常用统计方法：T检验、F检验、卡方检验
介绍常用的几种统计分析方法：T检验、F检验、卡方检验
一、T检验
（一）什么是T检验
T检验是一种适合小样本的统计分析方法，通过比较不同数据的均值，研究两组数据是否存在差异。主要用于样本含量较小（例如n < 30），总体标准差σ未知的正态分布。
（二）T检验有什么用
1.单样本T检验用于比较一组数据与一个特定数值之间的差异情况。
样例：难产儿出生数n = 35，体重均值 = 3.42，S = 0.40，一般婴儿出生体重μ0= 3.30（大规模调查获得），问相同否？
求解代码：from scipy import statsstats.ttest_1samp(data,sample)
检验一列数据的均值与sample的差异是否显著。（双侧检验）
若为单侧检验，则将p值除以2
2.配对样本的T检验（ABtest）用于检验有一定对应关系的样本之间的差异情况，需要两组样本数相等。常见的使用场景有：
①同一对象处理前后的对比（同一组人员采用同一种减肥方法前后的效果对比）；
②同一对象采用两种方法检验的结果的对比（同一组人员分别服用两种减肥药后的效果对比）；
③配对的两个对象分别接受两种处理后的结果对比（两组人员，按照体重进行配对，服用不同的减肥药，对比服药后的两组人员的体重）。
AB测试时互联网运营为了提升用户体验从而获得用户增长而采用的精细化运营手段，简单的说就是分为A版本和B版本哪个更能吸引用户使用。
目的：检验两个独立样本的平均值之差是否等于目标值样例：比较键盘A版本和B版本哪个更好用，衡量标准：谁在规定时间内打错字少，或者两者差异不大
求解代码：ttest_rel(data1,data2) (得出的p值是双侧检验的p值)
3.独立样本的T检验（要求总体方差齐性）
独立样本与配对样本的不同之处在于独立样本T检验两
组数据的样本个数可以不等。
样例：比较男生与女生的专业和职业任职得分的均值是否存在显著差异，可采用独立样本T检验进行分析。
求解代码：
from scipy.stats import ttest_ind, levenelevene(data1,data2)#方差齐性检验（pvalue>0.05可以认为方差是相等的）
stats.ttest_ind(data1,data2)(得出的p值是双侧检验的p值)
独立样本和配对样本两种检验的区别在于，配对检验是基于对同一样本中相同个体的多次测量数据的检验；独立检验是对于不同样本的个体的测量数据。
（三）T检验怎么用
1.首先要明确检验的目的，是单样本T检验、配对样本的T检验还是独立样本的T检验。
2.进行正态性检验，独立样本需要进行方差齐性检验（观察是否来自于同一个整体）
3.选择合适的检验方法进行检验
（四）T检验注意事项
1.无论哪种T检验、都要数据服从正态或者近似正态分布。正态性的检验方法有：正态图、正态性检验、P-P图/Q-Q 图等。
2.独立样本的T检验，除了要满足正态性，还需要满足方差齐性的前提条件。在方差齐性的情况下才可以使用T检验，如果方差不齐性，则应采用校正T检验。
二、F检验
（一）什么是F检验
方差分析就是对试验数据进行分析，检验方差相等的多个正态总体均值是否相等，进而判断各因素对试验指标的影响是否显著。其原理认为不同处理组的均数间的差别基本来源有两个：实验条件和随机误差。其思想为通过分析研究不同来源的变异对总变异的贡献大小，从而确定可控因素对研究结果影响力的大小。
（二）F检验有什么用1.单因素方差分析适用于问卷数据和实验数据，实验中只有一个因素改变的样本。判断该因素对样本的影响因素是否显著。2.双因素方差分析适用于实验数据，实验中有两个因素改变的样本。3.多因素方差分析适用于实验数据，实验中有多个因素改变的样本。
（三）F检验怎么用（方差齐性检验）1.判断数据类型定性数据用卡方检验， t检验一般用来比较两个总体的均值是否相同，而单因素方差分析可用于比较多个总体的均值是否相同。2.确定方差分析的类型确定实验过程中有几种因素发生了改变，如只有一组，则选择单因素方差分析；如有两
组，则选择双因素方差分析；如有多组，则选择多因素方差分析。3.正态性检验4.方差齐性检验5.选择合适的方法进行检验6.事后多重比较单因素方差分析如果呈现出显著性，说明不同组别之间确实存在显著的差异，事后多重比较可以得出出两组间显著差异的大小。
（四）F检验注意事项1.方差分析用来分析定量数据的变化情况，可以比较2组或多组数据的差异。2.方差分析要求样本满足正态分布3.方差分析的前提是方差齐性
三、卡方检验
（一）什么是卡方检验卡方检验是一种用途广泛的分析定性数据差异性的方法。是一种通过频数进行检验的方法。
（二）卡方检验有什么用1.卡方优度检验对一列数据进行统计检验，分析单个分类变量实际观测的比例与期望的比例是否一致。2.交叉表卡方研究两组分类变量的关系：如性别与看不看直播是否有关系。
样例：
从某中学随机抽取两个班，调查他们对待文理分科的态度，结果，甲班37人赞成，27人反对；乙班39人赞成，21人反对，这两个班对待文理分科的态度是否有显著差异(α= .05)?
