假設檢定

Поделиться
HTML-код
  • Опубликовано: 3 ноя 2024

Комментарии • 21

  • @alexlam9537
    @alexlam9537 2 года назад +3

    23分鐘的那到例題是不是錯了?H1是<符號,拒絕域應該在左邊吧?

  • @tylersouthw3652
    @tylersouthw3652 4 года назад +14

    到power开始就讲的听不懂了

  • @豪不豪
    @豪不豪 2 года назад +1

    22:47 左尾檢定,重新畫一張左尾檢定的圖來解釋會更好吧!

  • @SsS-zg9lg
    @SsS-zg9lg 2 года назад +1

    我想請問一下24:27 H0不是放要推翻的假設嗎?那為什麼受刑人智商比一般人低放在H0而不是放在H1呢

  • @skysky3050
    @skysky3050 5 лет назад +1

    謝謝分享,有更清楚假設檢定了~~

  • @tammysun7580
    @tammysun7580 2 года назад +1

    这个真的是我觉得讲的最明白的null hypothesis, alternative hypothesis了

  • @singo1232001
    @singo1232001 3 года назад

    12:36 四分矩陣 上面的"對錯" 感覺改成 "真true假false" 比較符合

  • @諸葛村夫-o4j
    @諸葛村夫-o4j 3 года назад

    老師上的很好 感謝🙏

  • @wallacecando9964
    @wallacecando9964 3 года назад

    感謝,聽得懂的統計學

  • @saya4963
    @saya4963 4 года назад +1

    24:10 是1.79才是,好像一直口誤成1.97

  • @anikimartin
    @anikimartin 3 месяца назад

    很棒❤

  • @anthonydio6302
    @anthonydio6302 6 лет назад

    請問影屏中約24:21的時候, -1.79 不是 小於 1.65,應該是屬於不拒絕區域嗎?

    • @Loafinglin
      @Loafinglin  6 лет назад

      我們在看是否掉在拒絕區是指比1.65還要大,或者是比-1.65還要小,換句話說就是絕對值是否比臨界值還要大。所以影片中1.79比1.65還要大的意思是指這個。

    • @anthonydio6302
      @anthonydio6302 6 лет назад

      Linus Lin 謝謝老師!

    • @AsianCharmingYouth
      @AsianCharmingYouth 4 года назад

      你可以把这个图倒过来看1.65反过来就是-1.65 比较好理解

  • @user-mb3mf2og9k
    @user-mb3mf2og9k 6 лет назад +2

    这东西有意义吗?阿尔法level是你自己设置的,你想让他拒绝就拒绝,想让他不拒绝就不拒绝,完全是主观控制的。
    算那么大一堆,最后结论恐怕是自欺欺人罢了。

    • @Loafinglin
      @Loafinglin  6 лет назад +1

      統計本來就是一個非常主觀的客觀工具!重點是要看你怎麼用!別忘了GIGO!!

    • @jiaxingouyang2105
      @jiaxingouyang2105 5 лет назад +2

      ???商学 必考呀

    • @user-ub3uq9bs3o
      @user-ub3uq9bs3o 4 года назад

      所以題目才會限定啊哈哈,通常在業務中會有一定的參考準則吧

    • @7h399
      @7h399 3 года назад

      你講的沒有錯 但現實生活還是需要有方法協助決策阿 , 才有這樣的理論 . 你也可以自創阿, 超越統計學家。

    • @singo1232001
      @singo1232001 3 года назад

      你太早下結論了
      確實如你所說的 沒意義
      因為有意義的在於
      1.假設的"範圍"有多廣與多種類多樣性
      2.無法完全正確 但可以大量用軟體 逐漸找趨近 找出趨勢與向量
      3.這是課程 所以用很簡單的問題讓你理解 若你要玩大數據 數據金礦擺在眼前 但不會這個就採不到 一堆在算工廠產線良率的都常用這個