1樓：匿名使用者
哎，誤區啊，其實統計方法是在你做實驗之前就應該設計好的。而不是做完再來想怎麼分析。
如果想兩兩比較組間差異,應該用什麼統計學方法? 80
2樓：鈐山鎮
需要看資料是以什麼形式表達的,如果是定量的,比如身高,可以用t檢驗,如果是其他非正態的或方差不齊的,可以使用秩和檢驗.如果是定性的,比如是否患病,可以用卡方檢驗。
統計方法是指有關收集、整理、分析和解釋統計資料，並對其所反映的問題作出一定結論的方法。
正確選擇統計方法的依據是：
①根據研究的目的，明確研究試驗設計型別、研究因素與水平數；
②確定資料特徵(是否正態分佈等)和樣本量大小；
③ 正確判斷統計資料所對應的型別(計量、計數和等級資料)，同時應根據統計方法的適宜條件進行正確的統計量值計算；
最後，還要根據專業知識與資料的實際情況，結合統計學原則，靈活地選擇統計分析方法。
3樓：匿名使用者
a組 15 0.052±0.008
b組 15 0.112±0.017
c組 15 0.164±0.020
這組資料如果想兩兩比較組間差異,是不是先用單因素方差分析顯示組間均數差別有統計學意義然後再用組間t檢驗比較
方差分析法
4樓：匿名使用者
你的分析是正確的，就是要先用單因素方差分析顯示組間均數差別有統計學意義然後再用組間t檢驗比較。
5樓：匿名使用者
想到你說最近選擇乙個人睡
我忍住眼淚我尊重眼淚
什麼是統計檢驗？怎麼選擇統計檢驗方法？
6樓：匿名使用者
統計檢驗亦稱「假設檢驗」。根據抽樣結果，在一定可靠性程度上對乙個或多個總體分布的原假設作出拒絕還是不拒絕（予以接受）結論的程式。決定常取決於樣本統計量的數值與所假設的總體引數是否有顯著差異。
這時稱差異顯著性檢驗。檢驗的推理邏輯為具有概率性質的反證法。
選擇顯著性水平和否定域
有了與問題相關的抽樣分布，我們便可以把所有可能的結果分成兩類：一類是不大可能的結果；另一類人們預料這些結果很可能發生。既然如此，如果我們在一次實際抽樣中得到的結果恰好屬於第一類，我們就有理由對概率分布的前提假設產生懷疑。
在統計檢驗中，這些不大可能的結果稱為否定域。如果這類結果真的發生了，我們將否定假設；反之就不否定假設。概率分布的具體形式是由假設決定的，假設肯定不止乙個。
在統計檢驗中，通常把被檢驗的那個假設稱為零假設(或稱原假設，用符號h0表示)，並用它和其他備擇假設(用符號h1表示)相對比。
值得注意的是，假設只能被檢驗，從來不能加以證明。統計檢驗可以幫助我們否定乙個假設，卻不能幫助我們肯定乙個假設。為了使檢驗更嚴格、更科學，還需要更多的東西。
首先，我們必須確定冒犯第一類和第二類錯誤的風險的程度；其次，要確定否定域是否要包含抽樣分布的兩端。
第一類錯誤是，零假設h0實際上是正確的，卻被否定了。第二類錯誤則是，h0實際上是錯的，卻沒有被否定。第二類錯誤是，零假設h0實際上是錯誤的，卻沒有被否定。
遺憾的是，不管我們如何選擇否定域，都不可能完全避免第一類錯誤和第二類錯誤，也不可能同時把犯兩類錯誤的危險壓縮到最小。
對任何乙個給定的檢驗而言，第一類錯誤的危險越小，第二類錯誤的概率就越大；反之亦然。一般來講，不可能具體估計出第二類錯誤的概率值。第一類錯誤則不然，犯第一類錯誤的概率是否定域內各種結果的概率之和。
由於犯第一類錯誤的危險和犯第二類錯誤的危險呈相背趨向，所以統計檢驗時，我們必須事先在冒多大第一類錯誤的風險和多大第二類錯誤的風險之間作出權衡。被我們事先選定的可以犯第一類錯誤的概率，叫做檢驗的顯著性水平(用α表示)，它決定了否定域的大小。
如果抽樣分布是連續的，否定域可以建立在想要建立的任何水平上，否定域的大小可以和顯著性水平的要求一致起來（後面的正態檢驗就如此）。如果抽樣分布是非連續的，就要用累計概率的方法找出一組構成否定域的結果。
即在已知概率分布表上，從兩端可能性最小的概率開始向中心累計，直至概率之和略小於選定的顯著性水平為止。在許多場合，我們能**偏差的方向，或只對乙個方向的偏差感興趣。每當方向能被**的時候，在同樣顯著性水平的條件下，單側檢驗比雙側檢驗更合適。
因為否定域被集中到抽樣分布更合適的一側，可以得到乙個比較大的尾端。這樣做，可以在犯第一類錯誤的危險不變的情況下，減少了犯第二類錯誤的危險。
擴充套件資料
選擇統計檢驗程式的方法時需考慮以下條件：
1、看總體分布是否已知。如果已知，看是不是正態分佈。如果已知樣本分佈為常態分布就可以選擇引數檢驗法，如果總體分布未知就用非引數檢驗法。
2、在引數檢驗中，如果總體分布為正態，總體方差已知，兩樣本獨立或相關都可以採用z檢驗；如果總體方差未知，根據樣本方差，採取不同的t檢驗。如果總體分布非正態，總體方差已知，根據樣本獨立或相關採取z』檢驗；如果總體方差未知，根據獨立和相關採取不同的z『檢驗。
