外觀
Statistics › 推論統計
推論統計 (Inferential Statistics)
用樣本對母體下結論。永遠無法確定,但可以量化不確定性,並在明確的錯誤率下做決策。
建議順序
text
抽樣與估計 → 信賴區間 → 假設檢定 → 多重檢定校正 → 假設檢查 → 選擇檢定 → ANOVA筆記
| 筆記 | 內容 | 回答的問題 |
|---|---|---|
| 抽樣與估計 | 抽樣方法、點估計、估計量的偏誤與變異 | 樣本如何代表母體? |
| 抽樣設計與調查資料 | R 抽樣實作、NHANES 權重 / 分層 / PSU、survey 套件與 Python 對照 | 有權重的調查資料怎麼分析? |
| 信賴區間 | 平均數 / 比例的 CI、正確解讀 | 真值可能落在哪個範圍? |
| 假設檢定 | H₀ / H₁、p 值、型一 / 型二錯誤、檢定力、效果量 | 效果是真的還是雜訊? |
| 多重檢定校正 | Bonferroni、Holm、FDR (Benjamini-Hochberg) | 一次做上千個檢定怎麼辦? |
| 假設檢查 | 常態、變異數同質、獨立性 | 檢定的前提成立嗎? |
| 常用檢定 | t 檢定、比例檢定、相關檢定、選擇流程 | 我該用哪個檢定? |
ANOVA 系列
| 筆記 | 回答的問題 |
|---|---|
| ANOVA 總覽 | 三組以上的平均數如何比較? |
| 單因子 ANOVA | 一個因子、多個組別 |
| 二因子 ANOVA | 兩個因子與交互作用 |
| 重複量數 ANOVA | 同一受試者多次量測 |
| 事後檢定與效果量 | 哪幾組不同?差多大? |
報告 p 值時,永遠搭配效果量與信賴區間:顯著不等於重要,不顯著也不等於沒有效果。