例题7.5一家食品生产企业以生产袋装食品为主，每天的产量大约为8000袋左右。按规定每袋的重量应为100g。为对产品质量进行检测，企业质检部门经常要进行抽检，以分析 每袋重量是否符合要求。现从某天生产的一批食品中随机抽取25袋，测得每袋重量如表7—2所示。 表7—2 25袋食品的重量 112.5 101.0 103.0 102.0 110.5 102.6 107.5 95.0 108.8 115.6 100.0 123.5 102.0 101.6 102.2 116.6 95.4 97.8 108.6 105.0 136.8 102.8 101.5 98.4 93.3 已知产品重量的分布，且总体标准差为10g，试估计该天产品平均质量的置信区间，以为95%建立该种食品重量方差的置信区间。 解：已知δ=10，n=25，置信水平1-α=95%，Z x/2=1.96
案例处理摘要 案例 有效缺失合计 N 百分比N 百分比N 百分比 重量25 100.0% 0 .0% 25 100.0%
描述 统计量标准误 重量均值105.7600 1.93038 均值的95% 置信区间下限101.7759 上限109.7441 5% 修整均值104.8567 中值102.6000 方差93.159 标准差9.65190 极小值93.30 极大值136.80 范围43.50 四分位距9.15 偏度 1.627 .464 峰度 3.445 .902 重量 重量 Stem-and-Leaf Plot Frequency Stem & Leaf 1.00 9 . 3 4.00 9 . 5578 10.00 10 . 0111222223 4.00 10 . 5788 2.00 11 . 02
计量资料统计描述----习题 1、中位数是表示变量值（）的指标。 A.平均水平 B.变化范围 C.频数分布 D.相互间差别大小 E.变异程度 2、血清学滴度资料最常计算（）来表示平均水平。 A.算术均数 B.中位数 C.几何均数 D.全距 E.百分位数 3、最小组段无下限或最大组段无上限的频数分布资料宜用（） A.算术均数 B.中位数 C.几何均数 D.全距 E.标准差 4、原始数据同减去一个不等于零的常数后，（）。 A. x 不变，S 变 B. x 变，S 不变 C. x 和S 都不变 D. x 和S 都变 E.以上均不对 5、变异系数CV（）。 A.表示X 的绝对离散度 B.表示X 的相对离散度 C.表示x的绝对离散度 D.表示x的相对离散度 E.以上均不对 6、描述一组偏态分布资料的变异度，以（）指标较好。 A.全距 B.标准差 C.变异系数 D.四分位数间距 E.均数 7、用均数和标准差可以全面描述（）资料的特征。 A.正偏态分布 B.负偏态分布 C.正态分布和近似正态分布 D.分布不知 E.对数正态分布 8、比较身高和体重两组数据变异度大小宜采用（） A.变异系数 B.标准差 C.四分位数间距 D.全距 E.方差 9、偏态分布宜用（）描述其分布的集中趋势 A.算术均数 B.标准差 C.中位数 D.众数 E.百分位数 10、各观察值同乘以一个不等于0 的常数后，（）不变。 A.算术均数 B.标准差 C.中位数 D.四分位数间距 E.变异系数 11、（）分布的资料，均数等于中位数。 A.对称 B.左偏态 C.右偏态 D.偏态 E.以上均不对 12、随机抽查某地成年女子身高，算得均数x =160cm，标准差S=5cm，则可计算变异系数CV=------- 5 160 C.（160/5）cm D.(5/160)cm ×160 13、变异系数CV 的数值（）。 A.一定大于1 B.一定小于1 C.可大于1，也可小于1 D.一定比标准差小 E.不能判定 14、列数8、-3、5、0、4、-1 的中位数是（）。 、关于标准差，哪项是错误的（）。 A.反映全部观察值的离散程度 B.度量了一组数据偏离平均数的大小 C.反映了均数代表性的好坏 D.不会小于算术均数 E.适用于对称分布资料 16、5 人的血清滴度为＜1：20、1：40、1：80、1：160、1：320 描述平均滴度，用哪种指标较好（）。 A.平均数 B.几何均数 C.算术均数 D.中位数 E.众数
计量资料的统计描述方法 怎样表达一组数据？ 描述计量资料的常用指标— A 、描述平均水平（中心位置）: 均数X 、中位数和百分位数、几何均数G 、众数（mode ） B 、描述数据的分散程度: 标准差、四分位数间距、 变异系数、方差、全距 (一)均数mean 和标准差standard deviation 1. (算术)均数X 均数是描述一组计量资料平均水平或集中趋势的指标。 *直接计算公式： 应用条件：适用于对称分布，特别是正态分布资料。 2. 中位数（median ）M 和百分位数（percentile ） A.中位数M 是将一组观察值从小到大排序后，居于中间位置的那个值或两个中间值的平均值。 应用条件： 12n X X X X X n n +++== ∑L
