javat檢驗

① 請高手幫我看看SAS中兩個獨立樣本t檢驗結果

1. 先看 Equality of Variances: Test1 中P-value = 0.4659 > >0.05說明兩組數據方差不相等的假設失敗，也就是說不可以承認方差相等，於是可以用Pooled method處理兩組方差；

2. 再看T-Tests中的Pooled method的結果，t-test的p-value = 0.3651, 說明兩組數據沒有差異的假設不可拒絕。

同理，Test2中證明方差不相等，用satterthwaite method處理方差，得到p-value = 0.3357，同樣不能證明方差相異。

綜上，兩個test都不能證明兩組數據的均值有統計學上的顯著性差異。

② 跪求用Java語言實現試卷的難度與區分度 信度評估演算法的源代碼

簡單的說，所謂調查問卷的信度是指這個問卷是不是可靠的，這個包含多層含義，比如說這份問卷是不是多次重復做結果都接近等等。
效度是指這個問卷是不是考察出了你想要考察的結果，一般這個會和一個校標做校標關聯系數。

信度一般用阿爾法系數做檢驗
效度一般用T檢驗，顯著性差異指數P檢驗。

一般應該先用小樣本做信度和效度，但是做效度的樣本也不應該低於60人。然後再做推廣。

還有你這種量表是否應該在做效度時用校標關聯系數呢，但這又需要你有新的校標。

因為不太了解具體情況，所以先這么說，在做的時候你要遇到什麼問題，你在問我哈。還有建議關於怎麼做信度和效度，你還是看一下相關書籍。我覺得這還是很有必要的。

一、信度系數與信度指數
大部分情況下，信度是以信度系數為指標，它是一種相關系數。常常是同一被試樣本所得到的兩組資料的相關，理論上說就是真分數方差與實得分數方差的比值，公式為：
r(xx)=r^2(xt)=S^2(t)/S^2（x）
公式中r^2(xt)是真分數標准差與實得分數標准差的比值，稱作信度系數，公式為：
r(xt)=S(t)/S(x)
可見信度指數的平方就是信度系數。
二、測量標准誤
信度系數僅表示一組測量的實得分數與真分數的符合程度，但並沒有直接指出個人測驗分數的變異量。我們可以用一組被試兩次測量結果來代替對同一個人的反復施測，於是有了信度的另一個指標，公式為：
SE=S(x)√1-r(xx)
公式中SE為測量的標准誤，S(x)是所得分數的標准差，r(xx)為測驗的信度系數，從公式我們可以看出測量的標准誤與信度之間有互為消長的關系：信度越高，標准誤越小，信度越低，標准誤越大。

p value 和t value 我在網路上沒看到，你自己再找找吧

③ 大數據技術包括哪些

大數據技術包括數據收集、數據存取、基礎架構、數據處理、統計分析、數據挖掘、模型預測、結果呈現。

1、數據收集：在大數據的生命周期中，數據採集處於第一個環節。根據MapRece產生數據的應用系統分類，大數據的採集主要有4種來源：管理信息系統、Web信息系統、物理信息系統、科學實驗系統。

2、數據存取：大數據的存去採用不同的技術路線，大致可以分為3類。第1類主要面對的是大規模的結構化數據。第2類主要面對的是半結構化和非結構化數據。第3類面對的是結構化和非結構化混合的大數據，

3、基礎架構：雲存儲、分布式文件存儲等。

4、數據處理：對於採集到的不同的數據集，可能存在不同的結構和模式，如文件、XML 樹、關系表等，表現為數據的異構性。對多個異構的數據集，需要做進一步集成處理或整合處理，將來自不同數據集的數據收集、整理、清洗、轉換後，生成到一個新的數據集，為後續查詢和分析處理提供統一的數據視圖。

5、統計分析：假設檢驗、顯著性檢驗、差異分析、相關分析、T檢驗、方差分析、卡方分析、偏相關分析、距離分析、回歸分析、簡單回歸分析、多元回歸分析、逐步回歸、回歸預測與殘差分析、嶺回歸、logistic回歸分析、曲線估計、因子分析、聚類分析、主成分分析、因子分析、快速聚類法與聚類法、判別分析、對應分析、多元對應分析(最優尺度分析)、bootstrap技術等等。

6、數據挖掘：目前，還需要改進已有數據挖掘和機器學習技術；開發數據網路挖掘、特異群組挖掘、圖挖掘等新型數據挖掘技術；突破基於對象的數據連接、相似性連接等大數據融合技術；突破用戶興趣分析、網路行為分析、情感語義分析等面向領域的大數據挖掘技術。

7、模型預測：預測模型、機器學習、建模模擬。

8、結果呈現：雲計算、標簽雲、關系圖等。

④ 大數據培訓課程大綱要學什麼課程

課綱不一樣，看是大數據開發還是大數據分析了，我學的大數據分析可視化，學的版主要權有Python入門、sql、oracle、tableau、帆軟、Informatica、Excel等等
我剛出來半年，視頻錄播可能還不算落後，有視頻可***