求解代码：
from scipy.stats import chi2_contingency
kf_data = np.array([[37,27], [39,21]])
kf = chi2_contingency(kf_datad)print('chisq-statistic=%. 4f, p-value=%.4f, df=%i expected_frep=%s'%kf) # chisq-statistic=0.4054, p-value=0.5243, df=1 expected_frep=[[39.22580645 24.77419355][36.77419355 23.22580645]]
3.配对卡方研究实验过程中，用不同方法检测同一批人，看两个方法的效果是否有显著差异。
（三）卡方检验怎么用
1.确定卡方检验的类型
2.选用合适的方法进行卡方检验
（四）卡方检验注意事项
1.需要随机样本数据
2.理论频数不能太小
常用统计方法：T检验、F检验、卡方检验 介绍常用的几种统计分析方法：T检验、F检验、卡方检验 一、T检验 （一）什么是T检验 T检验是一种适合小样本的统计分析方法，通过比较不同数据的均值，研究两组数据是否存在差异。主要用于样本含量较小（例如n < 30），总体标准差σ未知的正态分布。 （二）T检验有什么用 1.单样本T检验用于比较一组数据与一个特定数值之间的差异情况。 样例：难产儿出生数n = 35，体重均值 = 3.42，S = 0.40，一般婴儿出生体重μ0= 3.30（大规模调查获得），问相同否？ 求解代码：from scipy import statsstats.ttest_1samp(data,sample) 检验一列数据的均值与sample的差异是否显著。（双侧检验） 若为单侧检验，则将p值除以2
2.配对样本的T检验（ABtest）用于检验有一定对应关系的样本之间的差异情况，需要两组样本数相等。常见的使用场景有： ①同一对象处理前后的对比（同一组人员采用同一种减肥方法前后的效果对比）； ②同一对象采用两种方法检验的结果的对比（同一组人员分别服用两种减肥药后的效果对比）； ③配对的两个对象分别接受两种处理后的结果对比（两组人员，按照体重进行配对，服用不同的减肥药，对比服药后的两组人员的体重）。 AB测试时互联网运营为了提升用户体验从而获得用户增长而采用的精细化运营手段，简单的说就是分为A版本和B版本哪个更能吸引用户使用。 目的：检验两个独立样本的平均值之差是否等于目标值样例：比较键盘A版本和B版本哪个更好用，衡量标准：谁在规定时间内打错字少，或者两者差异不大 求解代码：ttest_rel(data1,data2) (得出的p值是双侧检验的p值) 3.独立样本的T检验（要求总体方差齐性） 独立样本与配对样本的不同之处在于独立样本T检验两
定义 假设检验就是用来判断样本与样本,样本与总体的差异就是由抽样误差引起还就是本质差别造成的统计推断方法。其基本原理就是先对总体的特征作出某种假设,然后通过抽样研究的统计推理,对此假设应该被拒绝还就是接受作出推断。 基本原理 (1)先假设总体某项假设成立,计算其会导致什么结果产生。若导致不合理现象产生,则拒绝原先的假设。若并不导致不合理的现象产生,则不能拒绝原先假设,从而接受原先假设。 (2)它又不同于一般的反证法。所谓不合理现象产生,并非指形式逻辑上的绝对矛盾,而就是基于小概率原理:概率很小的事件在一次试验中几乎就是不可能发生的,若发生了,就就是不合理的。至于怎样才算就是“小概率”呢？通常可将概率不超过0、05的事件称为“小概率事件”,也可视具体情形而取0、1或0、01等。在假设检验中常记这个概率为α,称为显著性水平。而把原先设定的假设成为原假设,记作H0。把与H0相反的假设称为备择假设,它就是原假设被拒绝时而应接受的假设,记作H1。 假设的形式 H0——原假设, H1——备择假设 双侧检验:H0:μ = μ0 , 单侧检验: ,H1:μ < μ0 或, H1:μ > μ0假设检验就就是根据样本观察结果对原假设(H0)进行检验,接受H0,就否定H1;拒绝H0,就接受H1。 假设检验的种类 下面介绍几种常见的假设检验 1、T检验 亦称student t检验(Student's t test),主要用于样本含量较小(例如n<30),总体标准差σ未知的正态分布资料。 目的:比较样本均数所代表的未知总体均数μ与已知总体均数μ0。 计算公式:统计量: 自由度:v=n - 1 适用条件: (1) 已知一个总体均数; (2) 可得到一个样本均数及该样本标准误; (3) 样本来自正态或近似正态总体。 T检验的步骤 1、建立虚无假设H0:μ1= μ2,即先假定两个总体平均数之间没有显著差异; 2、计算统计量T值,对于不同类型的问题选用不同的统计量计算方法; 1)如果要评断一个总体中的小样本平均数与总体平均值之间的差异程度,其统计量T值
医学统计学检验方法(转) 医学论文中统计方法的正确应用 医用统计方法是医学科研和论文撰写的一个基本工具，但是不少医学科研及临床工作者对统计方法的正确应用缺乏足够的知识，在实际应用过程中常常出现一些不妥用法甚至误用现象。正确使用统计方法，能使研究结果具有科学性和说服力;反之，如果使用不当，不仅不能准确地反映科研结果，而且可能带来错误的结论。 1、所选统计方法脱离了资料的性质不同的资料类型和不同的研究目的采用不同的统计方法。按照资料的性质测定指标的多少，确定资料是计数资料还是计量资料，应用单因素分析还是多因素分析。 1.1 多因素资料是对每个研究对象测量的多个指标同时进行的综合分析，其分析计算过程相对复杂。常用的有回归分析;相关分析以及判别分析、聚类分析、主成分分析和因子分析等。多因素分析多用于计量资料。 1.2 单因素分析应用较多，按获取资料的方法，分计数资料和计量资料。首先，计数资料主要是针对要求某现象的频率和比例，利用率或比的相应计算方法。如做不同样本间的比较则采用计数资料的显著性检验，样本率与总体率的比较用u 检验;两个样本率的比较可用u 检验或四格表的x 检验，多个样本率的比较可用行乘列的卡方检验或2XC 表的卡方检验。其次，计量资料要结合研究目的确定相应的统计方法。对于显著性检验通常有T 检验和F 检验，T 检验是用于两个均数问的比较，按研究设计与比较内容的不同又分为样本均数和总体均数的比较，两个样本均数差别的检验，配对资料的显著性检验。F 检验用于多个样本均数的比较，按设计类型分完全随机设计的方差分析、随机区组设计的方差分析和组内分组资料的方差分析。 2、根据研究目的选用统计分析方法不同的统计方法说明不同的问题，同样不同的问题要应用不同的统计方法来分析和表达。研究者在做统计分析前，首先要明确资料分析的目的、意图是什么，通过分析最终达到什么样的期望，临床工作者科研通常的目的主要有: 2.1 某现象发生的频率或比例如人群中重复癌的发生率，采用频率指标，构成指标或相对比，可计算发病、患病、感染、阳性频率或构成等。
