问：用Excel中的统计函数功能计算P值的操作步骤： 答：第1步： 进入Excel表格界面，选择【插入】下拉菜单。 第2步： 选择【函数】，或者直接点击功能栏中的【fx】 第3步：在函数分类中点击 “ 统计 “，随后， 在函数名的菜单下选择字符"NORMSDIST",然后确定。 第4步：输入z的绝对值，对cumulative逻辑值输入1，得到一个结果。 第5步：双侧检验，计算p=2（1-δ），单侧
dreamhappy2012
2019-02-16
答：样本最大小是选择检验统计量的一个要素。 由抽样分布理论可知， 在大样本条件下，如果总体为正态分布， 样本统计量服从正态分布； 如果总体为非正态分布， 样本统计最渐近服从正态分布。 所以在大样本情况下， 我们都可以把样本统计最视为正态分布， 这时可以使用z统计最(z分布）。 z统计最的计算公式, 即在总体标准差已知时 实践中当总体标准差未知时，可以用样本标准差s代替，上式可以写为： 4问、
dreamhappy2012
2019-02-16
答：在小样本情况下， 如果总体标准差已知，样本统计最将服从正态分布， 这时可以采用z统计量。 如果总体标准差未知，进行检验所依赖的信息有所减少，这时只能使用样本标准差，样本统计量服从 t分布， 应该采用 t统计量。 与正态分布相比，t分布更为扁平，在相同概率条件下，t分布的临界点向两边更为扩展， 临界点与中心距离更远，这意味着推断的精度下降， 这是总体标准差未知所需要付出的代价。
dreamhappy2012
2019-02-16
问：样本量小检验统计量大确定标准？ 答：在小样本情况下， 如果总体标准差已知，样本统计最将服从正态分布， 这时可以采用z统计量。 如果总体标准差未知，进行检验所依赖的信息有所减少，这时只能使用样本标准差，样本统计量服从 t分布， 应该采用 t统计量。 与正态分布相比，t分布更为扁平，在相同概率条件下，t分布的临界点向两边更为扩展， 临界点与中心距离更远，这意味着推断的精度下降， 这是总体标准差未
dreamhappy2012
2019-02-16
问：样本量n多大才为大样本量？ 答：样本量n多大才为大样本量才为大样本，与被检验的对象有关。仅分布本身而言，当n较小时，t分布与z分布差异是明显的，随着n的扩大，t分布向z分布逼近，它们之间的差异逐渐缩小，t分布以z分布问极限。 当样本量n>30时，t分布与z分布非常接近，具备了用z分布取代t分布的理由。 当样本量n<30时，如果总体标准差未知，则必须使用t统计量。 在n>30的条件下，选择t统计
dreamhappy2012
2019-02-16
问：双侧检验中原假设与备择假设的怎么确定？ 1. 属于决策中的假设检验 2. 不论是拒绝H0还是不拒绝H0，都必需采取相应的行动措施 3. 例如，某种零件的尺寸，要求其平均长度为10cm，大于或小于10cm均属于不合格 • 我们想要证明(检验)大于或小于这两种可能性中的任何一种是否成立 4. 建立的原假设与备择假设应为 H0：μ=10 H1：μ≠10
dreamhappy2012
2019-02-15
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。
dreamhappy2012
2019-02-15
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H0 2. 双侧检验 • 若p-值>α
dreamhappy2012
2019-02-15
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
dreamhappy2012
2019-02-15
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
dreamhappy2012
2019-02-15
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
dreamhappy2012
2019-02-15
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: ≠, <或> 3. 表示为H1 • H1：μ<某一数值，或μ>某一数值 • 例如, H1：<
dreamhappy2012
2019-02-15
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=, <=或>= 4. 表示为H0 • H0：μ=某一数值• 指定为= 号，即<=或>=
dreamhappy2012
2019-02-15
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：
dreamhappy2012
2019-02-15
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。
dreamhappy2012
2019-02-15
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。
dreamhappy2012
2019-02-15
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。
dreamhappy2012
2019-02-15
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
dreamhappy2012
2019-02-15
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。
dreamhappy2012
2019-02-15
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
dreamhappy2012
2019-02-15
