ทำไมต้องเป็นปกติ?
แนะนำใหม่| English | ความหมาย |
|---|---|
| inference/ˈɪnfərəns/ | การอนุมาน |
| normal model/ˈnɔːml ˈmɒdl/ | โมเดลปกติ |
การสำรวจความคิดเห็นไม่สามารถตรวจสอบผู้ใช้ห้องสมุดทุกคนได้
- ตัวอย่างสุ่มสมมติของ 200 ผู้ใช้ห้องสมุด มี 110 คนที่สนับสนุนการเปิดช้าขึ้น สัดส่วนที่สังเกตได้คือ $\hat p=110/200=0.55$
- การอนุมานใช้ตัวอย่างนี้เพื่อเรียนรู้เกี่ยวกับสัดส่วนประชากร $p$ ค่าประมาณอาจแปรผันหากเราสุ่มตัวอย่างอื่น
เลือกคำถามก่อนการคำนวณ
- ช่วงความเชื่อมั่นประเมินช่วงสำหรับ $p$ การทดสอบนัยสำคัญประเมินข้ออ้างที่กำหนดไว้เช่น $p=0.50$
- แบบปกติอธิบายการแจกแจงตัวอย่างโดยประมาณ มันไม่เปลี่ยนเปอร์เซ็นต์ตัวอย่างให้เป็นความรู้ที่แน่นอนของประชากร
การอนุมานเกี่ยวกับอัตราส่วนทำสิ่งใดเป็นหลัก?
Difficulty 1/5 · 100 coins + a small bonus on first completion today
การอนุมาน (Inference) เชื่อมโยงตัวอย่างเข้ากับพารามิเตอร์ของประชากร และรายงานความไม่แน่นอนจากการสุ่มภายใต้เงื่อนไขของการศึกษา
เครื่องมือหลักสองอย่างของการอนุมานสำหรับอัตราส่วนคือ...
Difficulty 1/5 · 100 coins + a small bonus on first completion today
ช่วงประมาณค่าขอบเขต; การทดสอบตัดสินข้ออ้าง
ตรวจสอบวิธีการเก็บตัวอย่าง
- ยืนยันการสุ่มและกำหนดประชากร สำหรับตัวอย่างโดยไม่แทนที่ ตรวจสอบว่า 200 มีค่าไม่เกิน 10% ของขนาดประชากร
- หากผู้เข้าร่วมสมัครผ่านกลุ่มโซเชียลมีเดียหนึ่ง ช่วงที่คำนวณแคบๆ ไม่แก้ไขความเบี่ยงเบนจากการเลือก ตัวอย่างที่มีจำนวนมากไม่สามารถแทนการออกแบบที่ดีได้
ใช้จำนวนนับสำหรับขั้นตอนที่เลือก
- สำหรับช่วงความเชื่อมั่น จำนวนนับที่สังเกตได้คือ $200(0.55)=110$ และ $200(0.45)=90$ ทั้งสองมีค่ามากกว่าสิบ
- สำหรับการทดสอบ $p=0.50$ จำนวนนับที่คาดหวังตามสมมติฐานศูนย์คือ $200(0.50)=100$ และ $200(0.50)=100$ ให้ใช้ค่าสมมติฐานศูนย์สำหรับการตรวจสอบนี้
ช่วงความเชื่อมั่นประมาณค่า p; การทดสอบตรวจสอบว่า p = 0.50 ตัวอย่าง同一 110/200 ที่ใช้ร่วมกันต้องการการตรวจสอบจำนวนนับที่แตกต่างกันสำหรับแต่ละขั้นตอน
สำหรับ n = 200 และ p̂ = 0.55, คำนวณ np̂ (จำนวนความสำเร็จ)
Difficulty 2/5 · 140 coins + a small bonus on first completion today
200 × 0.55 = 110, ซึ่ง ≥ 10
จับคู่การตรวจสอบขั้นตอนแบบปกติแต่ละข้อกับจำนวนที่ใช้ในกรณีนี้
