均值比较与检验.pptVIP

均值比较与检验 正态分布 常态分布，是连续型随机变量概率分布的一种 。 无论在自然、经济还是社会领域．如人的身高、体重、学生的成绩、人的智商、海浪的高度等，其分布都有一定的规律、这种分布规律就叫正态分布。 正态分布图 正态分布曲线的特征 1、中间高、两边低，类似—个尖塔或古钟； 2、有一个对称铀，曲线在高峰处有一个对称轴，轴的左右两边是对称的 ； 3、曲线无论向左或向右延伸，都愈来愈接近横轴，但不会和横轴相交，以横轴为渐近线； 4、众数、中数及平均数是里重叠的。 正态分布的检验 P-P正态概率图（P-P Plots) 功能：P-P正态概率图是一种检验概率正态分布的统计图形，它是根据变量分布累积比和正态分布累积比制作的。如果数据是正态分布，被检验数据基本上成一条直线，残差正态评分的绝对值在0.07以内。 例题：现有一组学生（80名）的考试成绩，试用P-P概率图检验这一组分数是否呈正态分布。 步骤： 选择“graphs---P-P…” 打开“P-P Plots”对话框。 将“成绩”变量选入右边“variable”框内，单击“ok”。 test distribution：分布检验方法（normal） proportion estimation formula：比例估计公式。（Blom） rank assigned to ties：对结编秩等级。给观测量指定秩的方式。（mean） 结果分析 主要内容 单一样本T检验 (One-Sample T Test） 独立样本T检验 (Independent-Sample T Test) 配对样本T检验 (Paired-Sample T Test) 方差分析（One-Way ANOVA） 例题分析 某市某年高一统一期末英语成绩的平均分是55.7分。位于该市某高中的一位英语教师从参加这次考试的高一学生中抽取了80名，纪录了他们的英语成绩。试检验这80名学生的平均分与全市平均分之间的差异。 步骤： 依次选中“analyze---compare means---one-sample T test”，打开“one-sample T test”主对话框。 将所测变量（“成绩”）选入“test varible”框。 在“test value”框中输入“5 5.7”。 单击“ok” 结果分析 表1是学生成绩的观测量个数、均值、标准差和均值的标准误差等统计量。 例题分析：已知某高中高一学生三种学习风格所得分值，试检验不同性别学生学习风格是否存在显著性差异。 例题分析 例题：某英语教师在新生刚入学时对其进行了学习动机调查（包括表层动机和深层动机），一年后又对同一批学生进行了第二次学习动机调查，试检验两次学习动机是否有显著性差异。 * * 正态分布图 表1：正态检验P-P概率图 表2：正态分布残差图 ? 在正态分布或近似正态分布的计量资料中，经常在使用统计描述过程分析后，还要进行组与组之间平均水平的比较。T检验的方法，主要应用在两个样本间的比较。如果需要比较两组以上样本均数的差别，这时就不能使用T检验方法作两两间的比较。对于两组以上的均数比较，则可以使用方差分析方法。 Analyze?Compare Means ?… 一、 简介 用于检验单个变量的均值与假设检验值(给定的常数)之间是否存在差异。也就是进行样本所在总体均数与已知总体均数的比较。 二、完全窗口分析 按Analyze—Compare Means—One-Sample T Test顺序，打开One-Sample T Test主对话框（如图5--1） 单一样本T检验（One-Sample T-Test） 图6-6 One-Sample T Test主对话框 图6-7 Options对话框 Test Variables框：用于选取需要分析的变量 Test Value:输入已知的总体均值，默认0 Confidence Interval:输入置信区间，一般取90、95、99等。 Missing Values: 在检验变量中含有缺失值的观测将不被计算。 在任何一个变量中含有缺失值的观测都将不被计算 表1：单个样本统计量 表2 单个样本检验 从表2可看出，t 值为-2.531,自由度79,显著值为0.013,样本均值与检验值的差为-1.7875,该差值95%的置信区间是 -3.1933~-3817. 单样本T检验的零假设为H0为总体均值和指定检验值之间不存在显著差异，统计量服从n-1个自由度的T分布。若相伴显著性概率小于或等于显著性水平0.05，则拒绝H0，认为总体均值