(关于试卷分析的序列概念辑要.docVIP

关于试卷分析的序列概念辑要 1、方差是各个数据与平均数之差的平方的平均数。在概率论和数理统计中，方差（英文Variance）用来度量随机变量和其数学期望（即均值）之间的偏离程度。在许多实际问题中，研究随机变量和均值之间的偏离程度有着很重要的意义。 如下面的例子： 　　已知某的真实长度为a，现用甲、乙两台仪器各测量10次，将测量结果X用坐标上的点表示如图： 　　甲仪器测量结果： ?? 乙仪器测量结果： ?? 两台仪器的测量结果的均值都是 a 。但是用上述结果评价一下两台仪器的优劣，很明显，我们会认为乙仪器的性能更好，因为乙仪器的测量结果集中在均值附近。　方差，通俗点讲，就是和中心偏离的程度！用来衡量一批数据的波动大小（即这批数据偏离平均数的大小）并把它叫做这组数据的方差。记作Ssup2;。 在样本容量相同的情况下，方差越大，说明数据的波动越大，越不稳定。标准差（Standard Deviation）也称均方差（mean square error），是各数据偏离平均数的距离的平均数，它是离均差平方和平均后的方根，用σ表示。标准差是方差的算术平方根。标准差能反映一个数据集的离散程度。平均数相同的，标准差未必相同。 　简单来说，标准差是一组数据平均值分散程度的一种度量。一个较大的标准差，代表大部分数值和其平均值之间差异较大；一个较小的标准差，代表这些数值较接近平均值。概率分布的不对称性。偏度的值可以为正，可以为负或者甚至是无法定义。在数量上，偏度为负（负偏态）就意味着在概率密度函数左侧的尾部比右侧的长，绝大多数的值（包括中位数在内）位于平均值的右侧。偏度为正（正偏态）就意味着在概率密度函数右侧的尾部比左侧的长，绝大多数的值（包括中位数在内）位于平均值的左侧。偏度为零就表示数值相对均匀地分布在平均值的两侧，但不一定意味着其为对称分布。 偏度分为两种： 负偏或负偏态（negative skew）：左侧的尾部更长，分布的主体集中在右侧。这种情形又可被称为左偏态（skewed to the left）[1]。 正偏或正偏态（positive skew）：右侧的尾部更长，分布的主体集中在左侧。这种情形又可被称为右偏态（skewed to the right）[1]。 如果分布对称，那么平均值=中位数，偏度为零（此外，如果分布为单峰分布，那麽平均值=中位数=众数）。 负偏态（左）和正偏态（右） 4、峰度：　　峰度的概念：峰度是用来反映频数分布曲线顶端尖峭或扁平程度的指标。有时两组数据的算术平均数、标准差和偏态系数都相同，但他们分布曲线顶端的高耸程度却不同。峰度系数公式 峰度系数（Kurtosis）用来度量数据在中心聚集程度。在正态分布情况下，峰度系数值是0。正的峰度系数说明观察量更集中，有比正态分布更长的尾部；负的峰度系数说明观测量不那么集中，有比正态分布更短的尾部，类似于矩形的均匀分布。峰度系数的标准误用来判断分布的正态性。峰度系数与其标准误的比值用来检验正态性。如果该比值绝对值大于2，将拒绝正态性。偏度系数（Skewness）用来度量分布是否对称。正态分布左右是对称的，偏度系数为0。较大的正值表明该分布具有右侧较长尾部。较大的负值表明有左侧较长尾部。偏度系数与其标准误的比值同样可以用来检验正态性。　全距是用来表示统计资料中的变异量数(measuresofvariation)，其最大值与最小值之间的差距；即最大值减最小值后所得之数据。其适用于等距变量、比率变量，不适用于名义变量或次序变量。 　　全距也称为极差，是指总体各单位的两个极端标志值之差，即：R=最大标志值－最小标志值 因此，全距（R）可反映总体标志值的差异范围。　例：有两个学习小组的统计学开始成绩分别为： 　　第一组：60，70，80，90，100 　　第二组：78，79，80，81，82 　　很明显，两个小组的考试成绩平均分都是80分，但是哪一组的分数比较集中呢？ 　　如果用全距指标来衡量，则有： 　　R甲=100－60=40（分） 　　R乙=82－78=4（分） 这说明第一组资料的标志变动度或离中趋势远大于第二组资料的标志变动度。直方图在质量管理中，如何预测并监控产品质量状况?如何对质量波动进行分析?直方图就是一目了然地把 这些问题图表化处理的工具。它通过对收集到的貌似无序的数据进行处理，来反映产品质量的分布情况，判断和预测产品质量及不合格率。 　　直方图又称质量分布图，柱状图，它是表示资料变化情况的一种主要工具。用直方图可以解析出资料的规则性，比较直观地看出产品质量特性的分布状态，对於资料分布状况一目了然，便于判断其总体质量分布情况。在制作直方图时，牵涉学的概念，首先要对资料进行分组，因此如何合理分组是其中的关键问题。按组距相等的原则