【必讀】假設檢驗應用場景及基本原理（3）

我們來先看一下 我們上次講什麼了 我們先簡單的過一下 因爲我們有的同學可能上次沒來 那我們呢也做一個複習 首先啊 大家這個我們學假設檢驗 要先了解什麼時候擁用假設檢驗 那麼擁用假設檢驗的場景 大的場景 就一個 就是說我們 想了解總體的一些信息的結論 但是呢 我們又沒有辦法去做全檢 所以我們只能通過抽樣 那麼大家這個我們之前說了 這抽樣呢 那你畢竟是從總體裏邊 抽取一部分有限的個體 所以這個抽樣呢 它本身我們獲取的樣本 它就本身有隨機性 你不一定抽到的是哪幾個樣本 那麼所以根據 抽來的樣本 我們去測量 計算的這些樣本的統計量 比如說樣本的均值 x bar 比如說樣本的標準差 樣本的比率 等等等等這些 它都是會隨機變化的 因爲你每次抽取的樣本 它不是固定的 但是總體呢 比如總體的參數 比如總體的均值 μ 總體的標準差 σ 總體的比率 P 這些都是固定的 因爲你總體的池子就這麼大 我只要全唸完以後 我就可以得到 準確的總體的這些參數 那麼既然我們說抽樣具有隨機性 那麼我們不能利用樣本的統計量 直接去代表總體的參數 那麼我們擁有什麼東西 就是應用到我們所謂的統計推斷 這4個字 利用統計的方法 統計的原理 去推斷總體的情況 總體的參數 等等等等這些 這就叫統計推斷 那麼假設檢驗 是我們統計推斷的應用之一 那麼我們上一次和大家 也一起找了一個案例 對吧 我們今天還要在這個案例的基礎之上 去展開兩部分內容 也是我們今天的重點 第一個就是我們的拒絕欲 還有一個就是知性區間 還有一個是什麼 是P值 那麼假設檢驗裏邊 其實大家我們更多的學的就是P值 因爲北志老師 講過很多很多 那麼遇到過很多很多同學 在學習的過程當中 這個假設檢驗 反正最後裏邊的計算原理 很多同學 學了半天搞不太清楚 因爲畢竟假設檢驗裏邊 涉及到的工具非常多 所以搞來搞去搞到最後 很多同學 我就直接記住怎麼看就完了 對吧 怎麼看 我就看P值 P值大於等於0.05 怎麼怎麼樣 P值小於0.05 怎麼怎麼樣 那麼P值 它只是我們假設檢驗 輸出的最核心的一個依據 這個沒問題 這個是P值 但是這也是我們上一次直播 和大家講過的 那麼我們如果想把假設檢驗裏邊的 原理都串起來的話 都串起來的話 那麼我們就必須 還得去掌握另外兩個東西 一個叫拒絕域 一個叫知性區間 可能這個知性區間 大家聽的學的比較多 有的課程裏邊 也會把這個知性區間 單獨拿出來 就是說 我不在假設檢驗裏邊 去講這個知性區間 我會先單獨的去介紹 知性區間的內容 有的課程 它的安排計劃是這樣的 但是這個拒絕域 這就是我們假設檢驗裏邊 本身的東西 所以我們只要把這三個東西都搞清 把這三個東西都搞清 我們就能把假設檢驗裏邊的 統計的原理 包括一些計算 包括 我們說的三大抽樣分佈 對吧 這個大家要知道 三大抽樣分佈 其實主要也是應用在假設檢驗裏面 大家有沒有同學知道 哪三大抽樣分佈 我們一說 這個常見的分佈 正態分佈 對吧 還有什麼單獨的 比如二項分佈 這些個我們就不說了 那麼在抽樣分佈裏邊 有三大抽樣分佈 這個有沒有同學知道 是哪三大抽樣分佈 可以打到我們的評論區 那麼基本上 爲什麼叫抽樣分佈 它是基於抽樣 相關有的分佈 那麼三大抽樣分佈 我們把這三大抽樣分佈 