Report (with Ranking and "%")

1.9m tune in for latest 'Big Brother'

Thursday, September 3 2009, 10:06 BST

By Dan French, TV Reporter
1.9m tune in for latest 'Big Brother'

WENN

Last night's Big Brother highlights drew 1.91m (8.3%) for Channel 4, according to early viewing figures.

The 9pm show came fourth during its timeslot and was down 1.25m on last year's equivalent episode, which drew 3.16m (13.9%) on Wednesday, September 3, 2008. The drop represents a decline of 40% year-on-year.

A sizeable 333k (2.1%) then tuned in on Channel 4+1.

Earlier on Channel 4, Location, Location, Location put in 2.8m (12.4%) during the 8pm hour. After Big Brother, the 10pm screening of Ugly Betty managed a lowly 950k (5.6%).

Over on BBC One, Wildest Dreams had 3.81m (18%) at 7.30pm. The audience then dropped to 3.77m (16.2%) during the half-hour Seaside Rescue at 8.30pm. Later, at 9pm, Crimewatch put in 4m (17.3%).

BBC Two's Economy Gastronomy logged 1.84m (8.1%) during the 8pm hour, then 3.68m (15.9%) tuned in for the Dragons' Den finale at 9pm. Shooting Stars followed at 10pm, pulling in 2.23m (11.6%), down around 490k on last week's performance.

Harry Potter And The Goblet Of Fire averaged 5.3m (24.2%) between 7.30pm and 9.45pm for ITV1. Harry Potter: Behind The Magic followed, bringing in 2.42m (10.7%) between 9.45pm and 10pm.

Over on Five, 1.19m (6%) tuned in for Jet Li film Cradle 2 The Grave between 9pm and 11.10pm. Earlier, at 8pm, World War One In Colour drew 998k (4.4%).

Overall, ITV1 came top during primetime with an average share of 20.3% to BBC One's 18.8%. BBC Two was third with 11.1%, followed by Channel 4 with 7.8% (+1: 1%) and Five's 4.6%.

Elsewhere, 506k (2.4%) watched BBC Four's The Thirties In Colour during the 9pm hour.

中投區高中約略排名

作者 yellowbump (闖過夢的平交道) 看板 juniorhigh
標題 [情報] 中投區高中約略排名
時間 Wed Jul 23 00:25:25 2008
───────────────────────────────────────

1.台中一中(男)
台中女中(女)

2.大里高中
(偏理科，頗新的學校)
文華高中
女生入取分數較低
男生入取分數較高

3.台中二中
男生入取分數較低
女生入取分數較高

4.惠文中學

5.西苑中學

6.忠明中學

7.豐原高中

這幾所都算蠻有知名度的學校
大里高中近幾年辦學成功
所以分數年年飆高
惠文高中跟西苑高中也緊跟在四省中之後

私中的部分

1.衛道
曉明
這兩所是私校界的龍頭

2.明道

　明道的校區很大
相對的學生也很多
有國中部、高中部、高職部
　應該是共用一個校區
　
3.弘文立人

　弘文近幾年都打出升學率比豐中高的招牌
　確實沒錯
　他有二到四班的資優班
其中一班是直升班
直升班的質很佳
(我是弘文國中部畢業的學生 囧mmmmmm)
班上有好幾個有實力上一中的同學都選擇直升了
三年後的成績必定也不錯
但是社團方面和行政方面卻讓學生很唾棄....
校風算嚴(有髮禁唷 科科

想得到的就這些了
高職的部分我比較不懂
有的學校入取分數也年年變
僅供參考

不知道能不能po排名文啊...