用于任何分布类型，包括偏态资料、两端数据无界限的资料。 计算： n 为奇数时-- n 为偶数时-- 9人数据：12，13，14， 14， 15， 15， 15， 17, 19天 B.百分位数 是将N 个观察值从小到大依次排列，再分成100等份，对应于X%位的数值即为第X 百分位数。中位数是第百分50位数。 四分位数间距（quartile range ） =第25百分位数(P25)～第75百分位数(P75)。 四分位数间距用于描述偏态资料的分散程度（代替标准差S ），包含了全部观察值的一半。 ) (天1552 19===+X X M 88451 22221415214.5() M X X X X ?? ==== ???＋如果只调查了前八位中学生，则： ＋（＋）（＋）天
百分位数计算(频数表法)： X L ：第X 百分位数所在组段下限 L Σf ：小于X L 各组段的累计频数 X i ：第X 百分位数所在组段组距 n ：总例数f x :所在组段频数 注：有的教材X= r ; L f ∑=C 例：求频数表的第25、第75百分位数(四分位数间距) 组段 频数f 累积频数∑f 56～ 2 2 59～ 5 7 62～ 12 19 ∑f 25 L 2565～ 15 34 P 25在此 68～ 25 59 71～ 26 85∑f 75 L 7574～ 19 104 P 75在此 77～ 15 119 80～ 10 129 83～85 1 130 合计 130 ① 确定Px 所在组段： P 25所在的组段：n X %=130×25%=32.5, 65～组最终的累积频数=34，32.5落在65～组段内；
T检验 习题1．按规定苗木平均高达1.60m以上可以出圃，今在苗圃中随机抽取10株苗木，测定的苗木高度如下： 1.75 1.58 1.71 1.64 1.55 1.72 1.62 1.83 1.63 1.65 假设苗高服从正态分布，试问苗木平均高是否达到出圃要求？(要求α=0.05) 解：1）根据题意，提出：无效假设为：苗木的平均苗高为H0=1.6m; 备择假设为：苗木的平均苗高H A>1.6m； 2）定义变量：在spss软件中的“变量视图”中定义苗木苗高, 之后在“数据视图”中输入苗高数据； 3)分析过程 在spss软件上操作分析过程如下：分析——比较均值——单样本T检验——将定义苗高导入检验变量——检验值定义为1.6——单击选项将置信区间设为95%——确定输出如下： 表1.1:单个样本统计量 表1.2:单个样本检验 4）输出结果分析 由表1.1数据分析可知，变量苗木苗高的平均值为1.6680m，标
准差为0.0843，说明样本的离散程度较小，标准误为0.0267，说明抽样误差较小。 由表1.3数据分析可知，T检验值为2.55，样本自由度为9，t检验的双尾检验值为0.031<0.05,说明差异性显著，因此，否定无效假设H0，取备择假设H A。 根据题意，苗木的苗高服从正态分布，由以上分析知：在显著水平为0.05的水平上检验，苗木的平均苗高大于1.6m，符合出圃的要求。 习题2．从两个不同抚育措施育苗的苗圃中各以重复抽样的方式抽得样本如下： 样本1苗高（CM）：52 58 71 48 57 62 73 68 65 56 样本2苗高（CM）：56 75 69 82 74 63 58 64 78 77 66 73 设苗高服从正态分布且两个总体苗高方差相等（齐性），试以显著水平α=0.05检验两种抚育措施对苗高生长有无显著性影响。 解：1）根据题意提出：无效假设为H0：两种抚育措施对苗木生长没有显著的影响；备择假设H A：两种抚育措施对苗高生长影响显著； 2）在spss中的“变量视图”中定义变量“苗高1”，“抚育措施”，之后在“数据视图”中输入题中的苗高数据，及抚育措施，其中措施一定义为“1”措施二定义为“2”； 3）分析过程 在spss软件上操作分析过程如下：分析——比较变量——独立
第四章抽样误差与假设检验 练习题 一、单项选择题 1. 样本均数的标准误越小说明 A. 观察个体的变异越小 B. 观察个体的变异越大 C. 抽样误差越大 D. 由样本均数估计总体均数的可靠性越小 E. 由样本均数估计总体均数的可靠性越大 2. 抽样误差产生的原因是 A. 样本不是随机抽取 B. 测量不准确 C. 资料不是正态分布 D. 个体差异 E. 统计指标选择不当 3. 对于正偏态分布的的总体, 当样本含量足够大时, 样本均数的分布近似为 A. 正偏态分布 B. 负偏态分布 C. 正态分布 D. t分布 E. 标准正态分布 4. 假设检验的目的是 A. 检验参数估计的准确度 B. 检验样本统计量是否不同 C. 检验样本统计量与总体参数是否不同 D. 检验总体参数是否不同 E. 检验样本的P值是否为小概率 5. 根据样本资料算得健康成人白细胞计数的95%可信区间为7.2×109/L～ 9.1×109/L，其含义是 A. 估计总体中有95%的观察值在此范围内 B. 总体均数在该区间的概率为95% C. 样本中有95%的观察值在此范围内 D. 该区间包含样本均数的可能性为95% E. 该区间包含总体均数的可能性为95%
