推论统计学主题学习日记，其中收集了所有概念，并执行了课程中提出的所有任务和练习。
介绍
本文档收集了在行政管理学院的推理统计领域合作学习中应用合作学习过程中情报团队的工作历史。该日记由所有团队成员共同制作，并由老师定期进行审核和评估。它包括成员给团队的身份，组成该团队的学生的清单，每个班级所做的工作，取得的成就以及个人和团队对其绩效的自我评估。
学习进步
教学大纲中计划的主题的详细发展。在每节课中取得的主要学习成果以及对进行
相关信息搜索所剩下的学习需求的识别。
在完整文档下面，在此页底部，您可以找到下载原始文件的链接。
统计推断会议主题学习成果学习需求
1
音节的社会化。
充分了解有关推论统计事项的规定计划，以及在此期间学生必须履行的义务和权利。
正确地操作课程计划，并在课程中进行适当的协作学习。
2-
二项式分布：计算n次独立的伯努利试验序列中的成功次数，两次试验之间的成功概率为p。
-泊松分布：它从平均发生频率表示在一定时间段内发生一定数量事件的概率。
-Z分布：其密度函数图呈钟形，并且相对于某些统计参数对称。
在课堂和家庭作业中进行练习时需要技巧和重点。
这是一系列9个视频，其中通过练习解释了二项分布，泊松分布和Z分布或正态分布的概念，这是学习推论统计的非常重要的组成部分
3
抽样和抽样分布
抽样：从总体中选择一组个体以便研究他们并表征总人口的过程。
在判断抽样中，个人知识和见解用于识别样本中应包括的总体要素。
在概率抽样中，总体中的所有元素都有机会被选择作为样本。介绍四种随机抽样方法：-
简单随机抽样。
-系统抽样。
-分层抽样。
-批量采样。
在实际情况下。
通过积极运用所学知识来获取和掌握信息
4
详细的采样分布标准误差中心极限定理
这是考虑到可以从总体中获取的所有可能样本的结果。他们的研究使我们能够计算出在给定单个样本的情况下接近总体参数的概率。使用采样分布，可以估计给定样本大小的误差。
在进行老师的练习时更加轻松。
5
样本数量与标准误差之间的关系通过减小标准误差，
任何样本均值的值都可能接近总体均值，从而能够估算其值。
此外，公认的通用规则说，如果采样分数小于0.05，则不必使用有限的总体乘数。了解并分析
在课堂和家庭作业中针对其各自解决方案进行的各种练习的陈述。
6种
估算类型。
估计：估计是统计量的特定观察值。
•良好估计的标准：
-公正性
-效率
-连贯性
-充分性
估计类型：
•点估计：它是用于估计未知总体参数的单个数字。
•间隔估计：用于估计总体参数的值的范围，
请正确正确地使用不同的公式。
7
置信
区间置信区间：
经常性的定义和解释。
•正常人群的均值和方差的置信区间：一个和两个人群的情况。
•大样本的置信区间。
确定样本量
了解主题以便进行相应的活动
8
计算大样本均值的区间
估计通过置信区间进行的估计包括确定值或区间的可能范围，在该范围内可以以一定概率指定参数值在这些限制。
分析参数以便更好地理解所涉及的主题。
9
第一次部分考试
10
部分初稿的反馈
11
带有t分布的分布或区间估计。
t分布由W. S. Gosset在20世纪初期完成。因此，t分布被称为Student t分布或简称为Student分布。
-特征：
•样本量必须小于30（n <30）。
•标准偏差必须未知。
做更多的练习以更多地了解该主题。
12
确定估计样本量。到目前为止，在所有分析中，我们都使用符号n代替了特定数字。
样本应该多大？如果它很小，我们可能无法实现分析目标；如果太大，我们将浪费资源进行采样。
•样本量以估计平均值。
•样本量以估计比例。
了解主题，以便在工作时更有效。
13
单样本假设检验。
我们不能仅凭直觉就接受或拒绝关于总体参数的假设，而是需要学习如何根据样本信息客观地决定是接受还是拒绝预感。
•假设是某种可能得出结论的假设。
•统计假设是针对总体做出的推测或假设，特别是关于总体参数的量化假设或假设，它量化了其特征。有：
•零假设Ho。
•H1替代假设。
针对可以呈现的不同场景进行练习的更多应用，从而获得更多的了解。
14
部分假设检验。
确定两个独立样本是否来自两个总体，这些总体具有相同比例的具有特定特征的元素。该测试着重于两个样本比例之间的相对差异（差异除以抽样分布的标准偏差）。
与提供正确解决和理解数据的练习相比，需要对数据进行更多分析。
15
总体标准偏差未知时的均值假设
