统计学重点--问题回答.docVIP

提问： 在面临复杂的数据时，你如何判断你选用何种差异检验方法，试举其中两种论述其适用条件 答：首先，要判断现有数据所属总体的分布形式是否已知，从而考虑选用参数检验还是非参数检验。若总体分布形式已知，且满足某些总体参数的假设条件时，则选用参数检验；若不满足上述要求，则选用非参数检验，其特别适用于称名数据和顺序数据的检验。 当确定为参数检验后，看数据分为几组，若为两组则可使用假设检验的相关方法（平均数的Z检验、t检验，方差的F检验、X^2检验等）；若分为两组以上，则可使用方差分析法（被试间设计用完全随机方差分析，被试内设计用随机区组方差分析）。 当确定为非参数检验后，看所要解决的问题，若要解决“总体分布是否属于某一参数模型”的问题，则使用X^2检验；若要解决“样本是否来自同一个总体”的问题，则使用其他非参数检验方法，如独立样本可以用秩和检验、中数检验，配对样本可以用符号检验、符号等级检验。 举例： 1）X^2检验分为配合度检验和独立性检验。配合度检验用于检验单一变量的实际观察次数分布与某理论次数分布是否有差别，适用条件为：X为多项总体，类别变量。独立性检验用于检验两类变量之间是否有关联性，适用条件为：X、Y均为类别变量。 2）方差分析适用于比较两组以上的数据的平均数之间是否有显著差异。使用方差分析需要满足三个假设：总体正态分布、变异的相互独立性、各实验处理内的方差要一致。 简述1类错误和2类错误的关系 答：当零假设H0本来是正确的，却拒绝了零假设时，所犯的错误称为弃真错误，也称1类错误（α错误），即犯错误的概率为α；当零假设H0本来是错误的，却接受了零假设时，所犯的错误称为取伪错误，也称2类错误（β错误），即犯错误的概率为β。二者具有以下的关系： 1）α+β不一定等于1。这是由于二者所发生的前提条件不同。α是在零假设H0本来是正确的情况下犯错误的概率，而β是在零假设H0本来是错误的情况下犯错误的概率，因此α+β不一定等于1。 2）在其他条件不变的情况下，α与β不能同时增大或同时减小。当α增大，β一定会减小；当α减小，β一定会增大。要想同时减小α和β，就要增加样本的容量。 简述算数平均数的特点 答：算数平均数是一个相对较好的集中量数，它的特点主要有3条： 1）在一组数据中每个变量与平均数之差（称为离均差）的总和等于零。 2）在一组数据中，每一个数据都加上常数C，则所得的平均数为原来的平均数加上常数C。 3）在一组数据中，每一个数据都乘以常数C，则所得的平均数为原来的平均数乘以常数C。 简述标准差的性质及意义 答：标准差具有如下的性质： 1）若每一个观测值都加上一个相同的常数C，则计算得到的标准差等于原标准差。 2）若每一个观测值都乘以一个相同的常数C，则计算得到的标准差等于原标准差乘以这个常数C。 3）若每一个观测值都先乘以一个相同的常数C（C不等于0），再加上一个常数d，则计算得到的标准差等于原标准差乘以这个常数C。 标准差的使用有着重要的意义： 首先，标准差是度量分布的离散程度的最好指标。其值越大，次数分布的离散程度越大，数据越分散；其值越小，次数分布的离散程度越小，数据越集中。 其次，标准差具备一个良好差异量数所需具备的条件：1）反应灵敏2）计算公式严密确定3）计算简便4）适合于进一步的代数计算5）受抽样变动的影响小6）简单明了。 最后，与其他的差异量数相比，标准差具有数学上的优越性。特别是在知道了一组数据的平均数和标准差之后，就可以知道落在平均数上下一个标准差、两个标准差、以及三个标准差范围内的数据所占的百分比。 简述标准分数的性质及优点 答：标准分数的性质主要有以下几条： 1）Z分数无实际单位，它是以平均数为参照点，以标准差为单位的一个相对量。 2）由一组原始数据经过转换得到的标准分数可以是正值，也可以是负值。所有原始数据的Z分数之和为0，Z分数的平均数也为0。 3）在一组原始数据中，所有的标准分数的标准差为1。 4）如果原始数据服从正态分布，那么经过转换得到的标准分数服从平均数为0、标准差为1的标准正态分布。 标准分数具有很多的优点： 1）可比性。标准分数是以团体平均数作为比较的基准，以标准差作为单位。因此不同性质的成绩，一经转换为标准分数，就相当于不同背景下的分数，放到相同背景下考虑，具有可比性。 2）可加性。标准分数是一个不受原始分数单位影响的抽象化数值，使得不同性质的原始分数具有相同的参照点，因此可以相加。 3）明确性。知道了某一被试的标准分数，利用标准正态分布函数值表，可以知道该分数在全体分数中所处的位置，即百分等级。也就知道了该被试的分数在全体被试分数中的地位。因此标准分数比原始分数意义更为明确。 4）稳定性。在原始分数转换为标准分数后，规定标准差为1，保证了不同性质的分数在总分数中的权重相