Turkey

      Turkey对很多人说来并不陌生,可不就是美国人在一年一度的盛大节日感恩节或者圣诞节享用的火鸡吗?说火鸡愚蠢可一点也不过分。任何饲养火鸡的人都会告诉你:他们必须把彩色玻璃弹子放在火鸡的饲料里,火鸡才会注意到自己的美餐在哪里。起先turkey只是被借用来说笨拙愚蠢的饭桶,但是到了二十世纪二十年代turkey又被转用来指蹩脚的三流戏剧、电影或者文学作品了。


    幽默作家Perleman似乎是第一个把turkey这个词作这个用途的人。他把自己创作的一部失败的剧作称为turkey,自我解嘲。下面让我们听个例子。这是个演员在谈刚在百老汇上演的一部戏糟糕透顶,所以才上演两天就停演了。

  例句:Oh, it was a turkey all right - it was supposed to be a comedy but nobody laughed. I was lucky; I turned the producer down when he asked me to try out for a part。
  他:噢,那可真是一出失败的戏。它该是部喜剧,却没一个人发出笑声。我真运气,制作人要我试演个角色被我拒绝了。
  这里的turkey是指失败的戏。

  ******
  但是turkey仍然可以用来指笨蛋。接下来有个大学生在数落给他的班级上电脑课的教师。我们听听他怎么说,注意里面用的turkey指什么:
  例句-:You can't believe what a real turkey this guy is! Half of us in class know more than he does. His lectures are hard to follow and worst of all he's a tough grader。
  他说:你简直难以相信这家伙有多不中用!我们班上有一半人都比他懂得多。他讲的课根本听不懂。最糟糕的是他打分又苛刻。
  这里的turkey是指那个不中用的教师。换句话说就是“笨蛋”或“不中用的人”的意思

### Tukey检验及其应用 Tukey检验是一种常用的多重比较方法,主要用于方差分析后的两两组间均值差异的显著性检测。它通过控制家庭错误率(Family-wise Error Rate, FWER),降低多次假设检验带来的I型错误概率。 #### 方法原理 Tukey检验的核心在于计算每一对组间的均值差异,并将其标准化为学生化极差分布(Studentized Range Distribution)。这种方法能够有效评估不同组之间的均值是否存在显著差异[^1]。 以下是基于Python实现Tukey检验的一个典型例子: ```python import numpy as np import pandas as pd from statsmodels.stats.multicomp import pairwise_tukeyhsd # 创建数据集 np.random.seed(123) data = { 'values': np.concatenate([np.random.normal(loc=50, scale=10, size=30), np.random.normal(loc=60, scale=10, size=30), np.random.normal(loc=70, scale=10, size=30)]), 'groups': ['A'] * 30 + ['B'] * 30 + ['C'] * 30 } df = pd.DataFrame(data) # 执行Tukey检验 tukey_result = pairwise_tukeyhsd(endog=df['values'], groups=df['groups'], alpha=0.05) print(tukey_result) ``` 此代码片段展示了如何利用`statsmodels`库中的`pairwise_tukeyhsd`函数来完成Tukey检验。该函数返回的结果包含了各组之间均值差异、置信区间以及调整后的P值[^1]。 #### 结果解释 Tukey检验结果通常会提供以下几个重要指标: - **Mean Difference**: 各组均值之差。 - **Confidence Interval (CI)**: 均值差异的置信区间。 - **Adjusted P-value**: 调整后的P值,用于判断是否拒绝原假设(即认为两组无显著差异)。 如果某对组的调整后P值小于设定的显著性水平(如α=0.05),则可以推断这两组存在显著差异[^2]。 #### 应用场景 Tukey检验广泛应用于实验设计和数据分析领域,尤其是在涉及多个处理条件的研究中。例如,在医学试验中对比多种药物疗效时,可以通过Tukey检验识别哪些药物的效果具有统计学意义的区别[^3]。 --- ###
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值