徹底瞭解清楚 假設檢驗 基本上我們就清楚了 普及數說ZTF 說對了 說對了兩個 Z分佈不屬於抽樣分佈 T分佈 這是一大抽樣分佈 F分佈 這是一大抽樣分佈 還有一個是什麼 有沒有同學知道 而且這三大抽樣分佈之間 都有關聯 它仨不是獨立的 T分佈 F分佈 還有一個是什麼 有沒有同學知道 卡方 卡方分佈 三大抽樣分佈是 T分佈 F分佈 卡方分佈 我們今天先說一個 先說哪個 先說T分佈 我們來看一下這個案例 我們還是拿這個案例去展開 來 我們說厚度是重要的產品特性 那麼我們現在想知道 我們生產線的產品 它的平均厚度 是不是大於1.5毫米的水平 那麼這裏邊大家要知道了 我們想要知道 是誰大於1.5毫米 是我們的總體均值μ 但是由於我們測量產品的厚度 它本身是破壞性測量 所以我們就不能全解 對吧 那麼不能全解 就不能知道總體的參數 總體的均值 我們就只能怎麼樣 抽樣 抽了16個產品 這就是樣本量 然後我們計算出來 這16個樣本的平均值是多少 1.55 那麼我們前面說了 不能直接用樣本的統計量 去代替總體的參數 去下一個結論 因爲抽樣有隨機性 那麼有可能我再抽16個產品 再抽一次樣 我的x8可能還會變成1.48了 對吧 這是完全有可能的 那我們怎麼下結論 這個東西老在變 我們怎麼下結論 所以就下不了結論 那麼就得用到我們假設檢驗的方法 那麼假設檢驗 我們構建的這一堆對比乘數是什麼 對吧 H0總體均值等於1.5 H1總體均值大於1.5 再次和大家強調 我們的原假設 默認的都是等於號 所以我們不需要去決定 原假設是什麼 原假設是默認的 那麼我們能決定的是備則假設 那備則假設選什麼 直接蹦出來了 備則假設根據我們實際問題來 我們實際想關注的是什麼 我們想關注和我們想了解的是 我的總體均值是不是大於1.5 所以這個備則假設 我們就選擇 沒有大於1.5 這是我們的一個對比乘數 那麼我們來到meetup裏 16個樣本 抽取完以後測量了16個樣本的厚度 那麼做這個單樣本替檢驗 我們說它是有潛力假設的 我們現在還沒有到那個地方 所以我們先不和大家說 我們後邊給大家去做補充 我們就先看怎麼用meetup 去輸出這個結論 統計基本統計 單樣本T 微波爾分佈不是 微波爾分佈可不是 是T分佈 卡方分佈 F分佈 然後這裏邊C1對吧 厚度數據鏈要進行假設檢驗 這個假設的均值是多少 1.5 我們看是不是比1.5 1.5 別忘了點擊選項 要在這裏邊去選擇我們的備則假設 備則假設是總體均值大於假設均值 也就是mew大於1.5 點確定 我們4000讚了 非常感謝大家的支持 大家可以一邊聽一邊幫我們點一點贊 點擊確定 這裏邊是我們要的結論 我們就以這個結論去展開更多的內容 好吧 第一 先看下半部分 檢驗對吧 它是告訴我們這裏邊的檢驗的信息和結論 原假設 H0 mew等於1.5 備則假設H1 mew大於1.5 這是我們的對比乘數 下方有一個t值 大家看到了吧 這個t值是什麼東西 爲什麼老看到它 它是t統計量 我們算出來的一個就算就叫t統計量吧 t值 算出來的一個具體的t的統計量的數值 那麼這個t值怎麼來的 我們後邊會給大家一步一步的推 把這個公式給大家 今天就帶大家一步一步的推 後面這個p值 這個大家應該都會看了 對吧 p值大於等於1.05 