医学统计学检验方法（转） 医学论文中统计方法的正确应用 医用统计方法是医学科研和论文撰写的一个基本工具，但是不少医学科研及临床工作者对统计方法的正确应用缺乏足够的知识，在实际应用过程中常常出现 一些不妥用法甚至误用现象。正确使用统计方法，能使研究结果具有科学性和说服力;反之，如果使用不当，不仅不能准确地反映科研结果，而且可能带来错误的结论。 1、所选统计方法脱离了资料的性质不同的资料类型和不同的研究目的采用不同的统计方法。按照资料的性质测定指标的多少，确定资料是计数资料还是计量资料，应用单因素分析还是多因素分析。 1.1多因素资料是对每个研究对象测量的多个指标同时进行的综合分析，其分析计算过程相对复杂。常用的有回归分析；相关分析以及判别分析、聚类分析、 主成分分析和因子分析等。多因素分析多用于计量资料。 1.2单因素分析应用较多，按获取资料的方法，分计数资料和计量资料。首 先，计数资料主要是针对要求某现象的频率和比例，利用率或比的相应计算方法。如做不同样本间的比较则采用计数资料的显著性检验，样本率与总体率的比较用 u检验;两个样本率的比较可用u检验或四格表的x检验，多个样本率的比较可用行乘列的卡方检验或2XC表的卡方检验。其次，计量资料要结合研究目的确定相应的统计方法。对于显著性检验通常有T检验和F检验，T检验是用于两个均数问的比较，按研究设计与比较内容的不同又分为样本均数和总体均数的比较，两个样本均数差别的检验，配对资料的显著性检验。F检验用于多个样本均数的比较，按设计类型分完全随机设计的方差分析、随机区组设计的方差分析和组内分组资料的方差分析。 2、根据研究目的选用统计分析方法不同的统计方法说明不同的问题，同样不同的问题要应用不同的统计方法来分析和表达。研究者在做统计分析前，首先要明确资料分析的目的、意图是什么，通过分析最终达到什么样的期望，临床工作者科研通常的目的主要有： 2.1某现象发生的频率或比例如人群中重复癌的发生率，采用频率指标，构成指标或相对比，可计算发病、患病、感染、阳性频率或构成等。
卡方检验(Chi-square test) stat9@https://www.doczj.com/doc/128355541.html,
检验(Chi-square test)是现代统计学的创始人 K. Pearson 提出的一种具有广泛用途的统计方法。 该检验可用于两个及多个率（或者构成比）之间的比较，分类资料的关联度分析，拟合优度检验等。 2
一、卡方检验的基本思想 首先介绍一个抽样分布：卡方分布 ?属连续型分布 ?可加性是其基本性质 ?唯一参数，即自由度
(1) 自由度为1的χ2 分布 若Z N ~(,),01则Z 2 的分布称为自由度为1的χ2分布. (Chi-square distribution),记为χ()12或χ2 1(). 图形: 0246810 0.0 0.1 0.2 0.3 2 2 2 0.05(1)0.05/2 2 2 2 0.01(1) 0.01/2 3.84(1.96)6.63(2.5758)Z Z χχ ======
(2) νZ Z Z ,...,,21互相独立,均服从N (,)01, 则22221...νZ Z Z +++的分布称自由度为 ν的χ2 分布, 记为χν()2或)(2νχ,或简记为χ2 . ● 图形: ● 自由度ν很大时,2 () νχ近似地服从正态分布.有 2()2 (),22Z ννχνχννν -=服从均数为，方差为的正态分布
0.0 0.10.20.3 0.40.50 3 6 912 1518 ?¨·??μ ×Y ·?×?óé?è￡?1 ×?óé?è￡?2×?óé?è￡?3×?óé?è￡?6 2 /) 12/(2 2 22 )2/(21 )(χνχνχ--??? ? ??Γ= e f 3.84 7.81 12.59 P ＝0.05的临界值 χ2分布（Chi-square distribution ）
统计中经常会用到各种检验，如何知道何时用什么检验呢，根据结合自己的工 作来说一说： t检验有单样本t检验，配对t检验和两样本t检验。单样本t检验：是用样本均数代表的未知总体均数和已知总体均数进行比较，来观察此组样本与总体的差异性。配对t检验：是采用配对设计方法观察以下几种情形，1，两个同质受试对 象分别接受两种不同的处理；2,同一受试对象接受两种不同的处理；3，同一受 试对象处理前后。 u检验：t检验和就是统计量为t,u的假设检验，两者均是常见的假设检验方法。当样本含量n较大时，样本均数符合正态分布，故可用u检验进行分析。当样 本含量n小时，若观察值x符合正态分布，则用t检验（因此时样本均数符合t 分布），当x为未知分布时应采用秩和检验。F检验又叫方差齐性检验。在两样本t检验中要用到F检验。从两研究总体中随机抽取样本，要对这两个样本进行比较的时候，首先要判断两总体方差是否相同，即方差齐性。若两总体方差相等，则直接用t检验，若不等，可采用t'检验或变量变换或秩和检验等方法。其中要判断两总体方差是否相等，就可以用F检验。 简单的说就是检验两个样本的方差是否有显著性差异这是选择何种T检验（等方差双样本检验，异方差双样本检验）的前提条件。 在t检验中，如果是比较大于小于之类的就用单侧检验，等于之类的问题就用双侧检验。 卡方检验 是对两个或两个以上率（构成比）进行比较的统计方法，在临床和医学实验中应用十分广泛，特别是临床科研中许多资料是记数资料，就需要用到卡方检验。 方差分析 用方差分析比较多个样本均数,可有效地控制第一类错误。方差分析(analysis of variance,ANOVA)由英国统计学家，以F命名其统计量，故方差分析又称F检验。