顯示具有 統計學 標籤的文章。 顯示所有文章
顯示具有 統計學 標籤的文章。 顯示所有文章

2009年4月14日 星期二

[統計] 第七章 抽樣分佈與估計式

第一節 抽樣誤差

1. 不對母體抽樣的原因:
  • 母體太大
  • 無法知道母體的範圍
  • 破壞性檢測

2. 要如何抽樣才能有效的推估母體? 在於估計誤差的大小。

3. 估計誤差來源:

  • 抽樣誤差: 使用恰當的樣本數來估計母體
  • 非抽樣誤差:樣本無代表性,計算錯誤等

第二節 抽樣方法

1. 簡單隨機抽樣
先將母體編號,再以抽籤方式抽出

2. 間隔抽樣
每隔幾個就取幾個

3. 分層抽樣
要先決定有哪些重要的"層"

4. 集群抽樣
抽樣前,先將母體分為好幾個相似的集群,再以集群為單位來抽樣。如從全國小學10000所裡抽20所。

5. 分段抽樣
使用複合式的抽樣方法。如先進行集群抽樣後,再由每個集群裡,簡單隨機抽樣。

6. 配額抽樣(主觀)
類似分層抽樣,但事先不知道母群的各層比例

7. 判斷抽樣
最為主觀無根據的抽樣方法。

2009年4月5日 星期日

[統計] 第六章 連續機率分佈

第一節 連續變項

1. 連續變項是連續的,如溫度、時間、身高、收入等,表示任兩個數值之間,會存在著第三個值。
2. 明天中午12點溫度為30度的機率為多少?這個問題是無意義的,機率為0。應該說溫度到達30度上下(+ - 5)的機率為多少,有一個區間才能表達連續變項的特性。
3. 機率密度並無多大意義,通常關心的是累積機率密度。

第二節 連續機率分佈

1. 均勻分佈
  • 一連續變項x,其值介於a, b之間。假設每一點出現的機率都是均等,則此變數的機率分佈為連續均勻分佈。
  • 均勻分佈的機率為圖形面積。
  • 平均數 = (a+b)/2, 變異數 = (b-a)平方/12

2. 常態分佈

如果一個連續變項X,具有公式6.8的性質,就是常態分佈。

2.1 超幾何分佈、二項式分佈、波式分佈與常態分佈之間的關係

  • 超幾何分佈的樣本數是母體的0.05以下的話,可用二項式分佈取代
  • 在二項式中,若樣本n夠大,則可用常態分佈取代;即使樣本n不大,機率p接近0.5 也可。若樣本數大而機率小時,可用波式分佈取代。
  • 當樣本到達無限大時,超幾何分佈、二項式分佈與波式分佈皆會變為常態分佈

3. 標準常態分佈(Z分佈)

  • 在常態分佈的狀況下,另其平均數為0,標準差為1,就可轉換為標準常態分佈。
  • Z分數 = (該變數-平均數)/變異數

4. 伽瑪分佈

  • 如果一隨機連續變數擁有公式6.10的特性,就是伽瑪分佈。
  • 平均數 = a*b, 變異數 = a*(b平方)
  • 伽瑪分佈可用來計算等候時間。在波式歷程裡,單位時間成功次數為入,那麼等候第一個成功事件出現的時間,平均就要 b=1/入。若要等候至第n個成功(a=n),等候的時間就是伽瑪分佈。
  • = GAMMADIST(時間X, 第a次成功, 第一次成功時間b, TRUE),TRUE為累積機率,FALSE為機率密度函數。

5. 指數分佈

  • 為伽瑪分佈的特例,令 a=1, b=1/入 就是指數分佈。
  • 平均數 = 1/入, 變異數 = 1/(入平方)
  • 伽瑪分佈是在算第n次成功的等待時間,指數分佈是在算第一次成功的等待時間。
  • = EXPONDIST(時間X, 第一次成功時間b, TRUE)。

6. 卡方分布

  • 為伽瑪分佈的特例,令 a=v/2, b=2,就是卡方分布。其中 v(nu)為正整數的自由度
  • 平均數 = ab = v, 變異數 = a(b平方) = 2v,與伽瑪分佈相同。
  • 若一連續變項X為標準常態分布,則該變項的平方(X平方)是為自由度1的卡方分布。多個獨立變項 X1~Xn均是標準常態分布,則自由度可累加起來變成n。
  • 自由度越大,卡方分布越接近常態分布。
  • 卡方分布常用來檢定資料與模式的吻合度
  • P(x>a) = CHIINV(P,v),給正無限大累積到a點的機率,計算a點是多少。
  • P(x>a)= CHIDIST(點a, v),給a點,計算大於a點數值的累積機率。