答案：E D C D E 二、计算与分析 1.为了解某地区小学生血红蛋白含量的平均水平，现随机抽取该地小学生450人，算得其血红蛋白平均数为101.4g/L，标准差为1.5g/L，试计算该地小学生血红蛋白平均数的95%可信区间。 [参考答案] 样本含量为450，属于大样本，可采用正态近似的方法计算可信区间。 101.4 X=， 1.5 S=，450 n=，0.07 X S=== 95%可信区间为 下限： /2.101.4 1.960.07101.26 X X u S α=-?= －(g/L) 上限： /2.101.4 1.960.07101.54 X X u S α +=+?=(g/L) 即该地成年男子红细胞总体均数的95%可信区间为101.26g/L～101.54g/L。 2.研究高胆固醇是否有家庭聚集性，已知正常儿童的总胆固醇平均水平是175mg/dl，现测得100名曾患心脏病且胆固醇高的子代儿童的胆固醇平均水平为207.5mg/dl，标准差为30mg/dl。问题： ①如何衡量这100名儿童总胆固醇样本平均数的抽样误差？ ②估计100名儿童的胆固醇平均水平的95%可信区间； ③根据可信区间判断高胆固醇是否有家庭聚集性，并说明理由。 [参考答案] ①均数的标准误可以用来衡量样本均数的抽样误差大小，即 30 S=mg/dl,100 n= 3.0 X S=== ②样本含量为100，属于大样本，可采用正态近似的方法计算可信区间。 207.5 X=，30 S=，100 n=，3 X S=，则95%可信区间为 下限： /2.207.5 1.963201.62 X X u S α=-?= －（mg/dl）
第四章：定量资料的参数估计与假设检验基础1抽样与抽样误差 抽样方法本身所引起的误差。当由总体中随机地抽取样本时，哪个样本被抽到是随机的，由所抽到的样本得到的样本指标x与总体指标μ之间偏差，称为实际抽样误差。当总体相当大时，可能被抽取的样本非常多，不可能列出所有的实际抽样误差，而用平均抽样误差来表征各样本实际抽样误差的平均水平。 σx=σ/ Sx=S/ 2t分布 t分布曲线形态与n（确切地说与自由度v）大小有关。与标准正态分布曲线相比，自由度v越小，t分布曲线愈平坦，曲线中间愈低，曲线双侧尾部翘得愈高；自由度v愈大，t分布曲线愈接近正态分布曲线，当自由度v=∞时，t分布曲线为标准正态分布曲线。 t=X-u/Sx=X-u/(S/),V=N-1 正态分布（normaldistribution）是数理统计中的一种重要的理论分布，是许多统计方法的理论基础。正态分布有两个参数，μ和σ，决定了正态分布的位置和形态。为了应用方便，常将一般的正态变量X通过u变换[(X-μ)/σ]转化成标准正态变量u，以使原来各种形态的正态分布都转换为μ=0，σ=1的标准正态分布（standardnormaldistribution）,亦称u分布。 根据中心极限定理，通过上述的抽样模拟试验表明，在正态分布总体中以固定n，抽取若干个样本时，样本均数的分布仍服从正态分布，即N（μ，σ）。所以，对样本均数的分布进行u 变换，也可变换为标准正态分布N(0,1) 由于在实际工作中，往往σ是未知的，常用s作为σ的估计值，为了与u变换区别，称为t变换，统计量t值的分布称为t分布。 假设X服从标准正态分布N（0,1），Y服从χ2（n）分布，那么Z=X/sqrt(Y/n)的分布称为自由度为n的t分布,记为Z～t(n)。 特征： 1．以0为中心，左右对称的单峰分布；
第四章：定量资料的参数估计与假设检验基础 1抽样与抽样误差 抽样方法本身所引起的误差。当由总体中随机地抽取样本时，哪个样本被抽到是随机的，由所抽到的样本得到的样本指标x与总体指标μ之间偏差，称为实际抽样误差。当总 体相当大时，可能被抽取的样本非常多，不可能列出所有的实际抽样误差，而用平均抽样 误差来表征各样本实际抽样误差的平均水平。 σ x=σ/ S x=S/ 2 t分布 t分布曲线形态与n（确切地说与自由度v）大小有关。与标准正态分布曲线相比，自 由度v越小，t分布曲线愈平坦，曲线中间愈低，曲线双侧尾部翘得愈高；自由度v愈 大，t分布曲线愈接近正态分布曲线，当自由度v=∞时，t分布曲线为标准正态分布曲 线。 t = X-u/Sx=X-u/(S/),V=N-1 正态分布（normal distribution）是数理统计中的一种重要的理论分布，是许多统计方法的理论基础。正态分布有两个参数，μ和σ，决定了正态分布的位置和形态。为了应用方便，常将一般的正态变量X通过u变换[(X-μ)/σ]转化成标准正态变量u，以使原来各种形态的正态分布都转换为μ=0，σ=1的 标准正态分布（standard normal distribution）,亦称u分布。 根据中心极限定理，通过上述的抽样模拟试验表明，在正态分布总体中以 固定n，抽取若干个样本时，样本均数的分布仍服从正态分布，即N（μ，σ）。所以，对样本均数的分布进行u变换，也可变换为标准正态分布N (0,1) 由于在实际工作中，往往σ是未知的，常用s作为σ的估计值，为了与 u变换区别，称为t变换，统计量t 值的分布称为t分布。
