第二章平均数比较(spssv16.0).pdfVIP

推断统计 1．个体、样本和总体 推断性统计的任务是根据有限的数据对无限的数 据做出估计性判断。 个体 （individual ）、样本 （sample）、 总体 （population）和分布 （distribution ）等概念。 2 参数 （parameters），分别表示为 μ、 σ 和 σ等， 统计量 （statistics）。 随机取样 2．正态分布和 Z 分数 正态分布 （normal distribution ）是连续随机变量概 率分布的一种。自然界、人类社会、语言、心理和教 育中的大量随机现象均有正态分布特征。正态分布左 右对称，单峰， 偏度系数 （coefficient of skewness）和 峰度系数 （coefficient of kurtosis ）均为零。 有时候，如果计算得偏度和峰度的绝对值均小于 1，那么可以认为相应的分数集合接近服从正态分布。 如果从正态分布总体中随机抽取无数个样本，那 么，这些样本的平均数也服从正态分布。正态分布是 一簇分布。对于不同的随机变量，他们体现着不同的 随机现象，它们有不同平均数和标准差，因此，它们 的测量分数呈不同的正态分布。 然而，所有服从正态分布的分数都可以转换为 Z 分数 （Z score）。Z 分数表示实际分数距离其平均数的 程度： Z= （X-M ）/SD Z 分数服从一种理论上的其平均数为 0 和标准差 为 1 的标准正态分布 。 3．置信区间和置信水平 人们用 概率 （probability ）表示偶然事件发生 （也叫 随机事件）的可能性，简写为 p。对于完全不可能发 生的事件， p=0。如果某事件的发生概率低于 5%，那 么，就可认为该事件为 低概率事件 （低概率事件并非 不可能事件）。 在推断性统计中，如果存在某种可能性，使总体的 参数落在某一数值范围内，那么，这个数值范围就叫 做置信区间 （confidence interval），而与之对应的那个 可能性就叫做 置信水平 （confidence level）。置信区间 表达了 区间估计的精确度， 置信 水平表达了 区间估计 的可靠性程度。 4．显著性水平 比如说，从同一总体中随机抽取两个样本， 那么理 论上，这两个样本之间是没有统计差异的。反之，如 果两个样本之间没有统计差异，那么，就不能否认这 两个样本来自同一总体。 然而实际上， 对两个样本进行比较运算， 只能在一 定程度上确保相应结果不是出于偶然。 因此，推断性统计的基本逻辑是：先作零假设，然 后对样本进行统计运算，求出零假设不能被推翻的可 能性 p，也叫 显著性水平 （significance level ）。p 越小， 说明相应统计结果的显著性水平越低，拒绝零假设的 可信程度越高。 通常，如果 p0.05，那么，就可以认为相应统计 结果达到可以接受的显著性水平， 报告统计结果 显著 ； 如果 p0.10，那么，相应统计结果就没有达到可以接 受的显著性水平，不能拒绝零假设，报告统计结果