统计显著性与实际显著性

一、课堂内容

1.统计显著性与实际显著性的概念

• 统计上显著性是指：估计总体参数落在某一区间内,可能犯错误的概率（statistics significance）
• 实际显著性是指：由于各总体存在内在变异性，当两个总体之间的差异绝对超过总体内部这类变异性（practical significance）

2.代码操作

用自助法对比计算了均数差的传统方法。
下面的代码是老师从stack overflow中的一个帖子里复制粘贴的代码，然后做了修改。

import statamodels.stats.api as sms

x1 = coffee_red[coffee_red['drinks_coffee'] == True]['height']
x2 = coffee_red[coffee_red['drinks_coffee'] == False]['height']

cm = sms.CompareMeans(sms.DescrStatsW(x1), sms.DescrStataW(x2))
cm.tconfint_diff(usevar = 'unequal')

3.置信区间的相关术语

（1）误差范围（Margin of Error（EOR））：是置信区间宽度的一半，通过对样本估计值的加减，达到置信区间的最终结果。

（2）置信区间宽度（Confidence Interval Width）：置信区间上限与下限的差异

（3）增加样本容量，会降低置信区间的宽度；增加置信度（95%增加到99%）会增加置信区间的宽度

4.置信区间得出的结论类型

• 置信区间是基于对数据的整体模拟给出总体的参数；不能给出个别数据的特征。
• 机器学习采用个别方法得出结论，因为通过每个单独数据点预测结果。

二、总结

（1）用自助法模拟传统检验的代码没看懂，很多表达方法没明白为什么要这么写，视频里也没提到，估计不属于现阶段需要掌握的内容，但是后续中还要重新研究。

（2）置信区间表达的的共性的问题，不能用来评价单个个体的情况，也不能说明所有个体，可能适合描述具有某类特征的集合体；机器学习更期待获得个性特征。

这是Udacity数据分析（入门）课程的统计学lesson11的学习笔记三
Lesson11的课程学习结束
转载请注明出处