每一次抽样都是对总体的估计，而标准误是对样本可靠性的考量，标准误越小，样本均值越接近总体均值，表达方法是样本方差除以样本量的平方根，也就是样本平均方差的平方根。但有一个问题，拿中国平均身高检验为例，如果一个样本中取样的人的身高都一样，都为175，那标准误为0，意味着完美地代表了总体均值，即中国的平均身高，但是事实很可能完全不是这样的，样本平均身高可能与真实的中国人平均身高差的很远，这与标准误想要说明的问题是矛盾的。谢谢

每一次抽样都是对总体的估计，而标准误是对样本可靠性的考量，标准误越小，样本均值越接近总体均值，表达方法是样本方差除以样本量的平方根，也就是样本平均方差的平方根。但有一个问题，拿中国平均身高检验为例，如果一个样本中取样的人的身高都一样，都为175，那标准差为0，意味着完美地代表了总体均值，即中国的平均身高，但是事实很可能完全不是这样的，样本平均身高可能与真实的中国人平均身高差的很远，这与标准误想要说明的问题是矛盾的。谢谢

标准误SE是样本均值的标准差，SE=SD/(n的平方根），可以帮我证明推导一下么？SD是单个样本中xi与x bar的离散程度，为什么可以度量不同样本x bar之间的离散程度?

课后题。请老师解析下，为何短期项目不需要NPV为正？谢谢！

老师好，能帮忙解释下原版书课后R19第13题吗，答案也看不太懂。完全不知道这些数字那里来的比方说这个85。谢谢

在一元回归方程中，可以通过协方差除以自变量方差得到斜率，如果得到的斜率不为0,为什么还要通过t检验来证明斜率显著地不为0？觉得没有必要啊，因为已经计算得出了斜率不为0。我的理解有哪些误区？谢谢

t检验针对的是回归方程参数显著性的检验，而F检验是对整个回归关系的检验。另外Multiple R是整体回归的相关性，因为在多元回归中，已经不存在相关系数r了。我的理解正确么？

SEE是指残差的标准差，standard error of estimate，而如果只是说standard error，或者SE，指的是标准误，描述的是样本均值的标准差，所以SEE和SE虽然只差了一个字母，含义完全不一样。我的理解正确么？

图中ANOVA表中，为什么significance F和P value可以为0？因为在统计检验中关键值是拒绝或者无法拒绝原假设的分水岭，前提计算出的F或者T检验量对应的概率与关键值比大小，但是significance F与p value绝对不可能为0。我在哪些方面存在理解误区?

对于斜率的显著性检验的意义可以理解，但是对于截距的显著性检验的统计学意义是什么？