7. F分布

  • 兩變數U, V互相獨立,且均有卡方分布的性質,其自由度分別為V1和V2,則隨機變數X= (U/v1) / (V/v2)
  • 平均數 = v2/(v2-2), 變異數 = P115頁
  • F分布常用於檢驗兩變異數是否相等
  • P(X>a)= FINV(P, V1, V2),給正無限大到a點的機率,計算a點是多少
  • P(X>a)= FDIST(a點, V1, V2),給a點,計算大於a點的累積機率。
  • 若要計算a點的累積機率1 - P(X < a)

8. t分布

  • 若變數U和變數Z互相獨立,而U為自由度v的卡方分布,Z為標準常態分布,則變數X = Z/ [(U/v)根號]的分布就是t分布
  • t分布平方 = F分布
  • 當自由度很大時,曲線就會接近標準常態分布
  • t分布和z分布常用於檢驗母體平均數
  • P(a < color="#ff6600">兩尾端面積和, v),給兩尾端面積和,求a點和b點(a, b兩點為正負關係)
  • P(X <> a) = TDIST(點a, v, tails),給點a,求大於a點的累積機率。若tails = 1 則可直接算出累積機率,tails = 2可算出兩尾端面積和。

※ 在Excel中關於卡方分布(CHIDIST, CHIINV)、F分布(FDIST, FINV)和t分布(TDIST, TINV)的函數,所算得的累積機率是由正無限大到該點的累積機率。而在常態分布函數的情況下(NORMDIST, NORMINV, NORMSDIST, NORMSINV)所計算出的累積機率,則是由負無限大開始累積。

2009年3月25日 星期三

統計 第五章 間段機率分布

第一節 機率理論
1. 事前機率(古典機率)
假設在一樣本空間有N個樣本點,且每一個樣本點出現的機會相等。某事件A出現的機率為 A/N。

2. 經驗機率
實際重覆的做實驗,將出現次數除以實驗次數。
當實驗的次數越大,經驗機率就越接近先天機率(大數法則)

3. 主觀機率
憑自己的知識與經驗加以猜測。

以上三種理論必須遵守:


  • 樣本空間中任一事件的機率不小於0
  • 互斥事件聯集的機率就是各事件機率之和
  • 樣本空間內所有機率總和為1

第二節 聯合、邊緣、條件機率

1. 聯合機率:
兩個或兩個以上事件同時發生的機率,ex:全部的人之中,吃檳榔又患口腔癌的機率 f(x,y)。


2. 邊緣機率:
只考慮一個樣本空間中事件的發生機率。ex:全部的人之中,吃檳榔的機率 f(y)

3. 條件機率:
固定在一個樣本空間內,另一樣本空間中事件所發生的機率。ex: 在吃檳榔的人之中,患口腔癌的機率 f(x│y)。

條件機率 = 聯合機率/邊緣機率

第四節 間斷機率分布

1. 白努力分布

  • 實驗只有兩種結果,成功(機率為p)與不成功(機率為1-p)。
  • 平均數 u=p, 變異數=p(1-p)

2. 二項式分布

  • 為白努力事件,成功的機率是 p,那麼在n次嘗試中,共成功X次的機率就是二項式分布
  • 平均數 = np, 變異數=np(1-p)
  • = BINOMDIST(成功次數x, 實驗次數n, 成功機率p, FALSE), FALSE為該次數的機率,TRUE為該次數的累積機率。

3. 負二項分布

  • 成功的機率是p,那麼在r次成功之前,已有X次失敗的機率。
  • 平均數 = (r/p)-r, 變異數 = r(1-p)/(p平方)
  • = NEGBINOMDIST(失敗次數x, 成功次數r, 成功機率p)

4. 超幾何分布

  • 一個有限的母體大小為N,其中有M個是成功,如果從這個母體以不放回抽樣法,抽取大小為n的樣本,其中含有X的成功機率
  • 平均數 = nM/N, 變異數 = nM(N-M)(N-n)/( N三方 - N平方 )
  • = HYPGEOMDIST(要成功的次數X, 樣本大小n, 母體成功的個數M, 母體大小N)
  • 當超幾何分布的母體大小N為無限大,就可用二項式分布取代