--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 118.170.43.137
推 red0210:文華男錄取分數較高吧 07/23 00:27
※ 編輯: yellowbump 來自: 118.170.43.137 (07/23 00:27)
→ red0210:另外 聽說明道高中部的錄取分數大概比二中多一點 07/23 00:27
※ 編輯: yellowbump 來自: 118.170.43.137 (07/23 00:29)
→ yellowbump:改好了 感謝提供 07/23 00:29
推 algebra1029:你最好真的看到歷年錄取分數再寫這個比較好 07/23 00:45
→ algebra1029:只憑印像寫 不太好吧 歷年分數可看精華區 07/23 00:46
推 mh2ant:今年第一次基測大里的錄取分數是276文華是278 07/23 00:47
→ yellowbump:第一次申請分數不可考...有加權問題..
應algebra1029要求
把推文修掉了...
※ 編輯: yellowbump 來自: 118.170.43.137 (07/23 01:13)
※ 編輯: yellowbump 來自: 118.170.43.137 (07/23 01:27)
推 algebra1029:呵呵 謝謝 補推............ 07/23 01:27
推 Ray1031:文華男生錄取分數很高 低一中一點而已 在下就是.... 07/23 01:31
推 red0210:印象中 幾乎每一屆都低2分... 07/23 01:36
推 algebra1029:在台中 文華 跟 大里 是個有趣的問題 也是 兩個學校要 07/23 02:12
→ algebra1029:努力的目標吧… 呵呵 07/23 02:12
→ algebra1029: 誰高 ? (漏掉了，傷腦筋) 07/23 02:13
→ algebra1029:其實 歷年來看 他們的分數差不多 分數重疊的應該很多 07/23 02:15
→ yellowbump:根據學校老師的說法 大里是個連體育美術都可以拿來考 07/23 02:20
→ yellowbump:算是個有趣的學校吧XDDD 07/23 02:20
→ yellowbump:文華則是傳統強校 深植父母的心理XD 社團玩很瘋是真的 07/23 02:21
推 red0210:國大里很拚 二中很玩 文華社團 這三間選一個吧...科科 07/23 02:56
→ red0210:國大里收的人好像比較少 二中男>>>>女 文華女>>>>>>>>男 07/23 02:57
推 algebra1029:其實對父母來說，文華是新學校，我們那個時代 沒文華 07/23 03:11
→ red0210:咦 我聽說文華以前只收女的 是這樣嗎 07/23 03:12
→ algebra1029:一中女中 再來就是 二中 07/23 03:12
→ red0210:登記分發招生簡章 男女比例幾乎1:9 07/23 03:12
推 Ray1031:沒那麼誇張啦 一年級男女差不多1:2 分組之後才會差很多 07/23 03:16
→ Ray1031:不過以前是文華女中沒錯XD 07/23 03:16
→ asshole978:以前文華性別失衡比二中還嚴重勒 07/23 03:28
→ asshole978:現在一中女中之下的學校 就二中文華大里在互咬了(嘆) 07/23 03:30
推 red0210:以登記分發來看 男女比例二中4:1 文華1:9 加上申請 07/23 03:31
→ red0210:就不知道了@@a... 07/23 03:31
→ asshole978:差不多是這樣 所以以前我高中的時候常常聽到 學妹一進 07/23 03:32
→ asshole978:二中就大受歡迎 反之男生在文華也很吃香XD 07/23 03:32
推 BAMB00:大里剛開始再跟二中互咬 07/23 07:59
→ BAMB00:沒想到今年已經有辦法跟文華相提並論XD 07/23 07:59
→ BAMB00:red大寫的文華社團個人頗不認同 07/23 08:01
→ BAMB00:真要說社團 二中應該>文華>大里 07/23 08:02
推 red0210:二中>文華...跟我聽到的不一樣@@ 07/23 08:06
推 pop88pop88:也來幾個校友或是在校生寫寫介紹文阿 @@a 07/23 09:04
推 moreway:我還蠻看好大里的說......雖然當初很想念文華 還被老師罵 07/23 10:33
推 HU60:建議二中跟大里選離家近的填 文華這幾年指考一整個爛 07/23 10:53
→ pooty:我也是建議二中跟大里選離家近的，文華這幾年搞的不是很好 07/23 10:59
→ pooty:去年二中的錄取台清交成政...等等指標大學，是三間中最好的 07/23 11:00
推 KonamiCup:我是去年考進國大的學生 國大真的是什麼都可以考..有幾 07/23 11:43
推 ja89:看報導今年文華出了一個台大醫科一位台大法律十位台大外文 07/23 11:43
→ KonamiCup:科就算段考不考..學期成績也有一部分用考試決定.... 07/23 11:44
→ ja89:發現文華強者也滿多的 而且四省中的名字也滿響亮 這是大里比 07/23 11:45
→ ja89:吃虧的地方吧 07/23 11:45
推 BAMB00:話說大里今天上了聯合報的明星學校= = 07/23 11:53
→ BAMB00:文華二中彰中都沒有 囧 07/23 11:55
推 algebra1029:(樓上對記者這麼肯定??) 07/23 13:17
→ BAMB00:是無奈 07/23 13:56
推 algebra1029:推 無奈 呵呵 07/23 14:05
推 asshole978:跟記者認真你就輸了 07/23 14:05
→ asshole978:不過我覺得二中的行銷策略不是很好 不懂得宣傳 文華二 07/23 14:20
→ asshole978:中國大都是不錯的學校 但是二中太低調了 不會包裝 07/23 14:20
→ sisistar:文華很好阿 07/23 15:38
推 airers:弘文有比豐中高阿..真看不出來 07/23 17:18
→ yellowbump:靠直升班跟資優班在撐 科科 07/23 17:39
推 shadowkobe:二中榜單不太好... 我覺得文華強多了 07/24 23:40
推 franleon:文華如果沒比二中好 才該檢討吧，分數比人家二中高那嚜多 07/24 23:45
→ BAMB00:抱歉 去年榜單二中比文華大里好看吧= = 07/25 06:39
推 red0210:人多....... 08/10 08:57

