[NEW] 统计学复习笔记(三)—— 置信区间(总体均值/比例/方差,总体均值之差/比例之差/方差之比)_雪国_的博客-CSDN博客_比例之差的置信区间 | 置信区间 – Pickpeup

置信区间: คุณกำลังดูกระทู้

就是用样本统计量作为总体参数的估计,比如用样本均值/方差作为总体均值/方差的估计:想要估计学生平均成绩,从中抽取一个样本,样本平均值为85分,把85直接作为学生总体平均分的估计,85就是点估计。

在点估计的基础上,在一定的置信水平下,给样本统计量加上一个区间范围作为总体参数的取值范围,这个区间叫置信区间(Confidence Interval)

置信水平是构造多次置信区间,其中包含了总体参数的置信区间占了多少比例?比如想要估计学生平均成绩,抽取了100个学生样本,这些样本构造了100个置信区间,有95个包含了总体平均分真实值,这时候置信水平就是95%, 显著性水平(Significance Level)

α

\alpha

α则是0.05。 常用的置信水平包括90%,95%,99%。这里要注意,对“在95%的置信水平下总体平均分落在70到90分之间 ” 的一个常见的错误理解是:总体平均分的真实值有95%的概率落在70到90之间。这个“概率”的概念用在这里是不合适的:总体平均分是一个确定的数字而不是一个随机变量,一个确定的数字只有在和不在70到90之间两种情况,不存在“95%的概率”。这里的含义是多次抽样得到的置信区间中,有95%是包含总体平均分真实值。或者:总体均值落在70到90之间的可信程度是95%。

置信区间的特点:

1)当置信水平不变,样本量越大,置信区间越窄
2)当样本量不变,置信水平越高,置信区间越宽

直觉上理解:

1)较大的样本能提供更多信息,在同等可能性(置信水平)下,置信区间的宽度减小,也就是总体参数真实值可能的取值范围缩小。
2)当置信区间比较宽时,这个区间会有更大的可能性(置信水平)包含总体参数真实值。

单个参数的区间估计

总体均值的区间估计

上一篇总结文章中说过,对于均值为

μ

\mu

μ,方差为

σ

2

\sigma^2

σ2,样本量为

n

n

n的总体:如果是正态分布,或者非正态总体但样本量足够大,样本均值

x

ˉ

\bar{x}

xˉ的抽样分布服从均值

μ

\mu

μ,方差为

σ

2

\sigma^2

σ2,或

x

ˉ

μ

σ

/

n

\frac{\bar{x}-\mu}{\sigma/\sqrt{n}}

σ/n

​xˉ−μ​服从标准正态分布。

1

α

1-\alpha

1−α的置信水平下:

z

1

α

/

2

x

ˉ

μ

σ

/

n

z

α

/

2

z_{1-\alpha/2}\leq\frac{\bar{x}-\mu}{\sigma/\sqrt{n}}\leq z_{\alpha/2}

z1−α/2​≤σ/n

​xˉ−μ​≤zα/2​。

z

α

/

2

z_{\alpha/2}

zα/2​是标准正态分布时density曲线右侧面积为

α

/

2

\alpha/2

α/2时

z

z

z的值, 同理可得

z

1

α

/

2

z_{1-\alpha/2}

z1−α/2​就是density曲线右侧面积

1

α

/

2

1-\alpha/2

1−α/2时

z

z

z的值(也是左侧面积

α

/

2

\alpha/2

α/2时的

z

z

z值)。但因为是关于y轴的对称分布,有

z

1

α

/

2

=

z

α

/

2

z_{1-\alpha/2}=-z_{\alpha/2}

z1−α/2​=−zα/2​。所以可以得到:

z

α

/

2

σ

n

x

ˉ

μ

z

α

/

2

σ

n

-z_{\alpha/2}\frac{ \sigma}{\sqrt{n}}\leq \bar{x}-\mu\leq z_{\alpha/2}\frac{ \sigma}{\sqrt{n}}

