测量所有事物之〈7年奥德赛及隐藏误差改变.ppt

* Elizabeth Newton 博士 幻燈片由Elizabeth Newton（麻省理工學院）準備，其中部分由Roy Welsch（麻省理工學院）與Gordon Kaufman（麻省理工學院） 1 2 15.075，應用統計學 講課：M，W 10-11：30 複習課：R 4-5 教材：《統計學與數據分析》Tamhaneand Dunlop著 編程：S-Plus 考試：期中（課內）和期末 先修課程：微積分，機率論，線性代數， 3 15.075，應用統計學，課程大綱 ?收集數據 ?概括和探索數據 ?機率論複習 ?統計量的抽樣分佈 ?推斷 點估計與區間估計，假設檢驗 ?線性回歸 ?變量分析 ?非參數方法 ?專題（數據挖掘？） 4 統計學 是為了得出結論和決策而進行的數據採集及數據分析之科學。 Tamhane，AjitC.，Dorothy D，Dunlop，《統計學與數據分析進階》。Prentice Hall，2000，第1頁， 「統計學決不能取代判斷」， Henry Clay。 5 「米」如何定義？ 四分之一子午線（從極點到赤道）的一千萬分之一。 但是－－它不精確. 為什麼？ 6 《對所有事物的測量》，Ken Alder, 描述兩個法蘭西天文學家，Delambre and Mechain，企圖確定法蘭西大革命時期地球的周長。 用三角測量法確定巴塞隆那與敦刻爾克之間的距離，需要知道每一個端點的緯度 （透過測量天體高度）。 7個月到7年。 Mechain獲得相矛盾的訊息 ，隱瞞了數據的部分訊息。 7 頁214（《所有事物的測量》）： 「什麼被記為誤差？誰能斷言你將要犯錯誤？ 如何近似為充分近似？Mechain和他的同事 都沒有能夠以相當程度的信心回答上述問題。 他們對統計簡直是一無所知。」 - 引自 Alder，Ken。《測量所有事物》之〈7年奧德賽及隱藏誤差改變世界〉，Free Press，2003。 8 數據：一組測量值 特性： 名義的，如顏色：紅，綠，藍 二元的，如（M,F），（H,T），（0,1） 序數的，如對待戰爭態度：支持，中立，不支持 數字的 離散的，如兒童數量 連續的，如距離，時間，溫度 也包括： 間隔，如華氏溫度 比率（絕對零），如距離，兒童數量 9 S-Plus數據集：cu.摘要 10 概念 數據集常寫成矩陣形式，行對應觀測值，列對應變量。 總體： 所有感興趣的單元的集合（有限或無限）. 例如：麻省理工學院的所有學生 樣本： 實際觀察總體的一個子集. 例如：在這教室裡的學生. 變量： 每一單元的性質或屬性，例如 年齡，高度 觀察值： 獨立單元的所有變量的值 11 概念（接上） 參數： 針對每一變量定義的總體的數字特性，如反對戰爭人數的比例。 統計量： 用於估計總體參數的樣本數字函數。 精確度： 參數估計量的散佈 準確度： 與偏差對應的估計量與真值的近似程度 偏倚度： 估計量與真值的系統偏離程度 12 準確度和精確度 正確且精準 正確但精準 精準但不正確 不正確且不精準 由麻省理工學院開放式課程提供 13 研究設計與執行步驟 背景研究和文獻綜述。 定義研究目的及具體假設。 確定要測量的變量及如何測量。 制定收集數據的計畫內 抽樣設計 樣本大小 包括的範圍 人員訓練 匯集數據 分析數據 結果報告  14 倫理觀 從人類角度： 從動物角度： （見 H u lley C u m m i n gs之《臨床研究設計》） 15 統計研究 描述性的： 一組，例如調查，選舉 比較性的： 2 組以上，例如對不同教學方法效果的比較。 實驗性的： 調查人員主動介入以控制研究條件 尋找預測值（解釋變量）與回應（輸出值）之間的關係 明確因果關係，例如藥物試驗 觀察性的： 調查人員透過旁觀記錄數據 難以區分預測值干擾變量（潛變量）件間的影響。 建立聯繫，例如Framingham之《心臟研究》 16 觀察性研究： 橫截面研究 尋找某一時點的樣本 例如人口普查，樣本調查 預測研究（昂貴！） 對樣本（一群）進行時間序列跟蹤研究 。 例如Framingham之心臟研究，護士健康研究 回顧研究（案例控制） 按時間追溯 17 觀察研究中的誤差來源 抽樣誤差 樣本不同於總體 測量偏差 界定問題不清晰 自我選擇偏差 拒絕參與 回應偏差 不正確或不真實的回應 18 抽樣類型 機率抽樣（總體中的任一單元都具有非零機率） 簡單隨機抽樣 （SRS） 分層隨機抽樣 多階段分群隨機抽樣 系統抽樣