Return to Video

Generalize CI - Intro to Inferential Statistics

  • 0:00 - 0:07
    这里的这个值只是个点 是 μ 我们已经知道这一点
  • 0:07 - 0:13
    即上个示例中的 Klout 分数均值 37.72 加上 1.96
  • 0:13 - 0:19
    加上 z 值实在没有什么意义 所以这个值不是区间
  • 0:19 - 0:23
    甚至没有任何意义 这个更接近了 因为它是区间
  • 0:23 - 0:29
    但是正如我刚才提到的 减去 z 值没任何意义
  • 0:29 - 0:34
    因为这是距离均值的标准偏差数量
  • 0:34 - 0:39
    所以我们要在 x 轴上找到这个区间的值 这个看起来更有希望
  • 0:39 - 0:45
    这是我们的样本均值 减去 1.96 个标准偏差
  • 0:45 - 0:51
    因为标准偏差等于西格玛除以平方根 n
  • 0:51 - 0:56
    将是这里的这个值 如果加上 1.96 个标准偏差
  • 0:56 - 1:01
    将是这里的这个值 这就是我们的置信区间 我们找到答案了
  • 1:01 - 1:06
    但是还是看看这个选项 我们甚至不知道这个的结果是多少
  • 1:06 - 1:11
    因为我们不知道干预后总体均值是多少
  • 1:11 - 1:17
    所以没法计算这个的结果 如果你选择了这个 那么离答案很近了
  • 1:17 - 1:18
    不错
Title:
Generalize CI - Intro to Inferential Statistics
Description:

more » « less
Video Language:
English
Team:
Udacity
Project:
UD201 - Intro to Inferential Statistics
Duration:
01:18

Chinese, Simplified subtitles

Revisions