−zα/2​n

​σ​≤xˉ−μ≤zα/2​n

​σ​

总体均值

μ

\mu

μ的置信区间为:

x

ˉ

±

z

α

/

2

σ

n

\bar{x}\pm z_{\alpha/2}\frac{ \sigma}{\sqrt{n}}

xˉ±zα/2​n

​σ​

常用的

α

\alpha

α值有0.1,0.05和0.01(分别对应置信水平90%,95%和99%), 对应的

z

α

/

2

z_{\alpha/2}

zα/2​值分别为

z

0.05

=

1.645

,

z

0.025

=

1.96

,

z

0.025

=

2.58

z_{0.05}=1.645,z_{0.025}=1.96,z_{0.025}=2.58

z0.05​=1.645,z0.025​=1.96,z0.025​=2.58 。以最常用的

α

=

0.05

\alpha=0.05

α=0.05为例,有

z

0.025

=

1.96

,

z

0.975

=

z

0.025

=

1.96

z_{0.025}=1.96,z_{0.975}=-z_{0.025}=-1.96

z0.025​=1.96,z0.975​=−z0.025​=−1.96。见下图:
图中两块阴影部分的面积都是0.025, 中间面积为0.95,对应经验法则中的“约有95%的数据落在平均数±2个标准差的范围内”,这里平均数为0,标准差为1。同时,

P

(

Z

1.96

)

=

P

(

Z

1.96

)

=

1

P

(

Z

1.96

)

=

0.025

P(Z\leq-1.96)=P(Z\geq 1.96)=1-P(Z\leq1.96)=0.025

P(Z≤−1.96)=P(Z≥1.96)=1−P(Z≤1.96)=0.025。

上面的是对于方差已知的正态总体(不管是大样本还是小样本),或非正态大样本总体来说的(也就是说对于方差已知的大样本总体,不管是不是正态分布,或者方差已知的小样本正态总体)。如果大样本总体但方差未知,上面式子中的

σ

\sigma

σ就用样本方差

s

s

s来代替,变成

x

ˉ

±

z

α

See also  [NEW] 三代目J Soul Brothers おすすめ人気曲・名曲ランキングBest20選【ファン投票結果】 | 3代目j soul brothers ランキング - Pickpeup

/

2

s

n

\bar{x}\pm |z_{\alpha/2}|\frac{ s}{\sqrt{n}}

xˉ±∣zα/2​∣n

​s​。

但如果是方差未知的小样本正态总体就不是用正态分布,而是用t分布来构造总体均值的置信区间:

t

=

x

ˉ

μ

s

/

n

t

(

n

1

)

t=\frac{\bar{x}-\mu}{s/\sqrt{n}}\sim t(n-1)

t=s/n

​xˉ−μ​∼t(n−1)。则总体均值在

1

α

1-\alpha

1−α置信水平下的置信区间为

x

ˉ

±

t

α

/

2

s

n

\bar{x}\pm t_{\alpha/2}\frac{ s}{\sqrt{n}}

xˉ±tα/2​n

​s​, 其中

t

α

/

2

t_{\alpha/2}

tα/2​是t分布density曲线下右侧面积为

α

/

2

\alpha/2

α/2时的t值,而且因为也是关于y轴的对称分布,

t

1

α

/

2

=

t

α

/

2

t_{1-\alpha/2}=-t_{\alpha/2}

t1−α/2​=−tα/2​,道理和上面的正态分布差不多。

总结一下总体均值的置信区间,有以下几种情况:
方差已知,大样本:正态分布,

σ

\sigma

σ
方差未知,大样本:正态分布,s
方差已知,小样本正态:正态分布,

σ

\sigma

σ
方差未知,小样本正态:t分布,s

总体比例的区间估计

总体比例指的是:想要估计一个学校中女生占的比例,随机抽取了100个学生,其中女生有50个,那么全校学生中女生的比例是多少?这个要求的比例就是总体比例。

大样本的情况下,样本比例

p

p

p的抽样分布也近似符合正态分布,设总体比例为

π

\pi

π, 那么

p

N

(

π

,

π

(

1

π

)

n

)

p\sim N(\pi, \frac{\pi(1-\pi)}{n})

p∼N(π,nπ(1−π)​)。与总体均值类似,可以得到

p

π

π

(

1

π

)

/

n

N

(

0

,

1

)

\frac{p-\pi}{\sqrt{\pi(1-\pi)/n}}\sim N(0,1)

π(1−π)/n

​p−π​∼N(0,1), 所以有:

z

α

/

2

π

(

1

π

)

n

p

π

z

α

/

2

π

(

1

π

)

n

-z_{\alpha/2}\sqrt{\frac{\pi(1-\pi) }{n}}\leq p-\pi\leq z_{\alpha/2}\sqrt{\frac{\pi(1-\pi) }{n}}

