关于何时使用

我指的是这个视频讲座，用于计算置信区间。但是，我有些困惑。这个家伙正在使用 -statistics进行计算。但是，我认为应该是统计量。我们没有给出总体的真实标准差。我们正在使用样本标准差来估计真实值。$z$$t$

那么，为什么他对置信区间而不是对采用正态分布呢？$t$

您是正确的，应该是t分布。但是，由于样本大小为36（即> 20），因此z分布也将是适当的。请记住，随着样本数量的增加，形状上的t分布变得与z分布更加相似。

回到我上第一本统计学课时（恐龙之后，但是当实际计算机仍然占据整个房间时），我们被告知如果自由度超过30，则使用z表，部分原因是本书中的t表仅上升了30个自由度，如果您查看t表，您会发现在28度左右的某个位置上，您得到的结果与z表的相同，为2个有效数字（并且当手工完成所有这些操作时，取整）。主持人也许仍在那所学校里。

您是正确的，如果您使用样本标准差进行检验，则意味着您确实应该使用t分布而不考虑大小（这如今更容易做到），并且仅当使用z时（标准正态）知道总体标准差，但是出于实际目的，如果样本量很大，您通常不会看到有意义的差异。

我很难确定Khan是否只是在视频中简化了事情，还是他错了。我不得不说后者，但是问题不在z或t问题中。他称其为计算置信区间的依据，然后说自己有92％的信心表示总体平均值处于给定范围内。不幸的是，这根本不是您从置信区间得出的结论。

因此，我回到t vs. z问题，开始怀疑他是否在这里犯了错误。我在想这可能不是因为他确实声明，如果样本较小，则必须进行更正。因此，其他答复者可能对此是正确的。他之所以使用z是因为他已经介绍了z，并且z与36的n值已经足够接近了。我不打算浏览所有视频，但我想他会在以后介绍t分布，希望是下一个。

不幸的是，汗学院在许多统计领域都错了……但也许我只是这样，因为我只针对有问题的视频。