samples in an experiment overlap. T

samples in an experiment overlap. The degree of overlap provides
information as to whether the sample means estimate the same population
mean or different population means.
Perhaps the most basic claim that researchers want to make when they do an
experiment is that the independent variable did have an effect on the dependent
variable. Another way to phrase this claim is to say that researchers want to confirm that the independent variable produced a difference in behavior. Descriptive
statistics alone are not sufficient evidence to confirm this basic claim.
To confirm whether the independent variable has produced an effect in an
experiment, researchers use inferential statistics. They need to use inferential statistics
because of the nature of the control provided through random assignment
in experiments. As we have previously described, random assignment does not
eliminate the individual differences among subjects. Random assignment simply
balances, or averages, the individual differences among subjects across the
groups of the experiment. The nonsystematic (i.e., random) variation due to differences
among subjects within each group is called error variation. The presence
of error variation poses a potential problem because the means of the different
groups in the experiment may differ simply because of error variation, not because
the independent variable has an effect. Thus, by themselves, the mean
results of the best-controlled experiment do not permit a definite conclusion
about whether the independent variable has produced a difference in behavior.
Inferential statistics allow researchers to test whether differences between
group means are due to an effect of the independent variable, not just due to
chance (error variation). Researchers use two types of inferential statistics to
make decisions about whether an independent variable has had an effect: null
hypothesis testing and confidence intervals.

Kết quả (Việt) 1:

mẫu trong sự chồng chéo thử nghiệm. Cung cấp các mức độ chồng lên nhauthông tin về cho dù mẫu có nghĩa là ước tính dân số tương tựcó ý nghĩa hoặc có nghĩa là dân số khác nhau.Có lẽ hầu hết cơ bản yêu cầu bồi thường các nhà nghiên cứu muốn thực hiện khi họ làm mộtthử nghiệm là biến độc lập đã có ảnh hưởng đến sự phụ thuộc vàobiến. Một cách khác để cụm từ này yêu cầu bồi thường là để nói rằng các nhà nghiên cứu muốn xác nhận rằng biến độc lập sản xuất một sự khác biệt trong hành vi. Mô tảsố liệu thống kê một mình không có đủ bằng chứng để xác nhận tuyên bố cơ bản này.Để xác nhận cho dù biến độc lập đã sản xuất một hiệu ứng trong mộtthử nghiệm, các nhà nghiên cứu sử dụng các số liệu thống kê hồ. Họ cần phải sử dụng số liệu thống kê hồvì bản chất của các điều khiển được cung cấp qua phân công ngẫu nhiêntrong các thí nghiệm. Như chúng ta đã từng mô tả, phân công ngẫu nhiên khôngloại bỏ sự khác biệt riêng lẻ giữa các đối tượng. Phân công ngẫu nhiên chỉ đơn giản làcân bằng, hoặc trung bình, sự khác biệt riêng lẻ giữa các đối tượng trên cácNhóm thử nghiệm. Các nonsystematic (ví dụ, ngẫu nhiên) các biến thể do sự khác biệttrong số các đối tượng trong mỗi nhóm được gọi là lỗi biến thể. Sự hiện diệnlỗi biến thể đặt ra một vấn đề tiềm năng bởi vì các phương tiện khác nhauCác nhóm trong các thử nghiệm có thể khác nhau chỉ đơn giản là vì lỗi biến thể, không phải vìbiến độc lập có hiệu lực. Như vậy, bởi bản thân mình, có nghĩa làkết quả của thử nghiệm chạy nhất kiểm soát không cho phép một kết luận rõ ràngvề việc biến độc lập đã sản xuất một sự khác biệt trong hành vi.Thống kê hồ cho phép các nhà nghiên cứu để kiểm tra xem sự khác nhau giữaNhóm phương tiện phải do ảnh hưởng của biến độc lập, không chỉ docơ hội (lỗi biến thể). Các nhà nghiên cứu sử dụng hai loại hồ thống kê đểthực hiện các quyết định về việc một biến độc lập đã có hiệu lực: nullgiả thuyết thử nghiệm và khoảng tin cậy.

Kết quả (Việt) 2:

mẫu trong sự chồng chéo nghiệm. Mức độ trùng lắp cung cấp
thông tin về việc liệu mẫu có nghĩa là ước tính dân số cùng
nghĩa hoặc dân số khác nhau có nghĩa.
Có lẽ tuyên bố cơ bản nhất mà các nhà nghiên cứu muốn thực hiện khi họ làm một
thí nghiệm là các biến độc lập đã có một ảnh hưởng đến phụ thuộc
biến . Một cách khác để cụm từ tuyên bố này là để nói rằng các nhà nghiên cứu muốn xác nhận rằng các biến độc lập tạo ra một sự khác biệt trong hành vi. Mô tả
thống kê là không đủ bằng chứng để khẳng định yêu sách cơ bản này.
Để xác nhận việc các biến độc lập đã tạo ra một hiệu ứng trong một
thí nghiệm, các nhà nghiên cứu sử dụng số liệu thống kê suy luận. Họ cần phải sử dụng thống kê suy luận
vì bản chất của việc kiểm soát cung cấp thông qua phân công ngẫu nhiên
trong các thí nghiệm. Như chúng tôi đã mô tả trước đây, phân công ngẫu nhiên không
loại trừ các khác biệt cá nhân do các đối tượng. Phân công ngẫu nhiên đơn giản là
cân bằng, hoặc trung bình, các cá nhân khác biệt giữa các đối tượng trên các
nhóm thí nghiệm. Các không hệ thống (tức là, ngẫu nhiên) sự biến đổi do sự khác biệt
giữa các đối tượng trong mỗi nhóm được gọi là biến thể lỗi. Sự hiện diện
của sự biến đổi lỗi đặt ra một vấn đề tiềm năng vì các phương tiện khác nhau
nhóm trong thí nghiệm có thể khác nhau đơn giản chỉ vì sự biến đổi lỗi, không phải vì
các biến độc lập có hiệu lực. Do đó, một mình, có nghĩa là
kết quả của thí nghiệm tốt nhất kiểm soát không cho phép một kết luận rõ ràng
về việc các biến độc lập đã tạo ra một sự khác biệt trong hành vi.
Thống kê suy luận cho phép các nhà nghiên cứu để kiểm tra xem sự khác biệt giữa các
phương tiện nhóm là do ảnh hưởng của biến độc lập, không phải chỉ là do
cơ hội (lỗi biến thể). Các nhà nghiên cứu sử dụng hai loại thống kê suy luận để
đưa ra quyết định về việc liệu một biến độc lập đã có một ảnh hưởng: null
kiểm tra giả thuyết và khoảng tin cậy.