−zα/2​nπ(1−π)​

​≤p−π≤zα/2​nπ(1−π)​

因为总体比例

π

\pi

π未知,在实际计算的时候就用

p

p

p来代替:

z

α

/

2

p

(

1

p

)

n

p

π

z

α

/

2

p

(

1

p

)

n

-z_{\alpha/2}\sqrt{\frac{p(1-p) }{n}}\leq p-\pi\leq z_{\alpha/2}\sqrt{\frac{p(1-p) }{n}}

−zα/2​np(1−p)​

​≤p−π≤zα/2​np(1−p)​

所以总体比例

π

\pi

π在

1

α

1-\alpha

1−α的置信水平下的置信区间为

p

±

z

α

/

2

p

(

1

p

)

n

p\pm z_{\alpha/2}\sqrt{\frac{p(1-p) }{n}}

p±zα/2​np(1−p)​

​。

总体方差的区间估计

对于满足分布为

N

(

μ

,

σ

2

)

N(\mu,\sigma^2)

N(μ,σ2)的正态总体和样本

X

1

,

X

2

,

.

.

.

X

n

X_1,X_2,…X_n

X1​,X2​,…Xn​, 样本方差

s

2

s^2

s2的抽样分布服从自由度为

n

1

n-1

n−1的卡方分布

(

n

1

)

s

2

σ

2

χ

2

(

n

1

)

\frac{(n-1)s^2}{\sigma^2}\sim \chi^2(n-1)

σ2(n−1)s2​∼χ2(n−1), 因此使用卡方分布来构造总体方差的置信区间。

1

α

1-\alpha

1−α置信水平下:

χ

1

α

/

2

2

(

n

1

)

s

2

σ

2

χ

α

/

2

2

\chi^2_{1-\alpha/2} \leq \frac{(n-1)s^2}{\sigma^2} \leq \chi^2_{\alpha/2}

χ1−α/22​≤σ2(n−1)s2​≤χα/22​

所以总体方差

σ

2

\sigma^2

σ2在在

1

α

1-\alpha

1−α置信水平下的置信区间为:

(

n

1

)

s

2

χ

1

α

/

2

2

σ

2

(

n

1

)

s

2

χ

α

/

2

2

\frac{(n-1)s^2}{\chi^2_{1-\alpha/2}}\leq \sigma^2 \leq \frac{(n-1)s^2}{\chi^2_{\alpha/2}}

χ1−α/22​(n−1)s2​≤σ2≤χα/22​(n−1)s2​

同理,

χ

See also  [Update] Definition of Aqua by Merriam-Webster | aqua - Pickpeup

α

/

2

2

\chi^2_{\alpha/2}

χα/22​是卡方分布density曲线下右侧的面积为

α

/

2

\alpha/2

α/2时

χ

2

\chi^2

χ2的值。当然,因为不是对称分布所以

χ

1

α

/

2

2

\chi^2_{1-\alpha/2}

χ1−α/22​不会等于

χ

α

/

2

2

-\chi^2_{\alpha/2}

−χα/22​。

上面说的都是单个总体参数的区间估计,除此之外还有两个总体参数的区间估计。

两个参数的区间估计

两个总体均值之差的区间估计

又分为独立样本(Independent Sample)和匹配样本(Paired Sample)。

  • 独立样本是从两个总体中分别抽取的两个样本,两个样本互相独立。比如分别独立抽取学校A和学校B的学生样本,想要估计同一场考试里的数学成绩平均分之差。

    设总体A和总体B都是正态分布,或不是正态分布但都是大样本,总体均值分别为

    μ

    1

    ,

    μ

    2

    \mu_1,\mu_2

    μ1​,μ2​,总体方差分别为

    σ

    1

    2

    ,

    σ

    2

    2

    \sigma_1^2,\sigma_2^2

    σ12​,σ22​,样本量分别为

    n

    1

    ,

    n

    2

    n_1,n_2

    n1​,n2​, 那么两个样本均值之差满足:

    x

    1

    ˉ

    x

    2

    ˉ

    N

    (

    μ

    1

    μ

    2

    ,

    σ

    1

    2

    n

    1

    +

    σ

    2

    2

    n

    2

    )

    \bar{x_1}-\bar{x_2}\sim N(\mu_1-\mu_2, \frac{\sigma_1^2}{n_1}+\frac{\sigma_2^2}{n_2})

    x1​ˉ​−x2​ˉ​∼N(μ1​−μ2​,n1​σ12​​+n2​σ22​​)

