心理系
含有「心理系」共 84 篇內容
全部內容
發佈日期由新至舊
以前，我認為對話沒有什麼技巧可學。別人不願意講出他自己的想法？那就是個性的問題，無法解決。別人不願意接受我的意見？那就是頻率不合。當安慰不被領情？那就是對方不懂的珍惜。
似乎，「能不能對話」這件事情，變成一個講求緣份的過程。「能不能對話」已經在先天就決定了一切。
對話，反應我們內心的渴望
我們
受試者內設計
前幾篇我們討論的都是受試者間設計，每個人測驗只做一次，並只會分配在一個cell裡面。這種作法收集的樣本數需要比較多，夠多的樣本數也才能夠抵銷這些個體的差異，讓我們能夠真正看見不同factor影響的效果。
但在考量成本與時間下，我們可以考慮使用受試者內設計。這不僅能夠控制個體差異，也
多因子ANOVA可以是獨立樣本、相依樣本，甚至是混合設計。多因子設計的好處在於較為省時省力、降低誤差來源，還可了解因子是否會相互影響其對依變項的效果。
在表格設計裡，教學方法和教室氣氛為Factor，演講、啟發、嚴肅與輕鬆為level，可以寫成教室氣氛(2)、教學方法(2)來表示。各個cell稱為
共變數
當兩個變項之間非獨立時，叉積(cross product)並非等於0，且相同趨勢資料個數越多叉積越大，因此我們取平均讓其更能夠代表兩變項關聯的強弱，我們稱之為共變數(covariance)。
共變數無固定範圍，難以判斷兩個變相間的關係強度，所以將共變數標準化—皮爾森積差相關係數(Pear
卡方檢定
使用於「名義變項」，計算實際與期望之間的差距，而每個變項觀察值都是獨立的。樣本數需足夠大（期望次數≧5），卡方值才會準確，若無法達到此樣本數，則可使用Yate correction for continuity或Fisher's exact test進行校正。
Yate correct
t檢定使用時機：不知道母群的標準差。
(備註：二項分配只適用z檢定，因其標準差是數學理論推導出來的)
不知道母群標準差，該怎麼解決？
用s^取代σ(因s^是σ的不偏估計數)。雖然s^會趨近於σ，但因為s^的抽樣分配是一個正偏態，若用z檢定的方式，我們會高估z值。因此，我們使用t檢定來解決這個問題
z檢定使用時機：已知母群標準差、若母群為非常態，需要抽取樣本數N>30。
(備註：常態分配時，才能夠使用。也是唯一能使用CLT的檢定方式)
區間估計：從x̄ 猜測μ範圍
連續變項
設x̄ 是一個N(61,1)的常態分配，信賴水準95%的情況下，μ的信賴區間為？
先確認是否可以使用z檢定：常態
我們將要試著從樣本回推到母群，在開始之前，我們必須先對量數的寫法有所了解：
母群參數：μ、σ
樣本統計數：M、SD
而樣本統計數可不可以當成推論母群參數的估計值呢？答案是不一定！統計數需要滿足下面3種特性(尤其是不偏性)，才能是好的估計數。
不偏性：帶入期望值計算
一致性：樣本數增加，估計數
二項式分配
基本概念
二項式分配只能使用在間接變項上，探討的是N個獨立的二分（成功、失敗）試驗。
若把成功機率設為p，則p=0.5時，是常態分配。p<0.5時，分配是正偏態；p>0.5時，分配是負偏態。
除了p=0.5外，有其他方法讓分配趨近常態分配嗎
有的！不管p、q值為何，只要N很大的