独立样本的T检验 （independent-samples T T est） 对于相互独立的两个来自正态总体的样本，利用独立样本的T 检验来检验这两个样本的均值和方差是否来源于同一总体。在SPSS 中，独立样本的T检验由“Independent-Sample T Test”过程来完成。 例：双语教师的英语水平有高低之分，他们（她们）所教的学生对双语教学的态度是否有显著差异？ 例题分析： ——研究目的：寻找差异 ——自变量：双语教师的英语水平（ordinal data等级变量），有两个水平：；level1低水平，level2 高水平 ——因变量：学生的双语教学态度（interval data等距变量） SPSS操作步骤 ·Analyze→Compare Means→Independent Samples T Test ·Click the 双语教学态度to the column of “Test V ariable(s)” and the 教师英语水平分组to the column of “Grouping variable” ·Click the button of “Define Groups…” and put the group numbers “1” and “3” into Group 1 and Group 2, and “Continue” back, then “OK”.
结果在论文中的呈现方式 独立样本T检验结果显示，双语教师的英语水平不同，其所教学生对双语教学的态度有显著差异（t=-3,249, df=72, p<0.05）。双语教师英语水平较低所教的学生，他们对双语教学态度的得分也显著低于英语水平较高的双语教师所教的学生（MD=-0.65）。这可能是因为…… 练习：文科生和理科生对双语教学的态度是否有显著差异？ 配对样本T检验（Paired-samples T Test） 配对样本T检验，用于检验两个相关的样本（配对资料）是否来自具有相同均值的总体。 例：本次调查中，学生对自己英语能力水平和英语知识水平的评价之间是否有显著差异？ 例题分析： ——研究目的：寻找差异 ——自变量：学生的评价对象（norminal data定类数据）,有两个水平：level1对自身英语能力水平的评价，level2对自身英语知识水平的评价。 ——因变量：学生自身英语能力和知识的评价分数
6 计量资料的统计推断－t检验 t检验是以t分布为理论依据的假设检验方法，常用于正态总体小样本资料的均数比较，t检验统计量有三个不同的形式，适用于单因素设计的三种不同类型：①单个样本的均数与已知总体均数比较的检验，适用于单组设计，给出一组服从正态分布的定量观测数据和一个标准值（总体均值）的资料。②配对t检验，适用于配对设计。③成组t检验，适用于完全随机设计的两均数比较。 SPSS中使用菜单Analyze →Compore Means作t检验，Compore Means的下拉菜单如表6-1所示。 表6-1 Compore Means下拉菜单 Means…分层计算… One-Sample T Test…单样本t检验… Independent-Samples T Test…独立样本t检验… Paired-Sample T Test…配对t检验… One-Way ANOV A…单因素方差分析… 6.1 计量资料的分层计算 Means过程可以对计量资料分层计算均数、标准差等统计量，同时可对第一层分组进行方差分析和线性趋势检验。 例6-1某学校测得不同年级、不同性别的12名学生的身高（cm），数据见表6-2。试用SPSS的Means过程分别计算不同年级、不同性别学生身高的均数和标准差。 表6-2 12名学生的身高（cm） 解年级：1=“初一”、2=“高一”，性别：1=“男”、2=“女”。 选择Analyze→Compare Means→Means命令，弹出Means对话框，如图6-2。在变量列表中选中身高，送入Dependent（因变量）框中；选中年级，送入Independent（自变量），确定第一层依年级分组，单击Next按钮，选中性别，送入Independent，确定第二层依性别分组；单击OK。输出结果如图6-3所示。 在Means对话框单击Options（选项）按钮，弹出Means:Options对话框，可以选择要计算的统计量，默认Mean、Number of cases、Standard Deviation；在Statisti cs for First Layer中，可对第一层分组作方差分析（Anova table and eta）和线性趋势检验（Test for linearity）。
