協助師生溝通，以提升授課/學習效率。
來解釋一下，前後分數差為常態分布是此法的assumption。而樣本數大於等於30是一種近似的情況，也就是若母群沒有離常態太遠，當樣本數大於等於30時，所計算出的t值的分配與實際上的t分配的差異小到可以忽略，所以仍可以使用t檢定。值得注意的是，如果母群的分配跟常態長的非常非常不一樣時，30人會不會仍然是個好的切點就是可以討論的了。:)
如果樣本的特性偏離常態太多(或沒辦法通過強韌性的考驗)，是不是就要用無母數統計的sign test或Wilcoxon Sum of Rank Difference呢？
如果母群偏離常態太多（不是樣本），一般使用無母數檢驗會是比較好的，因為無母數的power會比較大，若你無法確定母群的形狀，則可以使用K-S test，檢驗樣本是否可能由常態母群抽出。
來解釋一下，前後分數差為常態分布是此法的assumption。而樣本數大於等於30是一種近似的情況，也就是若母群沒有離常態太遠，當樣本數大於等於30時，所計算出的t值的分配與實際上的t分配的差異小到可以忽略，所以仍可以使用t檢定。值得注意的是，如果母群的分配跟常態長的非常非常不一樣時，30人會不會仍然是個好的切點就是可以討論的了。:)
回覆刪除如果樣本的特性偏離常態太多(或沒辦法通過強韌性的考驗)，是不是就要用無母數統計的sign test或Wilcoxon Sum of Rank Difference呢？
回覆刪除如果母群偏離常態太多（不是樣本），一般使用無母數檢驗會是比較好的，因為無母數的power會比較大，若你無法確定母群的形狀，則可以使用K-S test，檢驗樣本是否可能由常態母群抽出。
回覆刪除