跳到正文Material · Jimmy Huang's Blog自愿响应抽样（Voluntary Response）
📘2. TR 9.2 Hypothesis Testing（假设检验）【文件13】
✅ 假设定义
零假设（H₀）：无差异或无关系。
备择假设（H₁）：存在差异或关系。
✅ 检验步骤
确定 H₀ 与 H₁。
收集数据。
选择合适的统计检验（如 t 检验）。
计算 P 值并作出结论（是否拒绝 H₀）。
✅ 变量类型
自变量：被操控的变量。
因变量：结果变量。
混淆变量：干扰因果关系的外部变量。
✅ 核心术语
✅ 假设检验前提条件（Assumptions）
📘3. TR 9.3 Parametric Tests（参数检验）【文件10】
✅ 定义
✅ 常见参数检验
🔹t检验（t-test）
比较两组平均数是否显著不同。
假设：正态分布、方差齐性、独立性。
示例：新旧网页设计对点击量影响的比较。
🔹方差分析（ANOVA）
🔹皮尔逊相关系数（Pearson's r）
✅ 相关 vs 因果 vs 巧合
📘4. TR 9.4 Non-Parametric Tests（非参数检验）【文件11】
✅ 定义
✅ 常见非参数检验
🔹Wilcoxon 符号秩检验（Signed-Rank Test）
配对样本中位数差异检验，类似配对 t 检验。
示例：员工培训前后表现比较。
🔹Mann-Whitney U 检验
两组独立样本的中位数比较。
示例：两种垃圾邮件过滤算法效果比较。
🔹斯皮尔曼等级相关系数（Spearman’s ρ）
测量两个排名变量之间的单调关系。
示例：安全漏洞严重程度与响应时间之间的关系。
📘5. TR 9.5 Ethical Principles（研究伦理原则）【文件9】
✅ 统计分析中常见的不道德行为
抽样偏差（Sampling Bias）例：只调查高分学生对课程的评价。
避免方法：明确总体定义，采用随机抽样。
选择性报告（Cherry Picking）只展示支持观点的数据，隐藏其他结果。
例：软件公司只展示新版软件优于旧版的部分任务。
图形操控（Misleading Visualizations）修改坐标轴范围、选择性标注等误导受众。
避免方法：使用透明、准确的图表标注。
✅ 伦理建议
明确研究问题与假设。
使用合适统计方法与可视化手段。
报告所有数据与结果，确保公开透明。