[問題] 學生獨立與成對分布的檢驗

看板Statistics作者 (SaltLake)時間4年前 (2020/01/14 22:56), 4年前編輯推噓1(1推 0噓 22→)
留言23則, 4人參與, 4年前最新討論串1/1
學生分布測試有獨立雙樣本測試和成對樣本測試兩種。 雖然它們用來測試的統計量之分子都是兩樣本目標統計 量的差值，例如平均值或者比例值，但是在分母方面， 兩種測試方法的公式並不相同。 請問有甚麼測試的方法可以確認所用的學生測試法是正 確的? -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.44.197.88 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Statistics/M.1579013766.A.259.html
→
01/14 23:09, 4年前 , 1F
完全由實驗設計決定。先判斷可以從母體中隨機抽出的單位
01/14 23:09, 1F
→
01/14 23:09, 4年前 , 2F
是什麼就可以判斷了。
01/14 23:09, 2F
有測試數據比較能客觀佐證判斷的正確性。尤其當要向判斷與自己不同的上級 解釋自己的判斷才是正確的時候。因此才想問有否客觀的驗證(佐證)方法。 ※ 編輯: saltlake (114.44.197.88 臺灣), 01/15/2020 00:38:28 這有點像高中數學解排列組合的問題，一個問題的解法遇到不只一種看法。 爭執到最後最能說服人的方式是，一個個把排列組合的方式列出來。事實擺 在眼前，才能杜絕爭議。 ※ 編輯: saltlake (114.44.197.88 臺灣), 01/15/2020 00:40:24
→
01/15 01:43, 4年前 , 3F
那你可以告訴他如果是獨立樣本（或配對樣本）會是怎樣的
01/15 01:43, 3F
→
01/15 01:44, 4年前 , 4F
的方式收集資料，而事實並非如此。應該有足夠說服力。
01/15 01:44, 4F
→
01/15 01:47, 4年前 , 5F
若有不容易判斷的情況，通常是對隨機樣本的意義有誤解，
01/15 01:47, 5F
→
01/15 01:48, 4年前 , 6F
例如沒能看出區集存在、自以為是獨立樣本但其實不是...
01/15 01:48, 6F
→
01/15 01:49, 4年前 , 7F
或是其實設計更加複雜而不是單純這二種方案能解決。
01/15 01:49, 7F
→
01/15 19:28, 4年前 , 8F
沒有任何 "測試" 可用來證實樣本的獨立性, 除了對樣本取得
01/15 19:28, 8F
→
01/15 19:30, 4年前 , 9F
方式分析以外. 既然有疑問, 不如把樣本取得情形說出來, 讓
01/15 19:30, 9F
線性獨立可以靠計算正交性的值做核對，統計獨立性沒有一個衡量的量供核對? 不說準確確認，連估計獨立程度的衡量標準都沒有? ※ 編輯: saltlake (114.44.197.88 臺灣), 01/15/2020 19:32:43
→
01/15 19:31, 4年前 , 10F
版友幫你分析解釋.
01/15 19:31, 10F
推
01/15 19:53, 4年前 , 11F
沒有辦法。完全由設計決定。
01/15 19:53, 11F
用下列關係檢視呢? 若統計獨立則協變異數為零 那麼 若協變異數不為零則非統計獨立 ※ 編輯: saltlake (114.44.197.88 臺灣), 01/15/2020 20:20:41
→
01/15 20:58, 4年前 , 12F
要看實驗設計
01/15 20:58, 12F
→
01/15 21:08, 4年前 , 13F
就算共變方為0也不表示獨立樣本。共變方非0也不表示配對
01/15 21:08, 13F
→
01/15 21:19, 4年前 , 14F
，還有可能存在其它原因造成不獨立。
01/15 21:19, 14F
比方說那些因素? ※ 編輯: saltlake (114.44.197.88 臺灣), 01/16/2020 00:51:35
→
01/16 02:13, 4年前 , 15F
例如獨立樣本設計但以有問題的方式抽樣造成非獨立。
01/16 02:13, 15F
→
01/16 02:22, 4年前 , 16F
主觀上要營造獨立樣本，但抽樣不獨立剛好撞上未考慮潛在
01/16 02:22, 16F
→
01/16 02:23, 4年前 , 17F
因子，看似獨立樣本但共變方由於該因子作用就跑出來了
01/16 02:23, 17F
→
01/16 07:04, 4年前 , 18F
不說零相關不代表獨立, 就是兩獨立樣本資料卻強將任意配對,
01/16 07:04, 18F
→
01/16 07:06, 4年前 , 19F
其相關係數也不必為0. 舉個植端例子, 兩獨立樣本資料各自排
01/16 07:06, 19F
→
01/16 07:07, 4年前 , 20F
序後予以配對, 將呈現高度相關.
01/16 07:07, 20F
→
01/16 07:10, 4年前 , 21F
不追究樣本如何取得而只追求計算, 這不是做統計, 而是在玩
01/16 07:10, 21F
→
01/16 07:10, 4年前 , 22F
數字.
01/16 07:10, 22F
→
01/16 12:24, 4年前 , 23F
抽樣很重要怎麼可以不討論抽樣方式呢?
01/16 12:24, 23F
‣ 更多 saltlake 的文章
文章代碼(AID): #1U7TQ69P (Statistics)