北大心理统计知识点总结统计-第四章.docVIP

z分数和概率 一 Z 分数（Z-Scores）: 分数的位置和标准分布 为什么需要z分数 例子：不同的智力测验分数的比较 如果你的心理统计考了76分，是应该高兴还是难过？ Z 分数的目标：对分布中的每一个原始分数，描述其在分布中的位置。 参照点：均值 用离差(X - μ) 或 （x-xbar）描述分数的位置 当只涉及一个分布时， 用离差是简便易行的. 但当我们需要比较两个不同分布中的分数的相对位置, 用离差就不够了. 用Z 分数描述分数的位置 例： 你参加了ACT和SAT 两种测验. ACT：26 SAT：620。 申请学校只需任选寄送其中一种，你会送哪一种？ 直接的比较不可能，因为两个分数分布的均值和标准差不同. 看分布图，将两个分数定位再试图比较—还是很困难 解决的方法 计算百分位数等级（percentile ranks） 计算标准差 要比较两个分布，一个方法就是将两个分布都转换成标准分布。 标准分布（standardized distribution） 由转换分数组成，μ 和 σ 已经确定,而无论其原始分数如何. 其作用是使不同的分布有可比性。 可将其转换为Z分数. 这里需要做的是将每个分数转换为z-score, 从而将整个分布标准化. 标准分数（standard score）是一种转换分数提供其分布位置的信息. Z 分数是标准分数的一种。 z-score 指出了每个X 值在分布中的精确位置。z-score 的符号(+ 或 -) 表明其比均值大或小. z-score 的数值部分用X 与 m.间标准差个数的形式指出了其与均值的距离。 对于Z分数分布， mean = 0，standard deviation =1. Z分数为 1, 表示数据点恰位于均值的一个标准差之上。 Z分数为 -1, 表示数据点恰位于均值的一个标准差之下。 如何转换? 如果总体/样本的均值和标准差已知，分布中的所有原始分数都可转换为 Z分数。 如果分布中的总体/样本的均值和标准差已知，Z分数也可转换回原始分数。 Z = (X - μ) /σ-- Zσ = (X - μ) -- X = Z σ+ μ Z分数分布的属性 形状 - Z分数分布的形状与原始分数分布完全相同。每个分数所在的相对位置亦完全相同。 均值- 当原始分数转换成Z分数, mean = 0. 标准差 -当原始分数转换成Z分数, standard deviation = 1. 转换程序实际上是对分布轴的一种重新标定。-- 将X 轴中心重新标定为0，再将每个SD 间隔标定为1. 思考题 ∑z=? ∑z2=? σ2=1=SS/N= ∑z2/N Z分布平均数等于0的好处？ 计算题 一个总体μ=37，σ=2。如果把这个分布转换成一个新的分布： μ=100，σ=20。请问在原分布中的以下数据会转换成什么数：36，36，37，38，39？ 二 概率（Probability） 什么是概率 彩票中奖 飞机事故 生男生女，生胞胎 从一副牌里摸到红桃K的概率 overview 总体中有90个白球、10个黑球，随机抽取容量为1的样本，为白球的概率？ 推论统计是通过样本有限的信息来对做出关于总体的一般性的结论。 有两个罐子，一个里面装着50个白球、50个黑球，另一个装着90个白球、10个黑球。现从一个罐子里抽取出4个球，都为白色，请问是从哪个罐子里抽取的？ 概率（Probability） 推论统计所必需的概念, 根据样本的信息对总体作出判断。 在可能有几种后果发生的情况下，概率被定义为某一种后果发生的可能性大小. 如果几种后果分别是A, B, C, D, 等等，那么: 概率 of A = A后果的次数 = f / N 所有可能后果次数的总和 随机取样 随机取样应满足以下两个条件: 总体中的每个个体有同样的机会被选择 如果样本中要选择多于一个的个体，每次选择的概率应当恒定 回置取样 回置取样（Sampling with replacement） - 一种取样方法， 在选择下一个个体（下次取样之前），将每个已选择个体放回总体之中 摸奖 次数分布与概率的关系 此表中比率栏与概率相同. 此比率对应这些间隔中曲线下方的面积。 选择到3的概率是多少? a p (3) = f / N = 16 / 40 = .40 选择到5的概率是多少? p(5) = f / N = 2 / 40 = .05 选择到大于2的值的概率是多少? 选择到小于5的值的概率是多少? 选择到大于1而小于4的值的概率是多少? 概率与正态分布（Normal Distribution） 正态