發(fā)簡(jiǎn)信
IP屬地：甘肅
-
（補(bǔ)充）非參數(shù)檢驗(yàn)-兩配對(duì)+獨(dú)立樣本
Emmm煮纵，突然發(fā)現(xiàn)好像對(duì)之前的內(nèi)容有一丟丟遺漏拉队。在此補(bǔ)充一下闸拿。 前面咱們學(xué)習(xí)的兩配對(duì)樣本和兩獨(dú)立樣本的秩和檢驗(yàn)沒(méi)有問(wèn)題植影，只是還不完整。因?yàn)槲覀冎?..
-
非參數(shù)檢驗(yàn)-兩個(gè)獨(dú)立樣本的Wilcoxon秩和檢驗(yàn)
今天我們學(xué)習(xí)的內(nèi)容是兩個(gè)獨(dú)立樣本的非參數(shù)檢驗(yàn)拌汇，這里特別聲明一點(diǎn)瞧预，雖然標(biāo)題起的是Wilcoxon秩和檢驗(yàn)，但在SPSS實(shí)際操作中使用的卻是Mann...
-
非參數(shù)檢驗(yàn)-配對(duì)樣本的Wilcoxon符號(hào)秩和檢驗(yàn)
之前我們學(xué)習(xí)了單樣本的K-S檢驗(yàn)常用來(lái)檢測(cè)數(shù)據(jù)是否滿(mǎn)足正態(tài)分布榨惰，并不是單樣本t檢驗(yàn)的代替方法拜英。 今天學(xué)習(xí)的配對(duì)樣本的Wilcoxon符號(hào)秩和檢驗(yàn)...
-
非參數(shù)檢驗(yàn)-單樣本K-S檢驗(yàn)
K-S檢驗(yàn)，是不是感覺(jué)似曾相識(shí)读串。沒(méi)錯(cuò)聊记，就是之前我們檢驗(yàn)數(shù)據(jù)正態(tài)性的那個(gè)K-S檢驗(yàn)。它主要的作用就是檢驗(yàn)數(shù)據(jù)的分布情況恢暖，最主要的當(dāng)然就是正態(tài)分布排监，...
-
非參數(shù)檢驗(yàn)-原理
?其實(shí)按照正常的統(tǒng)計(jì)學(xué)教學(xué)大綱，t檢驗(yàn)之后應(yīng)該是學(xué)習(xí)方差分析的內(nèi)容杰捂，但我之前也說(shuō)過(guò)舆床，既然咱們學(xué)習(xí)了t檢驗(yàn)的使用，對(duì)于不滿(mǎn)足t檢驗(yàn)使用條件的情形該...
-
正態(tài)性檢驗(yàn)-多種檢驗(yàn)方法
?其實(shí)好多細(xì)心的小伙伴都發(fā)現(xiàn)了嫁佳，我們?cè)谶M(jìn)行部分常規(guī)統(tǒng)計(jì)操作前挨队，很多限制條件都是規(guī)定數(shù)據(jù)必須滿(mǎn)足正態(tài)分布，那今天我將介紹幾種SPSS中檢驗(yàn)數(shù)據(jù)正態(tài)...
-
t檢驗(yàn)-單側(cè)t檢驗(yàn)
之前我們學(xué)習(xí)的t檢驗(yàn)都是雙側(cè)的蒿往，也就意味著H1:μ1≠μ2（μ1＞μ2或μ1＜μ2）是有差異的盛垦，而且SPSS軟件默認(rèn)都是雙側(cè)。比如瓤漏，我們得到一個(gè)...
-
t檢驗(yàn)-合理和正確解釋P＜0.05（Cohen‘s效應(yīng)量指標(biāo)）（二）
?上一篇文章我們學(xué)習(xí)了什么是效應(yīng)量指標(biāo)腾夯，它的意義是什么？那么本篇主要是講學(xué)習(xí)如何使用它蔬充。 案例演示： 某研究者在某高校隨機(jī)抽取了590名大學(xué)生蝶俱，...
-
t檢驗(yàn)-合理和正確解釋P＜0.05（Cohen‘s d 效應(yīng)量指標(biāo)）（一）
當(dāng)我們?cè)谑褂胻檢驗(yàn)的時(shí)候大多數(shù)時(shí)候都是小樣本為主，尤其是臨床試驗(yàn)中饥漫，用較少的樣本來(lái)推斷其所代表的總體是否有差異是我們的最終目的榨呆， 但是當(dāng)樣本量較...