第四章:定量资料得参数估计与假设检验基础 1抽样与抽样误差 抽样方法本身所引起得误差。当由总体中随机地抽取样本时,哪个样本被抽到就是随机得,由所抽到得样本得到得样本指标x与总体指标μ之间偏差,称为实际抽样误差。当总体相当大时,可能被抽取得样本非常多,不可能列出所有得实际抽样误差,而用平均抽样误差来表征各样本实际抽样误差得平均水平。 σ x=σ/ S x=S/ 2 t分布 t分布曲线形态与n(确切地说与自由度v)大小有关。与标准正态分布曲线相比,自由度v越小,t分布曲线愈平坦,曲线中间愈低,曲线双侧尾部翘得愈高;自由度v愈大,t分布曲线愈接近正态分布曲线,当自由度v=∞时,t分布曲线为标准正态分布曲线。 t = X-u/Sx=X-u/(S/),V=N-1 正态分布(normal distribution)就是数理统计中得一种重要得理论分布,就是许多统计方法得理论基础。正态分布有两个参数,μ与σ,决定了正态分布得位置与形态。为了应用方便,常将一般得正态变量X通过u变换[(X-μ)/σ]转化成标准正态变量u,以使原来各种形态得正态分布都转换为μ=0,σ=1得标准正态分布(standard normal distribution),亦称u分布。 根据中心极限定理,通过上述得抽样模拟试验表明,在正态分布总体中以固定n,抽取若干个样本时,样本均数得分布仍服从正态分布,即N(μ,σ)。所以,对样本均数得分布进行u变换,也可变换为标准正态分布N (0,1) 由于在实际工作中,往往σ就是未知得,常用s作为σ得估计值,为了与u 变换区别,称为t变换,统计量t 值得分布称为t分布。 假设X服从标准正态分布N(0,1),Y服从χ2(n)分布,那么Z=X/sqrt(Y/n)得分布称为自由度为n得t分布,记为 Z～t(n)。 特征: 1.以0为中心,左右对称得单峰分布; 2.t分布就是一簇曲线,其形态变化与n(确切地说与自由度ν)大小有关。自由度ν越小,t分布曲线越低平;自由度ν越大,t分布曲线越接近标准正态分布(u分布)曲线,如图、 t(n)分布与标准正态N(0,1)得密度函数
教育统计学t检验练习内部编号：（YUUT-TBBY-MMUT-URRUY-UOOY-DBUYI-0128）
实验报告实验名称：t 检验成绩： 实验日期： 2011年10月31日实验报告日期：2011年11 月日 林虹 一、实验目的 （1）掌握单一样本t检验。 （2）掌握相关样本t检验 （3）掌握独立样本t检验 二、实验设备 （1）微机 （2）SPSS for Windows 统计软件包 三、实验内容： 1.某市统一考试的数学平均成绩为75分，某校一个班的成绩见表4-1。问该班的 成绩与全市平均成绩的差异显着吗 表4-1 学生的数学成绩 12345678910111213141516 编 号 成96977560926483769097829887568960 号 68747055858656716577566092548780 成 绩
2.某物理教师在教学中发现，在课堂物理教学中采用“先讲规则（物理的定理或 法则），再举例题讲解规则的具体应用”与采用“先讲例题，再概括出解题规则”这两种教学方法的教学效果似乎不同。为了验证他的这个经验性发现是否属实，他选择了两个近似相等的班级进行教学实验。进行教学实验时的教学内容、教学时间和教学地点等无关变量他都做了严格的控制，分别采用“例-规” 法与“规-例”法对两个班的学生进行物理教学，然后，两个班的被试都进行同样的物理知识测验。测验成绩按“5分制”进行评定。两组被试的测验成绩见数据文件data4-02。请用SPSS，通过适当的统计分析方法，检验这两种教学方法的教学效果是否存在实质性差别。 3.某幼儿园分别在儿童入园时和入园一年后对他们进行了“比奈智力测验”，测 验结果见数据文件data4-03。请问，儿童入园一年后的智商有明显的变化吗（例题） 4.某心理学工作者以大学生为被试，以“正性”和“负性”两种面部表情模式的 照片为实验材料，测量被试对“正性”和“负性”面部表情识别的时间，测验结果见数据文件data4-04。请用SPSS中适当的统计分析方法检验两种面部表情模式对大学生识别面部表情的时间是否存在明显的影响。 5.某小学教师分别采用“集中学习”与“分散学习”两种方式教两个小学二年级 班级的学生学习相同的汉字，两个班学生的学习成绩见data4-05。请问哪种学习方式效果更好 6.某省语文高考平均成绩为78分，某学校的成绩见data4-06。请问该校考生的 平均成绩与全省平均成绩之间的差异显着吗 **
