已經進入倒數 48 小時了，今天得先解決比較頭痛的統計學，果子之前就說過關乎統計學所有概念我是一點印象都沒有的，現在就是把統計課本翻開看到啥咪背啥咪，把基本觀念照 3 餐背誦幾次。我真的盡力了，啃書都已經啃到快吐了真的要考我別的也只能說我跟這間學校沒有緣份了。
型一錯誤：虛無假設為真卻不當拒絕，顯著水準為 a。
型二錯誤：虛無假設為偽卻不當接受，顯著水準為 b。
算術平均數：所有資料值相加/個數
母體變異數：就是測量所有資料到平均數的平均絕對離差。
樣本變異數：母體變異數/樣本個數
標準差：變異數開根號，用以表示資料的分散程度。
母體平均數 = 樣本平均數 + - n 標準差
變異係數：標準差/平均數，是一種相對差異量數，用以比較單位不同或單位相同但資料差異甚大的資料分散情形。
回歸分析：利用一組自變數對某一因變數建立關係式以便做預測的依據，簡單線性回歸模式的公式就是 y = a + b x，a 是 y 軸上的截距，b 是回歸線的斜率稱為回歸係數。
相關係數 r：相關程度除了用散佈圖做粗略觀察外，也可求得一常數作為比較，專門用來量度 x 及 y 之間線性關係的強度，分為完全正相關/正相關/零相關/負相關/完全負相關，介於 1 到 -1 之間。
判定係數：相關係數 r 的平方，因變數可由自變數解釋的百分比，可解釋差異/總差異，常被用來解釋適合性。
自變數的顯著性 t 值：斜率係數 b/標準差，絕對值大於 2 表示具顯著性。
標準誤：衡量回歸直線附近的變異性，係因變數的偏差值，標準誤越小信賴度越高。
多元回歸：需要多個自變數才可以增進預測值的正確性，但是容易產生一個主要問題就是複共線性，即當 2 個或 2 個以上的自變數彼此具高度相關 (超過 0.7) 時，會造成自變數係數的標準誤增加，結果會使自變數真正的係數更大或不確定。
留言列表
