效應大小：是衡量處理效應大小的指標，與顯著性檢驗不同，這些指標是不受樣本容量影響的。它表示不同處理下的總體均值之間差異的大小，可以在不同研究之間進行比較。
比如，研究某種心理**藥物對**陰鬱證患者是否有有效，實際結果是實驗組比控制組平均值大4分，實驗組與控制組的取樣人數都是15，兩組的標準差都是8，此時檢驗結果不顯著；but當兩組人數增加到135時，兩組的平均數之差和標準差不變時，此時檢驗結果及其顯著。因此這種檢驗結果是無法令人信服的。所以引用了效應量。
效應量（es）與一般統計的f與p不同，es表示在樣本1的總體與樣本2的總體中隨便抽取兩個樣本，這種差異顯著性出現的可能性（如果說平均水平，男性比女性身高要高；而這種均數的es則可以這樣來解釋，es越大則更容易在實際中看到男性要高，越小則看到男性要高的可能性會小些。應該說，es更能說明實踐中我們所關心的差異，而不是資料上的差異顯著問題。es是幫助我們知道觀測到的差異是不是事實上的差異。相關係數和方差分析中的es原理與均數比較相同，只是樣本和總體分布不同。）效應量太小，意味著處理即使達到了顯著水平，也缺乏實用價值（不同處理資料，如上面的樣本15到樣本135求es值不發生變化）。
白話：當資料量大，求的顯著，可能事實上因為數量多了才顯著，這個時候就要用es檢測下。es大，說明在別的資料也是顯著且可信度就高了。不管什麼樣本抽幾個顯著性出現的概率大！
計算公式**）
統計學 統計學基礎
五種抽樣方法 1 簡單隨機 選取熱量相同且每個樣本有同等概率被選擇的樣本 2 系統 簡單的系統抽取樣本 3 任意 使用乙個碰巧很容易被選擇的樣本 4 整群 先將總體分為不同組群，從中隨機挑選幾個組群作為樣本 5 分層 定義層級，在每個層級隨機抽取樣本。抽樣方法的選擇一定要符合 1 只有樣本對總體具有...
統計學 論統計學知識點
二 資料度量標準 三 概率分布 四 統計假設檢驗 五 相關和回歸 總結說明 統計學在資料分析的基礎上，研究如何測定，收集，整理，歸納和分析資料規律，以便給出正確訊息的學科。它在資料探勘，自然語言處理，機器學習中都被廣泛使用，比如博主之前的那篇關於規則與統計相結合的詞義消岐方法研究學習筆記，其中作者就...
統計學陷阱
1.內在有偏的樣本 樣本條件不一致，不具備準確性 3.沒有披露的資料 樣本過低 4.毫無意義的工作 利用毫無價值的資料宣傳產品，提高產品競爭力 5.驚人的統計圖形 圖表資料不展示基數，或省略中間部分 刻度值欺騙 6.平面圖形 在三維角度上，根據增加倍率相應變寬變高，達到視覺欺騙 7.不相匹配的資料 ...