《行为科学统计》的原文摘录

  • \[z = \frac{得到的差异}{偶然引起的差异} \] 例如,z分数 z=3.00 意味着在样本和假设之间的差异是期望随机出现差异的 3 倍 (查看原文)
    易铎 1赞 2013-09-03 14:49:14
    —— 引自第201页
  • 如果样本大小足够大,任意处理效应,不管有多小,都能足以使得我们拒绝虚无假设 (查看原文)
    豆友192809539 2020-06-02 14:40:45
    —— 引自章节:第8章 假设检验
  • 自由度是指在样本中有多少个分数是独立的,并可以自由地变化,因为样本平均数限制了一个样本分数的值,这个样本的自由度是n-1。 (查看原文)
    豆友192809539 2020-06-02 16:11:27
    —— 引自章节:第9章 t分数
  • 总的来说,大的样本方差能够使数据中的任何平均数差异变得模糊,并且降低了在假设检验中得到显著差异的可能性。 (查看原文)
    豆友192809539 2020-06-02 21:34:05
    —— 引自章节:第10章 两个独立样本的t检验
  • 独立测量和重复测量是两个基本的研究方法,在研究者要设计一个比较处理条件的研究的任何时候都可以使用。也就是说,研究者可以选用两个独立的样本,每个处理有一个样本,或者研究者可以选用一个样本,并且同一个个体在两个处理条件中都要被测量。 (查看原文)
    豆友192809539 2020-06-03 06:40:27
    —— 引自章节:第11章 两个相关样本的t检验
  • 事后比较是附加的假设检验,在方差分析后使用,从而准确地确定哪些平均数差异是显著的,哪些不是。 (查看原文)
    豆友192809539 2020-06-03 16:45:52
    —— 引自章节:第13章 方差分析
  • 一个因素的不同水平之间的平均数差异称为这个因素的主效应。当研究的设计被表现为一个矩阵时,一个因素决定行,另一个因素决定列,那么行与行之间的平均数差异描述了一个因素的主效应,列与列之间的平均数描述了另一个因素的主效应。 (查看原文)
    豆友192809539 2020-06-04 08:22:05
    —— 引自章节:第15章 双因素方差分析(独立测量)
  • 两个因素的交互作用发生在单个条件的平均数差异与总的因素的主效应不同时,当一个因素的效应依赖于另一个因素的不同水平时,那么在因素间存在交互作用。 (查看原文)
    豆友192809539 2020-06-04 08:22:05
    —— 引自章节:第15章 双因素方差分析(独立测量)
  • 当两个变量间存在不完全相关时,一个变量的极端分数(高或低)与另一个变量的非极端(更趋向于平均)相对应。这个现象就称为趋中回归。 (查看原文)
    豆友192809539 2020-06-04 14:07:57
    —— 引自章节:第16章 相关
  • 用于找出一组数据的最佳拟合直线的统计技术被称为回归,作为结果的直线被称为回归线。 (查看原文)
    豆友192809539 2020-06-04 18:25:12
    —— 引自章节:第17章 回归
  • 因为有不同相关值的数据可以有相同的回归线,检验可决系数r2与估计的标准误就变得很重要,回归方程只是描述了最佳拟合线并做出预测。然后,可决系数与标准误则指出了这些预测的精准性。 (查看原文)
    豆友192809539 2020-06-04 18:40:27
    —— 引自章节:第17章 回归