統計中變量是什麼意思?

General 更新 2024-11-19

統計學中的自變量、因變量、額外變量是什麼意思？

Y = AX ^ 2 + BX + C

其中X是自變量，Y是因變量，Y與X的變化而變化

統計學中的“P”值是什麼意思?怎麼計算?

統計學意義（p值）ZT

結果的統計學意義是結果真實程度（能夠代表總體）的一種估計方法。專業上，p值為結果可信程度的一個遞減指標，p值越大，我們越不能認為樣本中變量的關聯是總體中各變量關聯的可靠指標。p值是將觀察結果認為有效即具有總體代表性的犯錯概率。如p=0.05提示樣本中變量關聯有5%的可能是由於偶然性造成的。即假設總體中任意變量間均無關聯，我們重複類似實驗，會發現約20個實驗中有一個實驗，我們所研究的變量關聯將等於或強於我們的實驗結果。（這並不是說如果變量間存在關聯，我們可得到5%或95%次數的相同結果，當總體中的變量存在關聯，重複研究和發現關聯的可能性與設計的統計學效力有關。）在許多研究領域，0.05的p值通常被認為是可接受錯誤的邊界水平。

在最後結論中判斷什麼樣的顯著性水平具有統計學意義，不可避免地帶有武斷性。換句話說，認為結果無效而被拒絕接受的水平的選擇具有武斷性。實踐中，最後的決定通常依賴於數據集比較和分析過程中結果是先驗性還是僅僅為均數之間的兩兩>比較，依賴於總體數據集裡結論一致的支持性證據的數量，依賴於以往該研究領域的慣例。通常，許多的科學領域中產生p值的結果≤0.05被認為是統計學意義的邊界線，但是這顯著性水平還包含了相當高的犯錯可能性。結果0.05≥p>0.01被認為是具有統計學意義，而0.01≥p≥0.001被認為具有高度統計學意義。但要注意這種分類僅僅是研究基礎上非正規的判斷常規。

所有的檢驗統計都是正態分佈的嗎並不完全如此，但大多數檢驗都直接或間接與之有關，可以從正態分佈中推導出來，如t檢驗、f檢驗或卡方檢驗。這些檢驗一般都要求：所分析變量在總體中呈正態分佈，即滿足所謂的正態假設。許多觀察變量的確是呈正態分佈的，這也是正態分佈是現實世界的基本特徵的原因。當人們用在正態分佈基礎上建立的檢驗分析非正態分佈變量的數據時問題就產生了，（參閱非參數和方差分析的正態性檢驗）。這種條件下有兩種方法：一是用替代的非參數檢驗（即無分佈性檢驗），但這種方法不方便，因為從它所提供的結論形式看，這種方法統計效率低下、不靈活。另一種方法是：當確定樣本量足夠大的情況下，通常還是可以使用基於正態分佈前提下的檢驗。後一種方法是基於一個相當重要的原則產生的，該原則對正態方程基礎上的總體檢驗有極其重要的作用。即，隨著樣本量的增加，樣本分佈形狀趨於正態，即使所研究的變量分佈並不呈正態。

統計學中的自變量，因變量，額外變量是什麼意思

其實都是翻譯惹的禍.有一個英文單詞,它的意思是“可以影響結果、但不被研究者關注的變量”.有的書把它翻譯成“額外變量”,也有的書翻譯成“無關變量”.另一個英文單詞,它的意思是“不影響結果的變量”.中國人也翻譯成“無關變量”.所以,“無關變量”這個詞有兩種意思.由此可見中國心理學的落後,連名詞都不統一,那必然影響學術交流.為了避免混淆,我在要用到“可以影響結果、但不被研究者關注的變量”的時候一律寫“額外變量”.而那“不影響結果的變量”,這個詞我連提都不提.

統計學中一般作為被解釋變量的是什麼

“社會統計學與數理統計學的統一”理論的重大意義

王見定教授指出：社會統計學描述的是變量，數理統計學描述的是隨機變量，而變量和隨機變量是兩個既有區別又有聯繫，且在一定條件下可以相互轉化的數學概念。王見定教授的這一論述在數學上就是一個巨大的發現。

我們知道“變量”的概念是17世紀由著名數學家笛卡爾首先提出，而“隨機變量”的概念是20世紀30年代以後由蘇聯學者首先提出，兩個概念的提出相差3個世紀。截至到王見定教授，世界上還沒有第二個人提出變量和隨機變量兩者的聯繫、區別以及相互的轉化。我們知道變量的提出造就了一系列的函數論、方程論、微積分等重大數學學科的產生和發展；而隨機變量的提出則奠定了概率論和數理統計等學科的理論基礎和促進了它們的蓬勃發展。可見變量、隨機變量概念的提出其價值何等重大，從而把王見定教授在世界上首次提出變量、隨機變量的聯繫、區別以及相互的轉化的意義稱為巨大、也就不視為過。

下面我們回到：“社會統計學和數理統計學的統一”理論上來。王見定教授指出社會統計學描述的是變量，數理統計學描述的是隨機變量，這樣王見定教授準確地界定了社會統計學與數理統計學各自研究的範圍，以及在一定條件下可以相互轉化的關係，這是對統計學的最大貢獻。它結束了近400年來幾十種甚至上百種以上五花八門種類的統計學混戰局面，使它們回到正確的軌道上來。

由於變量不斷地出現且永遠地繼續下去，所以社會統計學不僅不會消亡，而且會不斷髮展狀大。當然數理統計學也會由於隨機變量的不斷出現同樣發展狀大。但是，對隨機變量的研究一般來說比對變量的研究複雜的多，而且直到今天數理統計的研究尚處在較低的水平，且使用起來比較複雜；再從長遠的研究來看，對隨機變量的研究最終會逐步轉化為對變量的研究，這與我們通常研究複雜問題轉化為若干簡單問題的研究道理是一樣的。既然社會統計學描述的是變量，而變量描述的範圍是極其寬廣的，絕非某些數理統計學者所云：社會統計學只作簡單的加、減、乘、除。從理論上講，社會統計學應該覆蓋除數理統計學之外的絕大多數數學學科的運作。所以王見定教授提出的：“社會統計學與數理統計學統一”理論，從根本上糾正了統計學界長期存在的低估社會統計學的錯誤學說，並從理論上和應用上論證了社會統計學的廣闊前景。

統計學中參數和變量有什麼關係

參數是相對於總體分佈來說的，反映總體基本信息的特徵數字，稱作總體參數，簡稱參數。一般來講，研究者所關心的參數常有總體平均數、總體標準差。

變量是指被觀察單位的特徵，是指可變的數量標誌和所有的統計指標。比如：在校生人數、商品銷售額、產品質量等級梗..等都是變量。

什麼是統計變量？可否給個通俗的解釋？

供做統計想了解的，反應總體或樣本的某些特性的量。比如你想了解樣本或總體的集中或離散程度可用統計變量如平均數、方差、標準差等