3、根據題目考慮用單側還是雙側檢驗。
4、在非引數檢驗中，按照兩個樣本相關和不相關、精度與容量等，可以採用符號檢驗、秩和檢驗等方法。
7樓：瀛洲煙雨
統計檢驗是將抽樣結果和抽樣分布相對照而作出判斷的工作。統計檢驗是將抽樣結果和抽樣分布相對照而作出判斷的工作。取得抽樣結果，依據描述性統計的方法就足夠了。
抽樣分布則不然，它無法從資料中得到，非利用概率論不可。而不對待概括的總體和使用的抽樣程式做某種必要的假設，這項工作將無法進行。
統計中經常會用到各種檢驗：
t檢驗有單樣本t檢驗，配對t檢驗和兩樣本t檢驗。
單樣本t檢驗：是用樣本均數代表的未知總體均數和已知總體均數進行比較，來觀察此組樣本與總體的差異性。
配對t檢驗：是採用配對設計方法觀察以下幾種情形，1，兩個同質受試物件分別接受兩種不同的處理；2,同一受試物件接受兩種不同的處理；3，同一受試物件處理前後。
u檢驗：t檢驗和就是統計量為t,u的假設檢驗，兩者均是常見的假設檢驗方法。當樣本含量n較大時，樣本均數符合正態分佈，故可用u檢驗進行分析。
當樣本含量n小時，若觀察值x符合正態分佈，則用t檢驗（因此時樣本均數符合t分布），當x為未知分布時應採用秩和檢驗。
f檢驗又叫方差齊性檢驗。在兩樣本t檢驗中要用到f檢驗。
從兩研究總體中隨機抽取樣本，要對這兩個樣本進行比較的時候，首先要判斷兩總體方差是否相同，即方差齊性。若兩總體方差相等，則直接用t檢驗，若不等，可採用t'檢驗或變數變換或秩和檢驗等方法。
其中要判斷兩總體方差是否相等，就可以用f檢驗。
簡單的說就是 檢驗兩個樣本的 方差是否有顯著性差異 這是選擇何種t檢驗（等方差雙樣本檢驗，異方差雙樣本檢驗）的前提條件。
在t檢驗中，如果是比較大於小於之類的就用單側檢驗，等於之類的問題就用雙側檢驗。
卡方檢驗
是對兩個或兩個以上率（構成比）進行比較的統計方法，在臨床和醫學實驗中應用十分廣泛，特別是臨床科研中許多資料是記數資料，就需要用到卡方檢驗。
方差分析
用方差分析比較多個樣本均數,可有效地控制第一類錯誤。方差分析(analysis of variance,anova)由英國統計學家r.a.
fisher首先提出，以f命名其統計量，故方差分析又稱f檢驗。其目的是推斷兩組或多組資料的總體均數是否相同，檢驗兩個或多個樣本均數的差異是否有統計學意義。
8樓：匿名使用者
通過樣本統計量得出的差異判斷總體引數之間是否存在差異.對於平均數的顯著性檢驗,總體正態,總體方差已知時,用z檢驗.總體方差未知時用t檢驗,對於平均數差異的顯著性檢驗,總體正態,總體方差已知時,用z檢驗.
總體方差未知時用t檢驗,但在總體方差非齊性,且樣本獨立,樣本數不同時,用t'檢驗.對於非正態分佈,且樣本數大於30的用z'檢驗.對於樣本方差與總體差異檢驗用卡方分布,對於兩樣本方差間的差異顯著性用f檢驗.
對於多個統計量的差異檢驗如果滿足方差分析條件的用方差分析.其它對於不滿足引數檢驗的用非參檢驗.卡方檢驗一般都是處理實際觀察頻數與理論頻數分布是否一致
9樓：匿名使用者
統計檢驗的真核應該就是選取有代表性的樣本，然後去節省人力、物力的前提下，去推斷總體的一些性質、是否有差異的等。其餘別的什麼分布的，樓上回答的不錯。其實重難點基礎備考統計這部分寫的很好。
注意是正態分佈，而不是z分布。
10樓：匿名使用者
你的問題太大了。。看書吧。。
一組資料的平均數只能有判斷對錯一組資料的平均數只能有乙個判斷對錯
一組資料的平均數只能有乙個。對的。平均數是表示一組資料集中趨勢的量數，是指在一組資料中所有資料之和再除以這組資料的個數。它是反映資料集中趨勢的一項指標。平均數是統計中的乙個重要概念。小學數學裡所講的平均數一般是指算術平均數，也就是一組資料的和除以這組資料的個數所得的商。在統計中算術平均數常用於表示統...
如何追加一組raid陣列，如何把兩塊硬碟組成raid陣列？
這時候千萬不能再組raid了，重組raid資料是百分之百丟失的。可以這樣，既然有以前組raid 1的兩個300g的硬碟，肯定兩塊盤資料一樣。再找乙個300g的空硬碟，與一塊有資料硬碟重組raid，清空資料，儲存關機。這時候再把另一塊有資料的300g硬碟換上，系統檢測出兩塊硬碟資料不一樣，從而可以恢復...
種植半枝蓮應該怎樣選擇地形，如何種好半枝蓮？
種植半枝蓮選擇排水良好 疏鬆肥沃 地勢較為平坦的緩坡平壩或田邊 溝邊種植，以夾沙土為好。在選好的地塊上，先行翻土整地，整細耙平，開好四周的排水溝，做1.3公尺寬的畦 零星種植的可不開畦。每667公尺施腐熟農家肥2000千克作基肥。如何種好半枝蓮？半枝蓮不但是很好的藥用植物，還能盆栽在陽台 窗台等處做...