我們說沒有足夠的證據去推翻原假設 我們就先接受原假設 也就是說 我現在不能判定 總體的均值大於1.5了 那我就默認等於1.5 這是我們要看的結論 那麼上半部分 我們來看一下這幾個什麼意思 n16 那是樣本量 對吧 抽了16個數據 均值1.5461 這是我們的樣本均值 這是樣本均值 也就是16個樣本的測量完厚度以後的樣本均值 標準差 這是我們16個樣本的樣本標準差 均值標準物 這個就是s比根號n 也就是說樣本標準差 除以根號16 也就是說除以4 這叫均值標準物 s比上根號n 最關鍵的是它 這個是什麼東西 有沒有同學知道 可以打到評論區 有沒有同學知道 這個是什麼意思 這個95%下限是指什麼 它叫什麼 它叫質性區間 什麼叫質性區間 對 easy說的對 質性區間非常好 什麼叫質性區間 我們簡單的說 首先 我們想知道的是不是總體均值 普利數說的也對 1米8說的也對 統計上的質性區間 沒錯 關鍵的點是 是誰的質性區間 是總體均值μ的質性區間 對吧 但是總體均值μ 我們怎麼能知道 全減 全減完以後也不需要 質性區間了 我就直接知道這個具體的數了 對不對 但是現在我們在說這個邏輯 那麼現在我們沒辦法全減 那就只能怎麼樣 抽 對吧 抽樣 抽了16個樣本 那麼我來推斷總體 所以什麼叫質性區間 也就是說 我有95%的 概率 或者說把握 我總體的均值μ 會落在這個區間範圍內 那有同學可能會說了 你不說區間嗎 這怎麼只有一個下限 這是指什麼 這是指 我們的這個質性區間 爲大家寫一下是什麼 就是 多少 1.4928 對吧 這不是一個區間嗎 這個區間 我們完整寫出來是這樣的 1.4928 到 整無窮 所以他爲什麼要質性區間下限 就是說我最低最低 我的質性 我的總體均值μ 不會小於 1.4928 大家能理解嗎 那麼我們接下來討論兩個問題 第一個問題 我們的這個假設的均值1.5 有沒有包含在這個區間範圍內 有嗎 只要我們的這個假設均值包含的 質性區間範圍內 也就是說你也沒有足夠的把握 說肯定大於1.5 對不對 那我們說什麼 所以假設檢驗裏邊的質性區間 他和我們的批值一定是對應的 大家理解吧 他一定是對應的 所以這裏邊我們計算出來的批值 是什麼 0.075嗎 還是多少 對吧 這個我就說大於0.05吧 是不是 這兩個能不能對應上 能吧 那我們來換一個話題 比如說 我說我總體均值密入的質性區間 我有多大把握 這質性區間下限是多少 比如1.523到中午球 我問大家 我們如果質性區間 總體均值密入的質性區間 是在這個範圍內 那麼我們的批值會大於0.05 還是會小於0.05 我們來討論一下 這倆裏有關係 來我們來討論一下 我現在對比陳述 密入等於1.5 貝德假設密入大於1.5 那麼如果質性區間是1.523到正午球 那麼我的批值會大於0.05 還是小於0.05 大家可以打到評論區 我們來討論一下這兩者之間的關係 好嗎 來我們看一下 普利述和常微都說小於0.05 對着呢 他倆一定是對應的 你比如說我說總體均值的 95%的質性區間下限 1.528什麼意思 也就是說我有95%的把握 我的總體均值密入最低最低 不會低於1.528 他最低最低都不會低於1.528了 那豈不就意味着他會大於1.5嗎 所以他對應的批值一定是什麼 一定是小於0.05的 所以這個質性區間和批值 