此成为“零假设”。μ是我们要检验的参数。1. 待检验的假设，又称“0假设”2. 研究者想收集证据予以反对的假设3. 总是有等号=, =4. 表示为H0• H0：μ=某一数值• 指定为= 号，即=

0.0000

0

4

0

关注作者

收藏

dreamhappy2012

假设检验学习中主要有哪些知识点？

问：假设检验学习中主要有哪些知识点？假设检验的定义：1.事先对总体参数或分布形式作出某种假设，然后利用样本信息来判断原假设是否成立2.有参数假设检验和非参数假设检验3.采用逻辑上的反证法，依据统计上的小概率原理主要的知识点见下图：

0.0000

0

6

0

关注作者

收藏

dreamhappy2012

假设检验和参数估计的区别？

问：假设检验和参数估计的区别？答：假设检验和参数估计是统计推断的两个组成部分，他们都是利用样本对总体进行推断，但推断的角度不同。参数估计讨论的是用样本统计量估计总体参数的方法，总体参数μ在估计前是未知的。而在假设检验中是先对μ的值提出一个假设，然后利用样本信息去检验这个假设是否成立。

42.8571

1

0

0

关注作者

收藏

dreamhappy2012

一个总体参数的区间估计包含哪些？

问：一个总体参数的区间估计包含哪些？研究一个总体时，所关心的主要参数有：总体均值，总体比例，总体方差。总体均值估计需要考虑总体是否为正态分布，总体方差是否已知，用于构造估计量的是大样本还是小样本。

0.0000

0

2

0

关注作者

收藏

dreamhappy2012

为什么需要置信区间？

问：为什么需要置信区间？现实测量中误差永远存在，而且不可避免。即使实验条件再精确也无法完全避免随机干扰的影响，所以做科学实验往往要测量多次，用取平均值之类的统计手段去得出结果。多次测量，是一个排除偶然因素的好办法。在科学实验中总是会在测量结果上加一个误差范围。这里的误差范围（区间）在统计概率中就叫做置信区间。简单来说，置信区间就是误差范围。

0.0000

0

3

0

关注作者

收藏

dreamhappy2012

点估计问题的提法？

问：点估计问题的提法？答：设总体X 的分布函数形式已知,但它的一个或多个参数为未知,借助于总体X的一个样本来估计，总体未知参数的值的问题称为点估计问题.点估计问题就是要构造一个适当的统计量，用它的观察值，来估计未知参数

0.0000

0

3

0

关注作者

收藏

dreamhappy2012

估计量的求法？

问：估计量的求法？答：由于估计量是样本的函数,是随机变量，故对不同的样本值，得到的参数值往往不同，如何求估计量是关键问题。常用构造估计量的方法: (两种) ：矩估计法和最大似然估计法。

0.0000

0

3

0

关注作者

收藏

dreamhappy2012

评价估计量的标准有哪些？

问：评价估计量的标准有哪些？无偏性(unbiasedness)：估计量抽样分布的数学期望等于被估计的总体参数有效性(efficiency)：对同一总体参数的两个无偏点估计量，有更小标准差的估计量更有效。一致性(consistency)：随着样本量的增大，估计量的值越来越接近被估计的总体参数

0.0000

0

2

0

关注作者

收藏

dreamhappy2012

置信水平是什么？

问：置信水平是什么？答：1. 将构造置信区间的步骤重复很多次，置信区间包含总体参数真值的次数所占的比例称为置信水平2. 表示为(1 – α)% • α为是总体参数未在区间内的比例3. 常用的置信水平值有 99%, 95%, 90% • 相应的α为0.01，0.05，0.10例：置信区间(95%的置信区间)

0.0000

0

1

0

关注作者

收藏

dreamhappy2012

点估计与区间估计的区别是什么？

问：点估计与区间估计的区别是什么？答：点估计指：1. 用样本的估计量的某个取值直接作为总体参数的估计值2. 无法给出估计值接近总体参数程度的信息• 虽然在重复抽样条件下，点估计的均值可望等于总体真值，但由于样本是随机的，抽出一个具体的样本得到的估计值很可能不同于总体真值• 一个点估计量的可靠性是由它的抽样标准误差来衡量的，这表明一个具体的点估计值无法给出估计的可靠性的度量

0.0000

0

0

0

关注作者

收藏

dreamhappy2012

顺序数据：四分位差是什么？

问：顺序数据：四分位差是什么？答：四分位差也称为内距或四分间距，他是上四分位数与下四分位数之差。其特点为：1. 对顺序数据离散程度的测度2. 也称为内距或四分间距3. 上四分位数与下四分位数之差4. 反映了中间50%数据的离散程度5. 不受极端值的影响6. 用于衡量中位数的代表性

7.1474

1

2

0

关注作者

收藏

dreamhappy2012

分类数据：异众比率是什么？

问：分类数据：异众比率是什么？答：异众比率是指非众数组的频数占总频数的比例。1.对分类数据离散程度的测度2.非众数组的频数占总频数的比例3.计算公式为 4. 用于衡量众数的代表性异众比率越大，众数的代表性越差；异众比率越小，众数的代表性越好。顺序数据和数值型数据也可以计算异众比率。

0.0000

0

2

0

关注作者

收藏

dreamhappy2012

相同样本怎么度量数据的离散程度？

问：相同样本怎么度量数据的离散程度？答：相同样本的情况下，我们把数据分为，分类数据，顺序数据，数值型数据三大类。分类数据主要使用异众比率：异众比率越大，众数的代表性越差；异众比率越小，众数的代表性越好。顺序数据使用四分位差：四分位差反映了中间50%的数据的离散程度，数值越小，说明中间的数据越集中；数值越大，说明中间的数据越分散。数值型数据使用极差，平均差，方差和标准差。

0.0000

0

3

0

关注作者

收藏

dreamhappy2012

怎么理解数据的离散程度？

问：怎么理解数据的离散程度？答：数据的离散程度是数据分布的一个重要特征，它反映各变量值远离中心值的程度。数据的离散程度越大，集中趋势的测度值对该数据的代表性就越差；离散程度越小，其代表性越好。描述数据离散程度采用测度值，根据数据类型的不同主要有异众比率，四分位差，方差和标准差。不同样本主要使用离散系数测度数据的相对离散程度。

7.1474

1

7

0

关注作者

收藏

<1…404142…55>

CDA考试动态

CDA报考指南