[统计]_假设检验的逻辑

本文探讨假设检验的核心逻辑,以t检验和单因素方差分析为例,阐述如何判断实验效应是否显著大于误差。通过增高药实验的例子,解释效应和误差的概念,强调样本量对结果可靠性的影响,并指出不同检验中效应和误差的计算差异。
摘要由CSDN通过智能技术生成

        这是以前发在个人公众号上的文章,发到这里,希望能对需要的人有用。

        今天主要想谈的是假设检验的逻辑,假设检验贯穿了心理统计学,但很多同学对它的逻辑并不清楚,在这里我们以t检验和单因素的方差分析为例,讲一讲假设检验的逻辑。

        在这里不卖关子,其实假设检验就干一件事情,就是看我们的实验效应是不是显著大于我们的误差。也就是:检验值=效应/误差。

        但怎么理解这个效应和误差呢,举个例子,有人说他发明了增高药,吃了能长高,那我们要看他这个增高药有没有效果,然后我们找了10个男生来,吃之前这10个男生的身高是175,178,180,168,172,179,181,185,170,169,平均身高是175.7,吃了增高药之后,这10个男生的身高变成177,177,183,169,172,181,182,184,173,172,平均身高是177。

        这时我们要看增高药有没有显著提高男生的身高,我们就需要做一个配对样本t检验,这时候t值就是我们的检验值,那哪一部分是我们增高药引起的效应呢,其实就是我们吃药后的平均身高减去我们吃药前的平均身高,也就是177-175.7&

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值