他倆的關係是對應的 還有一個 那我們批值的這個判斷的範圍是什麼 我們批值判斷的這個臨界值是什麼 0.05嗎 對吧 座川關主秀說批值什麼意思 概率嗎 是的 這一部分內容 我們在第一次直播的時候和大家講過了 所以我們的這個α是多少 α是0.05嗎 對吧 α是0.05嗎 所以大家我們看一下 這個95%和這個0.05 0.05是多少 不就5%嗎 所以他倆是怎麼樣 他倆是互補的 他倆是有關係的 大家能理解吧 好 那我們來先來看一下 這個 質性區間 他和我們 假設檢驗的一個關係 來 大家有需要的可以去截圖 這是我們不同的 對比乘數 一個倍則假設大於 倍則假設不等於 倍則假設小於 我們對應的質性區間 它的形式不一樣 大家看到了吧 感謝 如果我們的質性區間 這個倍則假設 它是大於 你看我們的質性區間 就是單下側 大家看到沒 就是隻有一個 下限的一個具體的數 就單下側 某一個數到正無窮 如果我們的質性區間 這個倍則假設是小於 對吧 質性區間就是單上側 如果我們的倍則假設不等於 那麼質性區間就會是雙側 這個大家能理解吧 那麼我們怎麼記這個東西 很多東西剛開始學到這的時候 總會覺得這個東西太複雜了 我還要總要記 對吧 哪個是單下側 哪個是單上側 其實很簡單 你看我們捋一下這個邏輯 就比如說 好 我關注的是 μ是不是大於1.5 我的質性區間肯定要和 我的p值有一個呼應 對不對 大家能理解吧 那你大於1.5 我們就假如大於1.5 肯定在這邊 對不對 大於1.5在這邊 是不是 你大於1.5肯定在右側 所以它是什麼 單下側 就是說最低最低是多少 那單下線 你看這個小一號 就是單上側 它就有一個什麼 單上線 這個東西 大家理解的扣個1 哪不理解呢 大家打個評論區 我再和大家說 好嗎 我們一點點過 先 明白 這個備則假設和質性區間的關係 至於這個質性區間怎麼去算 我們一會給大家去做推導 好嗎 不論說大在右背小在左背 可以的 對的 拒絕欲對吧 這是拒絕欲 好 大家怎麼 能理解嗎 大家能理解釦個1 不理解的就趕緊說 因爲我們 Adrian老師講課 稍微可能有一些快 所以 我要總要看一下 評論區 有同學有問題的話 就趕緊停一下 先和大家 解釋清楚 別回來我這邊門頭講 講完以後大家沒跟上 這個不好了 好 普利數 普利數是有基礎 好 來 我們來看一下 這個 說到了 一個重點 現在 這個 就要帶大家做推導了 這個凡是我們 學6c 要參加中日寫考試的同學 現在可以仔細聽了 怎麼做這個推導 來 現在開始和大家介紹 一個東西叫做T分佈 因爲我們做的這個均值的檢驗 它叫 單樣本T 對吧 所以它是T分佈 那麼這個T分佈怎麼來的 對吧 我們給大家去說一下 首先 大家知道 我們的 有一個常見的分佈 叫做正態分佈 它長什麼樣 就是左右對稱倒中型的曲線 這個大家肯定都見過它 是吧 那麼描述正態分佈 正態分佈它需要兩個參數 也就是我們的日常的工作當中 生活當中常見的分佈 我們說 14種 對吧 每一個分佈 它都有一個參數需要去 確定它 比如正態分佈 它需要兩個參數 一個是總體均值μ 一個是標準差σ 這個μ 決定了我們正態分佈的中心位置在哪裏 而這個σ 決定了我們正態分佈的一個 波動的大小 波動的寬度 就是胖瘦 所以胖瘦決定了 中心位置決定了 這個正態分佈只能畫出來了 