教育统计学(2015硕)解答.ppt

相关关系：两类现象在发展变化的方向及大小方面存在一定的关系。如：学生入学成绩与进校一年后的学业成绩；各种成绩之间；中学成绩与大学成绩；智商与学业成绩；教育投资与教育带来的发展；自我价值感与学业成绩、经济条件；运动员的赛前焦虑与比赛成绩、临近比赛的时间；动机强度与工作效率等之间的关系都属于相关关系。 两个变量之间不精确、不稳定的变化关系称为相关关系。 相关关系：当一个或几个相互联系的变量取一定的数值时，与之相对应的另一变量的值虽然不确定，但它仍按某种规律在一定的范围内变化。变量间的这种相互关系，称为具有不确定性的相关关系 居民收入水平与居民食品消费比重 商品价格与销售量 心身健康和人格特征中的内—外倾维度、精神质维度存在明显的负相关 结果婚姻质量的各个因子和婚姻总分都与精神质(r=-0.265~-0.422)、神经质(r=-0.347~-0.467)显著性负相关(P0.01),与掩饰性(r=0.176~0.266)呈正相关(P0.01)。 相关系数的值，只是一个比值，没有相等单位，也不是百分比，不能做代数运算，只能做描述和比较。 这是一种基于随机现象的数学模型。 在实践中，很多情况下我们都需要了解总体的情况，例如： 研究性教学法的实验（中小学、大学） 中美儿童发展的比较研究（生理指标、体能指标、智力、个性、创造力等） 大学生心理障碍的调查 教育考试的成绩，教育硕士考上的人数，抽扑克牌，抛掷硬币的试验 对随机现象的演示或观察称为随机试验。如抛掷硬币试验。 结论：随机事件虽然带有偶然性，但出现的可能性大小是不一样的。有些事件比较容易发生，有些结果却很难出现。怎样才能描述这种随机现象的规律呢，非概率论莫属。 如果抛掷两枚硬币，那么随机变量的取值就有三个：0（全部反面向上）、1(其中有一个正面向上)和2(两个都是正面向下),其概率分别为： ?P（0）=0.25?? P（1）=0.50??? P（2）=0.25 正态分布最初由高斯在研究误差理论时发现, 其特点是随机变量在变化范围的中部取值的概率最大, 从中部到两侧取值的概率逐渐下降, 并趋于零。 求标准正态曲线下Z的各种取值的概率。 显然我们并不愿意通过数学积分的办法来求取这些概率值，我们介绍查表法。 （如果我们注意到标准正态分布以过X=0为对称轴的纵线，正态分布整体面积为1这两个事实，那么,对于正态曲线下任意两Z值之间所夹的概率面积都是可求的。） 在实践中，很多情况下我们都需要了解总体的情况，例如： 研究性教学法的实验（中小学、大学） 中美儿童发展的比较研究（生理指标、体能指标、智力、个性、创造力等） 大学生心理障碍的调查 一、Z检验和t检验； 二、单总体检验和双总体检验（相关与独立样本） 三、平均数检验的注意事项 假设检验的基本思想是应用小概率的原理。所谓小概率原理，是指发生概率很小的随机事件在一次实验中是几乎不可能发生的。根据这一原理，可以作出是否接受原假设的决定。例如，有一个厂商声称其产品的合格品率很高，可以达到99％，那么从一批产品（如100件）中随机抽取1件，这一件恰好是次品的概率就非常小，只有1％。如果厂商的宣称是真的，随机抽取1件是次品的情况就几乎是不可能发生的，但如果这种情况确实发生了，我们就有理由怀疑原来的假设，即产品中只有1％次品的假设是否成立，这时就可以推翻原来的假设，可以作出厂商的宣称是假的这样一个推断，我们进行推断的依据就是小概率原理。当然，推断也可能会犯错误，即这100 件产品中确实只有1件是次品，而恰好在一次抽取中被抽到了。所以这个例子中犯这种错误的概率是1％，也就是说我们在冒1％的风险作出厂商宣称是假的这样一个推断。由此也可以看出，这里的1％正是前面所说的显著性水平。 P表示原假设成立的概率 样本均数与总体均数的差异检验 运用独立样本T检验发现（见表1），教师工作压力情况调查问卷的十个分量表均没有显著的性别差异。也就是说男女教师在教育教学改革、学生问题、工作特征等十个方面的压力源上的感受和表现是相似的，其所受到的压力的大小 并不受性别的影响。 例如 有一个厂商声称其产品的合格品率很高，可以达到99％，那么从一批产品（如100件）中随机抽取1件，这一件恰好是次品的概率就非常小，只有1％。如果厂商的宣称是真的，随机抽取1件是次品的情况就几乎是不可能发生的，但如果这种情况确实发生了，我们就有理由怀疑原来的假设，即产品中只有1％次品的假设是否成立，这时就可以推翻原来的假设，可以作出厂商的宣称是假的这样一个推断，我们进行推断的依据就是小概率原理。当然，推断也可能会犯错误，即这100 件产品中确实只有1件是次品，而恰好在一次抽取中被抽到了。所以这个例子中犯这种错误的概率是1％，也就是说我们在冒1％的风险作出厂商宣称是假的这样一个推