对初学者确有价值

you are such a nice person!

本人在校大三统计学学渣一个。我上大学之前最喜欢数学，最讨厌英语，所以我选了理科，学了统计专业。上了大学之后，我才明白之前学的数学其实叫算术。。。。。。真正的数学从书的第一页就开始看不懂啊。但是，我上了大学我爱上了英语，准确的说是语言，现在在自学英语和法语，有学西语的打算，正在备战英语翻译考试。至于以后会不会从事英语和统计的交叉领域，我觉得我说了不算，得看自己能力够不够了。周围经常有人问我你来数学系干嘛，我只想说，如果我当初学的英语专业，那么我现在一定不会自己主动学英语。人就是这么矛盾。

说说撒或谁谁谁谁谁谁

楼主真是好人

还在严平稳、宽平稳的几个数学公式里面挣扎的童鞋飘过~~~

说出来的论坛币】2.就是那么让你难以“置信

用R软件一步步做，不要有操作步骤和命令
必须有有操作步骤和命令

对于置信区间，我的理解是一种程度，然后这种程度反应成一种概率显示出来，布朗运动是一个随机过程，然后每一次布朗运动函数的值都是与对应的0,1间概率返回的数值有关。布朗运动是个随机过程，然后对于我们的统计分析来说，置信区间是用来评判某件事发生的可能性或者可信性，需要紧密联系概率来分析。因此置信度通过概率来反映，是一个很好的指标！

点估计是用一个值来估计总体某一个参数，现在我用一个区间来估计真值。比如用区间[a,b]估计，a,b是样本的统计量。区间估计涉及到精度和 可靠度。精度是区间长度的一半，可靠度是估计的是对还是错。精度和可靠度是相互矛盾的。对于一个估计来说我们首先关注 的是可靠度，即估计的准不准，然后才考虑更大的精度。而我们说的95%是可靠度，就是说我给定一个区间，即设定一个区间的上限和下限，随机抽样100次，有95次真值是落到这个区间中了，则这个区间就是置信水平为95%的置信区间。

区间估计是在点估计的基础上进行的，因为点估计我们已经论证了它的优良性质，区间一定是包含这个点的，区间的设计就是用样本来构造一个区间，这个区间要把估计的参数包含进去。比如我们估计总体均值点估计时是用样本均值来估计，确定区间时要计算区间包含待估参数落的概率大于等于1-a，此时待估参数不是随机变量，是一个固定的值，即总体均值是不动的，动的是区间，也就是说95%的置信区间并不是说总体均值以95%的可能落在这个区间中，而是说区间有95%的可能包含总体均值这个点。即进行100次抽样，就有100个样本，就有100个区间，这100个区间中有95个区间包含了总体均值就说有95%的置信区间。比如说一个人估计西瓜熟不熟有90%的可能估计是正确的，是说这个人看西瓜说10个是熟的，那么可能9个是熟的，一个是不熟的。并不是说西瓜有90%的可能是熟的，10%的可能是不熟的，即西瓜要么熟的，要么是不熟的，是一个定值，那么总体均值要么落在这个区间要么不落在这个区间，是定值，不是随机变量！

还是没看懂:很容易把95%置信区间理解成为在这个区间内有95%的概率包含真值。下面的解释不是也是这个意思吗？看来要好好学习了。

楼主真大神也

时序列学着学着有点穿越虫洞的感觉，要是物理上对时间理解更多后，时序列会变成如何

感觉是通过统计学已有的理论作为参考，从数据中计算的结果来 “主观的” 肯定（比如95%的信心）区间包含真值。

楼主的从零开始学统计系列不错啊，我也刚开始学统计，参考参考，

现在也在弄计量经济学论文

图文并茂！！

真的么？

不管你们信不信，我反正是信了，一次五币啊。拿个大筐赶紧接

虽然已经不再是真正的经管学人，但还是需要用统计……我跨到心理学去了，现在在学的是行为决策，经济活动当中最要命的问题其实是一致的，就是怎样在现有的信息条件下做出最合理的决定。不过经济学更注重决定会带来怎样的结果，而心理学更关注的是做出决定的过程，尤其是脑神经进程。不过无论是脑科学还是决策科学，统计都是一种特别有用的工具，甚至于可以说是基础必备的技能，除此之外也有大量的学科都需要用到统计。
我这里就推荐一本书好了，Frederick J.Gravetter和Larry B.Wallnau的《行为科学统计》，从入门到中阶都必看，中英文版本都很不错，英文尤其是非常的浅显易懂，虽然不是以经济为命，但作为统计入门书仍然是一个不错的选择。

学习一下

在Bayesian范式下置信区间就很容易解释。

很系统啊，赞一个

好深奥！

我是来学习的

我们经常把P与type I error（pre-determined 如0.05， or 0.1）比，如果P \leq \alpha， 我们就拒绝H_0.
原因如下：
根据p-value的定义P=（more extreme values in favor of H_1 | H_0成立）；
但原假设成立时，如果P根据给定sample求出来的值小于0.01， 说明这是个小概率事件，即原假设成立情况下，备选假设是不应该成立的。但是给定的sample恰巧在这个小概率事件里， 即备选假设成立了。所以出现矛盾。故结论是H_0不成立，换言之，拒绝H_0。

对于这个问题很多统计学生都没有深入理解，只是经常用到这个结论，久而久之就记住了，甚至作为common sense。这个理解对统计假设检验还是相当重要的。推荐一本书：an introduction to probability theory and its applications。排版简单易读，很受用。论坛里已有人上传，这里就不贴了。

谢谢楼主，急需60论坛币。希望楼主能帮我一把

赞一个，楼主！！