建筑少年的梦下载 pdf 电子版 epub 免费 txt 2025

建筑少年的梦电子书下载地址

》建筑少年的梦电子书籍版权问题请点击这里查看《

建筑少年的梦书籍详细信息

ISBN：9787112287178
作者：暂无作者
出版社：暂无出版社
出版时间：2023-10
页数：350
价格：¥58.00
纸张：暂无纸张
装帧：暂无装帧
开本：暂无开本
语言：未知
丛书：暂无丛书
TAG：暂无
豆瓣评分：暂无豆瓣评分
豆瓣短评：点击查看
豆瓣讨论：点击查看
豆瓣目录：点击查看
读书笔记：点击查看
原文摘录：点击查看
更新时间：2025-01-09 19:50:28

内容简介：

暂无相关简介，正在全力查找中！

书籍目录：

暂无相关目录，正在全力查找中！

作者介绍：

暂无相关内容，正在全力查找中

出版社信息：

暂无出版社相关信息，正在全力查找中！

书籍摘录：

暂无相关书籍摘录，正在全力查找中！

在线阅读/听书/购买/PDF下载地址：

在线阅读地址：建筑少年的梦在线阅读

在线听书地址：建筑少年的梦在线收听

在线购买地址：建筑少年的梦在线购买

原文赏析：

暂无原文赏析，正在全力查找中！

其它内容：

暂无其它内容！

精彩短评：

作者：sanqi 发布时间：2017-11-12 00:20:52
2017年的有道案例分析题押中了
作者：Beck 发布时间：2020-06-10 10:12:07
翻译尚可，应该是我见过最好的高化书了
作者：arerae 发布时间：2022-01-06 16:33:03
2021.11.30-2022.1.6 读完同学友人的成果，细细翻看的不仅是书，也是在读取之后不曾有交集日子里友人的一些点滴，读着骄傲又开心。有心有物之作，推荐～
作者：写秋轩发布时间：2011-11-02 15:54:33
这真是林语堂写的么？真是偏见障目，满纸荒唐。毫无做传的原则。恶毒的行文间大男子主义的嘴脸分外分明。
作者：Lagogo 发布时间：2022-03-24 08:18:08
“生命承受的是不可逆转的厚重，活出自己的精彩才是生命的意义”
作者主观性太强，民国传记却没有时间线，语言太浮夸，全凭感觉，没有清晰的逻辑线。而且陆小曼之前就有张幼仪离婚，她的离婚之路再艰难，也不该用“第一人”来表达，用词不准！那么多引用却不用“”标明，太不严谨。
作者：东山石发布时间：2024-04-16 14:54:26
冗长的传记。
写这么厚以为是学术传记，实际上是科普。

