--- 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 - ![](https://i.imgur.com/zNZRSse.png) - Hypothesis Testing:驗證是否正確 - Terminoly: 在統計中,我們想要檢測的母體 - ![](https://i.imgur.com/c5OAuf6.png) - 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 ![](https://i.imgur.com/n5RgMKT.png) - 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 - ![](https://i.imgur.com/jxWmo0o.png) - +- 一個標準差:68% +- 兩個標準差:95% +- 三個標準差 :99.7% - ![](https://i.imgur.com/txDUwwl.png) - 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 - ![](https://i.imgur.com/Q48c4rL.png) - Q1: ![](https://i.imgur.com/cQugSyZ.png) - Q2: 利用反查表 ![](https://i.imgur.com/OSrBKlW.png) - 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) - ![](https://i.imgur.com/Rwp4ahM.png) - 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 ![](https://i.imgur.com/Qr8R06M.png) - 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 - ![](https://i.imgur.com/X1LvRvY.png) - 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 - ![](https://i.imgur.com/FK3uD2j.png) - 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 - ![](https://i.imgur.com/WuPEANY.png) - 需先知道 樣本標準差 0.03 - 最後可由查表來知道結果 - ![](https://i.imgur.com/SugEO4w.png) - 圖為lower-tail - 得出的平均值並沒有都大於三磅 - ![](https://i.imgur.com/KSg62LA.png) - 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 - ![](https://i.imgur.com/yeMeIDr.png) ### 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 ![](https://i.imgur.com/rl04AY2.png) 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