其目的是推断两组或多组资料的总体均数是否相同，检验两个或多个样本均数的差异是否有统计学意义。我们要学习的主要内容包括 单因素方差分析即完全随机设计或成组设计的方差分析（one-way ANOVA）： 用途：用于完全随机设计的多个样本均数间的比较，其统计推断是推断各样本所代表的各总体均数是否相等。完全随机设计（completely random design）不考虑个体差异的影响，仅涉及一个处理因素，但可以有两个或多个水平，所以亦称单因素实验设计。在实验研究中按随机化原则将受试对象随机分配到一个处理因素的多个水平中去，然后观察各组的试验效应；在观察研究（调查）中按某个研究因素的不同水平分组，比较该因素的效应。 两因素方差分析即配伍组设计的方差分析（two-way ANOVA）： 用途：用于随机区组设计的多个样本均数比较，其统计推断是推断各样本所代表的各总体均数是否相等。随机区组设计考虑了个体差异的影响，可分析处理因素和个体差异对实验效应的影响，所以又称两因素实验设计，比完全随机设计的检验效率高。该设计是将受试对象先按配比条件配成配伍组（如动物实验时，可按同窝别、同性别、体重相近进行配伍），每个配伍组有三个或三个以上受试对象，再按随机化原则分别将各配伍组中的受试对象分配到各个处理组。值得注意的是，同一受试对象不同时间（或部位）重复多次测量所得到的资料称为重复测量数据
第八章记数数据统计法—卡方检验法 知识引入 在各个研究领域中，有些研究问题只能划分为不同性质的类别，各类别没有量的联系。例如，性别分男女，职业分为公务员、教师、工人、……，教师职称又分为教授、副教授、……。有时虽有量的关系，因研究需要将其按一定的标准分为不同的类别，例如，学习成绩、能力水平、态度等都是连续数据，只是研究者依一定标准将其划分为优良中差，喜欢与不喜欢等少数几个等级。对这些非连续等距性数据，要判别这些分类间的差异或者多个变量间的相关性方法称为计数数据统计方法。 卡方检验是专用于解决计数数据统计分析的假设检验法。本章主要介绍卡方检验的两个应用：拟合性检验和独立性检验。拟合性检验是用于分析实际次数与理论次数是否相同，适用于单个因素分类的计数数据。独立性检验用于分析各有多项分类的两个或两个以上的因素之间是否有关联或是否独立的问题。 在计数数据进行统计分析时要特别注意取样的代表性。我们知道，统计分析就是依据样本所提供的信息，正确推论总体的情况。在这一过程中，最根本的一环是确保样本的代表性及对实验的良好控制。在心理与教育研究中，所搜集到的有些数据属于定性资料，它们常常是通过调查、访问或问卷获得，除了少数实验可以事先计划外，大部分收集数据的过程是难于控制的。例如，某研究者关于某项教育措施的问卷调查，由于有一部分教师和学生对该项措施存有意见，或对问卷本身有偏见，根本就不填写问卷。这样该研究所能收回的问卷只能代表一部分观点，所以它是一个有偏样本，若据此对总体进行推论，就会产生一定的偏差，势必不能真实地反映出教师与学生对这项教育措施的意见。因此应用计数资料进行统计推断时，要特别小心谨慎，防止样本的偏倚性，只有具有代表性的样本才能作出正确的推论。 第一节卡方拟合性检验 一、卡方检验的一般问题 卡方检验应用于计数数据的分析，对于总体的分布不作任何假设，因此它又是非参数检验法中的一种。它由统计学家皮尔逊推导。理论证明，实际观察次数（f o）与理论次数 （f e），又称期望次数）之差的平方再除以理论次数所得的统计量，近似服从卡方分布， 可表示为： 这是卡方检验的原始公式，其中当f e越大（f e≥5）,近似得越好。显然f o与f e相差越大，卡方值就越大；f o与f e相差越小，卡方值就越小；因此它能够用来表示f o与f e相差的程度。根据这个公式，可认为卡方检验的一般问题是要检验名义型变量的实际观测次数和理论次数分布之间是否存在显著差异。它主要应用于两种情况：
2X 检验或卡方检验和校正卡方检验的计算 私立广厦学校 郭捷思 在教育学量的研究中，各种各样的统计方法已经被广泛的应用，特别是由于统计软件（如：SPSS ）的不断成熟，给教育研究者提供了多种量的研究方法。但是，这并不是无论什么量的研究都要通过统计软件来实现，也不是所有量的研究一定要运用统计软件才能快捷，简便的实现。本文将教给大家几种简便的方法来实现卡方检验。 2X 检验（chi-square test ）或称卡方检验方法可以根据 样本数据，推断总体分布与期望分布或某一理论分布是否存在显著差异，是一种吻合性检验，通常适于对有多项分类值的总体分布的分析。它的零假设是样本来自的总体分布与期望分布或某一理论分布无显著差异。根据卡方检验基本思想的理论依据，对变量总体分布的检验就可以从对各个观察频数的分析入手。为检验实际分布与理论分布（期望分布）之间是否存在显著差异，可采用卡方检验统计量。典型的卡方统计量是pearson 卡方，其基本公式为： ∑=-=k i o i e i o i f f f X 12)( 式中k 为子集个数，o f 为观察频数，e f 为期望频数，2X 服从k —1个自由度的卡方分布。如果2X 值较大，则说明观测频数分布与期望频数分布差距较大；反之，如果2X 值较小，
则说明观测频数分布与期望频数分布较接近。我们将通过代入数据运算这条公式，计算出2X 统计量的观测值，并依据卡方分布表计算观测值对应的概率p 值。下面，将通过几个实际例子来探究如何进行卡方检验。 一、四格表资料的卡方检验 例1：某学校分别运用传统教学和多媒体教学在两个平行班的数学课上进行试验，目的为了检测两种教学方法对学生的成绩影响是否有差异。本实验把学生的成绩划分为优秀人数（80分以上）和非优秀人数。 表1： 两种教学方法学生成绩优秀率的比较 表内这四个数据（斜体）是整个表中的基本资料，其余数据均由此推算出来；这四格资料表就专称四格表（fourfold table ），或称2行2列表（2×2 contingency table ）从该资料算出的；两种教学的优秀率分别为40%和68.6%，两者的差别可能是抽样误差所致，亦可能是两种教学效果确有所不同。这里可通过卡方检验来区别其差异有无统计学意义， 检验步骤： 组别 优秀人数 非优秀人数 合计 优秀率（%） 传统教学班 20 30 50 40 多媒体教学班 35 16 51 68.6 合计 55 46 101 52.5
