: : 我们收集到的样本 : : 都比要期望估计出来的样本都还要来得高 : : 照理～取的样本数都比他们高 : : 应该会比较好阿？？>"< -->hint 2 : 年级 理论抽样Ei 实际抽样Oi (Oi-Ei)^2/Ei : 大一 66 68 0.0606 : 大二 64 76 2.2500 : 大三 65 80 3.4615 : 大四 61 66 0.4098 : 其他 11 20 7.3636 : 合计 267 310 13.5456 --> hint 3 : 查表的卡方值是（0.99,4)=13.277 --> hint 1 [原文作部分修剪] 这个问题比较单纯的来自於统计观念的漩涡 让小弟来试着提供您一些想法吧 hint 1 卡方分配的技术面而言 如果单纯只是要满足不拒绝H0 最快的方式就是提高显着水准 让α越小 越不容易拒绝 (I am not sure that your significant level is 0.1 or 0.01) 然而这是利用增加无法拒绝的区域来满足您的後续推论 其实逻辑上不具有显着性 hint 2 样本数大就比较「好」? 一般作母体参数推论时 抽越多样本理论上被认为可以掌握更多资讯 然而 您今天所进行的是「适合度」检定 其主要在於 实际数与理论数的差异 亦即观察值如果脱离理论值过远 无论过大或过小都将造成「配适不佳」的状况 问题就是出在普遍的在某些分类的实际数比理论数大出甚多 hint 3 不懂您的挣扎点为何 首先 您未说明理论抽样数Ei的产生为何 我假设那就是对应於已知母体分配比例 在抽样样本数确定下 各年级应该分配到的「预期抽样数」 一般而言 适合度检定是探讨某个实验结果的各种现象(分类)是否符合母体假定分配 但您今天是在抽样耶 阿咧 抽样样本数不是可以自己决定的吗 ? 如果真的那麽想要让它符合母体比例 why not 直接筛去样本？ 当您把样本数筛到剩下跟理论数一样时 就可以得到一个「完美配适」的操作 所以我不知道我是不是误会了您什麽 故提出我的几个看法给您做为参考 以上 :P --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 163.23.199.66 ※ 编辑: rowland 来自: 163.23.199.66 (05/04 09:47)