http://bbs.freekaoyan.com/viewthread.php?tid=317469
根据我的学习体验总结了一下统计弱者学假设检验可能遇到的障碍点：
1.首先要能看懂虚无假设和备择假设。（我有很久很久的时间一直以为两个假设是H0比μ1=μ0，把冒号当成了比，所以一直都没明白这两个假设到底是怎么回事，对检验的过程当然也不明白了。多么弱智的问题，但真的是很久很久我都是这样认为的。）
2.要能动态的理解两个分布的含义及关系。（这是比较困难的一件事，最初的学习中，我根本不懂，只以为是两根相互交叉的弧线，如果这样，想理解假设检验就非常困难。首先要明白分布的含义，理解弧线所代表的意义；其次这平面上的两根弧线其实代表的是很动态的两个假设之间的关系，尤其在讨论两类错误时，如果不能做到在两个分布之间顺利的切换，想理解并搞懂两类错误，是很困难的，越搞越晕。）
3.要懂抽样分布。（抽样分布对整个推论统计是非常重要的。最初的学习中，我根本不明白t分布、f分布、卡方分布跟正态分布、二项分布是什么关系，有什么差别，就是混为一谈，以为他们都是同样的东西。理解抽样分布最重要的就是理解三个字：统计量。真正明白这三个字的含义。）
课本里大量的篇幅都在介绍两类错误，大家也很容易为了理解两类错误陷入一种纠缠不清的状态。其实两类错误对于假设检验来说根本不重要，两类错误是做推论时的客观存在，我们学习它们了解它们，目的只是为了控制它们。体现在学习中就是选择a是0.05还是0.01，是双侧还是单侧。真正对理解假设检验最重要的东西是：抽样分布、两个假设之间动态的关系。如果这两点搞定了，两类错误就都是小意思了。
附：
我从去年开始自学心理学的课程，障碍最大的就是统计。
最初拿到课本时，连求和符号都不懂，我想再弱也只能弱到这程度了吧。
经过去年加上今年上半年不停的努力，终于迎来了云开雾散的那一天。
某一天，我突然像柯勒的大猩猩一样顿悟了。
最近在看假设检验，整理了一下思路写了点东西，希望能对大家有所帮助。
[ 本帖最后由 agrace 于 2008-9-26 08:42 编辑 ]
---------------------------------
谢谢你，写的真好：）
---------------------------------
---------------------------------
---------------------------------
写的真好呢我是统计弱者之弱者
还没开窍
所以现在每天看书看的头昏眼胀的
---------------------------------
心血被人用来灌水了~~~楼上的欢迎你写出你的感受，相互交流可以更快的进步呢，因为我也是从那一步走过来的，所以很了解这痛苦的感受。
---------------------------------
我的感受就是~很难。现在连第一遍书都没看完，想死的心都有了。请问你那个顿悟是怎么来的
我就死不开窍。
---------------------------------
引用:原帖由 yvonnexigua 于 2008-9-27 22:35 发表
我的感受就是~很难。现在连第一遍书都没看完，想死的心都有了。请问你那个顿悟是怎么来的
我就死不开窍。
去听听我的《心理统计入门》演讲录音吧，资料版里有，标题为绿色的。
---------------------------------
引用:原帖由 yvonnexigua 于 2008-9-27 22:35 发表
我的感受就是~很难。现在连第一遍书都没看完，想死的心都有了。请问你那个顿悟是怎么来的
我就死不开窍。
对于顿悟来说最重要的就是坚持吧，不管多痛苦，都要坚持，这样才会有顿悟出现~
具体来说我觉得经历了几个过程：
1.搞清楚什么是抽样分布（就是张厚璨书里讲的第六章第四节样本分布）。这个非常重要，后半本书的推论统计都跟这几个分布有关。在教材里它跟在概率和正态分布屁股后头的一个小角落里，完全被掩盖住了光芒，容易被我们这样的数学基础薄弱的人忽略掉。多花点时间搞清楚这几个分布到底怎么回事，是干嘛用的，这很关键。只有搞清了这一点，整个统计才能建起框架来。
2.当我真正学会用公式准确的算出中数之后（课本不知道看了几遍），内心的那个喜悦，无以言说。
3.我自己总结的整个统计书的轮廓，不一定很对，写出来供你参考：
整本书都在讲数据和数据之间的关系。数据可以分为两大类：连续型数据（等距、等比）、非连续型数据（顺序、称名）。
统计图表是用来整理实验得到的原始数据，整理完后需要用集中量数和差异量数来描述这些原始数据，使之具有可比性。
相关关系是描述两组或以上数据之间的关系，根据数据类型（连续、非连续）和数据分布状态（正态、非正态）及其他的一些条件，来选择不同的相关公式计算。
概率分布讲的是数据的分布形态，是推论统计的基础。后边从参数估计开始都属于推论统计。因为总体的情况我们无法完全获知，只能从手里现有的样本信息来推论总体的情况。概率可以让我们知道某个事件在什么情况下发生的可能性有多大，这是统计的语言。正态分布、二项分布、t分布、f分布、卡方分布这些分布跟后半本书紧密相关。参数估计需要用到正态分布；假设检验需要用到正态分布、t分布；方差分析是f分布；非连续型数据的检验要用卡方分布。
参数估计是用样本统计量来估计总体参数（请注意统计量和参数这两个概念）。
假设检验、方差分析、卡方检验、非参数检验这四章都需要用前边讲的分布形态来帮我们处理手中的样本数据。
假设检验、方差分析处理的是连续型数据，其中假设检验用在两组数据之间，方差分析用在两组以上的数据之间。
卡方检验属于非参数检验，都是用来处理非连续型数据的。
线性回归对于数学基础不好的人来说有点困难，对于统考来说也可以放一放不一定非要掌握。它也是用来表示两组数据之间关系的。国外的教材有时会把它跟相关关系放在一起来讲。
抽样方法很简单，跟实验设计结合比较密切，一看就懂了。
这是我总结的统计书的框架，全都围绕着数据在打转。只要把连续数据、非连续数据能区分开，每一部分基本都讲了针对这两种不同数据的不同处理方法。然后理解了用样本数据去推论总体情况的道理和方法，其他的就比较容易理解了。这十四章的内容是一个有机整体，紧密联系在一起的。
眼睛睁不开了，写的是啥明天再看吧，睡了~
[ 本帖最后由 agrace 于 2008-10-1 10:44 编辑 ]
---------------------------------
好强悍，谢谢啦!