Link

SPSS: one-way ANOVA 教學 張貼者： 苦情研究生 位於 下午 1:17 . 2009年1月18日 星期日

ANOVA (中文有人翻「方差分析」或「變異數分析」)是許多人作論文時會用到的，特別是作實驗時，有兩組或兩組以上作比較。所以要用ANOVA的時機，就是你有categorical variable，想要看不同組之間是不是存在著差異。比如說男性和女性在數學成績上是否有差異，或是不同種族在數學上是否有不同差異，這兩個例子都可以用ANOVA。

如果你不知道要用ANOVA還是Regression，可參考用哪種統計分析好？

今天先講one-way Anova。為了讓大家也可以實作，我就拿我們老師教統計課用的範例dataset。此dataset是從NELS 88 (National Education Longitudinal Study of 1988)修改而來的，可以在http://www.badongo.com/file/12942396 下載。

解壓縮密碼：newgenerationresearcher

下載、解壓縮之後，請開啟資料庫。在開始作之前，先確定一下資料的筆數是不是5141筆，最後一個欄位是不是PassedMath3。如果都沒有問題，就開始作one way ANOVA。那我們的研究問題是什麼呢？

研究問題：不同種族是否在數學成績上有差異？

根據這個問題，我們的dependent variable 是 Math 3，independent variable是Race。

Analyze--> Compare Means--> One-way ANOVA



上面的選Math 3，下面的選Race。設定完之後按OK。

跑出來結果像這樣：

弄 這些一點都不難，問題是：要看什麼？第一個要看的是Between Groups對過去的Sig.，也就是下圖圈起來的地方。怎麼看呢？就是拿這個值與.05、.01和.001比較。如果比.05大，那表示此變數對結果沒 影著影響，拿我們的例子來說，就是種族對數學成績沒影響。下面的是.000，此值<.001，所以是有顯著影響的。

說半天，那要怎麼寫在文章裡呢？

要回報的就是F(4, 5135)=116.64, p<.001。

到這裡先想一想：這到底代表什麼？我們的問題是種族是否對數學成績有影響，現在結果出來，是有顯著影響的。那...是任何兩個種族之間都有顯著差異嗎？對不起，從上面的作法是看不出來的。ANOVA只會告訴你在你的類別變數中，是不是至少有兩組之間是有顯著差異的，但並不能看出是哪兩組，或是哪些組之間有差異。

如果想要知道是哪一組與其它組不同，就要用事後檢定(post hoc)。至於用哪一種，有時候要看領域，或是問問你的指導教授。通常不外乎Bonferroni、Tukey或Scheffe。

