คำถามติดแท็ก teaching

สำหรับคำถามเกี่ยวกับการสอนความน่าจะเป็นและสถิติในทุกระดับ


15
คำอธิบายที่ใช้งานง่ายสำหรับการหารด้วย
ฉันถูกถามในชั้นเรียนวันนี้ว่าทำไมคุณหารผลรวมของความคลาดเคลื่อนกำลังสองด้วยแทนที่จะเป็นกับเมื่อคำนวณส่วนเบี่ยงเบนมาตรฐานnn - 1n−1n-1nnn ฉันบอกว่าฉันจะไม่ตอบคำถามนี้ในชั้นเรียน (เนื่องจากฉันไม่ต้องการเข้าไปในตัวประมาณค่าที่เป็นกลาง) แต่ต่อมาฉันสงสัยว่า - มีคำอธิบายที่เข้าใจง่ายสำหรับเรื่องนี้หรือไม่!



25
ค้นหาตัวอย่างข้อมูลที่มีอยู่อย่างอิสระ
ฉันกำลังทำงานกับวิธีการใหม่สำหรับการวิเคราะห์และการแยกชุดข้อมูลเพื่อระบุและแยกกลุ่มย่อยของประชากรโดยไม่ทราบล่วงหน้าถึงลักษณะของกลุ่มย่อยใด ๆ ในขณะที่วิธีการทำงานได้ดีพอกับตัวอย่างข้อมูลเทียม (เช่นชุดข้อมูลที่สร้างขึ้นโดยเฉพาะเพื่อจุดประสงค์ในการระบุและแยกกลุ่มย่อยของประชากร) ฉันต้องการลองทดสอบด้วยข้อมูลจริง สิ่งที่ฉันกำลังมองหาคือแหล่งข้อมูลที่พร้อมใช้งานได้ฟรี (เช่นไม่เป็นความลับไม่ใช่กรรมสิทธิ์) หนึ่งที่มีการแจกแจง bimodal หรือ multimodal หรือชัดเจนประกอบด้วยหลายส่วนย่อยที่ไม่สามารถดึงออกจากกันได้อย่างง่ายดายผ่านวิธีการแบบดั้งเดิม ฉันจะไปหาข้อมูลดังกล่าวที่ไหน?

29
ตัวอย่างสำหรับการสอน: ความสัมพันธ์ไม่ได้หมายถึงสาเหตุ
มีการพูดกันว่า: "ความสัมพันธ์ไม่ได้หมายถึงสาเหตุ" เมื่อฉันสอนฉันมักจะใช้ตัวอย่างมาตรฐานต่อไปนี้เพื่ออธิบายประเด็นนี้: จำนวนนกกระสาและอัตราการเกิดในเดนมาร์ก จำนวนนักบวชในอเมริกาและโรคพิษสุราเรื้อรัง; ในการเริ่มต้นของศตวรรษที่ 20 มันก็สังเกตเห็นว่ามีความสัมพันธ์ที่แข็งแกร่งระหว่าง 'จำนวนของวิทยุ' และ 'จำนวนของคนที่อยู่ในโรงพยาบาลบ้า' และสิ่งที่ฉันชอบ: โจรสลัดทำให้โลกร้อนขึ้น อย่างไรก็ตามฉันไม่ได้มีการอ้างอิงใด ๆ สำหรับตัวอย่างเหล่านี้และในขณะที่สนุกพวกเขาเป็นเท็จอย่างเห็นได้ชัด ใครบ้างมีตัวอย่างที่ดีอื่น ๆ ?


8
ทำไมต้องสอนและใช้การทดสอบสมมติฐานต่อไป (เมื่อมีช่วงความมั่นใจ)
เหตุใดจึงต้องสอนและใช้การทดสอบสมมติฐาน (ด้วยแนวคิดที่ยากทั้งหมดและเป็นความผิดทางสถิติมากที่สุด) สำหรับปัญหาที่มีการประมาณช่วงเวลา (ความเชื่อมั่น bootstrap ความน่าเชื่อถือหรืออะไรก็ตาม) คำอธิบายที่ดีที่สุด (ถ้ามี) ให้กับนักเรียนคืออะไร? ประเพณีเท่านั้น มุมมองจะได้รับการต้อนรับอย่างมาก

