如果对所研究的总体得出结论是您做 Web 民意测验的动机(而不是为站点访问者提供的消遣),那么您应该实现一些技术,以确保一人一票(所以,他们必须用唯一的标识登录才能投票),并确保随机选择投票者样本(例如,随机选择成员的子集,然后给他们发电子邮件,鼓励他们投票)。 最终,目标是消除(至少减少)各种偏差,它们可能会削弱对所研究总体得出结论的能力。 检验假设 假设新斯科舍省啤酒消费者统计样本没有发生偏差,您现在能够得出 Keiths 是最受欢迎品牌这一结论吗? 要回答这个问题,请考虑一个相关的问题:如果您要获得另一个新斯科舍省啤酒消费者的样本,您希望看到完全相同的结果吗?实际上,您会希望不同样本中所观察到的结果有一定的变化。
考虑这个预期的抽样可变性,您可能怀疑通过随机抽样可变性是否比反映所研究总体中的实际差异能更好地说明观察到的品牌偏好。在统计学术语中,这个抽样可变性说明被称为虚假设(null hypothesis)。(虚假设由符号 Ho 表示)在本例中,用公式将它表示成这样的语句:在作出回答的所有类别中,各种回答的期望数目相同。 Ho:# Keiths = # Olands = # Schooner = # Other 如果您能够排除虚假设,那么您在回答 Keiths 是否是最受欢迎品牌这个最初的问题上取得了一些进展。那么,另一个可接受的假设是在所研究的总体中,各种回答所占比例不同。 这个“先检验虚假设”逻辑在民意测验数据分析中的多个阶段都适用。排除这一虚假设,这样数据就不会完全不同,随后您可以继续检验一个更具体的虚假设,即 Keiths 和 Schooner,或者 Keiths 与其它所有品牌之间没有差别。 您继续检验虚假设而不是直接评估另一假设,是因为对于在虚假设条件下人们希望观察到的事物进行统计建模更容易。接下来,我将演示如何对在虚假设下所期望的事物建模,这样我就可以将观察结果与在虚假设条件下所期望的结果加以比较。 对虚假设建模:X 平方分布统计 到目前为止,您已经使用一个报告每种回答选项频率计数(和百分比)的表汇总了 Web 民意测验的结果。要检验虚假设(表单元频率之间不存在差别),计算每个表单元与您在虚假设条件下所期望值的总体偏差度量要容易得多。
在这个啤酒欢迎度民意测验的示例中,在虚假设条件下的期望频率如下: 期望频率 = 观察数目 / 回答选项的数目 期望频率 = 1000 / 4 期望频率 = 250 要计算每个单元中回答的内容与期望频率相差多少的总体度量,您可以将所有的差别总计到一个反映观察频率与期望频率相差多少的总体度量中:(285 - 250) + (250 - 250) + (215 - 250) + (250 - 250)。 如果您这么做,您会发现期望频率是 0,因为平均值的偏差的和永远是 0。要解决这个问题,应当取所有差值的平方(这就是X 平方分布(Chi Square)中平方的由来)。最后,为了使各样本(这些样本具有不同的观察数)的这个值具有可比性(换句话说,使它标准化),将该值除以期望频率。因此,X 平方分布统计的公式如下所示(“O”表示“观察频率”,“E”等于“期望频率”): 图 1. X 平方分布统计的公式 如果计算啤酒欢迎度民意测验数据的 X 平方分布统计,会得到值 9.80。要检验虚假设,需要知道在假设存在随机抽样可变性的情况下获得这么一个极限值的概率。
要得出这一概率,需要理解 X 平方分布的抽样分布是什么样的。 观察 X 平方分布的抽样分布 图 2. X 平方分布图 在每幅图中,横轴表示所得到的 X 平方分布值大小(图中所示范围从 0 到 10)。纵轴显示各 X 平方分布值的概率(或称为出现的相对频率)。 当您研究这些 X 平方分布图时,请注意,当您在实验中改变自由度(即 df)时,概率函数的形状会改变。对于民意测验数据的示例,自由度是这样计算的:记下民意测验中的回答选项(k)的数目,然后用这个值减 1(df = k - 1)。 通常,当您在实验中增加回答选项的数目时,获得较大 X 平方分布值的概率会下降。这是因为当增加回答选项时,就增加了方差值的数目 ― (观察值 - 期望值)2 ― 您可以求它的总数。因此,当您增加回答选项时,获得大的 X 平方分布值的统计概率应该增加,而获得较小 X 平方分布值的概率会减少。这就是为什么 X 平方分布的抽样分布的形状随着 df 值的不同而变化的原因。
此外,要注意到通常人们对 X 平方分布结果的小数点部分不感兴趣,而是对位于所获得的值右边曲线的总计部分感兴趣。该尾数概率告诉您获取一个象您观察到的极限值是可能(如一个大的尾数区域)还是不可能(小的尾数区域)。(实际上,我不使用这些图来计算尾数概率,因为我可以实现数学函数来返回给定 X 平方分布值的尾数概率。我在本文后面讨论的 X 平方分布程序中会采用这种做法。) 要进一步了解这些图是如何派生出来的,可以看看如何模拟与 df = 2(它表示 k = 3)对应的图的内容。想象把数字 1、2 和 3 放进帽子里,摇一摇,选一个数字,然后记录所选的数字作为一次尝试。
对这个实验进行 300 次尝试,然后计算 1、2 和 3 出现的频率。 每次您做这个实验时,都应当期望结果有稍微不同的频率分布,这一分布反映了抽样的可变性,同时,这个分布又不会真正偏离可能的概率范围。 下面的 Multinomial 类实现了这一想法。您可以用以下值初始化该类:要做实验的次数、每个实验中所做尝试的次数,以及每次试验的选项数目。每个实验的结果记录在一个名为 Outcomes 的数组中。 清单 1. Multinomial 类的内容 <?php // Multinomial.php // Copyright 2003, Paul Meagher // Distributed under LGPL class Multinomial { var $NExps; var $NTrials; var $NOptions; var $Outcomes = array(); function Multinomial($NExps, $NTrials, $NOptions) { $this->NExps = $NExps; $this->NTrials = $NTrials; $this->NOptions = $NOptions; for ($i=0; $i < $this->NExps; $i++) { $this->Outcomes[$i] = $this->runExperiment(); } } function runExperiment() { $Outcome = array(); for ($i = 0; $i < $this->NExps; $i++){ $choice = rand(1,$this->NOptions); $Outcome[$choice]++; } return $Outcome; } } ?> 请注意,runExperiment 方法是该脚本中非常重要的一部分,它保证在每次实验中所做出的选择是随机的,并且跟踪到目前为止在模拟实验中做出了哪些选择。
为了找到 X 平方分布统计的抽样分布,只需获取每次实验的结果,并且计算该结果的 X 平方分布统计。由于随机抽样的可变性,因此这个 X 平方分布统计会随实验的不同而不同。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14