1樓：禕賜
答案選a。
這實際上並不用動筆，先搞明白顯著性水平：估計總體引數落在某一區間內，可能犯錯誤的概率為顯著性水平，用α表示，1-α 為置信度或置信水平，其表明了區間估計的可靠性。
所以通俗的講就是你進行試驗時犯錯誤的概率，顯然顯著性水平的值越小，即檢驗的置信度越大，既然在較小的置信度（顯著性水平0.05）時就接受，那麼在較大的置信度（顯著性水平0.01）時也必然接受，所以答案a正確。
數學期望簡介：
概率論和統計學中是指試驗中每次可能結果的概率乘以其結果的總和，是最基本的數學特徵之一。它反映隨機變數平均取值的大小。
需要注意的是，期望值並不一定等同於常識中的「期望」——「期望值」也許與每一個結果都不相等。期望值是該變數輸出值的平均數。期望值並不一定包含於變數的輸出值集合裡。
大數定律規定，隨著重複次數接近無窮大，數值的算術平均值幾乎肯定地收斂於期望值。
2樓：薰緣欣
顯著性水平的 0.01 0.05 0.1的邊緣值 你可以理解為 你所能接受的出現錯誤結論的最大的概率。 再大就不能接受了 相反 當然這個概率越小越好 為0最理想。
那麼這道題錯誤概率是5%你都可以接受原假設 1%當然必接受啦那如果是能接受1%的錯誤並不代表能接受5%呀 所以你的想法是正確的~嘻嘻我現在也學這個呢 不過是全英文……
真悲催…… 加油哦~~
對正態總體的數學期望μ進行假設檢驗，如果在顯著性水平0.05下，接受零假設h。：μ=μ。，那麼在顯著性水
3樓：羿淑蘭逄己
答案選a
這實際上並不用動筆，先搞明白顯著性水平：
估計總體引數落在某一區間內，可能犯錯誤的概率為顯著性水平，用α表示，1-α
為置信度或置信水平，其表明了區間估計的可靠性所以通俗的講就是你進行試驗時犯錯誤的概率，顯然顯著性水平的值越小，即檢驗的置信度越大，既然在較小的置信度（顯著性水平0.05）時就接受，那麼在較大的置信度（顯著性水平0.01）時也必然接受，所以答案a正確。
為什麼要對相關係數進行顯著性檢驗？顯著性檢驗是對誰進行檢驗？sig.=0.000說明了什麼呢？
4樓：花開不敗夏天
1、原因：
進行顯著性檢驗進行顯著性檢驗是為了消除第一類錯誤和第二類錯誤。
第一類錯誤:通常情況下，α水平就是。第一類錯誤是零假設為真卻被錯誤拒絕的概率。
第二類錯誤：是零假設為誤卻被錯誤接受的概率或是研究假設為真卻被拒絕的概率。如果p值小於某個事先確定的水平，理論上則拒絕零假設，反之，如果p值大於某個事先確定的水平，理論上則不拒絕零假設。
2、檢驗物件：
用於實驗處理組與對照組或兩種不同處理的效應之間，顯著檢驗的虛無假設是變數之間相關係數為o，也就是說，我們做顯著性檢驗驗解決的問題是相關係數是不是o，如果得到顯著的結果，則代表相關性存在。
3、sig.=0.000說明：
sig=0.000說明顯著性水平p值小於0.001，即相關係數在0.
001水平顯著。這裡的0.000其實並不是說真的是等於0，如果你在這個數字上三擊滑鼠，可以看到真實值。
水平越小，判定顯著性的證據就越充分，但是不拒絕錯誤零假設的風險，犯第二類錯誤的可能性就越大，統計效力(就越低。選擇水平不可避免地要在第一類錯誤和第二類錯誤之間做出權衡。
5樓：匿名使用者
1、為什麼要對相關係數進行顯著性檢驗？
原因：所有的假設檢驗都是要分析顯著性的，拿相關係數來說，我們雖然求得了相關係數值，但是這個相關係數有沒有統計學意義呢？換句話說，我們看到的這個相關係數是確實存在呢？
還是說只是抽樣誤差導致的？顯著性檢驗就是要解決這個問題的，如果顯著，則表明相關的確存在，不是抽樣誤差導致的。
2、顯著性檢驗是對誰進行檢驗？
顯著性檢驗的虛無假設是變數間相關係數為0，也就是說，我們做顯著性檢驗要解決的問題是相關係數是不是0，如果得到顯著的結果，則代表相關存在，相關係數不為0.