练习二计量资料的区间估计与t检验 一、思考题 1以t检验为例, 简述假设检验的一般步骤。 2配对资料有哪几种情形？请举例说明。 3 标准差与标准误之间的联系与区别是什么？ 4 可信区间与正常值范围的联系与区别是什么？ 5 试述统计推断包括的主要内容。 6如果配对设计的资料用成组设计的方法处理假设检验,结果如何? 二、最佳选择题 1减少均数的抽样误差的可行方法之一是： A. 严格执行随机抽样 B .增大样本含量 C. 设立对照 D. 选一些处于中间状态的个体 2 增大样本含量，理论上可使其变小的是： A. 样本的变异系数 B. 样本的标准差 C. 均数的抽样误差 D. 样本均数 3 两小样本均数比较，当方差不齐时，可选择： A.t’检验 B.t检验 C.F检验 D. 2检验 4样本均数比较的t检验，P<0.05,按α=0.05水准,认为两总体均数不同。此时若推断有错，则犯第Ⅰ类错误的概率P： A. P＞0.05 B. P<0.05 C. P=0.05 D. P=β, 而β未知 5 由t分布可知,自由度υ越小,t分布的峰越矮,尾部翘得越高,故正确的是： A. t0.05,5>t0.05,1 B. t0.05,5=t0.05,1 C. t0.05,1>t0.01,1 D. t0.05,1>t0.05,5 6多个样本均数间两两比较时,若采用t检验的方法,则会出现的情况是： A. 结果与q检验相同 B. 结果比q检验更合理 C. 可能出现假阴性的结果 D. 可能出现假阳性的结果 7两组数据中的每个变量值减去同一常数后作两个样本均数差异的t检验， A. t值变小 B. t值变大 C. t值不变 D. t值变小或变大 8对于配对（或成对）t检验和成组t检验，下列哪一种说法是错误的： A. 对于配对设计的资料应作配对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检验 D. 作配对或成组t检验，应根据原始资料的统计设计类型而定 9在两样本均数差别的t检验中，事先估计并确定合适的样本含量的一个重要作用是： A. 控制Ⅰ型错误概率的大小 B. 可以消除Ⅰ型错误
假设检验的基本步骤 （三）假设检验的基本步骤 统计推断 1．建立假设检验，确定检验水准 H0和H1假设都是对总体特征的检验假设，相互联系且对立。 H0总是假设样本差别来自抽样误差，无效/零假设 H1是来自非抽样误差，有单双侧之分，备择假设。 检验水准，a＝0.05 检验水准的含义 2．选定检验方法，计算检验统计量 选择和计算检验统计量要注意资料类型和实验设计类型及样本量的问题， 一般计量资料用t检验和u检验； 计数资料用χ2检验和u检验。 3．确定P值，作出统计推理 P≤a ，拒绝H0，接受H1 P> a，按a＝0.05水准，不拒绝H0，无统计学意义或显著性差异 假设检验结论有概率性，无论使拒绝或不拒绝H0，都有可能发生错误 （四）两均数的假设检验（各种假设检验方法的适用条件及假设的特点、计算公式、自由度确定以及确定概率P值并做出推断结论） u检验适用条件 t检验适用条件 t检验和u检验 1．样本均数与总体均数比较 2．配对资料的比较/成组设计的两样本均数的比较 配对设计的情况：3点 3. 两个样本均数的比较 （1）两个大样本均数比较的u检验 （2）两个小样本均数比较的t检验 （五）假设检验的两类错误及注意事项（Ⅰ和Ⅱ类错误） 1.两类错误 拒绝正确的H0称Ⅰ型错误－弃真，用检验水准α表示，α＝0.05，犯I型错误概率为0.05，理论上平均每100次抽样有5次发生此类错误； 接受错误的H0称Ⅱ型错误－存伪。用β表示，（1－β）为检验效能或把握度，意义为两总体有差异，按α水准检出差别的能力，1－β＝0.9，若两总体确有差别，理论上平均每100次抽样有90次得出有差别的结论。 两者的关系：α愈大β愈小；反之α愈小β愈大。 2.假设检验中的注意事项 （1）随机化：代表性和均衡可比性 （2）选用适当的检验方法 （3）正确理解统计学意义 （4）结论不绝对 （5）单侧与双侧检验的选择 四．分类变量资料的统计描述
实验报告实验名称：t 检验成绩： 实验日期： 2011年10月31日实验报告日期：2011年11 月日 林虹 一、实验目的 （1）掌握单一样本t检验。 （2）掌握相关样本t检验 （3）掌握独立样本t检验 二、实验设备 （1）微机 （2）SPSS for Windows V17.0统计软件包 三、实验内容： 1.某市统一考试的数学平均成绩为75分，某校一个班的成绩见表4-1。 问该班的成绩与全市平均成绩的差异显着吗？ 表4-1 学生的数学成绩 12345678910111213141516编 号 成 96977560926483769097829887568960绩 编 17181920212223242526272829303132号
