數據鑒別兩種方法

❶ 如何判斷兩組數據是否有顯著性差異

在作結論時，應確實描述方向性（例如顯著大於或顯著小於）。sig值通常用 P>0.05 表示差異性不顯著；0.01<P<0.05 表示差異性顯著；P<0.01表示差異性極顯著。

顯著性差異是統計學（Statistics）上對數據差異性的評價。通常情況下，實驗結果達到0.05水平或0.01水平，才可以說數據之間具備了差異顯著或是極顯著。

當數據之間具有了顯著性差異，就說明參與比對的數據不是來自於同一總體（Population），而是來自於具有差異的兩個不同總體，這種差異可能因參與比對的數據是來自不同實驗對象的。

一些一般能力測驗中，大學學歷被試組的成績與小學學歷被試組會有顯著性差異。也可能來自於實驗處理對實驗對象造成了根本性狀改變，因而前測後測的數據會有顯著性差異。

(1)數據鑒別兩種方法擴展閱讀：

顯著性檢驗（significance test）就是事先對總體（隨機變數）的參數或總體分布形式做出一個假設，然後利用樣本信息來判斷這個假設（備擇假設）是否合理，即判斷總體的真實情況與原假設是否有顯著性差異。

或者說，顯著性檢驗要判斷樣本與我們對總體所做的假設之間的差異是純屬機會變異，還是由我們所做的假設與總體真實情況之間不一致所引起的。 顯著性檢驗是針對我們對總體所做的假設做檢驗，其原理就是「小概率事件實際不可能性原理」來接受或否定假設。

顯著性檢驗即用於實驗處理組與對照組或兩種不同處理的效應之間是否有差異，以及這種差異是否顯著的方法。

常把一個要檢驗的假設記作H0,稱為原假設（或零假設） (null hypothesis) ，與H0對立的假設記作H1，稱為備擇假設(alternative hypothesis) 。

⑴ 在原假設為真時，決定放棄原假設，稱為第一類錯誤，其出現的概率通常記作α；

⑵ 在原假設不真時，決定不放棄原假設，稱為第二類錯誤，其出現的概率通常記作β

(3)α+β 不一定等於1。

通常只限定犯第一類錯誤的最大概率α， 不考慮犯第二類錯誤的概率β。這樣的假設 檢驗又稱為顯著性檢驗，概率α稱為顯著性水平。

最常用的α值為0.01、0.05、0.10等。一般情況下，根據研究的問題，如果放棄真假設損失大，為減少這類錯誤，α取值小些 ，反之，α取值大些。

參考資料來源：網路-顯著性差異

❷ 如何比較兩個實驗數據的差異性

從四個方面來回答，
1．設計類型是完全隨機設計兩組數據比較，不知道數據是否是連續性變數。
2．比較方法：如果數據是連續性數據，且兩組數據分別服從正態分布&方差齊（方差齊性檢驗），則可以採用t檢驗，如果不服從以上條件可以採用秩和檢驗。
3．想知道兩組數據是否有明顯差異?不知道這個明顯差異是什麼意思?是問差別有無統計學意義（即差別的概率有多大）還是兩總體均數差值在哪個范圍波動?如果是前者則可以用第2步可以得到P值，如果是後者，則是用均數差值的置信區間來完成的。當然兩者的結果在SPSS中均可以得到。
4．對以上結果SPSS的實現是：
（1）t檢驗，analyse→compare means→independent-samples T Test
（2）秩和檢驗，analyse→noparametric Test→2 independent samples

❸ 鑒別信息的方法有哪些

(一)通過提供信息的單位背景來辨別
一般來說，擁有強大專業技術力量的單位提供的該專業方面的信息和數據比較可靠。
(二)通過分析信息產生的過程來進行判別
(1)一般地，普查的數據比抽查的數據更全面准確。

(2)長期監測的數據比短期監測的數據准確，監測面大的數據比監測面小的數據代表性大，勘探密度大的數據比勘探密度小的數據准確性大，科學實驗和利用模擬模擬計算的數據比一般推理的數據准確。
(三)用不同方法、不同渠道取得的數據進行驗證
如衛星圖片、航測數據用實測數據進行驗證;市場需求容量用行業協會、主要企業、國家統計局的數據進行對比。

(四)對比計算不同時期、不同來源的數據差異，並進行適當修正
同樣一個對象的數據，在不同國家、不同歷史時期，由於包含的范圍不同，計算的標准和口徑可能有所不同，造成數據之間有很大的差異。 如要對比分析這些數據，必須弄清統計口徑，否則就會出錯。

(五)通過專家集體討論辨別信息的准確性和可靠性
對於不同渠道得到的信息，可能存在因角度不同、口徑不一、方法各異等而不一致，甚至相互矛盾。這時，可以採取專家集體討論，弄清差異和矛盾的原因，並去偽存真，達成共識。

❹ 什麼是數據篩選常用的數據篩選的方法有哪兩種

你好！
數據篩選就是對現有數據按照條件進行過濾，常用的數據篩選方法有自定義篩選、高級篩選
如果對你有幫助，望採納。