统计分析方法总结 分享 胡斌 00:06分享，并说：统计 1.连续性资料 1.1 两组独立样本比较 1.1.1 资料符合正态分布,且两组方差齐性,直接采用t检验。 1.1.2 资料不符合正态分布，（1）可进行数据转换,如对数转换等,使之服从正态分布,然后对转换后的数据采用t检验；（2）采用非参数检验,如Wilcoxon检验。 1.1.3 资料方差不齐，（1）采用Satterthwate 的t’检验；（2）采用非参数检验,如Wilcoxon检验。 1.2 两组配对样本的比较 1.2.1 两组差值服从正态分布，采用配对t检验。 1.2.2 两组差值不服从正态分布，采用wilcoxon的符号配对秩和检验。 1.3 多组完全随机样本比较 1.3.1资料符合正态分布，且各组方差齐性，直接采用完全随机的方差分析。如果检验结果为有统计学意义，则进一步作两两比较，两两比较的方法有LSD检验，Bonferroni法，tukey法，Scheffe法，SNK法等。 1.3.2资料不符合正态分布，或各组方差不齐，则采用非参数检验的Kruscal－Wallis法。如果检验结果为有统计学意义，则进一步作两两比较，一般采用Bonferroni法校正P值，然后用成组的Wilcoxon检验。 1.4 多组随机区组样本比较 1.4.1资料符合正态分布，且各组方差齐性，直接采用随机区组的方差分析。如果检验结果为有统计学意义，则进一步作两两比较，两两比较的方法有LSD检验，Bonferroni法，tukey法，Scheffe法，SNK法等。 1.4.2资料不符合正态分布，或各组方差不齐，则采用非参数检验的Fridman检验法。如果检验结果为有统计学意义，则进一步作两两比较，一般采用Bonferroni 法校正P值，然后用符号配对的Wilcoxon检验。 ****需要注意的问题： （1）一般来说，如果是大样本，比如各组例数大于50，可以不作正态性检验，直接采用t检验或方差分析。因为统计学上有中心极限定理，假定大样本是服从正态分布的。 （2）当进行多组比较时，最容易犯的错误是仅比较其中的两组，而不顾其他组，这样作容易增大犯假阳性错误的概率。正确的做法应该是，先作总的各组间的比较，如果总的来说差别有统计学意义，然后才能作其中任意两组的比较，这些两两比较有特定的统计方法，如上面提到的LSD检验，Bonferroni法，tukey 法，Scheffe法，SNK法等。**绝不能对其中的两组直接采用t检验，这样即使得出结果也未必正确** （3）关于常用的设计方法：多组资料尽管最终分析都是采用方差分析，但不同设计会有差别。常用的设计如完全随即设计，随机区组设计，析因设计，裂区设计，嵌套设计等。 2．分类资料
统计分析的八种方法 统计分析的八种方法一、指标对比分析法指标对比分析法，又称比较分析法，是统计分析中最常用的方法。是通过有关的指标对比来反映事物数量上差异和变化的方法。有比较才能鉴别。单独看一些指标，只能说明总体的某些数量特征，得不出什么结论性的认识；一经过比较，如与国外、外单位比，与历史数据比，与计划相比，就可以对规模大小、水平高低、速度快慢作出判断和评价。 指标分析对比分析方法可分为静态比较和动态比较分析。静态比较是同一时间条件下不同总体指标比较，如不同部门、不同地区、不同国家的比较，也叫横向比较；动态比较是同一总体条件不同时期指标数值的比较，也叫纵向比较。这两种方法既可单独使用，也可结合使用。进行对比分析时，可以单独使用总量指标或相对指标或平均指标，也可将它们结合起来进行对比。比较的结果可用相对数，如百分数、倍数、系数等，也可用相差的绝对数和相关的百分点（每1％为一个百分点）来表示，即将对比的指标相减。 二、分组分析法指标对比分析法是总体上的对比，但组成统计总体的各单位具有多种特征，这就使得在同一总体范围内的各单位之间产生了许多差别，统计分析不仅要对总体数量特征和数量关系进行分析，还要深入总体的内部进行分组分析。分组分析法就是根据统计分析的目的要求，把所研究的总体按照一个或者几个标志划分为若干个部分，加以整理，进行观察、分析，以揭示其内在的联系和规律性。 统计分组法的关键问题在于正确选择分组标值和划分各组界限。 三、时间数列及动态分析法时间数列。是将同一指标在时间上变化和发展的一系列数值，按时间先后顺序排列，就形成时间数列，又称动态数列。它能反映社会经济现象的发展变动情况，通过时间数列的编制和分析，可以找出动态变化规律，为预测未来的发展趋势提供依据。时间数列可分为绝对数时间数列、相对数时间数列、平均数时间数列。 时间数列速度指标。根据绝对数时间数列可以计算的速度指标：有发展速度、增长速度、平均发展速度、平均增长速度。 动态分析法。在统计分析中，如果只有孤立的一个时期指标值，是很难作出判断的。如果编制了时间数列，就可以进行动态分析，反映其发展水平和速度的变化规律。 进行动态分析，要注意数列中各个指标具有的可比性。总体范围、指标计算方法、计算价格和计量单位，都应该前后一致。时间间隔一般也要一致，但也可以根据研究目的，采取不同的间隔期，如按历史时期分。为了消除时间间隔期不同而产生的指标数值不可比，可采用年平均数和年平均发展速度来编制动态数列。此外在统计上，许多综合指标是采用价值形态来反映实物总量，如国内生产总值、工业总产值、社会商品零售总额等计算不同年份的发展速度时，必须消除价格变动因素的影响，才能正确的反映实物量的变化。
