统计上显着vs.独立/依赖


Answers:


9

在独立样本t检验中的意义仅表示,对平均差进行采样(如果您的实际采样的平均差小于0.05)的可能性(如果无效为真)。

这与依赖/独立完全无关。“从属”表示某些观察值的分布与其他观察值的分布有关,例如A)他们是同一个人第二次参加相同的测试,B)每个组中的人在某个预测变量上匹配, C)两组中的人是相关的(即家庭)。“独立”意味着没有这种联系。


1
还注意到,p = 0.05是有点随意的阈值。如果您认为1:20的假阳性几率太高,则您的p应该更低。
naught101 2012年

9

为什么停在 Ť-测试?

您可以将两个互不相关的变量视为两个正交向量,就像 Xÿ 二维笛卡尔坐标系中的坐标轴。

假设两个向量中的任何一个 Xÿ与另一个相关,则x的某个部分可以投影到y上,反之亦然。考虑到这一点,很容易看出来,

Xÿ=XÿcosθXÿXÿ=cosθ=[R

其中是Pearson的相关系数,是参数的内积。当我了解到这一点时,相关性概念在几何上如此简单就被我完全震撼了。而且,这绝对不是衡量两个(或多个)变量之间相关性的唯一方法。[R

重要性测试是另一回事。通常,我们想知道由于对某些结果变量进行了一些操作,结果变量在两个(或多个)组中相差多少。就像Brian所说的那样,您想知道两组是否来自相同的分布,因此,在假设为零假设的情况下,您要计算从实验中获得的均值差(按均值的标准误进行缩放)的概率(均值没有显着差异)是正确的。在行为研究中(通常在其他地方),如果该概率小于0.05,则可以得出结论,两种(或更多)均值的差异可能是由于您的操纵所致。

编辑:迪利普·萨瓦特(Dilip Sarwate)指出,两个不相关的变量可以在统计上相关,因此我删除了第一部分。感谢那。


哇,我的数学背景比我的统计背景要先进得多。我发现这是理解Pearson's r的一种非常直观的方式。这个答案真的很有帮助,谢谢!
naught101 2012年

特别是协方差只是内在产物的概念!
naught101 2012年

2
-1表示“您可以认为两个变量是独立的(有时也称为不相关)”独立性与不相关并不相同;不相关的随机变量可能非常依赖。
Dilip Sarwate 2012年

好的,谢谢您解决问题。我正在推翻我的否决票。
Dilip Sarwate 2012年
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.