2017考研数学：数据分析统计方法选择.docVIP

凯程考研，为学员服务，为学生引路！ 第  PAGE \* MERGEFORMAT 4 页 共  NUMPAGES \* MERGEFORMAT 4 页 2017考研数学：数据分析的统计方法选择 　一部分考生在概率论第一轮复习结束后，针对教材，对大纲要求的知识点认认真真地学习了一遍，并将课后题也全部都做了。在这个时候将一道题目放在他的面前，会出现这样一种情况：这个题目是考察哪个知识点或哪几个知识点的综合，做这类题目要用到哪几个公式，这些公式的应用条件是什么，这些全部都很清楚;可是做题还是感觉无从下手，这是什么原因呢? 　　出现这种情况主要是因为对题目要用到的公式理解的还不够深刻，公式中的各个量到底代表什么，每个量有什么特点，这些量在不同的题目中可能会出现哪些表现形式，没有太好的把握，不能做到正确的应用这些公式。这一类型的题目做的太少了。 　　解决这个问题需要做一定量的针对训练，在训练中借鉴别人总结的解题方法，并在此基础上得到自己的解题心得及注意事项，改正错误解题步骤，每做一道题目有一道题目的收获。每一次专项训练做多少题目合适因题型而异，有些公式及知识只要少量的题目训练就可以掌握(离散型随机变量的考察多是这种情况);而对于一些相对来说较复杂的公式，就需要我们通过大量的题目训练来掌握(连续性随机变量的考察多是这种情况)。在针对题型的专项训练中，我们要处理各种各样的不同情况，在不断的总结这类题目的解题方法和解题技巧的同时，我们对于公式就有了更深一层次的理解和把握，从而可以不断提高做这类题目的正确率。 考研路上并不是一帆风顺的，在遇到困难时，积极地寻找解决方法，找到适合自己的解决办法，不断的进步，不断的提高，最后一定能走到胜利的终点! 　一、两组或多组计量资料的比较 　　1.两组资料： 　　1)大样本资料或服从正态分布的小样本资料 　　(1)若方差齐性，则作成组t检验 　　(2)若方差不齐，则作t’检验或用成组的Wilcoxon秩和检验 　　2)小样本偏态分布资料，则用成组的Wilcoxon秩和检验 　　2.多组资料： 　　1)若大样本资料或服从正态分布，并且方差齐性，则作完全随机的方差分析。如果方差分析的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法(如：LSD检验，Bonferroni检验等)进行两两比较。 　　2)如果小样本的偏态分布资料或方差不齐，则作KruskalWallis的统计检验。如果KruskalWallis的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法(如：用成组的Wilcoxon秩和检验，但用Bonferroni方法校正P值等)进行两两比较。 　　二、分类资料的统计分析 　　1.单样本资料与总体比较 　　1)二分类资料： 　　(1)小样本时：用二项分布进行确切概率法检验; 　　(2)大样本时：用U检验。 　　2)多分类资料：用Pearsonc2检验(又称拟合优度检验)。 　　2.四格表资料 　　1)n40并且所以理论数大于5，则用Pearsonc2 　　2)n40并且所以理论数大于1并且至少存在一个理论数5，则用校正c2或用Fisher’s确切概率法检验 　　3)n￡40或存在理论数1，则用Fisher’s检验 　　3.2×C表资料的统计分析 　　1)列变量为效应指标，并且为有序多分类变量，行变量为分组变量，则行评分的CMHc2或成组的Wilcoxon秩和检验 　　2)列变量为效应指标并且为二分类，列变量为有序多分类变量，则用趋势c2检验 　　3)行变量和列变量均为无序分类变量 　　(1)n40并且理论数小于5的格子数行列表中格子总数的25%，则用Pearsonc2 　　(2)n￡40或理论数小于5的格子数行列表中格子总数的25%，则用Fisher’s确切概率法检验 　　4.R×C表资料的统计分析 　　1)列变量为效应指标，并且为有序多分类变量，行变量为分组变量，则CMHc2或KruskalWallis的秩和检验 　　2)列变量为效应指标，并且为无序多分类变量，行变量为有序多分类变量，作nonezerocorrelationanalysis的CMHc2 　　3)列变量和行变量均为有序多分类变量，可以作Spearman相关分析 　　4)列变量和行变量均为无序多分类变量， 　　(1)n40并且理论数小于5的格子数行列表中格子总数的25%，则用Pearsonc2 　　(2)n￡40或理论数小于5的格子数行列表中格子总数的25%，则用Fisher’s确切概率法检验 　　三、Poisson分布资料 　　1.单样本资料与总体比较： 　　1)观察值较小时：用确切概率法进行检验。 　　2)观察值较大时：用正态近似的U检验。 　　2.两个样本比较：用正态近似的U检验。 　　配对设计或随机区组