试卷2 一、单选题 1．统计学的基本方法包括有( ) ①调查方法、整理方法、分析方法、预测方法 ②调查方法、汇总方法、预测方法、实验设计 ③相对数法、平均数法、指数法、汇总法 ④实验设计、大量观察、统计描述、统计推断 2．要了解某市国有工业企业生产设备情况，则统计总体是( ) ①该市国有的全部工业企业 ②该市国有的每一个工业企业 ③该市国有的某一台设备 ④该市国有制工业企业的全部生产设备 3．有意识地选择三个农村点调查农民收入情况，这种调查方式属于（） ①典型调查②重点调查③抽样调查④普查 4．2000年11月1日零点的第五次全国人口普查是（） ①典型调查②重点调查③一次性调查④经常性调查 5．将不同地区、部门、单位之间同类指标进行对比所得的综合指标称为（） ①动态相对指标②结构相对指标 ③比例相对指标④比较相对指标 6．一个企业产品销售收入计划增长8％，实际增长20％，则计划超额完成程度为（） ①12％②150％③111.11％④11.11％ 7．众数是总体中下列哪项的标志值（） ①位置居中②数值最大 ③出现次数较多④出现次数最多 8．某工厂新工人月工资400元，工资总额为200000元，老工人月工资800元，工资总额80000元，则平均工资为（） ①600元②533.33元③466.67元④500元 9．抽样调查和重点调查的主要区别是（） ①选取调查单位的方式不同②调查的目的不同 ③调查的单位不同④两种调查没有本质区别 10．若销售量增加，销售额持平，则物价指数( ) ①降低②增长③不变④趋势无法确定 二、多选题 1．某企业是总体单位，数量标志有( ) ①所有制②职工人数③月平均工资 ④年工资总额⑤产品合格率 2．相对指标数值的表现形式有（） ①比例数②无名数③结构数④抽样数⑤复名数 3．在直线相关和回归分析中（） ①据同一资料，相关系数只能计算一个 ②据同一资料，相关系数可以计算两个 ③据同一资料，回归方程只能配合一个 ④据同一资料，回归方程随自变量与因变量的确定不同，可能配合两个
卡方检验模型验证方法模型参数的验证方法主要使用卡方拟合度检验( Chi-square Goodness-of-fit Test )结合最大似然 估计( Maximum Likelihood Estimation )，并且使用QQ图（Quantile-Quantile Plot）证明验证结果。 具体的说，就是先假定采集的样本数据符合某一分布，通过最大似然估计方法估计出该分布的参数，然后代入并用卡方检验计算相对于该分布的偏差。实践中我们对于一组样本数据，计算所有常见分布的偏差值，选取偏差最小的分布做为该样本的拟合结果。另外，从QQ图直观上看，该分布做为拟合结果描绘出的曲线 必须近似为接近参考线的直线（见3.3），否则我们就将数据拆分为多个部分进行分段的拟合（如对终端请求包大小的拟合）。 1.1 卡方拟合度检验卡方检验是一种大样本假设检验法，用于检验随机事件中提出的样本数据是否符合某一给定分布。 它需要较 大量的样本数据及已知的待检验概率分布函数。 1.1.1 卡方检验原理对于一个服从二项分布的随机变量Y服从Binomial( n, p) ,均值为,方差 。 由中心极限定理，符合标准正态分布N (0, 1)，所以服从自由度为1的卡方分布。 设服从Binomial( n, p1 ), , , 则 有 所以 同理对于k个随机变量，均值分别为 ， 在数据拟合时，先对数据分组，每组数据的实际个数即为随机变量
，，，则数据拟合即为判断 是否符合分布， 该卡方分布的自由度为k-1-nep（k为随机变量个数，nep为估计参数的个数）。 1.1.2 卡方检验步骤：假定样本服从某一给定分布。根据样本数据用最大似然法估计分布的密度函数参数。设定置信度，对n个样本数据排序。 把排序后的数据分成k组，确定每组的上下限,（上下限确定方法不同对验证能力有影响， 每组数据不少于5个），为了方便起见，本项目中采用平均划分分组间隔，即使为常数， 对于所有的成立。 计算每组数据实际个数，第i组实际个数为。 计算每组数据期望个数，第i组期望个数为： 连续：，其中F(x)为待验证的概率分布函数， 离散：。 计算。 理论上说如果，则数据符合分布函数为F(x)的分布， 其中，nep为估计的参数的个数。但是由于实际采集的数据并非完全地符合某一分布， 总存在一定的偏差，计算出的值并不满足这个条件， 所以我们使用的拟合标准为采用卡方估计值最小的分布作为验证结果。
记数数据统计法—卡方检验法 在各个研究领域中，有些研究问题只能划分为不同性质的类别，各类别没有量的联系。例如，性别分男女，职业分为公务员、教师、工人、……，教师职称又分为教授、副教授、……。有时虽有量的关系，因研究需要将其按一定的标准分为不同的类别，例如，学习成绩、能力水平、态度等都是连续数据，只是研究者依一定标准将其划分为优良中差，喜欢与不喜欢等少数几个等级。对这些非连续等距性数据，要判别这些分类间的差异或者多个变量间的相关性方法称为计数数据统计方法。 卡方检验是专用于解决计数数据统计分析的假设检验法。本章主要介绍卡方检验的两个应用：拟合性检验和独立性检验。拟合性检验是用于分析实际次数与理论次数是否相同，适用于单个因素分类的计数数据。独立性检验用于分析各有多项分类的两个或两个以上的因素之间是否有关联或是否独立的问题。 在计数数据进行统计分析时要特别注意取样的代表性。我们知道，统计分析就是依据样本所提供的信息，正确推论总体的情况。在这一过程中，最根本的一环是确保样本的代表性及对实验的良好控制。在心理与教育研究中，所搜集到的有些数据属于定性资料，它们常常是通过调查、访问或问卷获得，除了少数实验可以事先计划外，大部分收集数据的过程是难于控制的。例如，某研究者关于某项教育措施的问卷调查，由于有一部分教师和学生对该项措施存有意见，或对问卷本身有偏见，根本就不填写问卷。这样该研究所能收回的问卷只能代表一部分观点，所以它是一个有偏样本，若据此对总体进行推论，就会产生一定的偏差，势必不能真实地反映出教师与学生对这项教育措施的意见。因此应用计数资料进行统计推断时，要特别小心谨慎，防止样本的偏倚性，只有具有代表性的样本才能作出正确的推论。 第一节卡方拟合性检验 一、卡方检验的一般问题 卡方检验应用于计数数据的分析，对于总体的分布不作任何假设，因此它又是非参数检验法中的一种。它由统计学家皮尔逊推导。理论证明，实际观察次数（f o）与理论次数（f e），又称期望次数）之差的平方再除以理论次数所得的统计量，近似服从卡方分布，可表示为： 这是卡方检验的原始公式，其中当f e越大（f e≥5）,近似得越好。显然f o与f e相差越大，卡方值就越大；f o与f e相差越小，卡方值就越小；因此它能够用来表示f o与f e相差的程度。根据这个公式，可认为卡方检验的一般问题是要检验名义型变量的实际观测次数和理论次数分布之间是否存在显著差异。它主要应用于两种情况： 卡方检验能检验单个多项分类名义型变量各分类间的实际观测次数与理论次数之间是否一致的问题，这里的观测次数是根据样本数据得多的实计数，理论次数则是根据理论或经验得到的期望次数。这一类检验称为拟合性检验。