    1

    α

    1-\alpha

    1−α置信水平下,总体均值之差的置信区间为

    (

    x

    1

    ˉ

    x

    2

    ˉ

    )

    ±

    z

    α

    /

    2

    σ

    1

    2

    n

    1

    +

    σ

    2

    2

    n

    2

    (\bar{x_1}-\bar{x_2})\pm z_{\alpha/2}\sqrt{\frac{\sigma_1^2}{n_1}+\frac{\sigma_2^2}{n_2}}

    (x1​ˉ​−x2​ˉ​)±zα/2​n1​σ12​​+n2​σ22​​

    而在小样本,正态分布,但方差未知的情况下,需要用到样本方差

    s

    1

    2

    ,

    s

    2

    2

    s_1^2,s_2^2

    s12​,s22​, 又有两种情况:

  1. 总体方差未知但相等:

    σ

    1

    2

    =

    σ

    2

    2

    \sigma_1^2=\sigma_2^2

    σ12​=σ22​

    1

    α

    1-\alpha

    1−α置信水平下,总体均值之差的置信区间为

    (

    x

    1

    ˉ

    x

    2

    ˉ

    )

    ±

    t

    α

    /

    2

    (

    n

    1

    +

    n

    2

    2

    )

    s

    p

    2

    (

    1

    n

    1

    +

    1

    n

    2

    )

    (\bar{x_1}-\bar{x_2})\pm t_{\alpha/2}(n_1+n_2-2)\sqrt{s_p^2(\frac{1}{n_1}+\frac{1}{n_2})}

    (x1​ˉ​−x2​ˉ​)±tα/2​(n1​+n2​−2)sp2​(n1​1​+n2​1​)

    ​,

    s

    p

    2

    =

    (

    n

    1

    1

    )

    s

    1

    2

    +

    (

    n

    2

    1

    )

    s

    2

    2

    n

    1

    +

    n

    2

    2

    s_p^2=\frac{(n_1-1)s_1^2+(n_2-1)s_2^2}{n_1+n_2-2}

    sp2​=n1​+n2​−2(n1​−1)s12​+(n2​−1)s22​​

  2. 总体方差未知且不相等:

    σ

    1

    2

    σ

    2

    2

    \sigma_1^2\neq\sigma_2^2

    σ12​​=σ22​

    1

    α

    1-\alpha

    1−α置信水平下,总体均值之差的置信区间为

    (

    x

    1

    ˉ

    x

    2

    ˉ

    )

    ±

    t

    α

    /

    2

    (

    v

    )

    s

    1

    2

    n

    1

    +

    s

    2

    2

    n

    2

    (\bar{x_1}-\bar{x_2})\pm t_{\alpha/2}(v)\sqrt{\frac{s_1^2}{n_1}+\frac{s_2^2}{n_2}}

    (x1​ˉ​−x2​ˉ​)±tα/2​(v)n1​s12​​+n2​s22​​

    ​,

    v

    =

    (

    s

    1

    2

    n

    1

    +

    s

    2

    2

    n

    2

    )

    2

    (

    s

    1

    2

    /

    n

    1

    )

    2

    n

    1

    1

    +

    (

    s

    2

    2

    /

    n

    2

    )

    2

    n

    2

    1

    v=\frac{(\frac{s_1^2}{n_1}+\frac{s_2^2}{n_2})^2}{\frac{(s_1^2/n_1)^2}{n_1-1}+\frac{(s_2^2/n_2)^2}{n_2-1}}

    v=n1​−1(s12​/n1​)2​+n2​−1(s22​/n2​)2​(n1​s12​​+n2​s22​​)2​

  • 匹配样本中,两个样本的对象相同。比如抽取一个学生样本,想要估计上了一门课程前后考试平均分数之差。

    计算方法是先算出各差值

    d

    i

    d_i

    di​,然后算出各差值的均值

    d

    ˉ

    \bar{d}

    dˉ和标准差

    σ

    d

    \sigma_d

    σd​,那么在

    1

    α

    1-\alpha

    1−α置信水平下匹配样本总体均值之差的置信区间为

    d

    ˉ

    ±

    z

    α

    /

    2

    σ

    d

    n

    \bar{d}\pm z_{\alpha/2}\frac{\sigma_d}{\sqrt{n}}

    dˉ±zα/2​n

    ​σd​​

两个总体比例之差的区间估计

设两个独立样本的样本比例分别为

p

1

p_1

p1​和

p

2

p_2

p2​, 总体比例分别为

π

1

\pi_1

π1​和

π

2

\pi_2

π2​,那么在

1

α

1-\alpha

1−α置信水平下两个独立样本总体比例之差的置信区间为

(

p

1

p

2

)