深度书评：

小木屋读书打卡
作者：川芎发布时间：2020-06-03 07:32:34
虎部队
借用作者的话:过去的已经过去，未来到底会以怎样的面目到来，谁能够真正了解和预计得到呢？人们所知道的只是，不管时光的暴雨如何冲刷，一个曾为民族生存而浴血奋战并立下过盖世奇功的英雄部队，都不应该被这个民族所遗忘。
没有图片和地图，如果有，读起来就更爽了。
全书笔记！！
作者：Hi 发布时间：2019-05-22 15:48:04
为了学统计同时看了《行为科学统计》、《行为统计学基础》、《商务与经济统计》、《深入浅出统计学》。都是好书，但推荐前两本。第三本对公式和过程解释得不是特别简单，最后的不够系统，但是对核心概念解释得比较好，我是拿来参考不懂的概念的。本文以《行为科学统计》为主进行梳理，主要是围绕假设检验以及检验方法。更基础的概念下一篇梳理。
支撑推断统计的学科是
概率论
（很重要！！），因此结论都是一定概率范围内的。
一、假设检验
含义
我的理解：
从一个总体中抽出许多个大小为 n 的样本，样本均值基本遵从正态分布（中心极限定理），定义 α 的概率为显著性水平，则认为大部分的抽样均值（比例为 1-α）在零假设（H0)定义的范围之内。而若某次抽样（实验抽样）均值出现在 α 对应的数值范围内，则与我的判断不符，拒绝 H0。
（α代表范围、分布概率，z代表距离）
这部分很重要，理解了就理解了统计学的核心思想。下面的各种方法都是基于这个概念。
《行为科学统计》的解释：
关键概念：
z-score：表示每一个数值（X值）在总体分布中的位置，即距离总体平均数多少个标准差。
中心极限定理：
对于任意平均数为 υ，标准差为 σ 的总体，样本大小为 n 的样本平均数分布具有平均数 υ，标准差 σ／√n（这货是根号），并且当 n 趋于无穷时，分布将趋于正态。
样本均值的标准误差
M表示样本分布平均数(注释见最后)，则M的标准误= σM= σ／√n(公式见p178)
样本平均数的 z-score: 表示从总体中多次抽样的到的多个样本均值 M 的分布，M 在此分布上的位置
标准误≠取样误差（因为它表示样本均值分布的离散度（距离平均值也是总体均值υ），而不是每次取样有可能产生的误差）
也可看作：样本与总体的差异／偶然误差
均值置信区间
两类错误
第一类错误：拒绝 H0 而 H0 为真，错误概率为α
第二类错误：不拒绝 H0 而 H0 为假，错误概率为贝塔
显著性水平：统计上的显著水平
1）表示了经处理后的样本和总体有显著差异，但不代表处理效应多大，只代表是否有效。 2）不一定是实质上的显著。因为它表示处理效应大于随机效应，随机性由标准误测得，当样本很大时，小的处理效应也可以是显著的。
处理效应科恩d
科恩 d 值=平均数差／标准差= (M-υ)/σ
步骤
声明 H0
声明 H1
确定合适的统计量
确定显著性水平
判别合适的抽样分布
确定拒绝H0的区域
总结和分析数据
二、统计方法
（一）、平均数检验：单样本
1、z 检验（总体方差已知）
z=(M-υ)/σM= (M-υ)/σ／√n
置信区间 υ=M±zσM
置信区间：已知α水平，可根据α／2求得标准正态分布（均值0，标准差1）的 z-score,（因为求区间，因此取α／2），再根据上面的公式求得置信区间。
2、t 检验（总体方差未知）
大多数情况下总体参数未知。xxx统计学家以 student 的化名发表了 t 分布。用样本方差估计总体方差。
公式
公式中的分母 sM 是一个估计的标准误，用估计的标准差 s 替代总体标准差 σ
s 如何计算呢？
总体方差 σ 平方=SS/n, SS=（总体每一数值-总体均值）的平方和，即总体数值与均值离差的平方和。
如下图是样本数值与均值的离差的平方和。它小于总体数值与均值离差的平方和。（因为总体的外延更大，会有极值没包含在样本内）
那么由于样本方差的分子小于总体方差的分子，在用样本数值估计总体方差时，改小分母，使估计精确。
因此用样本数值估计总体时，估计总体方差=s 平方=SS/n-1=SS/df
自由度：df=n-1
自由度：若一个数列15个数，平均数 u, 那么14个数可自由取值，由于均值确定，第15个数可得出，它是不自由的。因此自由度 n-1
t 分布的形态：接近于正态分布，样本越大，越接近正态分布
图
根据自由度、α值可得期望 t 值
置信区间（下述）
处理效应
科恩d值：估计的d值=平均数差／估计总体标准差=(M-υ)/sM r平方
根本假设
样本中的数值都是独立观测的样本来自的总体必须是正态分布（n很大时，误差不大）
（二）、平均数检验：双样本
1、独立样本检验
独立样本研究两个完全独立的样本。重复样本对同一样本使用不同的处理。
典型实验
研究两种教学方法的差异，一组同学使用方法一，另一组同学使用方法二。
公式
公式表示用样本均值的差异来评估总体均值的差异
双样本t检验公式含义
分母计算：
双样本t检验分母
分母 sp平方（合并方差）用两个样本平均方差来表示每个样本的方差
自由度=df1+df2=n1+n2-2
处理效应科恩估计d=平均数差／标准差
双样本t检验科恩
r 方，同单样本检验
根本假设每个样本中的观察都必须是独立的两总体都必须是正态分布，但样本量大时关系不大两总体方差相等
