[問題] 求問兩個母體可以做統計分析嗎?

看板Statistics作者 ( 九錫侯 )時間7年前 (2017/03/30 01:58), 7年前編輯推噓6(6013)
留言19則, 7人參與, 最新討論串1/1
各位版上大大好 小的最近在接觸一些母體的資料 然後因為以前學的統計基礎沒打好,所以來求問各位Orz 有幾個問題想請問大家 (1)如果我手邊有母體資料,那我可以用那個母體資料去做比較嗎? 就是我可以說甲群體(母體)的平均數比乙群體(母體)的平均數來的低嗎? 或是甚至做起變異數分析? 例如:我現在是校長,我現在有甲、乙兩班的各個學生的分數(母體), 那我可以用統計分析來說:哦~甲班學生的成績比乙班學生的成績高嗎? 或是甲班學生的程度與乙班學生的程度有顯著差異? 那套用到3個班級呢? (2)如果有一個分配長得很醜(比如波松、指數分配甚至他的pdf極度分散) 反正不是常態分配,那我可以把數據標準化,就是用原始數據減掉母體平均 再除以標準差,然後他就會變成常態分配了嗎? 以上兩個問題求各位大大解答,來發發p幣好了 以上兩個問題,一個問題酬謝稅前300P幣 (我知道很少拉>///<大家別計較XDD) -- 風 是一種思念 花 是一種心情 雪 是一種期待 月 是一種歡顏 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.119.159.81 ※ 文章網址: https://www.ptt.cc/bbs/Statistics/M.1490810338.A.212.html

03/30 02:49, , 1F
(1)如果兩母體獨立可以做two sample t-test,三個應該可以
03/30 02:49, 1F

03/30 02:49, , 2F
用實驗設計CRD的概念去分析。
03/30 02:49, 2F

03/30 02:53, , 3F
(2)標準化不會讓他變常態啊,如果是簡單線性迴歸模型有聽
03/30 02:53, 3F

03/30 02:53, , 4F
過用box-cox,不過不是很好。還是要看你的資料型態。
03/30 02:53, 4F
P幣已發,感謝大大解答Orz 尤其那句two sample讓我跟樓下a大的回答聯想到了新的想法!!!

03/30 03:11, , 5F
有母體為什麼要做檢定?
03/30 03:11, 5F

03/30 03:12, , 6F
除非你的「母體」背後還有一個「超」母體。
03/30 03:12, 6F
P幣已發,你的回答讓我想到我其實可以把那個算成是樣本 甲乙兩班同學這次考試的成績是樣本,每次考試的成績(或是學生程度)是母體 用無母數去分析兩班學生的程度是否存在顯著差別XDDD 真的感謝你的想法!!!

03/30 08:53, , 7F
如果要讓分配漸近常態請看CLT
03/30 08:53, 7F

03/30 13:55, , 8F
有母體就直接比較了 做什麼檢定?
03/30 13:55, 8F
※ 編輯: johnson84830 (140.119.159.81), 03/30/2017 22:00:12

03/31 01:12, , 9F
就算有母體 母體資料數太大的話不也要抽樣?
03/31 01:12, 9F

03/31 10:31, , 10F
按你的說法,你還是有母體資料,只不過資料可能有誤差
03/31 10:31, 10F

03/31 10:31, , 11F
03/31 10:31, 11F

03/31 10:35, , 12F
這和對學生抽樣後再檢定應該不一樣。
03/31 10:35, 12F

03/31 10:38, , 13F
若考試分數只是一個指標,那應該考慮這個指標準不準偏
03/31 10:38, 13F

03/31 10:38, , 14F
不偏,檢定並不是解決方案。
03/31 10:38, 14F
恩恩~~那我可以請問一下說如果我有甲乙兩班某次考試的成績 那我要怎麼檢定才能知道這兩班學生程度是否有差異呢@@??? 感謝大大了Orz ※ 編輯: johnson84830 (140.119.159.81), 04/01/2017 00:46:39

04/01 23:11, , 15F
t檢定? 可以比較兩樣本mean是否有差
04/01 23:11, 15F

04/01 23:11, , 16F
兩班程度 看mean應該算合理的
04/01 23:11, 16F

04/02 07:41, , 17F
程度大概要看多次測驗之類的吧。只有一次可能不準確。
04/02 07:41, 17F

04/02 07:41, , 18F
說實在的,程度也很難定義。
04/02 07:41, 18F

04/10 00:25, , 19F
直接比較兩班的及格人數不就好了?
04/10 00:25, 19F
文章代碼(AID): #1Os_NY8I (Statistics)