Difficulty 2/5 · 140 coins + a small bonus on first completion today
ช่วงความเชื่อมั่นประมาณความแปรปรวนโดยใช้ proportions ที่สังเกตได้; การทดสอบนี้ตรวจสอบโมเดลศูนย์ (null model)
การประมาณด้วยปกติไม่เป็นการรับประกัน
- กฎจำนวนนับขนาดใหญ่สนับสนุนการประมาณที่มีประโยชน์ภายใต้ข้อสมมติฐานของการศึกษา พวกเขาไม่รับประกันการแจกแจงที่เป็นปกติอย่างสมบูรณ์หรือการตอบสนองที่ไม่มีความลำเอียง
- สำหรับ 4 ความสำเร็จใน 20 การสังเกต จำนวนนับความสำเร็จที่สังเกตได้ล้มเหลวต่อกฎของช่วงความเชื่อมั่น อย่าอนุมัติช่วงความเชื่อมั่นแบบปกติเพียงเพราะมี 20 การสังเกต
การสุ่มตัวอย่าง ความอิสระ และจำนวนนับที่เพียงพอ ตอบคำถามแยกกัน การผ่านเงื่อนไขหนึ่งไม่ได้แปลว่าผ่านอีกสองเงื่อนไขด้วย
สำหรับช่วงความเชื่อมั่นแบบปกติ การมีจำนวนความสำเร็จและล้มเหลวที่สังเกตได้อย่างน้อยอย่างละสิบช่วยสนับสนุนการใช้การประมาณแบบปกติ แต่จำเป็นต้องตรวจสอบการออกแบบและความอิสระด้วยเช่นกัน
Difficulty 1/5 · 100 coins + a small bonus on first completion today
จำนวนที่สังเกตได้รองรับการประมาณช่วงความเชื่อมั่น แต่ไม่ได้รับประกันความเป็นปกติหรือขจัดความลำเอียงจากการสุ่ม
การโหวตออนไลน์โดยสมัครใจมี Responses จำนวน 1,000 ข้อ Statements nàoถูกต้องตามหลักการ?
Difficulty 2/5 · 140 coins + a small bonus on first completion today
จำนวน Response ไม่สามารถสร้างการออกแบบแบบสุ่มหรือแก้ไขความลำเอียงในการเลือกตัวอย่างได้
รายงานสิ่งที่วิธีนั้นรองรับได้
- สำหรับตัวอย่างห้องสมุด ระบุประชากร ค่าประมาณ และกระบวนการความไม่แน่นอน รวมถึงการตรวจสอบการออกแบบสุ่มและจำนวนนับ
- ช่วงความเชื่อมั่นและการทดสอบตอบคำถามต่างกัน เลือกเงื่อนไขและสูตรของแต่ละอย่างแยกกัน แม้ว่าจะใช้ตัวอย่างเดียวกันก็ตาม
สำหรับตัวอย่างห้องสมุด ระบุประชากร ค่าประมาณ และกระบวนการความไม่แน่นอน รวมถึงการตรวจสอบการออกแบบสุ่มและจำนวนนับ
คุณสามารถรายงานช่วงหรือการทดสอบได้อย่างปลอดภัยโดยไม่ต้องตรวจสอบเงื่อนไขใดๆ
Difficulty 1/5 · 100 coins + a small bonus on first completion today
เงื่อนไข (โดยเฉพาะจำนวนที่มาก) ต้องเป็นจริงเพื่อให้ขั้นตอนนั้นถูกต้อง
เรียงลำดับกระบวนการทำงานของการอนุมานนี้
Difficulty 3/5 · 200 coins + a small bonus on first completion today
คำถามกำหนดวิธีการ; ต้องตรวจสอบเงื่อนไขก่อนนำเสนอผลลัพธ์