那麼 我們來看一下 比如說 我說我們現在身高 有一個總體 這個總體的身高 服從均值爲1米75 方差爲9的正態分佈 那麼我問大家 大於1米77的概率是多少 這東西怎麼辦 有同學說了 我用什麼 我用這個metab算一下 我用計算機metab算一下 我用戰術算一下 沒問題 現在我們是有了計算機 有了統計的軟件 肯定是能算的 但是在以前的話 沒有計算機的時候怎麼算 我們就沒有辦法去算 所以怎麼辦 就得查表 所以爲什麼大家可以看 我們CAQ考試的 官方的教材 紅瓶書 它的最後邊的附錄 就有我們的正態 正態概率的表 對吧 查正態概率的表 但是有個問題是什麼 比如說我現在說 我的服從1米76 方差爲9的正態分佈 大家看我換了一個參數 我換了一個參數 我立馬就換了一個正態分佈 那你說我又得查1米76 均值爲1米76 方差爲3的表 如果這樣去做的話 那這世界上有多少表 這世界上就無數的正態概率表了 對吧 你只要一換參數 它就出來一個表 那無數個表 所以怎麼辦 所以這個東西不可行 行不通 所以我們正態分佈 還有一個特殊的分佈叫什麼 叫做標準正態分佈 你正態分佈不是有很多種嗎 你的均值一變 標準差一變 正態分佈不就變了嗎 好 你變吧 我反正這裏邊有個最特殊的 均值爲0 標準差 爲1的 這個正態分佈 就叫標準正態分佈 大家理解吧 就叫標準正態分佈 那麼這個它 這個標準正態分佈 爲什麼這麼特殊呢 就是因爲我所有的正態分佈 不管我們的這個均值 μ是多少 σ是多少 你i是多少是多少 我都可以通過 這樣的一個 計算 一個轉換 能把它轉換成爲標準正態分佈 這就是標準正態分佈的一個 最厲害的地方 它最特殊的地方 那也就意味着什麼呢 也就意味着 我 無論有多少個正態分佈 我最後都可以轉換成標準正態分佈 那麼我的概率表只有一個 只准備一個就可以了 就是標準正態分佈的概率表 這個東西具體什麼意思怎麼做 我們來給大家拿這個身高來看一下 然後包括我們一會兒 回到metab裏邊 我和大家說 metab這個 計算概率的功能 它在哪裏 來我們看一下 來 什麼意思 我們的這個正態分佈 總體均值是1米75 方差是9 也就是標差是3 那麼我們計算大於1米77的概率 是多少 我來給大家算一下 怎麼去算 計算概率的時候 我們點擊圖形的概率分佈圖 這個大家如果之前不瞭解的話 現在可以去截圖 大家有需要截圖的 就隨時喊我就可以了 點進來以後 它有四個功能 我們計算概率 所以我們選擇最後一個 叫做查看概率 那麼它先問對吧 這裏邊先問 是什麼分佈 不是大家我們點一下 它能選很多分佈 很多很多對吧 那麼它默認的是正態 我們也不用動 均值是多少 均值是175 標準是二級 方差是九 標準差不就是三對吧 那麼分佈這裏邊選擇了什麼分佈 第一第二 這個分佈它具體的參數是什麼 比如說正態分佈的是均值和標準差 都定下來以後 再點擊右邊這一部分 叫做陰影區域 那麼這裏邊有兩個 一個是給定概率值 推x值 其實也就是逆累積概率 還有一個是給定x值 算概率 你比如說我們這裏邊什麼 我們這裏邊是 我想知道大於1米77的概率 這個1米77是什麼 1米77是一個值嗎 一個x值嗎 所以我們選擇什麼 定義陰影區域按x值 比如說我給你x值 你幫我算概率 那這個定下來以後再看對吧 右尾左尾雙尾還是中間 