預期答案→研究假設
研究假設的相反就是虛無假設
藉由推翻虛無假設，來證明原假設正確
第一類型錯誤（type I error）：對，卻說錯
第二類型錯誤（type II error ）：錯，卻說對
沒殺人 有殺人
Ho為真 Ho為假
拒絕 判死刑 a 判死刑 1-b
第一類型錯誤 統計考驗力
接受 釋放 1-a 釋放 b
第二類型錯誤
疑中存情：懷疑當中，不要在憤怒中做出判斷（降低阿法值）
第一類型錯誤：自己的小孩說是別人的小孩
第二類型錯誤：別人的小孩說是自己的小孩
2011年12月30日 星期五
100/12/28研究方法_ 筆記
預期答案→研究假設
研究假設的相反就是虛無假設
藉由推翻虛無假設，來證明原假設正確
第一類型錯誤（type I error）：對，卻說錯
第二類型錯誤（type II error ）：錯，卻說對
沒殺人 有殺人
Ho為真 Ho為假
拒絕 判死刑 a 判死刑 1-b
第一類型錯誤 統計考驗力
接受 釋放 1-a 釋放 b
第二類型錯誤
疑中存情：懷疑當中，不要在憤怒中做出判斷（降低阿法值）
第一類型錯誤：自己的小孩說是別人的小孩
第二類型錯誤：別人的小孩說是自己的小孩
100/12/21研究方法_ 筆記
論文第四章、研究發現，
若當不知道如何呈現研究發現的時候，可以試著利用虛無假設來思考
虛無假設
統計學中，在做假說檢定的時候，往往以「虛無假設」為前提，
先假定一切都是虛無（沒有）的狀況，
再依照證據的充足性看是否足夠推翻這個假設。
以法庭的例子來說：
當法官面對被告時，為秉持公平公正原則，先假定被告無罪，
再由檢察官提出許多犯罪證據，
當各類證據充足，所有跡象都指向被告有罪時，
法官才能判定被告有罪！
所以說，回到統計學上，
一開始先假設沒有差異，
再經過各種方式足夠可以推翻沒有差異的假設，
再進一步的接受有差異的假定。
只限定在實驗性的研究問題上使用
第一類型錯誤：沒有殺人卻被控殺人，江國慶案。
第二類型錯誤：犯罪被無罪釋放。
若當不知道如何呈現研究發現的時候，可以試著利用虛無假設來思考
虛無假設
統計學中，在做假說檢定的時候，往往以「虛無假設」為前提，
先假定一切都是虛無（沒有）的狀況，
再依照證據的充足性看是否足夠推翻這個假設。
以法庭的例子來說：
當法官面對被告時，為秉持公平公正原則，先假定被告無罪，
再由檢察官提出許多犯罪證據，
當各類證據充足，所有跡象都指向被告有罪時，
法官才能判定被告有罪！
所以說，回到統計學上，
一開始先假設沒有差異，
再經過各種方式足夠可以推翻沒有差異的假設，
再進一步的接受有差異的假定。
只限定在實驗性的研究問題上使用
第一類型錯誤：沒有殺人卻被控殺人，江國慶案。
第二類型錯誤：犯罪被無罪釋放。
2011年12月16日 星期五
100/12/14研究方法_ 筆記
常模參照 VS標準參照
常模參照 ：
如果我們解釋個別學生的測驗分數，是拿他的分數來和全體學生的分數作比較，則這種解釋測驗分數的方式便稱為「常模參照」。這是一種以「相對性比較」的觀點，來看待個別學生的測驗結果。段考成績排名、心理測驗原始分數轉換成標準分數或是百分等級（percentile rank, PR）等，都是利用常模參照的方式來解釋分數。
標準參照 ：
如果我們解釋個別學生的測驗分數是以描述他在某一個界定清楚的領域上重要工作表現有多好，或是他的表現以達到什麼樣的優良程度等術語來表示時，這種測驗分數的解釋方式便稱為「標準參照」。這種分數解釋的方式基本上是採用「絕對比較」的觀點來看待個別學生的測驗結果。一般來說，醫師執照、會計師、建築師、律師等證照考試，或是汽車駕駛執照考試等等，都不需要注意排名或是與別人的分數進行比較，需要的只是與某一個標準來進行比較，若考生的分數已經高過那個標準，那麼即可發給證書或是給駕照。
常態曲線
http://www3.nccu.edu.tw/~soci1005/CH5.pdf
威廉斯創造力測驗量表
建立百分等級表
比奈-西蒙智力量表
魏氏量表例題：
某生在魏氏智力量表得分115分，其智商高於平均數100一個標準差，因此先求Z分數，即（115-100）/15=1，即高於平均數一個標準差，於是50%+34.13%=84.13%
如果未來機會做測驗，
可以拿到標準測驗就用標準測驗卷，
不要用自己開發的測驗，