怎麼做呢？剛我們在選變數的時候，右邊有一個Post Hoc。

點了之後你可以先試試用Boferroni。

出來之後結果會像下圖，同樣是先去看Sig的數值，這我就不多說了。

這裡範例所用的one-way ANOVA屬於無重複試驗的，也就是我只測一次而已，而不是同一個測量測三次(比如說為求精準，可能會血壓測量三次)。

最後要說的，在SPSS裡面，如果計算ANOVA的方式並不是只有一種。下次會介紹如何用GLM來作同樣的工作。

SPSS: 取出符合條件的群組(select cases) 張貼者： 苦情研究生 位於 上午 3:48 . 2009年1月20日 星期二 標籤： 統計分析

在我們的dataset裡面，race有五個族群，由1-5是Asian/Pacific Islander, Hispanic, Black not Hispanic, White not Hispanic, American Indian/Alaskan。如果我們只想看2(Hispanic)、4(White not Hispanic)和5(American Indian/Alaskan)時，要怎麼做呢？

在STATA很簡單，在你要跑到運算式後面，加上if來判斷就行了。在SPSS也不難，主要是用到select cases這個功能。先看一下資料長下面這樣：

執行Data--Select cases

會跳出下面的視窗，先選race，然後選if

你可以輸入紅色框框內容。 |表示or，這是最重要的一步。

如果回頭看你的data，你會發現race是1、3的，都被畫掉了。這表示我們做的沒錯。

如果不放心的話，你可以跑frequency，看看數值是否跟下面一樣。

在SPSS中，如果要在一個類別變數裡，找出特定的群組，除了用select case以外，也可以手動用recode來做，但步驟比較多，而且也比較容易出錯。

用哪種統計分析方式好？(卡方,Anova,T-test, or regression?)

用哪種統計分析方式好？(卡方,Anova,T-test, or regression?)

張貼者： 苦情研究生 位於 上午 11:05 . 2008年8月11日 星期一

• 
• 
• 
• 
• 
• 
• 
• 
• 
• 
• 

許 多人(包括我自己)在學統計時，總是被這一堆術語搞得頭昏腦脹。每一個分析都聽得清清楚楚，考試也都可以拿高分，但等到自己面對一大堆資料要動手分析時， 卻不知道該用哪一種方法。如果你不知道什麼時候要用卡分檢定、T-test、Anova或Regression，但每一項的計算和原理你都清楚，那請你接 著往下看，希望本文對你有幫助。
首先要談的是T-test。T檢定主要是檢驗兩組之間是否有差異，所以條件是有兩組也只能有兩組。組別是類別變數(categorical variable)，像是性別、種族、國籍。如果是連續變數，也可以設一個標準，多少以上是好的，以下是差的，以此來產生類別變數。如果超過兩組，必須用Anova來分析。另外，常犯的錯就是把前、後測是否有顯著差異用T-test來檢定。即使有兩組，前、後測也不是用T-test來檢定的，更別說有人「假裝」把前測當一組，後測當一組，拿來做T檢定。


One-way Anova(單因子變異數分析)是只有一個類別變數，檢驗此類別變數與其它連續變數(continuous variable)和結果的關係。比方說如果你想看性別、IQ對數學成績的影響，性別就是類別變數，IQ是連續變數，數學成績是結果變數(outcome variable)。


Two-way Anova(雙因子變異數分析)是有兩個以上的類別變數。比如說性別、種族與IQ對數學成績的影響，性別和種族就是類別變數。
問題來了，什麼時候用Anova，什麼時候用Regression呢？這兩者有何不同？其實Anova就是(Linear) Regression，不同點就在Anova裡面有類別變數而已。換言之，Linear regression裡的變數均為連續變數，如：年齡、IQ、成績、體重等，沒有類別變數。只要懂了這個，我覺得初、中級的統計，初、中級統計就沒什麼問題了。


最後說說卡方檢定(Chi-square)。先想想卡方檢定測的是什麼？對，是比例。那你可能會有問題，T-test與Anova比的是什麼呢？當然不是比例，而是平均的差異。 卡方測的是一件事情，在各組發生的比例是否相同。在繼續說之前，要先記得，卡方檢定的變數不是連續變數，也不是類別變數，而是名目變數(nominal variables)，也就是「是與否」、「男與女」這種變數。所以常見的問題就是：男女和素食行為，或是男女與是否有大學學歷等。

如果你已經弄糊塗了，可以參看下表

最後要說一點，我不是統計系的，寫這個也只是說出自己的理解而已。如果有不對的地方，還歡迎網友指正。

3 意見:

訂閱： 張貼意見 (Atom)

Roy 提到...