成 68747055858656716577566092548780绩 2.某物理教师在教学中发现，在课堂物理教学中采用“先讲规则（物理的 定理或法则），再举例题讲解规则的具体应用”与采用“先讲例题，再概括出解题规则”这两种教学方法的教学效果似乎不同。为了验证他的这个经验性发现是否属实，他选择了两个近似相等的班级进行教学实验。进行教学实验时的教学内容、教学时间和教学地点等无关变量他都做了严格的控制，分别采用“例-规”法与“规-例”法对两个班的学生进行物理教学，然后，两个班的被试都进行同样的物理知识测验。测验成绩按“5分制”进行评定。两组被试的测验成绩见数据文件data4-02。 请用SPSS，通过适当的统计分析方法，检验这两种教学方法的教学效果是否存在实质性差别。 3.某幼儿园分别在儿童入园时和入园一年后对他们进行了“比奈智力测 验”，测验结果见数据文件data4-03。请问，儿童入园一年后的智商有明显的变化吗？ （例题） 4.某心理学工作者以大学生为被试，以“正性”和“负性”两种面部表情 模式的照片为实验材料，测量被试对“正性”和“负性”面部表情识别的时间，测验结果见数据文件data4-04。请用SPSS中适当的统计分析方法检验两种面部表情模式对大学生识别面部表情的时间是否存在明显的影响。 5.某小学教师分别采用“集中学习”与“分散学习”两种方式教两个小学
计量资料的统计描述方法 怎样表达一组数据？ 描述计量资料的常用指标— A、描述平均水平（中心位置）: 均数X、中位数和百分位数、几何均数G、众数（mode） B、描述数据的分散程度: 标准差、四分位数间距、变异系数、方差、全距 (一)均数mean和标准差standard deviation 1. (算术)均数X 均数是描述一组计量资料平均水平或集中趋势的指标。 *直接计算公式： 应用条件：适用于对称分布，特别是正态分布资料。 2. 中位数（median）M和百分位数（percentile） A.中位数M 是将一组观察值从小到大排序后，居于中间位置的那个值或两个中间值的平均值。 应用条件： 用于任何分布类型，包括偏态资料、两端数据无界限的资料。 计算： n为奇数时-- n为偶数时-- 9人数据：12，13，14， 14， 15， 15， 15， 17, 19天 B.百分位数 是将N个观察值从小到大依次排列，再分成100等份，对应于X%位的数
值即为第X 百分位数。中位数是第百分50位数。 四分位数间距（quartile range ） = 第25百分位数(P25)～第75百分位数(P75)。 四分位数间距用于描述偏态资料的分散程度（代替标准差S ），包含了全部观察值的一半。 百分位数计算(频数表法)： X L ：第X 百分位数所在组段下限 L Σf ：小于X L 各组段的累计频数 X i ：第X 百分位数所在组段组距 n ：总例数 f x :所在组段频数 注：有的教材X= r ; L f =C 例：求频数表的第25、第75百分位数(四分位数间距) 组段 频数f 累积频数∑f 56～ 2 2 59～ 5 7 62～ 12 19 ∑f 25 L 25 65～ 15 34 P 25在此 68～ 25 59 71～ 26 85 ∑f 75 L 75 74～ 19 104 P 75在此 77～ 15 119 80～ 10 129 83～85 1 130 合 计 130 ① 确定Px 所在组段： P 25所在的组段：n X %=130×25%=32.5, 65～组最终的累积频数=34，32.5落在65～组段内； P 75所在的组段：n X %=130×75%=97.5, 此值落在74～组段 ② 确定Px 所在组段的X L 、X i 、f x 、L Σf ③ P 25＝65+3x[(130x25%－19)/15]＝65.90 P 75＝74+3x[(130x75%－85)/19]＝74.66
采用SPSS统计软件进行操作。 1、某研究者检测了某山区16名健康成年男性的血红蛋白含量（g/L），检测结果见下表。问：该山区健康成年男性的血红蛋白含量与一般健康成年男性血红蛋白含量的总体均数132 g/L 是否有差别。 编号血红蛋白含量（g/L） 1 145 2 150 3 138 4 126 5 140 6 145 7 135 8 115 9 135 10 130 11 120 12 133 13 147 14 125 15 114 16 165 2、为研究老年慢性支气管炎病人与健康人的尿中17酮类固醇排出量是否相等，现随机抽取老年慢性支气管炎病人14例和健康人11例，分别测定尿中17酮类固醇排出量，结果见下表。老年慢性支气管炎病人与健康人的尿中17酮类固醇排出量是否相等？ 表老年慢性支气管炎病人与健康人的尿中17酮类固醇排出量（mg/24h） 病人组健康人组 2.90 4.97 5.41 4.24 5.48 4.36 4.60 2.72 4.03 2.37 5.10 2.09 5.92 7.10 5.18 5.60 8.79 4.57 3.14 7.71 6.46 4.99 3.72 6.64 4.01 3、将20名某病患者随机分为两组，分别用甲、乙两药治疗，测得治疗前与治疗后一个月的血沉（mm/小时）如下表。