方差齐性检验：Hartley 检验
公式中的合并方差是两总体方差的均值，如果两总体方差不等，则这个值失去意义。
思路是：假设两总体方差相等，那么样本方差也近似。
k=独立的样本的个数（独立样本 t 检验中 k=2）
df=n-1 对于每个样本来说，自由度为 n-1 ( 如果两个样本样本数不同呢？）
求值：在α，k, df, 已知时可求的 Fmax 临界值，如果观测值大于临界值，则齐性假设无根据，小于则总体方差相等。（等于？）
若方差不等，可以进行方差修正《基础》306
检验一般步骤(待补充)
2、重复样本检验
典型实验
对一组同学先使用某种教学方法测验，再用另一种方法，看哪种方法测验结果更好。
缺点和解决
时间因素和顺序效应：两次测试在时间上不同，变化可能是由时间引起；由于顺序问题，第2次测验可能疲惫（例如教学方法类测验）
解决：尽量抵消平衡。例如对于教学方法一二的测试。第1组被试先一后二，第二组先二后一。
公式
通过计算每个被试两次测验的差值，以这个差值作为样本数值，求均值并与总体均值比较。可看作单样本检验。
D 表示差值，sMD=独立样本检验的公式
效应大小科恩估计d=样本差值平均数／样本标准差=MD/s r 平方，同单样本检验
检验一般步骤(待补充)
t 检验中总体均值的置信区间：
（三）、平均数检验：多样本方差分析
和t检验的区别：
可以测量多因素
可以既有因素，又有因素的 level
可以同时进行独立测量和重复测量
例如两组被试，每一组用不同的治疗方法（独立），每一组都在3个时间点测量（重复）
1、单因素：独立测量
典型实验：对3组样本，测量3种温度条件对学习成绩的影响
公式：F=组间方差／组内方差=MS间／MS内
MS间=SS间/df间 MS内=SS内／df内
MS 表示均方，理解为方差
公式含义：处理效应引起的效应+个体差异和偶然误差／个体差异和偶然引起的效应
处理效应是否比偶然引起的效应大
公式计算：
组内方差=每组各自SS和／每组各自df和（合并方差）
组间方差=SS总-每组各自SS和／组间df
总方差=SS总／df总
df总=N-1 N=各样本数总和
df组内=n1+n2+n3-k=N-k k表示处理条件或因素水平的个数在这个典型实验里 k=3
df组间=k-1=df总-df组内
F分布: 起始为0，趋近于1的有偏分布。越靠右概率越小。
显著性检验：已知α和分子分母的自由度，可算出F期望。若F观测大于他，则拒绝H0
处理效应
方差分析单因素独立测量效应公式.png
方差分析中用η平方表示
事后检验：检测到底哪些处理效果起作用
Tukey 检验
公式
几个样本大小（n）必须一样
已知k, df内，α，查表得 q
HSD表示差异显著时所得值，可比较每组样本均值差是否大于HSD
Scheffe 检验
最安全的事后检验
检验一般步骤
声明 H0
声明 H1
确定合适的统计量
确定显著性水平
判别合适的抽样分布（若n>30，误差不大）
确定拒绝H0的区域
计算总、组间、组内分别3个 SS 和 df -> MS组间、组内 -> F 值
若F显著，Hartley 检验方差齐性
方差齐性检验显著／不显著，先修正F，检验处理效应r方？
Tukey 事后检验
根本假设同 t 检验两个处理时 F=t方
2、单因素：重复测量
典型实验：测试不同分散注意力的情况对视觉任务的影响。对n个被试，要求在没有干扰、视觉干扰（闪光）、听觉干扰（噪音）时找出图片错误。考量3组处理，以处理为维度。
原理：
计算公式：F处理间／F误差 =处理效应+偶然误差
（没有个体差异）／偶然误差（没有个体差异）
SS被试间
Df被试间=n-1(n=被试数)
F 计算步骤
处理效应
Tukey /Scheffe 事后检验
同单因素，MS误差替代 MS处理内，df误差替代 df处理内
根本假定
每个处理条件里的观察必须是独立的每个处理内的总体分布必须是正态分布，但样本量大时关系不大每个处理的总体总体分布的方差是大体相当的协方差齐性，每个被试在每个处理条件中都保持一定的相对位置检验一般步骤
3、双因素／多因素
适用场景：考虑最简单的情况
双因素／只适用独立测量／样本大小相同／典型实验：3种温度和2种湿度对学习的影响，6种情况每种5个被试。
原理：
公式
FA=因素A方差均数／偶然误差
FB=因素B方差均数／偶然误差
FAB=不能用主效应解释的方差／偶然误差
计算步骤
计算总、处理间、处理内分别3个 SS 和 df
典型实验里，df总=30-1 df处理间=6-1 df处理内=5*6-6
计算因素A、B、交互作用AB分别3个 SS 和 df
dfA=A对应的行或列数-1 dfB同理 SSAB=SS处理间-SSA-SSB dfAB=df处理间-dfA-dfB
计算MS处理内、MSA、MSB、MSAB
计算FA=MSA/MS处理内 FB=MSB/MS处理内 FAB=MSAB/MS处理内
方差分析双因素计算.png
处理效应
因素A 同 B 的公式
事后检验？
根本假定:同单因素独立测量检验=t检验
检验一般步骤
三、相关（待补充）
附：统计学符号表
υ
σ
M: 代表样本分布平均数，理解为单次抽样的样本均值。一个总体的许多个样本，每个样本的平均数是一个M值