29. 文本： 总结 + 下节预告

QUIZ QUESTION: :

### 总结测试

根据课程主题，匹配最恰当的条目和下列定义。

ANSWER CHOICES:

收集数据前我们认为正确的内容

我们可能出现 I 类错误百分比的阈值。

观察零假设中统计量或更极端统计量的概率。

得到假设检验结果的其他方法 (并且从概念上来说对大多数人更简单)。

定义	术语
置信区间
p 值
α
零假设

SOLUTION:

定义	术语
置信区间	得到假设检验结果的其他方法 (并且从概念上来说对大多数人更简单)。
p 值	观察零假设中统计量或更极端统计量的概率。
α	我们可能出现 I 类错误百分比的阈值。
零假设	收集数据前我们认为正确的内容

QUIZ QUESTION: :

总结测试

匹配本节课话题相关的最佳选项和定义。

ANSWER CHOICES:

这些统计技巧旨在帮助我们理解总体参数。

这部分的技巧旨在帮助我们得到总体中个体的结论。

完成多个假设检验时，纠正 I 类错误阈值的方法。

样本容量越大，这个变得越不相干。

定义	术语
邦弗朗尼校正
统计意义
现实意义
机器学习
假设检验和置信区间

SOLUTION:

定义	术语
邦弗朗尼校正	完成多个假设检验时，纠正 I 类错误阈值的方法。
统计意义	样本容量越大，这个变得越不相干。
机器学习	这部分的技巧旨在帮助我们得到总体中个体的结论。
假设检验和置信区间	这些统计技巧旨在帮助我们理解总体参数。

总结

哇，这节课内容非常多。你学习到：

1. 如何设置假设检验。学习了零假设是收集数据前我们假设正确的内容，备择假设是我们想要证明为真的内容。
   
   

2. 学习了 I 类错误和 II 类错误。I 类错误是最严重的错误类型，这与零假设实际为真时选择备择假设相关。
   
   

3. 学习了 p 值是零假设为真的情况下，观察支持备择假设的数据或更极端内容的概率。学习了利用拔靴样本得到的置信区间，可以做出与假设检验相同的决定 (在没有混淆 p 值的情况下)。
   
   

4. 学习了如何根据 p 值做出决定。如果 p 值小于 I 类错误阈值，你可以拒绝零假设，选择备择假设。否则，不拒绝零假设。
   
   

5. 学习了样本容量很大时，任何内容都具有统计意义 (最终拒绝所有零假设)，但这些结果不具有现实意义。
   
   

6. 学习了完成多个假设检验时，错误会更加严重。因此使用一些校正法，确保 I 类错误率，非常重要。邦弗朗尼校正是简单且保守的一种方法，你应该用 \alpha 水平 (或 I 类错误阈值) 除以完成检验的数量。