正态性检验-统计

正态性检验(normality test),指判断样本所来自的总体是否服从正态分布而进行的假设检验。

布朗-福赛思检验-统计

布朗-福赛思检验(Brown-Forsythe test),简称“Brown-Forsythe 检验”,指将原始观测值转换为与中位数之差的绝对值,再作方差分析,用于判断多个总体方差是否相等的检验方法。

巴特利特检验-统计

巴特利特检验(Bartlett's test),简称“Bartlett 检验”,指对于本来自正态分布的样本,基于各样本方差和合并方差构造服从卡方分布的检验统计量,据此推断多个样本所来自总体的方差是否相等的检验方法。

莱文检验-统计

莱文检验(Levene's test),简称“Levene 检验”,指将原始观测值转换为与所在组别均数之差的绝对值,再作方差分析,用于检验两个或多个总体方差是否相等的检验方法。

F 检验-统计

F 检验(F test),指基于两个样本方差的比值,判定所对应的总体方差是否相等的假设检验方法。

方差齐性-统计

方差齐性(homogeneity of variance),指不同组别或条件下的数据方差相等的统计特性,是方差分析(ANOVA)和线性回归等重要统计方法的前提假设之一。若方差非齐(异方差),可能导致统计检验效能降低或结果偏差。常用 Levene 检验(莱文检验)、Bartlett 检验(巴特利特检验)等方法进行验证。满足方差齐性时,组间比较的 ...

方差齐性检验-统计

方差齐性检验(test for homogeneity of variance),指判断不同样本所来自的总体是否具有相等方差而实施的假设检验。

近似t 检验-统计

近似t 检验(approximate t test),指当两总体方差未知或不相等时,检验两独立样本均数所代表的两总体均数是否有差别的假设检验方法。

两独立样本t 检验-统计

两独立样本t 检验(t test for two independent samples),指用于检验两独立样本均数所代表的两总体均数是否有差别的t 检验方法,要求两样本来自的总体具有相等的方差。

配对t 检验-统计

配对t 检验(t test for paired samples),指用于检验配对设计中两组样本均数分别代表的总体均数是否有差别的t 检验方法。

单样本t 检验-统计

单样本t 检验(t test for one sample),指用于检验样本均数所代表的未知总体均数是否与某一给定数值有差别的t 检验方法。

t 检验-统计

t 检验(t test),又称“学生t 检验(Student's t test)”,指在总体方差未知且样本含量较小时以t 分布为基础的检验方法。常用于两组及以下定量资料均数比较的假设检验。

拒绝域-统计

拒绝域(rejection area),指给定检验水准下,由相应界值确定的得到拒绝零假设结论时,检验统计量所在的区间。

非参数检验-统计

非参数检验(nonparametric test),指不依赖于总体分布类型,也不对参数进行推断,而是对总体分布进行比较的假设检验方法。

参数检验-统计

参数检验(parametric test),指当样本来自理论上由若干参数规定的总体分布,且对未知总体参数做统计推断的假设检验方法。

功效-统计

功效(power),又称“检验效能”,指零假设实际不成立,按照设定的检验水准能够拒绝零假设的概率。

Ⅱ类错误-统计

Ⅱ类错误(type II error),又称“II 型错误”,指假设检验中未拒绝实际上不成立的零假设的一类错误。

Ⅰ类错误-统计

Ⅰ类错误(type I error),又称“I 型错误”,指假设检验中拒绝了实际上成立的零假设的一类错误。

统计学意义-统计

统计学意义(statistical significance),又称“统计显著性”,指研究结果由随机误差导致的概率极小(通常P 值<0.05),表明观察到的效应或差异很可能真实存在。其核心是通过假设检验判断数据是否拒绝原假设。

P 值-统计

P 值(P value),指在零假设成立的条件下,出现当前样本统计量以及更极端情况的概率大小。
1 ...343536373839404142... 50下一页