Les statistiques sont divisées en statistiques descriptives et moins de statistiques

1. DESCRIPTION Statistiques

1. DESCRIPTION Statistiques

Qu'est-ce qui est décrit: «Une paire de yeux triangulaires Danfeng , Deux saule serrure saule, poids corporel, vent physique, surface de printemps contenant printemps, inconnu dan, "C'est la description de Wang Xifeng. Et comment évaluons-nous quelque chose comme une personne, la description statistique utilisée pour décrire un groupe de données: quelle est la valeur minimale minimale? Quelle est la moyenne? Quel numéro est le plus? Est des données concentrées ou discrètes? Etc. Lorsque nous analysons les données, nous devons explorer la loi dans les données, mais ce principe est ce que nous devons savoir que c'est la durée de ce groupe. Comme un gars qui veut poursuivre une fille, vous devez bien comprendre cette fille, pour faire un médicament, c'est bon. La méthode de description commune des données est la suivante:

2. Méthode d'échantillonnage et de limites extrêmes

lorsqueNous avons découvert une série de médicaments non qualifiés, nous ne pouvons pas ouvrir tous les kits. Tout a vérifié s'il n'est pas éligible, seule une partie de la détection peut être extraite et la qualité de tous les médicaments est déduite en fonction des résultats de test de ce médicament, il s'agit d'une méthode d'échantillonnage appelée méthode d'échantillonnage. L'échantillonnage consiste à détecter un échantillon d'une manière globale pour détecter un échantillon de l'ensemble et une méthode de qualité globale avec des résultats de détection des échantillons.

Nous devons utiliser des échantillons à des fins différentes dans la vie réelle. Pour les demandes d'échantillonnage, différentes méthodes d'échantillonnage sont nécessaires. Les méthodes d'échantillonnage populaires sont les suivantes:

3. Quelle distribution est extraite des vêtements d'échantillon?

Selon la limite centrale: si tous les échantillons sont de toute forme, la distribution d'échantillon du moyen d'échantillon proche de la distribution normale et plus la quantité d'échantillons, env.plus grand.

Lorsque des échantillons sont supérieurs à 30, limitent les centres de conformité, des échantillons de la distribution normale; Lorsque des échantillons sont inférieurs à 30, la distribution globale globale, à ce moment-là, l'échantillon provient de l'allocation. La distribution de l'échantillon détermine la méthode que nous utilisons dans le test d'hypothèse pour le vérifier.

III, Statistiques de raisonnement

1. Étapes de base

Les statistiques de raisonnement sont les caractéristiques de la fonctionnalité globale des caractéristiques de l'échantillon. Et ce processus de déduction est appelé l'hypothèse. Quel est le premier à savoir? Qu'est-ce que la preuve? Quelle est la norme d'évaluation? Enfin faire une conclusion. Il s'agit de quelques étapes correspondant à l'hypothèse:

1) Présentation de l'hypothèse initiale (H0) et de l'hypothèse de remplacement (H1)

2) pour déterminer le niveau de poids de la citation (lorsque l'original L'hypothèse est correcte, la probabilité de le refuser)

3) Choisissez les statistiques de test

4) Définissez le principe de décision

5) Conclusion suivante

Opportunité de prix
Différence d'échantillonnage standard S: L'écart-type global est estimé

selon la valeur T, trouvez le modèle T pour prendre la valeur P

2. Supposons trois types de

Vérifiez le formulaire: bien que la valeur moyenne d'un seul échantillon soit égale à la valeur cible

Connexion associée: si la différence entre la corrélation ou le couplage L'observation est égale à la valeur cible

Test de l'échantillon double indépendant: si la différence entre la valeur moyenne de deux échantillons indépendants égaux à la valeur cible
3. Différentes méthodes de test statistique

Z Test: Z Test est une méthode couramment utilisée pour un échantillon de grande taille (c.-à-d. Capacité d'échantillonnage supérieure à 30) Valeur moyenne pour les contrôles différentiels. C'est la probabilité d'une différence de théorie de la distribution normale normale, comparant ainsi deux moyennes et gt; La différence moyenne est significative.

T test: pour un échantillon de distribution normal pour unPetite teneur en échantillonnage (par exemple N & LT; 30), écart type σ Les échantillons de distribution normaux ne connaissent pas.

