PCDVD數位科技討論區
PCDVD數位科技討論區   註冊 常見問題 標記討論區為已讀

回到   PCDVD數位科技討論區 > 其他群組 > 七嘴八舌異言堂
帳戶
密碼
 

  回應
 
主題工具
micall.lee
*停權中*
 
micall.lee的大頭照
 

加入日期: Jul 2013
文章: 331
樣本數要多少才夠?

這要看情況,也就是說看你要研究的問題你能取到的樣本,它究竟有多少代表性

講一個我以前教統計常講的故事 ....

如果有一個假想的村子,決定公眾事務是大家要一起聚會投票

假如你想知道如果要在村中蓋一個噴水池的可能性高不高,那你當然是問每一個村民最準確

問它們你覺得蓋噴水池好不好?你把大家的意見整合在一起,差不多就可以知道了,也就是樣本數越多越好

但如果這個村子是一個黑道把持的,做任何事都要問過老大,蓋不蓋噴水池,你根本就不需要去問每一個村民,而是應該要問老大

這時候樣本數多寡已經沒有意義了,一個樣本就能代表一切
     
      
舊 2015-11-10, 07:26 PM #121
回應時引用此文章
micall.lee離線中  
lzarconlony1
*停權中*
 
lzarconlony1的大頭照
 

加入日期: Jun 2015
您的住址: 金一十大女支三
文章: 1,282
這也是一個觀點 樣本要跟問題有掛勾
量化跟質化 只看水準不看數量

不過我觀點是 這個研究有明顯樣本預設 而且是個標準量化研究
如果今天他取全球前六大宗教 各兩百 研究一年 I'll STFU...

就因為看到不入流研究 所以才想說說
話說投搞什瑪都是浮雲 有個好大頭才是真 實力不如名聲
 
舊 2015-11-10, 08:11 PM #122
回應時引用此文章
lzarconlony1離線中  
micall.lee
*停權中*
 
micall.lee的大頭照
 

加入日期: Jul 2013
文章: 331
引用:
作者lzarconlony1
這也是一個觀點 樣本要跟問題有掛勾
量化跟質化 只看水準不看數量

不過我觀點是 這個研究有明顯樣本預設 而且是個標準量化研究
如果今天他取全球前六大宗教 各兩百 研究一年 I'll STFU...

就因為看到不入流研究 所以才想說說
話說投搞什瑪都是浮雲 有個好大頭才是真 實力不如名聲

沒有甚麼量化研究是沒有問題的,建議你要有這個認知 ...
舊 2015-11-10, 08:38 PM #123
回應時引用此文章
micall.lee離線中  
lzarconlony1
*停權中*
 
lzarconlony1的大頭照
 

加入日期: Jun 2015
您的住址: 金一十大女支三
文章: 1,282
引用:
作者micall.lee
沒有甚麼量化研究是沒有問題的,建議你要有這個認知 ...


I Know. 偷跑到隔壁商科上研究方法
現在都不教這個 一堆亂搞 還得找書來看
舊 2015-11-10, 09:53 PM #124
回應時引用此文章
lzarconlony1離線中  
Stone Crab
*停權中*
 
Stone Crab的大頭照
 

加入日期: Mar 2015
您的住址: 熱火隊地盤
文章: 2,703
引用:
作者micall.lee
樣本數要多少才夠?

這要看情況,也就是說看你要研究的問題你能取到的樣本,它究竟有多少代表性

講一個我以前教統計常講的故事 ....

如果有一個假想的村子,決定公眾事務是大家要一起聚會投票

假如你想知道如果要在村中蓋一個噴水池的可能性高不高,那你當然是問每一個村民最準確

問它們你覺得蓋噴水池好不好?你把大家的意見整合在一起,差不多就可以知道了,也就是樣本數越多越好

但如果這個村子是一個黑道把持的,做任何事都要問過老大,蓋不蓋噴水池,你根本就不需要去問每一個村民,而是應該要問老大

這時候樣本數多寡已經沒有意義了,一個樣本就能代表一切


老大: 這還需要問嗎?
舊 2015-11-10, 10:42 PM #125
回應時引用此文章
Stone Crab離線中  
Adsmt
Golden Member
 
Adsmt的大頭照
 

加入日期: Feb 2004
您的住址: 從來處來
文章: 2,764
引用:
作者lzarconlony1
缺乏思考力 A跟B混在一起

有投過稿嗎 點數 領域 Credit曉得?
研究要自律 不是別人低標準你就低標準 這樣很不好

另外要討論人次 就不可忽略"時間"
看一下你自己貼的時間 還有這篇原文時間

另外奉勸你不要看了paper就以為全對
看過很多假paper有模有樣 照做出不來 運氣不好就是被踢爆
接paper審查 投稿會有門 X 不能再說 會被消波塊
不打臉也是潛規則 打人不打臉

發表paper從來都不是對 只是證明自己Credit
等到哪天成為定律/法則 或者實現成產品進入普通社會 才證明99.99%的概率而已
還有那麼一絲可能是錯的 科學不完美 無法解識之處太多 真懂科學就不會斬釘截鐵

原句還你,欠缺思考力,為批評而批評。

什麼時間三小的,你知道你自己在講什麼嗎?以為隨便掰個似是而非的東西就可以顛倒是非?

