ขนาดวิดีโอ: 1280 X 720853 X 480640 X 360
แสดงแผงควบคุมโปรแกรมเล่น
เล่นอัตโนมัติ
เล่นใหม่
0:10 Statistical testing (假设鉴定)之前的讨论：0:21 假设鉴定：不了解母体参数的状况， 我们想知道它是如何？第一步：先对母体参数做一个假设 -- Null hypothesis（虚无假设）第二步：通过Sample（样本）的方式做抽样，得到了一个新的结果--样本统计量，用以检定母体参数是否符合我们的假设（如果符合--我们就接受它；如果不符合，就拒绝）第三步：对假设做出决策（标准会在后面详述），得到的结论只能是“接受”或者“拒绝”，没有其他模棱两可的选项（根据数字来做决定）。假设鉴定前哟先建立一个Null hypothesis 虚无假设:H0，即暂且相信这个假设是正确的。还有另一个假设是Alternative Hypothesis 对立假设: H1 (or Ha)，与H0 相对立。看看我们到底应该相信H0或H1。2:26 误差一种叫做Type I error (型I误差)： α （alpha）。本身是真的，却被误以为假，而被拒绝（冤枉好人）。 α = P（拒绝|为真）是非常严重的情况。另一种误差：Type II error (型II误差)： β （beta）。本身不对，却被接受（放走坏蛋）。 β = P（接受|不真）检定力 = 1 - β (β 为概率
感謝
真的很感謝老師，港中大的學生也是靠你的課程救命🙏🏻🙏🏻🙏🏻
嶺大here😭
言简意赅，多谢老师。我在蒙特利尔大学接受法语授课，老师的视频完美的校准
老師教的太好，我臺大都看李老師的的影片複習
您若喜歡我們的課程，可以訂閱柏堅老師的粉絲團~facebook.com/bojian49/，以及 追蹤老師的IG instagram.com/chitmapleaf/。
我也是 台大不知道在做什麼，怎沒請李老師過去教
東吳a同學前來報到（感謝老師
型1誤差的例題超過1002或小於998的部分，不是本來就應該拒絕嗎？為什麼說是冤枉的？
這批貨確實母體平均數是1000啊，應該接受才對，而我們是抽樣而不是普查(因為下一次抽樣可能就落在接受域了)，雖然樣本平均數抽到超過1002或小於998的部分機率很低，但是還是有可能的，這個例題說明我們希望冤枉的機率控制在0.05之下即可(抽樣不可能100%不冤枉)
CUSTCourses 了解 謝謝
@@CUSTCourses 說得很清楚，謝謝幫忙
型二例題 樣本平均數取到對的機率
老師講得太清楚了 謝謝老師
謝謝老師～～講的實在太清楚！
想請問這邊的標準差sigma, 是把樣本的長度跟1000的差距而得嗎
谢谢视频的分享
謝謝
型I誤差的例題中，標準化的過程為什麼除以12/根號36。標準化Z不是等於 (X-U)/標準差 嗎?
因為這例題是X-BAR的分配(抽樣分配)，標準差會縮根號n倍
了解 謝謝!
請問為何二型錯誤是使用這個公式，是因為雙尾的關係嗎？
問一下為何有時候要在做型二誤差的機率時有的要就是為什麼算出來的β有些要1-β 有些不用
若要知道檢定力就寫1-β
講得很清楚，終於懂了
型一誤差的那張z 值表是從0到X的範圍 跟我的課本的不一樣 難怪我看半天看不懂 原來有不一樣的表...
簡單明瞭
感恩！！！
請問 “型I誤差” 為什麼要用0.5減0.3413，是因為右半邊的關係嗎？
這個表是計算中間到X的面積(機率)=P(X)，右半邊就是要用0.5 - P(X)
谢谢你
因為這個表查得是0到x之間所為出的面積(機率)，右半邊到無限大就要用0.5來減
型1誤差的例題那個公式為什麼要用那個
同學 可以自己動腦嗎?