F Test: F Test est également appelé Variance. Le test F est utilisé dans deux T. Vérification T. Vérifiez si la variance des deux échantillons a une différence significative. Il s'agit d'une condition préalable à sélectionner Test de test (vérifiez deux formes équivalents, enregistrez-vous dans un double échantillon parallèle).

[12] (T test pour détecter la précision des données, détecter les erreurs système; f Test est utilisé pour détecter la précision des données, détecter des erreurs aléatoires)
Test de QC: principalement utilisé pour tester deux différences significatives entre ou deux ou plusieurs ratios d'échantillonnage ou de rapports de composants, ou s'il existe une certaine relation entre deux objets.

4. Détection de la détection double queue et de la queue à la queue

a détecté deux queues ou découvertes à la queue unique avec notre congé initial. Par exemple, nous avons une différence dans l'éducation chinoiseEt des Japonais. Si l'hypothèse originale est le niveau académique de la Chine = degré japonais, l'hypothèse originale est nécessaire pour nier deux possibilités, l'une d'apprentissage de la Chine plus grande en japonais, la deuxième est l'éducation au Japon est supérieure à celle des qualifications académiques chinoises, nous devons vérifier les doubles queues. Et l'hypothèse originale apprendra de la Chine plus grande que l'éducation japonaise. Il suffit de rejeter une possibilité, c'est-à-dire que le niveau des Chinois est moins en japonais.

5. Niveau de fiabilité et de fiabilité

Les statistiques dites sont basées sur un échantillon à déduire dans l'ensemble. Dans le processus médiocre, nous rencontrerons certaines des interventions et les résultats des niveaux les plus bas ne sont pas un nombre précis et la valeur sera à portée de distance, ce qui est la distance appelée fiabilité.

Si vous voulez vous assurer que la valeur globale doit être dans une zone confiante, l'existence de la zone d'association n'est pas non plus une signification, car tout est égalPeut-être que les données globales peuvent être n'importe quel nombre, un problème avec une forte probabilité et un intervalle de confiance seront une gamme sans fin. Par conséquent, il est nécessaire d'ajouter la limite des niveaux de fiabilité et de fiabilité pour fournir une probabilité, ce qui signifie inutilement, tant que le niveau standard du niveau de fiabilité, nous utilisons souvent 95 niveaux de fiabilité%. Par exemple, l'intervalle de confiance inférieur à 95% de niveau de confiance est [2, 3], ce qui signifie que 95% de la valeur commune peuvent être disponibles au cours de la période [2, 3].

Méthode de calcul de l'intervalle de confiance [A, B] est: (point z: déterminé par le niveau de fiabilité, test)

A = échantillon moyen - standard d'erreur Z *

B = modèle + z modèle * Erreur standard
6. Erreur de grade 1 et deuxième erreur

L'erreur de première classe refuse la vraie mine d'assomption précise, le second type d'erreur accepté l'hypothèse. n'apparait pas. Le principal facteur d'influence des deux types d'erreurs est le niveau de fiabilité. Des niveaux de confiance plus élevés, ce qui signifie que la valeur globale signifie dans l'intervalle de confiance. Même dFacile à refuser la vraie réalité et d'abord que l'erreur peut être sexuelle qui deviendra petite et la possibilité de rendre le deuxième type d'erreur deviendra gros; Plus le niveau de confiance, le type d'erreur plus facile est plus facile, et non le deuxième type d'erreur. En fait, nous avons même peur d'une sorte d'erreur d'abord, nous allons donc essayer de définir une fiabilité élevée.

7. Effets

Lorsque nous concluons que le test est conclu, vous ne pouvez savoir que si l'échantillon est différent. S'il y a une différence, quelle est la différence? L'indicateur d'effet est un indicateur pour mesurer le sens, il existe deux types principaux.

Différents index: Mesurer la différence moyenne entre deux ensembles de données

Indicateurs associés: Mesurez la relation entre un dinh de la plupart des indicateurs et un autre indicateur

, . ] .Données statistique Analyse Rapport 1) Description de l'analyse statistique Description du cas de base de deux ensembles de données 2) Introduction de l'analyse statistique Vérifiez l'hypothèse du format de test APA: T (DF) = × xx, p = .xx (α =.xx), direction de test Intervalle d'enregistrement effet