5. 波氏分布

  • 發生於單位時間內的成功次數(入)已知,且成功次數與時間的長短成正比,且兩段不重覆時間內所發生的成功機率是獨立的,且在極短時間內超過一次以上的成功,其機率可以不計。
  • 平均數 = 入, 變異數= 入
  • = POISSON(事件出現的次數X, 成功的次數(入), FALSE),TRUE為該次數的機率,FALSE為該次數的累積機率。
  • 當二項式分布裡的母數n趨近於無限大,且機率p很小,則二項式分布會趨近波氏分布

6. 間斷均勻分布

2009年3月19日 星期四

統計 第四章 常態分布

第一節 常態分布的特性

1. 常態分布就是以平均數為中心點,往兩旁漸低的左右對稱分布。常態分布下,中心的最高點就是平均數,也就是眾數、和中位數。
在現實中,並沒有連續的曲線存在,頂多只是類似常態分布,但當樣本數很大時,會越接近常態分布。

2. 常態分布曲線公式(圖4.1),有平均數和變異數(或標準差)就可知道常態分布的形狀。
  • 標準差決定y軸,標準差越小,data越集中
  • 平均數決定x軸,平均數不同,圖型會左右位移

3. 讀法:p(X=3)=1/6 → 參數3的出現機率是1/6。只有間斷變項才會有這樣的表達方式,若是連續變項,如身高,就不會說170公分出現的機率是多少。這時候就必須使用「機率密度」

4. 機率密度:

  • 適用於連續變項。如平均數170公分,標準差5的常態分布中,170(+-5,165~175)的機率密度為0.0798。但機率密度無多大意義,大家比較關心的是170公分以下的機率,或是165~175的機率。
  • = NORMDIST(160, 170, 5, FALSE) → 平均數170,標準差5的常態分布下,160的機率密度。

5. 累積分布函數:

  • = NORMDIST(170, 170, 5, TRUE) → 平均數170,標準差5的常態分布下,170以下的累積機率為0.5(50%)。
  • 累積分布反函數: 90% = NORMINV(0.9, 170, 5)= 176.41

第二節 標準常態分布 (Z分布)

1. 將平均數定為0,變異數訂為1的常態分布。

2. 將X參數利用線性公式4.25轉換為z分數後,使用 = NORMSDIST(z) 會得到該參數的累積機率。也可利用 = NORMSINV(累積機率) 回求該參數。

第三節 峰度與偏態 (用來描述常態分布的形狀)

1. 常態分布的峰度為0

  • 若資料峰度大於0,呈現高峽峰
  • 若資料峰度小於零,呈現低闊峰
  • KURT(range) 就可得到峰度

3. 偏態

  • 偏態值>0,表示資料集中在左邊,右偏態
  • 偏態值<0,表示資料集中在右邊,左偏態
  • = SKEW(range)

2009年3月18日 星期三

統計 第三章 變異量數與分佈形狀

只用集中量數來描述資料是不夠的,若忽略資料點的分布情形,可能會做出錯誤的判斷。

1. 全距
  • 最大值減最小值
  • = MAX(range) - MIN(range)
  • 優點:容易計算
  • 缺點:只用大小值,無法精確反應資料的分布情形

2. 四分位距

  • Q=(Q3-Q1)
  • 和全距一樣,沒有用到所有資料

3. 平均絕對離差

  • 各個數值減掉平均數後絕對值再取平均值
  • = AVEDEV(1,2,3,4,5)
  • 有絕對值不好計算

4. 變異數

  • 平均絕對離差的變異狀,有分為母體變異數和樣本變異數
  • 可四則運算,也可推估母體,是推論統計的基石
  • 容易受到平均數的極端值影響,因有平方
  • 母體 = VARP(range)
  • 樣本= VAR(range)

5. 標準差

  • 為變異數開根號,分為母體標準差和樣本標準差
  • 可四則運算,也可推估母體,是推論統計的基石
  • 同樣會受到平均數的極端值影響
  • 母體 = STDEVP(range)
  • 樣本 = STDEVP(range)

6. 變異係數

  • 樣本標準差除以樣本平均數就是變異係數
  • 計算標準差或變異數時,每個值都要減去平均數,因此會受到平均數的影響。變異係數可避免過於極端的平均數。
  • 變異係數是對於樣本而言的數值,不用來推估母數狀況