卡方统计量 卡方检验用途： 可以对两个率或构成比以及多个率或构成比间的差异做统计学检验 第一节. 四格表资料的χ2检验 例8.1 为了解铅中毒病人是否有尿棕色素增加现象，分别对病人组和对照组的尿液作尿棕色素定性检查，结果见表8.1，问铅中毒病人和对照人群的尿棕色素阳性率有无差别? 表8.1 两组人群尿棕色素阳性率比较 组别阳性数阴性数合计阳性率% 病人29(18.74) 7(17.26) 36 80.56 对照9(19.26)28(17.74) 37 24.32 合计38 35 73 52.05 卡方检验的基本思想 表1中29、7、9、28是构成四格表资料的四个基本格子的数字，其余行合计和列合计以及总的合计都可以根据该四个数字推算出来，故该类资料被称为四格表资料 四格表卡方检验的步骤 以例8.1为例 1.建立假设： H0：π1 = π2 H1：π1≠π2 α＝0.05 四格表的四格子里的数字是实际数，在表1中四个数字旁边括号中的四个数字为理论数，其含义是当无效假设成立的时候，理论上两组人群各有多少阳性和阴性的人数。 若H0：π1＝π2成立→p1＝p2＝p 即假设两组间阳性率无差别，阳性率都是等于合计的52.05%，那么 铅中毒病人36人，则理论上有 36 ╳52.05%=18.74人为阳性； 对照组37人，则理论上有 37 ╳52.05%=19.26人为阳性。 故每个实际数所对应的理论数算法是，该实际数对应的行和乘列和再除以总的N样本含量。 即TRC=nR nC / n 2.计算理论数 第1行1列: T11＝36×38/73= 18.74 依次类推T12 = 17.26 T21 = 19.26 T22 = 17.74 四格表中理论数的两大特征： （1）理论频数表的构成相同，即不但各行构成比相同，而且各列构成比也相同； （2）各个基本格子实际数与理论数的差别（绝对值）相同。 一、卡方检验基本公式
问卷调查的常用统计分析方法 问卷调查的方法用得很广泛，对于没有接触过spss的人第一步面临的就是问卷编码问题，有很多外专业的同学都在问这个问题，现在通过举例的方法详细讲解如下，以方便第一次接触SPSS 的同学也能做简单的分析。后面还有分析时的操作步骤，以及比较适用的深入统计分析方法的简单介绍。 调查分析问卷回收，在经过核实和清理后就要用SPSS做数据分析，首先的第一步就是把问题编码录入。 SPSS的问卷分析中一份问卷是一个案，首先要根据问卷问题的不同定义变量。定义变量值得注意的两点：一区分变量的度量，Measure的值，其中Scale是定量、Ordinal是定序、Nominal 是指定类；二注意定义不同的数据类型Type 各色各样的问卷题目的类型大致可以分为单选、多选、排序、开放题目四种类型，他们的变量的定义和处理的方法各有不同，我们详细举例介绍如下： 问卷调查的方法用得很广泛，对于没有接触过spss的人第一步面临的就是问卷编码问题，有很多外专业的同学都在问这个问题，现在通过举例的方法详细讲解如下，以方便第一次接触SPSS的同学也能做简单的分析。后面还有分析时的操作步骤，
以及比较适用的深入统计分析方法的简单介绍。自己写的，错误之处请指正， 调查分析问卷回收，在经过核实和清理后就要用SPSS做数据分析，首先的第一步就是把问题编码录入。 SPSS的问卷分析中一份问卷是一个案，首先要根据问卷问题的不同定义变量。定义变量值得注意的两点：一区分变量的度量，Measure的值，其中Scale是定量、Ordinal是定序、Nominal 是指定类；二注意定义不同的数据类型Type 各色各样的问卷题目的类型大致可以分为单选、多选、排序、开放题目四种类型，他们的变量的定义和处理的方法各有不同，我们详细举例介绍如下： 1 、单选题：答案只能有一个选项 例一当前贵组织机构是否设有面向组织的职业生涯规划系统？ A有 B 正在开创C没有D曾经有过但已中断 编码：只定义一个变量，Value值1、2、3、4分别代表A、B、C、D 四个选项。
1、两组数据中的每个变量值减去同一常数后做两个样本均数差异的t检验（） *c ? A.t值变小 ? B.t值变大 ? C.t值不变 ? D.t值变小或变大 2、作单组样本均数与一个已知的总体均数比较的t检验时，正确的理解是（） *c ? A.A.统计量t越大，说明两总体均数差别越大 ? B.B.统计量t越大，说明两总体均数差别越小 ? C.C.统计量t越大，越有理由认为两总体均数不相等 ? D.D.P值就是αa 3、随机区组设计的方差分析用于（） * ? A.多个样本均数间的两两比较 ? B.比较各个区组间的样本均数有无差别 ? C.比较各个区组间的总体均数有无差别 ? D.比较各个处理组间的样本均数有无差别 4、各组数据方差不齐时，可以做（） *D ? A.近似检验 ? B.秩和检验 ? C.数据转换 ? D.ABC均可 5、第I类错误的概念是（） *D ? A.H0是不对的，统计检验结果未拒绝H0 ? B.H0是对的，统计检验的结果未拒绝H0 ? C.H0是不对的，统计检验结果拒绝H0 ?
6、下列哪种说法是错误的（） *B ? A.计算相对数尤其是率时应有足够数量的观察单位数或观察次数 ? B.分析大样本数据时可以构成代替率 ? C.应分别将分子和分母合计求合计率或平均率 ? D.相对数的比较应注意其可比性 7、配对计量资料进行假设检验时（） *Dd ? A.仅能用配对t检验 ? B.仅能用成组t检验 ? C.仅能用随机区组设计的方差分析 ? D.用配比t检验和随机区组设计的方差分析均可 8、方差分析的前提条件是（） *A ? A.计量资料非参数统计的 ? B.正态性 ? C.随机性 ? D.方差齐性 9、设配对设计资料的变量为X1与X2，则配对设计的符号的秩检验（） *B ? A.把X1与X2的差数军队之从小到大编秩，排好后秩次保持原差数的正负号 ? B.把X1与X2的差数绝对值从小到大编秩，秩次不保存正负号 ? C.把X1与X2综合按绝对值从小到大编秩 ? D.把X1与X2的差数从小到大编秩 10、对于配对t检验和成组t检验，下列哪一种说法是错误的（） *B ? A.对于配对设计资料应作配对t检验，如果作成组t检验，不但不合理，而且平均起来统计效率降低 ? B.成组设计的资料用配对t检验，不但合理，而且平均起来可以提高统计效率 ? C.成组设计的资料，无法用配对t配对t检验 ?