反正你爽標準隨你轉彎就是了。

後面那段實在是讓人發笑,不要又想打混水仗,這裡的重點只有「幾百人的樣本夠不夠?」,什麼真什麼假,抱歉,我從來沒討論到這點,我只專打臉你樣本數的問題。

講了一堆,就是你自認你的公信力遠勝 Nature 和 Cognitive Science, 我自認我還沒強到這種地步,可以打這些期刊的臉。

PS. 原來 Nature 是低標準,請問你眼中「水準夠的期刊」是出自哪一個星球,叫什麼名字,說出來讓我崇拜一下。
舊 2015-11-11, 01:17 AM #126
回應時引用此文章
Adsmt離線中  
Adsmt
Golden Member
 
Adsmt的大頭照
 

加入日期: Feb 2004
您的住址: 從來處來
文章: 2,764
引用:
作者micall.lee
樣本數要多少才夠?
這要看情況,也就是說看你要研究的問題你能取到的樣本,它究竟有多少代表性
講一個我以前教統計常講的故事 ....
如果有一個假想的村子,決定公眾事務是大家要一起聚會投票
假如你想知道如果要在村中蓋一個噴水池的可能性高不高,那你當然是問每一個村民最準確
問它們你覺得蓋噴水池好不好?你把大家的意見整合在一起,差不多就可以知道了,也就是樣本數越多越好
但如果這個村子是一個黑道把持的,做任何事都要問過老大,蓋不蓋噴水池,你根本就不需要去問每一個村民,而是應該要問老大
這時候樣本數多寡已經沒有意義了,一個樣本就能代表一切

你的例子和這篇研究沒有關係.....
批評的人也沒舉出任何可以參考的論點,只是單純認為「我覺得樣本數不夠......」

但事實上,一堆知名期刊上的論文,樣本數幾百,甚至不到一百的一堆.....

然後在某人的眼中,這些期刊都是低標準.....我這輩子還沒見過敢說 Nature 是低標準的人,不知那位是什麼身份,是不是準備領明年的諾貝爾獎了?
舊 2015-11-11, 01:21 AM #127
回應時引用此文章
Adsmt離線中  
沙發椅
*停權中*
 

加入日期: May 2015
文章: 2
引用:
作者不笑的老K
 教堂的零食通常是聖餅,不僅純麥,而且還是教友自製的喔!講健康的話是絕對OK的。
 當然口感可能就差一點,畢竟是粗糧。

可惡,想吃,哪一家教堂,怎麼跟他們拿,會不會一堆廢話?
舊 2015-11-11, 01:37 AM #128
回應時引用此文章
沙發椅離線中  
Adsmt
Golden Member
 
Adsmt的大頭照
 

加入日期: Feb 2004
您的住址: 從來處來
文章: 2,764
引用:
作者lzarconlony1
這也是一個觀點 樣本要跟問題有掛勾
量化跟質化 只看水準不看數量
不過我觀點是 這個研究有明顯樣本預設 而且是個標準量化研究
如果今天他取全球前六大宗教 各兩百 研究一年 I'll STFU...
就因為看到不入流研究 所以才想說說
話說投搞什瑪都是浮雲 有個好大頭才是真 實力不如名聲

不要讀了幾本書就自認無所不知了.....期刊授稿都有他的公認標準,刊載出來就是要受同儕審查,如果人家覺得他樣本數太少,不足採信,就不會讓他刊登。再說像 Nature, Cognitive Science 這種封頂的期刊,他的標準就可視為普世標準。

什麼一千人以上才叫足夠樣本,什麼樣本要各200? 為什麼你覺得你的標準凌駕在 Nature 及 Cognitive Science 的標準之上?

不管這是不是叫自我膨脹,你是不是應該先學會什麼叫謙遜?起碼尊重一下世界頂端的期刊標準?

此文章於 2015-11-11 01:41 AM 被 Adsmt 編輯.
舊 2015-11-11, 01:37 AM #129
回應時引用此文章
Adsmt離線中  
Adsmt
Golden Member
 
Adsmt的大頭照
 

加入日期: Feb 2004
您的住址: 從來處來
文章: 2,764
引用:
作者lzarconlony1
I Know. 偷跑到隔壁商科上研究方法
現在都不教這個 一堆亂搞 還得找書來看

原來還只是個學生,顯然你要學的東西還很多......
舊 2015-11-11, 01:39 AM #130
回應時引用此文章
Adsmt離線中  


    回應


POPIN
主題工具

發表文章規則
不可以發起新主題
不可以回應主題
不可以上傳附加檔案
不可以編輯您的文章

vB 代碼打開
[IMG]代碼打開
HTML代碼關閉



所有的時間均為GMT +8。 現在的時間是11:05 AM.


vBulletin Version 3.0.1
powered_by_vbulletin 2025。