2009年3月16日 星期一

統計 第二章 集中量數

描述資料的兩種數據:集中量數、變異量數

集中量數(資料集中的情形)
1. 平均數

  • 算數平均數:mu=資料為母體,Xbar=資料為樣本。=AVERAGE(1,2,3,4,5,) or = AVERAGE(A1:A5)
  • 幾何平均數:適用於平均改變率、平均成長率或平均比率。如近年的經濟成長率為1%,2%,3%,就要用這個公式。=GEOMEAN(5,14,40,125,350)
  • 調和平均數:也稱倒數平均數,若資料成等差數列,就使用此平均數。=HARMWAN(80,90)

只有算數平均數才會有母體跟樣本之分,其他則無。

2. 眾數
如果所有的數值都只出現一次,那就沒有眾數,眾數也可能有兩個以上。=MODE(1,1,2,3,4)

3. 中位數
先將數字由大至小排序,中間的數即是中位數。=MEDIAN(1,2,3,4)

4. 截尾平均數
過於極端的值會影響到平均數,所以才將數列排序後,以四分位去掉頭尾,將Q1以下Q3以上的數值排除後,再計算其平均數就是截尾平均數。
Q1= QUARTILE({1,2,3,4,5,6},1)
Q3= QUARTILE({1,2,3,4,5,6},3)

5. 溫賽平均數
與截尾平均數的概念相同,只是溫賽平均數是用四分位數來取代極端值。

量尺的特性
  • 名義量尺:眾數
  • 順序量尺:眾數、中位數
  • 等距量尺:眾數、中位數、平均數

集中量數的優缺點

眾數

  • 優點:真實存在、多數意見、容易猜中。
  • 缺點:未必能代表集中趨勢

中位數

  • 優點:不受極端值影響
  • 缺點:不適合四則運算

平均數

  • 優點:
  • 可以進行四則運算,是推論統計的基礎 。
  • 使用了資料所有的數值,因此具有代表性。
  • 用平均數來猜測所有數值,產生的誤差最小。
  • 樣本的平均數是母體的平均數的最佳估計式(estimator)。
  • 平均數較不會受到抽樣變動的影響
  • 缺點:
  • 容易受到極端值的影響

統計 第一章 序論

第一節 統計學的意義

1. 描述統計學
  • 注重資料整理、分析、展示與解釋
  • 出處是母體而不是樣本
2. 推論統計學
  • 透過整理與分析,藉此推論母體的狀況
  • EX: 1萬個燈泡的檢測,樣本必須「充分代表」母體,也就是要隨機取樣,差異性不能太大
3. 樣本數要多大?
見仁見智,求準,樣本就要大。

第二節 變項的分類

1. 質的變項(類別變項)
  • 數字無分大小等區別,如宗教、性別
  • 必是間斷變項
2. 量的變項
  • 如人數、身高等,數字具有量的意義
  • 間斷變項:如班級人數,他必是整數
  • 連續變項:兩數之間可能有第三數的存在,如身高
3. 其他變項分類
實驗研究:自變項、依變項

第三節 四種測量量尺

1. 名義量尺
性別男1女2,月份1~12(除非限定年份,否則無計算意義),數字只是代號,沒有順序的差別。

2. 順序量尺
  • 有著大小意義
  • 如成績90>89,但他不構成等距的條件。因89與88也是差1,但這兩者的1無法描述期間的差異。
  • 又如李克特氏量表,非常不同意到非常同意由1~5表示,這也只是順序量尺
3. 等距量尺
  • 等距量尺不僅有順序意義,還有差距意義。
  • 如攝氏11>10,10>9,這兩者差1度是等量的。
4. 比率量尺
  • 最高階的量尺
  • 除了有順序、等距意義外,還有「自然零點」。
  • 如身高200 cm是100cm的兩倍,換算成其他公制,還是差兩倍
  • 但寬鬆一點的說法,如果有個共識基礎,等距量尺就是比率量尺,如溫度雖然會隨公制不同而有差異,但如果共識為攝氏0度,這樣也能達成自然零點的條件

嚴格來說,凡是會使用到平均數和標準差的統計,都不可以使用順序量尺(如智力、成績)。

2009年2月25日 星期三

統計1 統計的用途

普查是最簡單的方法,也是最不用學習統計的量化研究。
而學習統計是為了「推論」,比方說有一萬人的國小老師,要「抽樣」100人來「推論」到10000人,統計就是在這時候來做「檢定」用。
統計可以幫助你不用去做到1萬人次的普查,可以節省金費和心力。

網路問卷是最難做分析的,因為無法得知母群體的來源與特性(是否常態分布等),若用傳統的統計分析,則會出現爭議,若使用「無母數統計」會增加分析的難度。