第21章什麽是信赖区间.DOC

第21章 什麼是信賴區間 一、簡介 用來描述母體的數叫做參數(parameter)，要估計母體參數，必須從母體取一個樣本，並從樣本算出來的某個統計量(statistic)的值來當做我們的估計。樣本的結果通常不會和母體的真正比例一模一樣，所以就需要信賴區間(confidence interval)把這個大約更具體化；信賴區間就是估計一個未知參數的方式，可以提供我們該估計的不確定程度。 二、我學得 1.95%信賴區間是從樣本數據計算出來的一個區間，保證在所有樣本當中，有 95%會把真正的母體參數包含在區間內。 2.一個統計量的抽樣分布，是指同一母體所抽出，同樣大小的所有可能樣本， 其統計量的值之分布，用 表示成功的樣本比例： =樣本中的成功計數/n 當樣本夠大時， 的分布為近似常態；且抽樣分布的平均數和p相等。 3.信賴區間應用機率的中心概念：如果重複抽樣許多次，95%信賴區間中的 95%是機率，是這個方法所產生的區間會抓到真正參數值的機率。所以從 同一母體重複抽樣，會得到不一樣的95%信賴區間，但是這些區間當中， 有95%會抓到真正的母體比例p。 4.信賴水準是一項機率，它告訴我們在許多樣本中，不斷重複抽樣測量時， 區間會抓到真正參數的機率，這個機率就是信賴水準。 三、我覺得 1.要找信賴區間，先得考慮統計量的抽樣分布，也就是重複抽樣之下統計量 會如何變化；信賴區間展現的是這個參數的真實值有一定機率落在測量結 果附近的程度。信賴區間公式有很多種，可以在不同情形下使用，但是更 重要的是，解釋的方法都是一樣的。 2.抽樣分布是在描述從同一母體抽出的許多樣本之結果；我們可以信任大的 隨機樣本的結果，都很接近母體的真正值。但是我們永遠不會知道，我們 手上的這組數據所得到的區間，是不是真正的母體參數，如果認為風險太 大，可以改用更高比例的信賴區間。 3.用簡單隨機樣本（SRS）中的成功比例， 來估計母體中的成功比例p。統計量 做為參數p之估計，表現如何？要知道答案，我們會問：「如果我們取許許多多樣本，會發生什麼情況？」我們也知道這個抽樣變異並不是偶發的。長期下來它有很清楚的型態，用常態曲線可以把這個型態描繪得相當接近。 第22章 什麼是顯著性檢定 一、簡介 統計推論是利用樣本的數據，來對母體做結論，所以統計檢定處理的，是有關母體的判斷，故顯著性檢定則是要評估對某一未知參數斷言的證據；顯著性檢定用機率來回答之問題為，光憑機遇就會得到像某樣本的極端結果之機率有多少？ 統計檢定的p值，如果小於或等於α值，代表我們的結果只靠機遇碰巧發生的機率不大，p值是在H0為真的假設下1.統計量對於參數的結果，完全是由機遇造成的機率非常小，可以用顯著性 檢定對這個基本論據，處理得更精確；統計檢定會先假設我們再找的效應 並不存在，然後開始尋找的證據，必須不利這項假設，而支持我們想找的 效應。 2.統計檢定的值是在H0為真的假設下，所得到樣本結果會像實際觀測結果 那麼極端或更極端的機率。值愈小，資料所提供否定H0的證據就愈強；在實際應用時，大部分的統計檢定可以由電腦軟體來執行。 3.統計檢定量(即其對應之)是否落在拒絕區域，即落在顯著水準α值外更為 極端之區域，來判定是否該拒絕這個假設。(以下參考教育論文寫作一書) p .05，表示結果不顯著，不加以註記； p≦.05，表示結果顯著，通常會以「*」註記； p .01，表示結果更顯著，通常會以「**」註記。 1.顯著性檢定的目的，通常是想提出母體中存在某種不利原始假設的證據有 多強，檢定並沒有說我們正在尋求的母體效應，到底有多大或多重要；但 是要證明原始假設不正確，p值要多小才能令人信服？不同的人常會想用 不同的顯著水準，所以在「顯著」與「不顯著」之間並沒有清楚的界線。 2.如果值小於或等於α值，我們稱該組數據於水準α有統計顯著性「顯著」（significant）在統計上的意義並不是「重要」，而只代表「光是靠機遇不容易發生」。 1.統計推論是根據樣本所提供的證據，對母體做出結論在數學領域做結論，是要從某些假設開始，然後根據邏輯推演，證明結論確實毫無疑問絕對成立。統計卻不一樣統計結論不是百分之百確定的，因為樣本不等於整個母體。所以統計推論除了結論以外，還得說明結論的不確定程度。 3.我們必須真正瞭解統計顯著性的意義： ??(1)樣本愈多愈容易拒絕虛無假設。 ??(2)統計上的顯著性和實際上的顯著性是不一樣的。除了注意P值外，要多花點時間詳細檢視資料本身。 ??(3)選擇顯著水準。 ??(4)不要忽略沒有顯著性的結果。 假設檢驗方法，可以用來判斷雙向表中所出現的