因為標準測驗，有他的信度與效度，
自行開發測驗會因為樣本數不夠，而造成效度不夠
偏態：分數往某一個方向移動
→負偏態：溜滑梯溜往低分
→正偏態：溜滑梯溜往高分
負偏態 正偏態
(看尾巴向哪邊來判斷其正負)
偏態時，平均數移動的最少，眾數移動的最多
負偏態時：眾數＞中數＞平均數
正偏態時則相反：平均數＞中數＞眾數
常模參照 ：
如果我們解釋個別學生的測驗分數，是拿他的分數來和全體學生的分數作比較，則這種解釋測驗分數的方式便稱為「常模參照」。這是一種以「相對性比較」的觀點，來看待個別學生的測驗結果。段考成績排名、心理測驗原始分數轉換成標準分數或是百分等級（percentile rank, PR）等，都是利用常模參照的方式來解釋分數。
標準參照 ：
如果我們解釋個別學生的測驗分數是以描述他在某一個界定清楚的領域上重要工作表現有多好，或是他的表現以達到什麼樣的優良程度等術語來表示時，這種測驗分數的解釋方式便稱為「標準參照」。這種分數解釋的方式基本上是採用「絕對比較」的觀點來看待個別學生的測驗結果。一般來說，醫師執照、會計師、建築師、律師等證照考試，或是汽車駕駛執照考試等等，都不需要注意排名或是與別人的分數進行比較，需要的只是與某一個標準來進行比較，若考生的分數已經高過那個標準，那麼即可發給證書或是給駕照。
常態曲線
http://www3.nccu.edu.tw/~soci1005/CH5.pdf
威廉斯創造力測驗量表
建立百分等級表
比奈-西蒙智力量表
魏氏量表例題：
某生在魏氏智力量表得分115分，其智商高於平均數100一個標準差，因此先求Z分數，即（115-100）/15=1，即高於平均數一個標準差，於是50%+34.13%=84.13%
如果未來機會做測驗，
可以拿到標準測驗就用標準測驗卷，
不要用自己開發的測驗，
因為標準測驗，有他的信度與效度，
自行開發測驗會因為樣本數不夠，而造成效度不夠
偏態：分數往某一個方向移動
→負偏態：溜滑梯溜往低分
→正偏態：溜滑梯溜往高分
負偏態 正偏態
(看尾巴向哪邊來判斷其正負)
偏態時，平均數移動的最少，眾數移動的最多
負偏態時：眾數＞中數＞平均數
正偏態時則相反：平均數＞中數＞眾數
2011年12月9日 星期五
100/12/07研究方法_ 筆記
平均數（AVERAGE）
在統計中算術平均數常用於表示統計對象的一般水平，它是描述數據集中程度的一個統計量。我們既可以用它來反映一組數據的一般情況，也可以用它進行不同組數據的比較，以看出組與組之間的差別。
亂數（RAND）
標準差（STDEV）
在機率統計中最常使用作為統計分佈程度（statistical dispersion）上的測量。標準差定義為變異數的算術平方根，反映組內個體間的離散程度。
例如：1、2、4、5、6、8、9
平均數：5
標準差算法：
1，與5相差4，而4的平方是16
2，與5相差3，而3的平方是9
4，與5相差1，而1的平方是1
5，與5相差0，而0的平方是0
6，與5相差1，而1的平方是1
8，與5相差3，而3的平方是9
9，與5相差4，而4的平方是16
16+9+1+0+1+9+16=52
52/7=2.9....
所以，標準差近於2.9
標準差越小，分佈就越集中
標準差越大，分佈就越分散
SPSS是統計產品與服務解決方案（Statistical Product and Service Solutions）的簡稱，
為SPSS公司推出的一系列用於統計學分析運算、數據挖掘、預測分析和決策支持任務的軟體產品及相關服務的總稱
集中量數：就是數據的集中的位置，是描述或反映集中趨勢的量數。
包括：算術平均數、中位數、眾數。
分散量數：變異數(標準差)、全距、四分位數。
標準差：衡量一組資料內部彼此間的差異程度。描述一組資料資料內容的差
異程度。
全距：可以看整體資料離散度。 算法：最大值-最小值。
Ｚ分數（標準分數）
在統計學中，標準分數（Standard Score）(又被稱為Z-分數、標準化值）是一種無因次值，是藉由從單一（原始）分數中減去母體的平均值，再依照母體（母集合）的標準差分割成不同的差距。
Ｚ分數=(x-平均數)/標準差
以Ｚ分數來看，才知道考得好不好
(Z分數)*10+50=T分數
T分數可以有效呈現出，在多個族群中離平均有多遠
訂閱：
意見 (Atom)