3
ทำไมเราถึงสนใจข้อผิดพลาดการกระจายแบบปกติ (และ homoskedasticity) มากในการถดถอยเชิงเส้นเมื่อเราไม่ต้องทำ
ฉันคิดว่าฉันหงุดหงิดทุกครั้งที่ได้ยินคนพูดว่าการไม่ปฏิบัติตามกฎเกณฑ์ของผู้ตกค้างและ / หรือ heteroskedasticity ละเมิดสมมติฐานของ OLS ในการประมาณค่าพารามิเตอร์ในแบบจำลอง OLS ไม่จำเป็นต้องใช้สมมติฐานเหล่านี้ในทฤษฎีบท Gauss-Markov ฉันเห็นว่าสิ่งนี้สำคัญในการทดสอบสมมติฐานสำหรับแบบจำลอง OLS เนื่องจากการสมมติว่าสิ่งเหล่านี้ทำให้เรามีสูตรที่เป็นระเบียบสำหรับการทดสอบ t-test การทดสอบ F และสถิติทั่วไปของ Wald แต่มันก็ไม่ยากเกินไปที่จะทำการทดสอบสมมติฐานโดยที่ไม่มีพวกเขา หากเราลดลงเพียง homoskedasticity เราสามารถคำนวณข้อผิดพลาดมาตรฐานที่แข็งแกร่งและข้อผิดพลาดมาตรฐานคลัสเตอร์ได้อย่างง่ายดาย หากเราทิ้งกฎเกณฑ์โดยสิ้นเชิงเราสามารถใช้การบูตสแตรปปิ้งและกำหนดพารามิเตอร์แบบอื่นสำหรับข้อผิดพลาดอัตราส่วนความน่าจะเป็นและการทดสอบตัวคูณแบบลากรองจ์ มันเป็นเพียงความอัปยศที่เราสอนด้วยวิธีนี้เพราะฉันเห็นคนจำนวนมากที่ต้องดิ้นรนกับข้อสันนิษฐานที่พวกเขาไม่ต้องพบเจอในตอนแรก ทำไมเราถึงเน้นสมมติฐานเหล่านี้อย่างมากเมื่อเรามีความสามารถในการใช้เทคนิคที่แข็งแกร่งกว่าได้อย่างง่ายดาย? ฉันขาดสิ่งสำคัญไปหรือเปล่า

9
ชุดข้อมูลจิ๋ว (ของจริง) สำหรับยกตัวอย่างในชั้นเรียน
เมื่อสอนชั้นเรียนระดับเบื้องต้นครูที่ฉันรู้จักมักจะประดิษฐ์ตัวเลขและเรื่องราวเพื่อเป็นตัวอย่างวิธีการสอนของพวกเขา สิ่งที่ฉันต้องการคือการบอกเรื่องจริงกับตัวเลขจริง อย่างไรก็ตามเรื่องราวเหล่านี้จำเป็นต้องเกี่ยวข้องกับชุดข้อมูลขนาดเล็กมากซึ่งช่วยให้การคำนวณด้วยตนเอง ข้อเสนอแนะสำหรับชุดข้อมูลดังกล่าวจะได้รับการต้อนรับมาก ตัวอย่างหัวข้อบางหัวข้อสำหรับชุดข้อมูลขนาดเล็ก: สหสัมพันธ์ / การถดถอย (พื้นฐาน) ANOVA (1/2 วิธี) การทดสอบ z / t - หนึ่ง / สองตัวอย่าง un / จับคู่ การเปรียบเทียบสัดส่วน - ตารางสองทาง / หลายทาง

5
เกมที่ดีสำหรับการเรียนรู้การคิดเชิงสถิติ?
มีเกมใดบ้างที่ทำให้ผู้เล่น "คิดเหมือนนักสถิติ"? ตัวอย่างเช่นlightbotทำให้คุณ "คิดเหมือนโปรแกรมเมอร์" (ในลักษณะพื้นฐานมาก) มีเกมใดบ้างที่ออกแบบมาเพื่อความบันเทิงหรือการสอนที่สามารถช่วยให้คุณคุ้นเคยกับแนวคิดพื้นฐานเช่นความสัมพันธ์ค่า p ค่ากำลังสองน้อยที่สุดความแปรปรวนการแจกแจงความน่าจะเป็นชนิดต่าง ๆ ถดถอยไปถึงค่าเฉลี่ย ... ตัวอย่างหนึ่งที่จะเป็นเกมที่คาดเดาความสัมพันธ์นี้ (ฉันถามเพราะฉันกำลังคิดเกี่ยวกับการพัฒนาแอปพลิเคชันดังกล่าวและฉันกำลังพยายามที่จะรับมุมมองที่กว้างของสิ่งที่มีอยู่ก่อนหน้านี้)

