有兩種主要類型的統計學用于分析定量數據 - 描述性統計和推論性統計。在先前的博客中，我已經談到過描述性統計。在這篇博客文章中，我將與您討論推論性統計，以及何時應該使用它們以及為什么。

一、何時使用推論性統計?

大多數研究的目標是根據所收集的統計數據中觀察到的趨勢來推廣研究結果并預測結果。

讓我們想象一個小例子。通過收集他們的性別、課程、成績和每天學習的小時數，對500名大學生進行了研究。

研究人員的目標是估計任何大學生為獲得80%以上分數而花費的小時數。然而，不可能從每個大學生那里收集數據。

因此，研究人員從人口中選擇一個樣本(抽樣技術)并收集數據。

根據樣本統計結果，她對人口的參數進行估計。

用通俗的語言來說，根據樣本的統計數據推斷出人口的特征，預測變量如何相互作用。

二、確定推論性統計的部分

1.假設

推論統計是基于構建假設，然后使用數據和測試來得出是否存在變量之間關系的結論。通常，零假設陳述沒有變量之間的關系，備擇假設則陳述相反 - 變量之間存在某種關系。

2.抽樣誤差

你需要找出的第一件事是抽樣誤差。沒有辦法一個樣本幾乎總是能夠解釋人口的特征。這可能是由于偶然性(隨機性)或抽樣中的錯誤導致的。

3.概率、P值和顯著性水平

用于接受或拒絕零假設的每個統計檢驗都基于在進行測試之前確定的顯著性水平。它也被稱為alpha。這個水平有助于使用概率來確定結果由于實際原因而不是偶然發生的可能性。顯著性水平通常設置為0.05或0.01。

顯著性水平如何起作用呢?如果得到的P值等于或小于0.05，就拒絕零假設并接受備擇假設。這里有一個很好的視頻來解釋P值。

4.測試

在定義假設、顯著性水平和接受標準之后，使用測試來得出進行估計所需的計算值。

如果只有一個變量，使用單因素卡方檢驗。

您可以使用適合性檢驗來回答樣本數據是否與總體相符的問題。

如果有兩個獨立的分類變量，則使用卡方擬合進行比較并確定它們是否相符。

如果只有兩組，使用t檢驗。這可以是配對的t檢驗或未配對的t檢驗。

如果有兩組以上，無論是配對還是未配對，都使用ANOVA(方差分析)。ANOVA可以再次是一元的(具有一個獨立變量)或二元的(具有兩個獨立變量)。P值與f-統計量相關。

使用自由度和alpha值確定關鍵值，以比較計算值并決定是接受還是拒絕零假設。雙尾檢驗的關鍵值通常為1.96，即在正態分布中占95%面積。

有一個規則來比較關鍵值和計算值

關鍵值 > 計算值 - 接受零假設

關鍵值 < 計算值 - 拒絕零假設

檢查第I型或第II型錯誤。

海馬課堂專業課程輔導做出以下新改變啦：
?試聽課全面升級，不滿意退50%，
?課程輔導產品升級，贈送考前保障呦
?輔導不滿意可以隨心退！
海馬課堂，3500+嚴選碩博學霸師資，針對學生的薄弱科目和學校教學進度，匹配背景相符的導師，根據學生情況進行1V1專屬備課，上課時間靈活安排，中英雙語詳細講解課程中的考點、 難點問題，并提供多方位的課后輔導，輔助學生掌握全部課程知識，補足短板。