10.13: 章节回顾
- Page ID
- 204756
\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)\(\newcommand{\AA}{\unicode[.8,0]{x212B}}\)
10.1 比较两个独立的总体均值
两个总体均值来自未知总体标准差的独立样本
- 随机变量：\(\overline{X}_{1}-\overline{X}_{2}\)= 采样均值之差
- 分布：带有自由度的学生 t 分布（未合并方差）
10.2 Cohen 的小型、中型和大型效果尺寸标准
Cohen's d 是根据两种均值之间的差异来衡量 “效应大小”。
值得注意的是，与我们研究的其他假设检验相比，科恩的效应大小\(d\)没有提供可信度。 效果的大小只是指示性的。
10.3 均值差异检验：假设总体方差相等
如果我们不知道总体方差但假设方差相同，则合并样本方差将小于单个样本方差。
这将提供更精确的估计值，并降低丢弃有效空值的可能性。
10.4 比较两个独立的人口比例
检验来自独立样本的两个总体比例。
- 随机变量：\(\mathbf{p}^{\prime}_{A}-\mathbf{p}_{B}^{\prime}\)= 两个估计比率之间的差值
- 分布：正态分布
10.5 具有已知标准差的两个总体均值
对来自独立样本的两个总体均值进行假设检验，其中总体标准差已知（通常与样本标准差近似），将具有以下特征：
- 随机变量：\(\overline{X}_{1}-\overline{X}_{2}\)= 均值之差
- 分布：正态分布
10.6 匹配或配对样本
匹配或配对样本的假设检验（t 检验）具有以下特征：
- 通过从另一个测量值中减去一个测量值来测试差异
- 随机变量：\(\overline{x}_{d}\)= 差值的平均值
- 分布：带有自由\(n – 1\)度的学生 t 分布
- 如果差值的数量很小（小于 30），则差异必须遵循正态分布。
- 从同一组对象中提取两个样本。
- 样本是依赖的。