3、sig.=0.000說明了什麼呢？
sig=0.000說明顯著性水平p值小於0.001，即相關係數在0.001水平顯著。這裡的0.000其實並不是說真的是等於0，如果你在這個數字上三擊滑鼠，可以看到真實值
單因素方差分析的零假設是什麼？用什麼統計量檢驗它
6樓：若絮以沫
單因素方差分析是指對單因素試驗結果進行分析，檢驗因素對試驗結果有無顯著性影響的方法。
單因素方差分析是指對單因素試驗結果進行分析，檢驗因素對試驗結果有無顯著性影響的方法。單因素方差分析是兩個樣本平均數比較的引伸，它是用來檢驗多個平均數之間的差異，從而確定因素對試驗結果有無顯著性影響的一種統計方法。
示例：例如，將抗生素注入人體會產生抗生素與血漿蛋白質結合的現象，以致減少了藥效。下表列出了5種常用的抗生素注入到牛的體內時，抗生素與血漿蛋白質結合的百分比。
現需要在顯著性水平α = 0.05下檢驗這些百分比的均值有無顯著的差異。設各總體服從正態分佈，且方差相同。
青黴素 四環素 鏈黴素 紅黴素 氯黴素
29.6 27.3 5.8 21.6 29.2
24.3 32.6 6.2 17.4 32.8
28.5 30.8 11.0 18.3 25.0
32.0 34.8 8.3 19.0 24.2
在這裡，試驗的指標是抗生素與血漿蛋白質結合的百分比，抗生素為因素，不同的5種抗生素就是這個因素的五個不同的水平。假定除抗生素這一因素外，其餘的一切條件都相同。這就是單因素試驗。
試驗的目的是要考察這些抗生素與血漿蛋白質結合的百分比的均值有無顯著的差異。即考察抗生素這一因素對這些百分比有無顯著影響。這就是一個典型的單因素試驗的方差分析問題。
差分序列以5%的顯著性水平下拒絕原假設,即接受不存在單位根的零假設,這裡的"原假設"是指什麼? 5
7樓：呂秀才
你都說了 有顯著性 拒絕原假設，即 接受不存在單位根的零假設，
那原假設 就是零假設不同的說法而已，所以原假設就是 存在在單位根
單因素方差分析中的零假設是什麼？用什麼統計量檢驗它？
8樓：若絮以沫
單因素方差分析是指對單因素試驗結果進行分析，檢驗因素對試驗結果有無顯著性影響的方法。
單因素方差分析是指對單因素試驗結果進行分析，檢驗因素對試驗結果有無顯著性影響的方法。單因素方差分析是兩個樣本平均數比較的引伸，它是用來檢驗多個平均數之間的差異，從而確定因素對試驗結果有無顯著性影響的一種統計方法。
示例：例如，將抗生素注入人體會產生抗生素與血漿蛋白質結合的現象，以致減少了藥效。下表列出了5種常用的抗生素注入到牛的體內時，抗生素與血漿蛋白質結合的百分比。
現需要在顯著性水平α = 0.05下檢驗這些百分比的均值有無顯著的差異。設各總體服從正態分佈，且方差相同。
青黴素 四環素 鏈黴素 紅黴素 氯黴素
29.6 27.3 5.8 21.6 29.2
24.3 32.6 6.2 17.4 32.8
28.5 30.8 11.0 18.3 25.0
32.0 34.8 8.3 19.0 24.2
在這裡，試驗的指標是抗生素與血漿蛋白質結合的百分比，抗生素為因素，不同的5種抗生素就是這個因素的五個不同的水平。假定除抗生素這一因素外，其餘的一切條件都相同。這就是單因素試驗。
試驗的目的是要考察這些抗生素與血漿蛋白質結合的百分比的均值有無顯著的差異。即考察抗生素這一因素對這些百分比有無顯著影響。這就是一個典型的單因素試驗的方差分析問題。
數學期望是什麼意思,數學期望的意義是什麼
數學期望 l 離散型隨機變數的數學期望 定義 離散型隨機變數的一切可能的取值xi與對應的概率p xi 之積的和稱為的數學期望.設級數絕對收斂 記作.其含義實際上是隨機變數的平均取值.期望就可以理解成加權平均數,概率是權。分佈是什麼?二項分佈可以用來 一個只有可能有兩個結果的時間多次發生的概率。正態分...
數學期望的意義是什麼不是問怎麼求的
離散隨機變數的bai一切可能值 du與對應的概率p的乘積zhi 之和稱為數學dao期望內,記為e 若隨機變數 僅取值x1,x2,x3,xn,其概率容分別為p1,p2,p3,pn,稱加權平均值p1x1 p2x2 p3x3 pnxn,為隨機變數 的數學期望,通常記為e 數學期望 是什麼意思?數學期望 m...
數學問題，高手進，求概率分佈的期望，具體見圖
0或1，無甚意義 當0 1時 ex xf x x 2,到 2 x x 1 1 x 2 x 2,到 注意 x 1 1 x 2 x 2,到 1 x 1 對 求導 x 2,到 所以x x 1 1 x 2 x 2,到 x 1 x 1 對 求導 x 2,到 1 x 對 求2階導 x 2,到 所以 x x 1 ...