這個大家可能看不太曉了 因爲 我看這個meetable這裏邊我看着都小 大家可能看更小 我給大家拉出來 哎能看清嗎 這回清楚了吧 啊來 我們選擇哪一個 對吧 結合上面這句話 我們選擇哪一個 1234 來看看大家能不能理解這個界面的意思 啊打打1234就可以啊 好啊來看看大家的答案啊 啊普利數和yt都說1 對嗎 還有小巴塞對嗎 大家同意嗎 是不是1 對着啊 我們不是看大於1米77嗎 1米77就是這個x嗎 你看大於1米77就是右邊吧 所以叫右尾啊 好 我們回來啊 點擊右尾啊 對飛揚也說了對吧啊這裏邊輸1米77 ok 點擊確定 來這個概率是多少 這裏邊會有啊 嗯這裏邊的字體啊顏色大家都可以改啊 比如說顏色啊字體啊字號這些都可以改啊 大於1米7的概率多少 0.2525 大家看到了我們把這數記下來啊 0.2525啊 然後啊我們來練一下啊 這一步叫不二人話轉換啊 大家先 嗯如果我們剛開始聽了同學先不用管 對吧什麼叫不二人話轉換 到底幹什麼用的彆着急啊 大家跟着我們一塊走啊 把這個東西算出來 然後我虛擬推廣給大家去演示啊 來 這個x是什麼啊 x就是具體的單值是多少呢 比如說在這個正在分佈裏邊我們畫一下啊 呃代啊 代的分啊 這不對他給你出點偏數 你你你手搓就累死了 我這個是案例你知道大家這個 我們這個我們不是爲了考大家 我們是爲了讓大家理解啊 所以我們這個計算簡單啊 這朱志賢考的時候他還不會給你整數的 大家明白吧 來那麼在這個分佈啊這個分佈是什麼 均值爲175 短差爲3的正在分佈啊 這個點是多少177嗎 對吧 s多少s就是177 啊 μ是多少 μ就是這個總體的 中心 σ多少就是這個分佈的 高短差 現在啊我們這三個數都給大家了吧 來大家簡單快速的算一下 這個z值算出來是多少 我們把這一步大家算完以後 我再回到minitab裏邊給大家去做演示 好了 做完演示以後大家就明白了 這個到底什麼叫標準化轉換 這個z分佈到底有什麼特殊的 來 這很快啊 tp說0.67 這對嗎 我還沒算啊 對嗎 我們其他同學呢 怎麼算啊 Yt問怎麼算啊 你看x是什麼 x這個就是x看到了吧 μ是什麼 μ就是你原總體分佈的 好多人不知道我再說一下啊 呃 這樣這樣這樣 大家先別管什麼意思啊 我們先給大家去 大家先跟着算好吧 然後一會我到minitab裏邊 給大家演示大家就明白什麼意思了啊 175 這個是我們原總體分佈的均值 對吧 9呢是我們 原總體分佈的方差 都有了吧 這仨數來 大家先算一下啊 是多少 會嗎Yt Yt自己算一下啊 打到評論區 我等你好嗎 那我們來說一下z是什麼意思啊 我們先簡單說一下z是什麼意思啊 標準正態分佈呢 它有一個名字啊 它也叫z分佈 它叫z分佈 那麼你具體比如我在標準正態分佈 在這個z分佈裏邊的某一個值 比如說1啊 這就叫一個z值了 能理解吧 好像箍井 s是多少啊 s不是177嗎 對吧 μ是多少啊 μ是175 是不是 sigma是多少 方差是9 sigma方是9 方差是9 那sigma是幾啊 sigma就是3嘛 啊這是sigma啊 Yt這是sigma 不是sigma方啊 這個是9是方差 所以 2除以3 是多少呢 就是0.6666666 對不對 0.66666啊好 理論上啊什麼意思啊 理論上我們現在說啊 結論啊 在原分佈 