10
คำอธิบายของคนธรรมดาที่คุณชื่นชอบสำหรับแนวคิดทางสถิติที่ยากคืออะไร?
ฉันสนุกกับการฟังคำอธิบายง่ายๆเกี่ยวกับปัญหาที่ซับซ้อน การเปรียบเทียบหรือเรื่องเล็ก ๆ น้อยที่คุณชื่นชอบที่อธิบายแนวคิดทางสถิติที่ยากคืออะไร สิ่งที่ฉันชอบคือคำอธิบายของเมอเรย์ต่อการใช้เครื่องดื่มเมาและสุนัขของเธอ เมอร์เรย์อธิบายว่ากระบวนการสุ่มสองแบบ (เมาค้างและสุนัขโอลิเวอร์) สามารถมีรากของหน่วยได้ แต่ยังคงมีความเกี่ยวข้อง เมาออกจากบาร์กำลังจะเร่ร่อนอย่างไม่มีจุดหมายในการเดินแบบสุ่ม แต่บางครั้งเธอก็พูดว่า "โอลิเวอร์คุณอยู่ที่ไหน" และโอลิเวอร์ก็ขัดจังหวะการเห่าของเขาอย่างไร้จุดหมาย เขาได้ยินเธอ; เธอได้ยินเขา เขาคิดว่า "โอ้ฉันไม่สามารถปล่อยให้เธอออกไปไกลเกินไปเธอจะล็อกฉันไว้" เธอคิดว่า "โอ้ฉันไม่สามารถปล่อยให้เขาไปไกลเกินไปเขาจะปลุกฉันในตอนกลางคืนด้วยเสียงเห่าของเขา" แต่ละคนประเมินว่าอีกฝ่ายอยู่ห่างกันมากแค่ไหนและย้ายไปที่ช่องว่างนั้นเพียงบางส่วน

7
เหตุใดจึงไม่ดีที่จะสอนนักเรียนว่าค่า p เป็นความน่าจะเป็นที่การค้นพบเกิดขึ้นเนื่องจากโอกาส
ใครช่วยได้โปรดอธิบายสั้น ๆ ว่าทำไมมันไม่ดีที่จะสอนนักเรียนว่าค่า p เป็นค่าโพรบ (การค้นพบของพวกเขาเกิดจาก [สุ่ม] โอกาส) ความเข้าใจของฉันคือว่า p-value เป็นโพรบ (รับข้อมูลที่มากขึ้น | สมมติฐานว่างเป็นจริง) ความสนใจที่แท้จริงของฉันคือสิ่งที่อันตรายจากการบอกพวกเขาว่ามันคืออดีต (นอกเหนือจากความจริงที่ว่ามันไม่ได้เป็นเช่นนั้น)

3
เหตุใดจึงมีความแตกต่างระหว่างการคำนวณช่วงความเชื่อมั่นแบบโลจิสติก 95% ด้วยตนเองและการใช้ฟังก์ชัน confint () ใน R
เรียนคุณทุกคน - ฉันสังเกตเห็นบางสิ่งแปลก ๆ ที่ไม่สามารถอธิบายได้ไหม โดยสรุป: แนวทางแบบแมนนวลเพื่อคำนวณช่วงความมั่นใจในโมเดลการถดถอยโลจิสติกและฟังก์ชัน R confint()ให้ผลลัพธ์ที่แตกต่างกัน ฉันเคยผ่านการถดถอยโลจิสติกประยุกต์ของ Hosmer & Lemeshow แล้ว (ฉบับที่ 2) ในบทที่ 3 มีตัวอย่างของการคำนวณอัตราส่วนอัตราต่อรองและช่วงความมั่นใจ 95% ด้วย R ฉันสามารถสร้างโมเดลได้อย่างง่ายดาย: Call: glm(formula = dataset$CHD ~ as.factor(dataset$dich.age), family = "binomial") Deviance Residuals: Min 1Q Median 3Q Max -1.734 -0.847 -0.847 0.709 1.549 Coefficients: Estimate Std. Error z value …
34 r  regression  logistic  confidence-interval  profile-likelihood  correlation  mcmc  error  mixture  measurement  data-augmentation  r  logistic  goodness-of-fit  r  time-series  exponential  descriptive-statistics  average  expected-value  data-visualization  anova  teaching  hypothesis-testing  multivariate-analysis  r  r  mixed-model  clustering  categorical-data  unsupervised-learning  r  logistic  anova  binomial  estimation  variance  expected-value  r  r  anova  mixed-model  multiple-comparisons  repeated-measures  project-management  r  poisson-distribution  control-chart  project-management  regression  residuals  r  distributions  data-visualization  r  unbiased-estimator  kurtosis  expected-value  regression  spss  meta-analysis  r  censoring  regression  classification  data-mining  mixture 

10
จะสอนนักเรียนที่กลัวสถิติได้อย่างไร
ฉันกำลังจะช่วยสอนสถิติแก่นักศึกษาแพทย์ในภาคการศึกษานี้ ฉันได้ยินเรื่องราวสยองขวัญมากมายเกี่ยวกับความกลัวของนักเรียนเหล่านี้จากการเรียนรู้สถิติ ใครสามารถแนะนำสิ่งที่จะทำอย่างไรกับความกลัวนี้ (ลิงก์ไปยังบุคคลที่กำลังพูดถึงเรื่องนี้หรือเสนอคำแนะนำจากประสบการณ์ของคุณเอง)
33 teaching 

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.