±

z

α

/

2

p

1

(

1

p

1

)

n

1

+

p

2

(

1

p

2

)

n

2

(p_1-p_2)\pm z_{\alpha/2}\sqrt{\frac{p_1(1-p_1)}{n_1}+\frac{p_2(1-p_2)}{n_2}}

(p1​−p2​)±zα/2​n1​p1​(1−p1​)​+n2​p2​(1−p2​)​

两个总体方差之比的区间估计

注意样本方差满足卡方分布,两个卡方分布之比是F分布,那么样本方差之比就是F分布了。

设两个独立样本的样本方差分别为

s

1

2

s_1^2

s12​和

s

2

2

s_2^2

s22​, 总体方差分别为

σ

1

2

\sigma_1^2

σ12​和

σ

2

2

\sigma_2^2

σ22​,样本方差之比

s

1

2

/

s

2

2

s_1^2/s_2^2

s12​/s22​的抽样分布服从自由度为

n

1

1

,

n

2

1

n_1-1,n_2-1

n1​−1,n2​−1的F分布

s

1

2

s

2

2

×

σ

1

2

σ

2

2

F

(

n

1

1

,

n

2

1

)

\frac{s_1^2}{s_2^2}\times \frac{\sigma_1^2}{\sigma_2^2}\sim F(n_1-1,n_2-1)

s22​s12​​×σ22​σ12​​∼F(n1​−1,n2​−1), 因此使用F分布来构造总体方差之比的置信区间。

1

α

See also  [Update] 30 Facts You Didn’t Know about James Spader | james spader - Pickpeup

1-\alpha

1−α置信水平下

F

1

α

/

2

s

1

2

s

2

2

×

σ

1

2

σ

2

2

F

α

/

2

F_{1-\alpha/2} \leq \frac{s_1^2}{s_2^2}\times \frac{\sigma_1^2}{\sigma_2^2} \leq F_{\alpha/2}

F1−α/2​≤s22​s12​​×σ22​σ12​​≤Fα/2​

所以在

1

α

1-\alpha

1−α置信水平下,总体方差之比的置信区间为

s

1

2

/

s

2

2

F

1

α

/

2

s

1

2

s

2

2

s

1

2

/

s

2

2

F

α

/

2

\frac{s_1^2/s_2^2 }{F_{1-\alpha/2}}\leq \frac{s_1^2}{s_2^2} \leq \frac{s_1^2/s_2^2 }{F_{\alpha/2}}

F1−α/2​s12​/s22​​≤s22​s12​​≤Fα/2​s12​/s22​​


关于假设检验的一切 – 统计学 hypothesis testing


นอกจากการดูบทความนี้แล้ว คุณยังสามารถดูข้อมูลที่เป็นประโยชน์อื่นๆ อีกมากมายที่เราให้ไว้ที่นี่: ดูความรู้เพิ่มเติมที่นี่

关于假设检验的一切 - 统计学 hypothesis testing

宝二爷忠言:我不是专家也不是学者,就是作为朋友给你们提醒


加入会员:https://www.youtube.com/channel/UCP3xCRQpNun9yE5Y9q7U5FA/join
享专属课程、硅谷分享会等。超低价0.99美元,筛选用户 ||【福利】点此注册OKEx送少许BTC+ 40USDT返现+【中国用户仍可正常注册】https://www.okex.com/join/8767453056

【中国用户仍可注册】币安Binance,国际大所有保障,币安朋友给的安全注册链接,新用户有福利:
https://www.binance.com/cn/register?ref=R49QN952
【大陆用户用邮箱注册币安交易所即可,没问题】
中国用户依然还可以继续使用【抹茶交易所】:[邮箱注册即可]不必KYC,MXC也不错小而精, 点下方注册MXC返佣很高:20%
https://www.mexc.com/zhCN/register?inviteCode=14tHH

【安全】没硬件钱包的朋友,应买一个冷钱包确保安全:这支出值得,别大意![亚马逊官方买正版的]https://www.amazon.com/gp/product/B00R6MKDDE/ref=as_li_tl?ie=UTF8\u0026tag=koolfish123320\u0026camp=1789\u0026creative=9325\u0026linkCode=as2\u0026creativeASIN=B00R6MKDDE\u0026linkId=a11afca1ec5ac8828c85ccccf2dab25e

频道内容开源素材分享娱乐目的,不可作投资建议!投资自己研究,自己负责。【频道不推荐任何项目,无任何商业项目合作】留言评论中推荐你项目不可信,小心被骗

若今天这个视频对你有帮助,可打赏狗狗币反馈下,DOGE地址: DQTNsnnB9kHfnQSCWPoTabyN1oD9W1gMUa 【可附言,金额随意】

【最后:很重要!】订阅频道后:要开启【订阅按钮】旁边的【小铃铛】,别错过最新视频的时效性!

