Python 中的假設檢定
James Chapman
Curriculum Manager, DataCamp
樣本是母體的隨機子集
資料集中的每一筆觀測（列）彼此獨立
樣本足夠大以降低不確定性，讓中央極限定理適用
$n \ge 30$
$n$：樣本數
$n_{1} \ge 30, n_{2} \ge 30$
$n_{i}$：第 $i$ 組的樣本數
資料中的列數 $\ge 30$
對所有 $i$，$n_{i} \ge 30$
$n \times \hat{p} \ge 10$
$n \times (1 - \hat{p}) \ge 10$
$n$：樣本數$\hat{p}$：樣本中的成功比例
$n_{1} \times \hat{p}_{1} \ge 10$
$n_{2} \times \hat{p}_{2} \ge 10$
$n_{1} \times (1 - \hat{p}_{1}) \ge 10$
$n_{2} \times (1 - \hat{p}_{2}) \ge 10$
對所有 $i$，$n_{i} \times \hat{p}_{i} \ge 5$
對所有 $i$，$n_{i} \times (1 - \hat{p}_{i}) \ge 5$
$n_{i}$：第 $i$ 組的樣本數$\hat{p}_{i}$：第 $i$ 組樣本的成功比例
若自助法分佈看起來不像常態，前提多半不成立
Preparing Video For Download...
