心理学考研之心理统计学笔记.docx

心理统计学笔记

基本概念

总体：具有某些共同的、可观测特征的一类事物的全体，构成总体的每个基本单元称为个体

样本：由于不能或没必要对整个总体进行研究，我们只能从总体中选择出一些个体代表总体，这些个体的集合叫样本

变量：本身是变化的或者对于不同个体有不同值得特征或条件常量：本身不变且对不同的个体的值也相同

参数：描述总体的数值，它可以从一次测量中获得，也可以从总体的一系列测量中推论得到

比例：全组中取值为X的比例，p=f/N

插值法：一种求两个已知数值之间中间值的方法，其假设所求解点附近数据呈线性变化统计量：描述样本的数值，与参数的获得方式相同

随机取样：从总体抽取样本的一种策略，要求总体中的每一个个体被抽到的机会均等取样误差：样本统计量与相应的总体参数之间的差距

偏态分布：分数堆积在分布的一端，而另一端成为比较尖细的尾端，其与对称分布对应次数分布：一批数据在某一量度的每一个类目所出现的次数情况

离散型变量：由分离的、不可分割的范畴组成，临近范畴之间没有值存在

连续型变量：在任何两个观测值之间都存在无限多个可能值，它可被分割成无限多个组成部分

学习建议

①将注意放在概念上，心理统计应该是一门概念性的科学，而非纯数学。

②一定要将统计方法与心理学研究的情景结合起来学习。

③弄懂一个概念再开始学习下一个，心理统计中的概念应用性较差却是之后做题的基础。

④做题按照推荐格式能避免出错几率。

统计检验总表

数据类

单样本

独立样

相关样

多组样本的比较

相关问

型

问题

本比较

本比较

独立样 重复测

题

本 量

等 总体

单样本

独立样

相关样

独立样 重复测

Pearson

距 正态

型 分布分布

t/z检验

大样本

本t/z检验

大样本

本t检验

大样本

本方差 量方差

分析 分析转化为顺序型

积差相关

转化为顺

形态 下的相

下的相

下的相

序型

未知 应的t/z

应的t/z

应的t检

检验

检验

验

顺序型 符号检

曼-惠特

维尔克

克-瓦氏

弗里德

Spearman

验法

尼

松

单向

曼双向

等级相关

U检验

T检验

方差分

等级方

析

差分析

命名型 χ2匹配

度检验

χ2独立性检验

符号检验法

χ2独立性检验

χ2独立性检验

一、描述统计

描述统计是指用来整理、概括、简化数据的统计方法，侧重于描述一组数据的全貌，表达一件事物的性质。

（一）统计图表

统计表和统计图简单明确、生动直观地表达数量关系，具有一目了然、整洁美观、容易理解等特点。它们是对数据进行初步整理，以简化的形式加以表现的两种最简单的方式。在制定统计图表之前，一般首先要对数据进行以下两种初步整理：

①数据排序：按照某种标准，对收集到的杂乱无章的数据按照一定顺序标准进行排列

②统计分组：根据被研究对象的特征，将所得到数据划分到各个组别中去

统计图

统计图：用点、线、面的位置、升降或大小来表达统计资料数量关系的一种陈列形式组成：坐标轴、图号、图题、图目、图尺、图形、图例、图注

分类：条形图、圆图、线性图、直方图、散点图、茎叶图

统计表

统计表：将要统计分析的事物或指标以表格的形式列出来，以代替烦琐文字描述的一种表现形式

组成：隔开线、表号、名称、标目、数字、表注分类：简单表、分组表、复合表

（二）集中量数

集中量数又叫集中趋势，是体现一组数据一般水平的统计量。它能反映频数分布中大量数据向某一点集中的情况。

算数平均数

定义

算数平均数：即所有观察值的总和与总频数之商，简称为平均数或均数平均数一般与标准差、方差相结合使用。

特点

①在一组数据中每个变量与平均数之差的总和等于零

②在一组数据中，每一个数都加上一个常数C，所得的平均数为原来的平均数加常数C

③在一组数据中，每一个数都乘以一个常数C，所得的平均数为原来的平均数乘以常数C

意义

算数平均数是应用最普遍的一种集中量数，它在大多情况下是真值最好的估计值。

优缺点

优点：反应灵敏、计算严密、计算简单、简明易解、适合于进一步用代数方法盐酸、较少受抽样变动的影响

缺点：易受极端数据的影响、不能在出现模糊数据时计算

中数

定义

中数：按顺序排列在一起的一组数据中居于中间位置的数，在这组数据中，有一半数据比它大，一般数据比它小，等价于百分位数是50的那个数。

算法

①数列总个数为奇数时，第(n+1)/2个数就是中数

②数列总个数为偶数时，可取位于中间的两个数的平均数作为中数

③分布中有相等的数时，将重复的数字看成一个连续体，利用中间分数的精确上下限使用插值法

优缺点

优点：计算简单、容易理解、不受极端值影响、能在有模糊数据情况下使用、可在顺序型

数据时使用

缺点：代表性低、不够灵