宝二爷忠言:我不是专家也不是学者,就是作为朋友给你们提醒

3 2 1置信区间法


播放列表名称:计量经济学
第1讲 回归分析概述
1.1 计量经济学引论
1.2 回归分析的基本概念
1.3 回归方程的设定与估计
第1讲单元测试
第1讲单元作业
第2讲 普通最小二乘法
2.1 一元回归模型的OLS估计
2.2 多元回归模型的OLS估计
2.3 OLS估计量的性质
2.4 多元回归模型实例
2.5 回归模型的拟合优度
第2讲单元测试
第2讲单元作业
第3讲 假设检验
3.1 假设检验的基本原理
3.2 假设检验的方法
3.3 F检验及其应用
3.4 正态性检验
第3讲单元测试
第3讲单元作业
第4讲 模型设定
4.1 选择解释变量
4.2 选择函数形式
第4讲单元测试
第4讲单元作业
第5讲 多重共线性
5.1 多重共线性的定义和后果
5.2 多重共线性的诊断与补救
5.3 多重共线性的案例
第5讲单元测试
第5讲单元作业
第6讲 序列相关性
6.1 序列相关性的概念与类型
6.2 序列相关性的后果和检验
6.3 序列相关性的补救措施
第6讲单元测试
第7讲 异方差性
7.1 异方差性的概念和后果
7.2 异方差性的检验
7.3 异方差性的补救措施
7.4 异方差性的案例
第7讲单元测试
第8讲 虚拟变量
8.1 虚拟变量的含义
8.2 虚拟变量的设置与引入
8.3 虚拟变量的应用
第8讲单元测试
第9讲 虚拟应变量
9.1 虚拟应变量的概念
9.2 线性概率模型
9.3 Logit模型和Probit模型
第9讲单元测试
第10讲 预测
10.1 预测及其步骤
10.2 精度指标
10.3 时间序列模型预测
第10讲单元测试
第11讲 时间序列模型
11.1 分布滞后模型及其估计
11.2 Granger因果关系
11.3 平稳性与单位根检验
11.4 协整与误差修正模型
第12讲 面板数据模型
12.1 认识面板数据
12.2 面板数据模型的设定
12.3 面板数据模型的参数估计
12.4 面板数据模型的设定检验

3 2 1置信区间法

美国给民众科普置信区间 如何展示数据还不会被质疑


美国给民众科普置信区间 如何展示数据还不会被质疑

模拟置信区间估计的置信度(Simulating Confidence interval estimate)Python统计41——Python程序设计系列145


用Python代码模拟置信区间估计的置信度的含义

模拟置信区间估计的置信度(Simulating Confidence interval estimate)Python统计41——Python程序设计系列145

นอกจากการดูบทความนี้แล้ว คุณยังสามารถดูข้อมูลที่เป็นประโยชน์อื่นๆ อีกมากมายที่เราให้ไว้ที่นี่: ดูวิธีอื่นๆMusic of Turkey

ขอบคุณที่รับชมกระทู้ครับ 置信区间

2 thoughts on “[NEW] 统计学复习笔记(三)—— 置信区间(总体均值/比例/方差,总体均值之差/比例之差/方差之比)_雪国_的博客-CSDN博客_比例之差的置信区间 | 置信区间 – Pickpeup”

  1. 349828 192364hi!,I like your writing so a lot! share we maintain up a correspondence extra approximately your post on AOL? I demand a specialist on this space to solve my difficulty. Might be that is you! Seeking ahead to peer you. 735949

    Reply
  2. 844103 78129I dont believe Ive read anything like this before. So excellent to find somebody with some original thoughts on this subject. thank for starting this up. This site is something that is required on the internet, someone with a little originality. Very good job for bringing something new towards the internet! 972108

    Reply

Leave a Comment