請觀看抽樣分配
请问为什么会选取0.3413呢
那是查表的結果，表示z=0到z=1之間的機率，所以之後才要用0.5去扣。
算出z後進行查表，就可以知道z=1時，曲線與x軸之間所圍成的面積。
老师好，Z代表的是甚嚒？它为甚嚒在型I误差里大于1，而在型II误差里取中间值？
Z代表標準常態分配，為了計算方便，建立了Z表，需要時可以查表
謝謝老師
用来复习AP Statistics挺好
0:10 Statistical testing (假设鉴定)之前的讨论：
0:21 假设鉴定：不了解母体参数的状况， 我们想知道它是如何？
第一步：先对母体参数做一个假设 -- Null hypothesis（虚无假设）
第二步：通过Sample（样本）的方式做抽样，得到了一个新的结果--样本统计量，用以检定母体参数是否符合我们的假设（如果符合--我们就接受它；如果不符合，就拒绝）
第三步：对假设做出决策（标准会在后面详述），得到的结论只能是“接受”或者“拒绝”，没有其他模棱两可的选项（根据数字来做决定）。
假设鉴定前哟先建立一个Null hypothesis 虚无假设:H0，即暂且相信这个假设是正确的。
还有另一个假设是Alternative Hypothesis 对立假设: H1 (or Ha)，与H0 相对立。
看看我们到底应该相信H0或H1。
2:26 误差
一种叫做Type I error (型I误差)： α （alpha）。
本身是真的，却被误以为假，而被拒绝（冤枉好人）。 α = P（拒绝|为真）
是非常严重的情况。
另一种误差：Type II error (型II误差)： β （beta）。
本身不对，却被接受（放走坏蛋）。 β = P（接受|不真）
检定力 = 1 - β (β 为概率
感謝
真的很感謝老師，港中大的學生也是靠你的課程救命🙏🏻🙏🏻🙏🏻
嶺大here😭
言简意赅，多谢老师。我在蒙特利尔大学接受法语授课，老师的视频完美的校准
老師教的太好，我臺大都看李老師的的影片複習
您若喜歡我們的課程，可以訂閱柏堅老師的粉絲團~facebook.com/bojian49/，以及 追蹤老師的IG instagram.com/chitmapleaf/。
我也是 台大不知道在做什麼，
怎沒請李老師過去教
東吳a同學前來報到（感謝老師
型1誤差的例題
超過1002或小於998的部分，不是本來就應該拒絕嗎？為什麼說是冤枉的？
這批貨確實母體平均數是1000啊，應該接受才對，而我們是抽樣而不是普查(因為下一次抽樣可能就落在接受域了)，雖然樣本平均數抽到超過1002或小於998的部分機率很低，但是還是有可能的，這個例題說明我們希望冤枉的機率控制在0.05之下即可(抽樣不可能100%不冤枉)
CUSTCourses 了解 謝謝
@@CUSTCourses 說得很清楚，謝謝幫忙
型二例題 樣本平均數取到對的機率
老師講得太清楚了 謝謝老師
謝謝老師～～講的實在太清楚！
想請問這邊的標準差sigma, 是把樣本的長度跟1000的差距而得嗎
谢谢视频的分享
謝謝
型I誤差的例題中，標準化的過程為什麼除以12/根號36。標準化Z不是等於 (X-U)/標準差 嗎?
因為這例題是X-BAR的分配(抽樣分配)，標準差會縮根號n倍
了解 謝謝!
請問為何二型錯誤是使用這個公式，是因為雙尾的關係嗎？
問一下為何有時候要在做型二誤差的機率時有的要就是為什麼算出來的β有些要1-β 有些不用
若要知道檢定力就寫1-β
講得很清楚，終於懂了
型一誤差的那張z 值表是從0到X的範圍 跟我的課本的不一樣 難怪我看半天看不懂 原來有不一樣的表...
簡單明瞭
感恩！！！
請問 “型I誤差” 為什麼要用0.5減0.3413，是因為右半邊的關係嗎？
這個表是計算中間到X的面積(機率)=P(X)，右半邊就是要用0.5 - P(X)
谢谢你
因為這個表查得是0到x之間所為出的面積(機率)，右半邊到無限大就要用0.5來減
型1誤差的例題那個公式為什麼要用那個
同學 可以自己動腦嗎?
請觀看抽樣分配
请问为什么会选取0.3413呢
那是查表的結果，表示z=0到z=1之間的機率，所以之後才要用0.5去扣。
算出z後進行查表，就可以知道z=1時，曲線與x軸之間所圍成的面積。
老师好，Z代表的是甚嚒？它为甚嚒在型I误差里大于1，而在型II误差里取中间值？
Z代表標準常態分配，為了計算方便，建立了Z表，需要時可以查表
謝謝老師
用来复习AP Statistics挺好
謝謝老師