正确答案错误答案 1.从同一总体抽样,则样本标准差（） A随着样本含量增大而增大 B样本含量增大而标准差不变 C随着样本含量减少而减少 D随着样本含量增大而减小 2.用图表示某地区近30年三种疾病的发病率，在各年度的动态发展速度情况,宜绘制（） A普通线性图 B.直方图 C.百分条图 D.半对数线图。 3.均数与标准误的关系（） A.均数越大,标准误越大 B.均数越大,标准误越小 C标准误越小，用均数推测总体均数的可靠性越大。 E标准误越大，用均数推测总体均数的可靠性越大。 4.多重线性回归分析中，度量一组自变量与应变量线性相关程度的统计量是() A.负相关系数 B.决定系数 C.偏相关系数 D.偏回归系数 5.变异系数cv的数值() A.一定大于1 B.一定小于1 C.可以大于1，也可以小于1 D.一定小于标准差。 6.在样本量为n，自变量个数为3的线性回归方程的假设检验中，回归变异和剩余变异的
自由度分别为（） A. 3和n-3 B. 3和n-4 C. 2和n-2 D. 2和n-3 7.比较某地区解放以来三种病的发病率在各个年度的发展速度,应该绘制（） A.半对数线图 B.圆图 C.直方图 D.普通线图 8.在同一总体中随机抽取多个样本，用样本均数估计总体均数95%的可信区间，则估计精 密度高的是（） A.均数小的样本 B.标准差小的样本 C.标准误大的样本 D.标准误小的样本 9.均数的标准误反映了（） A.个体的变异程度 B.集中趋势的位置 C.指标的分布规律 D.样本均数与总体均数的差异 10.由样本均数估计总体均数可靠性大小的指标是（） A.标准差 B.标准误 C.方差 D.变异系数 11.表示血清抗体滴度资料平均水平最常用的指标是（）
统计分析方法适用条件 统计学方法一直以来都是我们专业的必修课，也是我们的基本功，可是现在滥用方法 的人很多，现在总结一些前人的资料供大家参考学习！ 1.连续性资料 1.1 两组独立样本比较 1.1.1 资料符合正态分布,且两组方差齐性,直接采用t检验。 1.1.2 资料不符合正态分布，（1）可进行数据转换,如对数转换等,使之服从正态分布,然后对转换后的数据采用t检验；（2）采用非参数检验,如Wilcoxon检验。 1.1.3 资料方差不齐，（1）采用Satterthwate 的t’检验；（2）采用非参数检验, 如Wilcoxon检验。 1.2 两组配对样本的比较 1.2.1 两组差值服从正态分布，采用配对t检验。 1.2.2 两组差值不服从正态分布，采用wilcoxon的符号配对秩和检验。 1.3 多组完全随机样本比较 1.3.1资料符合正态分布，且各组方差齐性，直接采用完全随机的方差分析。如果检 验结果为有统计学意义，则进一步作两两比较，两两比较的方法有LSD检验，Bonferroni 法，tukey法，Scheffe法，SNK法等。 1.3.2资料不符合正态分布，或各组方差不齐，则采用非参数检验的Kruscal－ Wallis法。如果检验结果为有统计学意义，则进一步作两两比较，一般采用Bonferroni 法校正P值，然后用成组的Wilcoxon检验。 1.4 多组随机区组样本比较 1.4.1资料符合正态分布，且各组方差齐性，直接采用随机区组的方差分析。如果检 验结果为有统计学意义，则进一步作两两比较，两两比较的方法有LSD检验，Bonferroni 法，tukey法，Scheffe法，SNK法等。 1.4.2资料不符合正态分布，或各组方差不齐，则采用非参数检验的Fridman检验法。如果检验结果为有统计学意义，则进一步作两两比较，一般采用Bonferroni法校正P值，然后用符号配对的Wilcoxon检验。 ****需要注意的问题：
关于高中数学教材中卡方检验公式的解释统计案例教学中如何让思路来得自然一些 王文彬 (江西省抚州市第一中学 344000) 2统计案例的教学内容主要有三项:线性回归、线性相关与独立性检验(检验).笔者在,教学中发现(所使用的教材是北师大版《高中数学选修教材2-3》)，回归方程、相关系数公 2式与检验公式得出的思路在某些地方显得不自然，有突兀之感(人教版教材的这些内容与, 北师大版相近).如何让这些知识来得更自然一些，值得我们作进一步的探讨. 1.线性回归方程 为了说明问题，不妨将教材(指北师大版教材，下同)有关内容摘录如下: 设有个样本点，并设其线性回归方程为.这个(,),(,),(,)xyxyxy？nnyabx,，1122nn 点与回归直线的“距离”平方和为 n2 ? Qabyabx(,)(),,,,ii,1i 引入以下记号 nnn22，，，不难知道， lxx,,()lxxyy,,,()()lyy,,(),,,xxixyiiyyi,,1,1i1iinnnn ，，从而 ()0xxxnx,,,,()0yyyny,,,,,,,,iiii,,11,,11iiii n2，， ? Qabyyyabxbxx(,)()()(),,，,，,,,,,ii，，,1i22llxyxy2，， ? ()(),,，,，，,,？lnyabxlbyyxx，，llxxxx lxy显然当且时，取最小值. 0b,,Qab(,)yabx,，,()0lxx
由此可得出的计算公式，由此可求出线性回归方程. ab, 在这里，教材通过求的最小值而得出的值，总体思路是比较自然的，但为 Qab(,)ab, 什么要将?改写成?，其中的原因却不易说清.为此我们可作如下改进: 22对于含有两个变量的函数，应通过配方将其化成形如“(常 数)”Qab(,)( )( )C，，的式子，这样，只要令两个括号都为零即可求出的最小值以及的值. Qab(,)ab, n2222事实上， Qabyabxaybxyabx(,)(+222),，,,，,iiiiii,1i nnnnn2222 ,，,,， ynabxaybxyabx+222,,,,,iiiiii,,,,,11111iiiiinnnn222(常数) ,，,，,，naabxaybxbxyC222,,,,1iiiii,,,,1111iiiinn222,，,，,， nanabxnaybxbxyC222,,1iii,,11ii nn222 ,，,，,，naabxaybxbxyC(22)2,,1iii,,11ii 1 nn222，， naaybxbxbxyC2()2,,,，,，,,1iii，，,,11iinn22222，，naaybxybxnybxbxbxyC2()()()2,,,，,,,，,，,,1iii，，,,11ii nn22222，，(常数) naybxbxnxbxynxyC()()2(),,,，,,,，,,2iii，，,,11ii2n，， xynxy),,iin,,22222,i1，，(常数) ,,naybxxnxbC()(),,,，,,，,i3n，，22,,,i1xnx,,i,,,i1，， n22显然，如果有(可用数学归纳法证明)，令两个中括号都为零即可得出xnx,,0,i,1i 的计算公式了. ab,