检验我们了解到，当总体标准偏差未知时，大小样本之间的大小差异非常重要，因此有必要从总体标准偏差中进行估算。样本。如果样本大小n为30或更小且未知，则必须使用t分布。适当的t分布具有n-1个自由度。
假设分布t在30以下，则区分样本大小
16
假设检验：双样本
测试的双样本假设检验将采取两个随机样本，以确定它是否来自同一群体或代替等于群的，因为人口是相等的，
所述平均值之间两个样本均值为零。如果有独立的总体，则它们等于两个单独变量的总和。因此，样本必须足够大，以使样本均值的分布服从正态分布
，以实用的方式对从属样本和独立样本进行对比，以避免在识别时产生混淆。
17
测试均值之间的差异：小样本。带有相关样本的均值之间的差异检验。
测试均值之间的差异当样本量较小时，将执行两个过程来测试均值之间的差异。第一个与我们如何计算两个样本均值之差的估计标准误差有关。第二个是从单一平均值测试小样本。基于t分布而不是正态分布进行检验。带有相关样本的均值之间的差异检验。依赖样本的使用可以进行更精确的分析，因为它可以控制外部因素。对于相关样本，仍然遵循所有假设检验中采用的基本程序。唯一的区别是，对样本差异的估计标准误差使用了不同的公式，并且两个样本的大小必须相同。
学习识别每个练习的数据，以应用其各自的公式。识别相关样本和独立样本的公式。
18
比例差异的检验：大样本
当我们使用独立样本比较两种方法时，遵循的一般程序与上一课中讨论的两个主题非常相似：我们将两个样本比例之间的差异标准化并基于在正态分布中进行测试。唯一的主要区别在于我们如何找到两个样本比例之间差异的标准误差的估计值。
需要对零值（HO）和替代（H1）方法有更好的理解。
19
部分第二次考试和笔记反馈。
20
由于IESS老师的体格检查而缺课。
21
未参加与省的州化相对应的各缔约方的课程。
22
方差分析
允许两个以上样本均值之间存在差异。这是必要的，因为当您要比较两个以上的均值时，根据学生的t检验重复使用对比度是不正确的。原因有两个：第一，由于将同时独立进行多个假设检验，因此偶然发现任何重要检验的可能性将会增加。在每种对比中，如果t超过临界水平，则拒绝H0，在零假设下，对于临界水平，存在a的概率。如果执行m个独立的对比，则在原假设中没有统计量的概率超过
临界值为（1- a）m，因此，任何人超过它的概率为1-（1- a）m，对于接近0的值大约等于m。可以使用Fisher分布检验方差假设，其显着性水平为0.01和0.05。
做更多的练习，以便更好地理解该主题。
23
卡方
卡方是一种假设检验，用于将观察到的数据分布与预期的数据分布进行比较。卡方检验有几种类型：卡方拟合优度检验。比较结果与卡方分布进行比较。
为了使该主题上的课程更加简洁。
25
简单回归和相关性回归和相关性
分析将向我们展示如何确定两个变量之间关系的性质和强度。通过这种方式，我们将学习基于先前对未知变量和其他变量的观察来精确预测未知变量的值。关系类型分析基于两个（或多个）变量之间的关系或关联。 “已知的变量称为自变量；我们试图预测的变量称为因变量。”
•直线
•反线
•正
曲线
• 反曲线•离散度更大的反线
•没有关系
对理论的理解和分析，以便了解与该主题相关的运动分辨率。
26
由于工程师进行了由INEC编程的中试测试，因此缺课
27 造林项目规划的
简单回归和相关性
改进。
分析将用于解决简单回归和相关性练习的公式。
28
使用回归线进行估计估计的标准误差关联分析决定系数
•我们将学习使用数学上关联两个变量的方程来更精确地计算回归线，在这里，我们将仅考察之间的线性关系。两个
变量；我们将研究两个以上变量之间的关系。
•另一方面，估算值的标准误差衡量的是回归线周围观测值的变异性或离散度。
•相关分析是一种统计工具，我们可以用来描述一个变量与另一个变量线性相关的程度。
确定系数是我们可以测量存在于两个变量X和Y之间的关联程度或强度的主要方法。
29
用图形补充回归练习
回归线来自样本，而不是整个人群。结果，我们不能期望回归方程Y = a + B * X（对于整个总体）与从样本观测值估计的方程完全相同，或者Y = a + b * X 。即使这样，我们也可以使用b的值（从样本中计算出的斜率）来检验关于B值的假设（B值是整个总体的回归线的斜率）。
分析公式的组成以及执行练习的步骤。
------–
要访问全文，请下载原始文件
下载原始文件
