---
title: Lab Meeting Minutes 2022/7/22
tags: lab_meeting
---
> Outline
> [TOC]
---
# PERAL Lab Meeting
- 時間：111 年 7 月 22 日 10:30
- 地點：[Online](https://meet.google.com/ech-pcnd-bqp)
- 出席者：吳坤熹老師、謝萬霖、周以恆、吳騰然、劉怡君、田蕙瑜、洪胤勛、丘世宇、莊才賢、紀見如、劉冠伶、林大智、繆亭霄

- 會議主題： [Statistics - Z-Test & T-Test](https://docs.google.com/presentation/d/1pXNmA5_BWiUh_I3yLkGyQRElPlPTwzc89DhPLslv1GI/edit?usp=sharing)
- 主講者: 田蕙瑜
- 主記: 紀見如

## 會議內容
- 
- Hypothesis Testing:驗證是否正確
- Terminoly: 在統計中，我們想要檢測的母體
- 

- Central Limit Therom(CLT，中央極限定理)
- 整個統計的核心，最常被使用到
- 不論母體的分布，在進行多次的抽樣時，都會變成 Normal Distribution
- sample size 愈大時，表現愈明顯

- Central Limit Throm Example
- 舉例: 骰子
- 結論: 當數值愈大，結果愈接近常態分布

### Inferential Statistics(推論統計)
- Empirial Rule
- 
- +- 一個標準差:68%
+- 兩個標準差:95%
+- 三個標準差 :99.7%
- 

- Z-Distribution
- also standard Normal Distribution
- 把常態分布進行標準化的動作，可以對不同資料互相比較離散程度
- mean mu = 0
- standard deviation = 0

- 
- Q1: 
- Q2: 利用反查表 
- 利用z-distribution 可以找到相對準確的數值

- Hypothesis Testing
- Htpothesis Testing
- 類似反證法
- critical value
### Hypothrdid testing(提出假說)

- 
- H0 : 新方法沒有比舊方法好
- H1 or Ha: 新方法比舊的方法好
- Hypothesis Testing
- 分成三個類別
- lower-tail: 左邊是希望檢測的H0
- upper-tail: H0比檢測的母體還要小
- two-tail: 檢測值同時在左右兩端
- Steps of Hypothesis Testing
- 
- alpha : 想要知道有多少準確率
- approch : 選擇方法來驗證是否為真

- Z-Test – p-Value Approch
- 
- 舉例 : 咖啡罐是否都大於三磅
- 檢定:找出小於三磅的咖啡來推翻
- 
- 需先知道 樣本標準差 0.03
- 最後可由查表來知道結果
- 
- 圖為lower-tail
- 得出的平均值並沒有都大於三磅
- 
- 使用z值當作否決的關鍵
- alpha = 0.01 約為-2.3跟-2.49之間
- 可得z值為-2.33
- 母體平均值比3還要小

### 總結
- 

### 建議&問題
1. P.8 "Expirial" -> "Empirical"? [name=solomon]
Ans: Empirial

2. P.9 How many students will have grades >= 50? [name=Solomon]
Ans: (100-68)/2 = 16% [name=Jerry]
3. P.11 計算有誤 (62.5-40)/10 [name=solomon]
Ans: 2.25
4. P.11 查表 Q2 = 1 - 0.9878 [name=solomon]
Ans: 0.0122(1.22% 左右)
5. p.14 左邊第一章圖 mu跟mu0 是否可以標出來[name=solomon]
Ans: 因為圖已經經過標準化處理，無法標出，可以直接看實際的例子。
補充: mu0是我們的假設值，這三張圖提供根據實際情況跟目的不同，採用不同的方法
6. 咖啡罐是否都大於三磅，還是平均值大於等於三磅[name=solomon]
Ans:平均值
7. p.16 mu是平均值?[name=Eager]
Ans:不應該強調每一罐，而是平均值
8. p.16 目標:要證明>=三磅? [name=]
Ans:現在要證明低於三磅

8. p.18 Why 0.038 < 0.01 ? [name= solomon]
Ans:更正0.0038
8. p.19 why 得到z值後，可以直接確認結果? [name= jennifer]
Ans:同11
8. p.15 可以在解釋一次alpha[name= asheley]
Ans:這裡的alpha是一個設定的數值，是目前檢定資料裡面會包含多少%的資料在裡面，看p22，alpha = 1-CL
8. 如果假設錯誤，會不會影響結果[name=Lawrence]
Ans:會
補充:可能假說正確，但數據偏差大
8. p.18 這兩個方法差異在哪?[name=August]
Ans: p使用機率 來確認h0會不會發生，c是利用實際的數值，超過代表h0是錯的
8. p.3 statisicse 更正[name=August]
8. 中央極限定理至少需要多少樣本[name= Jerry]
Ans: 30
8. p.3 敘述統計沒有推翻?[name=Branko]
Ans: 敘述統計沒有推論假說，推論統計包含但不限於假說檢定
8. p.14 假設有下面三種情況，紅白交界處是設定的a，若算出來落在紅色，則ha，白色則為h0[name=秋分]
Ans: 完全正確
8. 要假設預期會被推翻的假說?[name=phoebe]
Ans: 可以這麼說
8. 咖啡的範例[name=phoebe]
Ans: 站在消費者的角度來檢查商家，找到一個小於三磅的咖啡罐 h0就是錯的
想要驗證的放在ha
8. =3跟>=3 如何處理[name=phoebe]
Ans:剛剛的alpha是0.01包含整個深色範圍

8. p.19 critical value在統計學中的命名由來[name=Toby]
Ans:關鍵性的、臨界值
8. p.17 alpha是否為0.01[name= toby]
Ans:是
8. 之後的報告會圍繞統計嗎[name=Eager]
Ans:是
8. z-table 是裡面的數值 ，可否提供計算公式[name= Eager]
Ans:In Excel, Z.TEST(array,x,[sigma])
8. p.17 why樣本標準差可以這樣計算[name= Eager]
Ans:其中有省略一些，前提為母體已知且常態分佈才可以套用公式
帶補充

## 待追蹤事項
無

## 臨時動議
無

---
散會結束時間：12:14