簡單的說，卡方檢定的適用範圍最廣，尤其是自變數跟依變數尺度、類別不同時，只要有列聯表、cross table就可以用，所以有卡方一致性檢定、獨立性檢定等，需注意的是如何找出cell和cell之間的關聯需要更進一步的判斷，不單只看卡方值或顯著性；

t-test和Anova可以看成是同一組的，都是檢定依變數在自變數上的表現 差異 ；

迴歸則是在檢定 影響性 ，這是最被研究者詬病的，因為有可能GIGO，變數的方向性是研究者賦予的。

2008年10月27日 下午 5:11

苦情研究生 提到...

謝謝你留言補充，不過我不完全同意。統計沒什麼「適用範圍最廣」，主要是看你要測什麼，有什麼，對吧？如果你只有一個categorical variable，但多個continuous variables，也不能用卡方，是吧？
其它部分你說得比我好。「差異」就是圖表裡的comparision of means，平均之間的不同，就是差異。
「影響性」是說association，是看自變數和依變數之間的關係。
再次謝謝你的補充！

2008年10月28日 上午 4:35

Roy 提到...

您說的沒錯，我忘了考量會碰到continuous variables的狀況，因為身邊碰到的調查工作，要碰到continuous variables的情況還真不多 XD

用proportion,mean,association來做區別到也是個很好的判斷方式，再次感謝您的分享～

2008年10月28日 上午 10:48

Criticism or Suggestion

In the past 4 years, including Master degree and the first 3 years of my doctorate life, Garner always commented on my paper as quite simple, bit too plain, not approaching academic enough to be presented as a good scholastic writing. With this comment, thorough all the tutorials but plus up the patience without rashness to amendments and I have been encouraged to continue my writing for thesis since I was convinced that writing improvement could be fix on later time.

However, on the other hand, I do find myself worked on the language trying to word professional or more difficult vocabulary this year. To be honest, I was quite satisfied and pleased with what I have written recently. This new writing style, unfortunately, brought me an unexpected criticism. 2 weeks ago, I still held the happy confident attitude to see Garner, the only difference was the attitude and the language he used toward me which is a big stunningly shock for me. I couldn't recall here what exactly Garner said, probably too harsh to recollect them, but he did mark my writing weakness as an issue, almost a crisis already.

All of a sudden, it was like my happy face being poured chilly cold water without warning in advance. I wondered the possible reasons backing critical attitude Garner performed in front of me in that tutorial might be course leader's commandment, my unpleasant forcible writing commends, the real dilemmatic step and time to fix this mess.

Since everything in tutorial had been casting away after receiving this astonishing issue even albeit Garner had moved on to the next discussion on Malaysia Conference. The only thought and the sound replaying in my brain was 'horrible', 'impossible to read', 'professors may only read the first two pages and then quit' etc. As a result of this mixture concerns, despite unable to interact with Garner on the conference topic, my tear dropped like two streams of river. To my nature, I don't want to trouble people while crying; where I always smile and say don't worry, I am very fine, just emotional gate opens...but in deep down, I was hurt by this criticism...I know I was, since usually I am capable to hold tears up and throw the grievance out when I am alone.

Where the grievance came from is the fact that I know Garner didn't spend time on my work at all. When I asked him which parts I can be amending or making improvements, he could really reply neither specifically nor even generally, which disappointed me loads. Maybe because I did make effort on the new work, and expected for the compliment but failed into the lowest stage.

After talking with Dannie, there are some clear issues I may need to pay attention:

1. Every Sentence is Too Long.
2. Try to Avoid 'V + preposition'
3. Too much Creative Literature writing, Should be Academic One!
4. Shorter Sentence the Better.
5. Verbals are the Vital word in sentence, if we place the wrong one may mislead the content.
6. Shorten sentences by adding footnotes.
7. Standing from the reader of 3rd person to explicatively explain well.
8. Build up Basic Grammar book (any kinds) for Academic Writing.