原分佈是均值爲175 方差爲9的原正態分佈 這個裏邊啊 大於1米77 大於177的概率 是這裏 我們通過標準化轉換以後啊 這個177 的這個值 就會轉變爲一個z值 這個z值是多少 就是0.666 就457吧啊 那麼它在標準正態分佈裏邊 所處的位置在這裏對不對 那麼它的概率 會和原總體分佈啊 大於1米7的概率是一致的 9叫方差 嗯9叫方差 對9是方差 sigma方 能理解吧 所以我們現在轉換一下 大家看一下是不是這樣的啊 我們回到meetup裏邊啊 圖我不刪啊 我們一會拿它做對比對吧 點擊圖形概率分佈圖 啊查看概率來 大家告訴我這裏邊啊均值是幾 均值是0了啊 標準差是幾標準差是1了嗎 就是不能正態分佈嗎 也就是所謂的z分佈對吧 陰影區域還是右尾 定義x值這裏邊輸多少 來啊這裏邊輸多少 啊大家打到評論區 哎 yt是177嗎 咱變慣了 哈哈怎麼變慣了 哪個對這裏邊多少 對啊 yt這回說對了啊 他這個又改回來了多少 0.6666666 我能打多少倍打多少倍啊 好點確定 大家看到了嗎 這個概率是不是一樣的 是嗎 對嗎 你看 原分佈啊原分佈是均值爲175 標準差爲3啊 那麼原分佈裏邊大於1米77的概率 那也就是說1米77 在我均值爲175 標準差爲3的這個正態分佈的位置 我們可以通過標準化轉換 把我們的這個 轉換爲 z分佈也就標準差爲1 均值爲0的標準正態分佈 那麼通過剛纔這個大不都計算了嗎 對不對 大不都計算了嗎 我們剛一起算的嗎 對吧 yt也跟着一起算了 yt一開始不會算 yt後來也算出來了對吧 0.666 這個6是什麼呢 我們可以叫他z值 爲什麼叫z值啊 因爲你的標準正態分佈叫z分佈嗎 所以你標準化轉換以後 得到這個值可以叫z值 也可以叫他z統計量啊 都可以怎麼叫都可以 所以你看我們通過這樣一轉換 大家看到了嗎 就所有的正態正態分佈 不管他的參數 原總理參數是什麼 都可以這樣去轉換啊 那得到的概率是一樣的 那麼這一步叫什麼 其實我們的普利數在最開始都說過啊 反過來算啊 你反過來算的話 這個東西 反過來算的話 這個東西有點矛盾 沒有人這樣去做啊 你反過來算的話 你看我們說這個邏輯叫什麼 你爲什麼只能正着算不能反着算啊 你看啊 就是說我們是知道了原總體的參數 均值和標準差 我們才能做標準化轉換 你說你倒着算的話 這個原總體的這個東西 這找誰去這是活的嗎 這誰也不知道啊 所以基本上 理論上你說把限制條件說死了 對吧 你說把限制條件說什麼叫限制條件 你說我定了原動力分佈的參數 你說我反着算 這個是理論上可以算的啊 但是實際的場景裏邊沒有人這樣去做 大家明白吧 好 這一步叫什麼呢 其實我們的普利數在最開始的時候 就已經打到評論區了啊 這一步叫做標準化轉換 標準化轉換 能理解吧 歡迎9420啊 這一步叫標準化轉換 好啊 大家有什麼問題可以打到評論區啊 然後我這邊呢 我們再給大家結合剛纔那個背景啊 我們再換一個啊 換一個meetup的做法 我現在說啊 呃 比如說 我們說嗯 這樣說哎 我的x是多少的時候啊 比如說我現在說我想知道對吧 這是一個x 那麼大於這個x的概率是0.05 我們能不能算 就算是有點多都要停啊 呃那你切切來切去 那你最後可能一個也沒聽着 對吧 你看啊大家看啊 大家拿哪一個這個主題感興趣對吧 哪一部分大家想聽 嗯 這個東西怎麼算 呃yt我看到你的問題了 我先把這個東西說完 我就給你解答好嗎 大家看到了 哎 我想知道大於某一個s值時 這概率是0.05 這s是多少怎麼算 這裏邊在選應用區的時候 大家看到了吧 這個定義應用區域按就換了 就變成 我給定概率值 你給我輸輸s值啊 然後選擇什麼右尾吧 哎概率是多少 比如0.05對吧 哎點確定 啊大家看到了 這這叫逆累積概率吧 你看哎 在這個分佈裏邊 大於1.645的概率是0.05 啊包括我們後邊算拒絕域 後邊算拒絕域 也要這樣去算啊 拒絕域也是這樣去算 對啊 Eason說的對 來回答一下YT的問題啊 大家有什麼問題 可以像YT一樣打到評論區啊 嗯 有時候數據很好 打亂數據後 正態分佈驗證p小於0.05是啥情況 大家我們一起討論啊 大家感覺是啥情況 你的數據正態不正態 和你打亂不打亂沒關係 大家明白吧 你的數據正態不正態 和打亂不打亂沒關係 你所謂的把這個順序顛倒 你除非是做什麼 比如說我做獨立性檢驗 有可能你把數據打亂以後 比如說你排序對吧 從小到大排 從大到小排 那可能獨立性檢驗過不去 爲什麼 因爲獨立性檢驗 它有一個維度 最重要的維度是什麼 是時間是推移 你改變順序 它肯定也會變 但是正態 正態分佈的驗證 它的維度是什麼 它的維度不是時間 也不是推移 它的維度是分佈 就跟我們說 你說我這個 20個數對吧 你就跟玩這個俄羅斯方塊一樣 你是先掉這一塊 後掉這一塊 還是再掉這一塊 你先掉哪一塊 你最後這個分佈不是固定的嗎 對嗎 所以你的數據不符合正態分佈 是本身數據它就不符合 就是你收集數據去做驗證 它不符合就是不符合 你把它順序怎麼打亂 它也不符合 你從小到大排 你從大到小排 你把它顛過來倒過去 你做正態性檢驗 它批值是固定的 該是多少還是多少 能理解嗎 所以你要去調查對吧 包括正態性檢驗不通過很多種原因 比如說一些離群點 異常點拉扯的 那比如說這個數據裏邊對吧 你是來自於 就跟我們講的QC7大工具一樣 裏邊可能來自於幾個總體 對吧 那還比如說這本身數據 它形成的機理就不符合正態 都有可能 所以我這裏邊和大家說的一個東西 是什麼 如果我們做正態性檢驗 批值大於等於0.05 看到沒 批值大於等於0.05 說明什麼 說明數據正態 ok 那就完了 如果數據不正態 那你的批值的檢驗小於0.05了 不正態怎麼辦 你最起碼最起碼我們說 你得畫一個什麼圖 畫一個質方圖 來看看數據的分佈的情況是什麼樣的 當然了 你看你也說了異常點 你有異常點他拉的 對不對 什麼叫異常點拉的 我給大家看一下 現在這個圖裏邊 正態性檢驗批值0.389 正態嗎 正態 對吧 改一下 我把這個1.662 比如說我手多鎖了 改成11.662了 手多鎖了 多輸個1 那還是這組數據 我改了一個數而已 還正態嗎 能理解嗎 還正態嗎 所以你不正態的時候別慌 批證不正態的時候別慌 你先看看他爲什麼不正態 彆着急 那有時候甚至說 你還要看我們做這個 還有的時候還要看我們用的這個工具 對吧 很多工具都有正態性的前提假設 你要看你用的工具是什麼 你比如說我們做這個 替檢驗 你如果你的樣本量大於30的話 不正態也沒關係了 有沒有明白嗎 不正態也沒關係了 但是有異常值肯定不行 有異常值肯定不行 好 非常好的問題 那我們今天就到這裏了