试问：（1）甲、乙两药是否均有效？ （2）甲、乙两药的疗效有无差别？ 表甲、乙两药治疗前后的血沉（mm/小时） 甲药病人号 1 2 3 4 5 6 7 8 9 10 治疗前20 23 16 21 20 17 18 18 15 19 治疗后16 19 13 20 20 14 12 15 13 13 乙药病人号 1 2 3 4 5 6 7 8 9 10 治疗前19 20 19 23 18 16 20 21 20 20 治疗后16 13 15 13 13 15 18 12 17 14 4、对10例肺癌病人和12例矽肺0期工人用X光片测量肺门横径右侧距RD值（cm），结果见下表。问：肺癌病人的RD值是否高于矽肺0期工人的RD值。 3.23 2.78 3.50 3.23 4.04 4.20 4.15 4.87 4.28 5.12 4.34 6.21 4.47 7.18 4.64 8.05 4.75 8.56 4.82 9.60 4.95 5.10 5、为研究女性服用某避孕新药后是否影响其血清总胆固醇含量，将20名女性按年龄配成10对，每对中随机抽取一人服用新药，另一人服用安慰剂，经过一定时间后，测得血清总胆固醇含量（mmol/L），结果如下表。以此研究解答以下问题：
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,ANOV A)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 ANOV A）： 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 ANOV A）： 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（repeated measurement data），对该类资料不能应用随机区组设计的两因素方差分析进行处理，需用重复测量数据的方差分析。 方差分析的条件之一为方差齐，即各总体方差相等。因此在方差分析之前，应首先检验各样本的方差是否具有齐性。常用方差齐性检验（test for homogeneity of variance）推断
第二章 计量资料的统计描述 一、教学大纲要求 （一）掌握容 1. 频数分布表与频数分布图 （1）频数表的编制。 （2）频数分布的类型。 （3）频数分布表的用途。 2. 描述数据分布集中趋势的指标 掌握其意义、用途及计算方法。算术均数、几何均数、中位数。 3. 描述数据分布离散程度的指标 掌握其意义、用途及计算方法。极差、四分位数间距、方差、标准差、变异系数。 （二）熟悉容 连续型变量的频数分布图：等距分组、不等距分组。 二、 教学容精要 计量资料又称为测量资料，它是测量每个观察单位某项指标值的大小所得的资料，一般均有计量单位。常用描述定量资料分布规律的统计方法有两种：一类是用统计图表，主要是频数分布表（图）；另一类是选用适当的统计指标。 （一）频数分布表的编制 频数表（frequency table ）用来表示一批数据各观察值或在不同取值区间的出现的频繁程度（频数）。对于离散数据，每一个观察值即对应一个频数，如某医院某年度一日死亡0，1，2，…20个病人的天数。如描述某学校学生性别分布情况，男、女生的人数即为各自的频数。对于散布区间很大的离散数据和连续型数据，数据散布区间由若干组段组成，每个组段对应一个频数。制作连续型数据频数表一般步骤如下： 1.求数据的极差（range ）。 min max X X R -= （2-1） 2.根据极差选定适当“组段”数（通常8—10个）。 确定组段和组距。每个组段都有下限L 和上限U ，数据χ归组统一定为L ≤χmatlab与单样本t检验
第三章习题 安庆师范学院 胡云峰 3.1对某地区的6名2周岁男婴的身高、胸围、上半臂进行测量。得样本数据如表3.1所示。 假设男婴的测量数据X （a ）（a=1，…，6）来自正态总体N 3(μ,∑)的随机样本。根据以往的资料，该地区城市2周岁男婴的这三项的均值向量μ0=（90,58,16）’，试检验该地区农村男婴与城市男婴是否有相同的均值向量。 表3.1某地区农村2周岁男婴的体格测量数据 男婴身高（X 1）cm 胸围身高(X 2)cm 上半臂围身高（X 3）cm 17860.616.527658.112.539263.2 14.54815914581 60.815.568459.5 14 解 1．预备知识∑未知时均值向量的检验：H 0：μ=μ0H 1：μ≠μ0 H 0成立时 122 )(0,) (1)(1,) ()'((1)))()'()(,1) (1)1(,) (1)P P X N n S W n n X n S X n X S X T p n n p T F P n p n p μμμμμ---∑--∑??∴----=-----+∴ -- 当 2 (,)(1) n p T F p n p p n α-≥--或者22T T α≥拒绝0 H 当 2 (,)(1) n p T F p n p p n α-<--或者22T T α<接受0 H 这里2 (1) (, )p n T F p n p n p αα-= --2．根据预备知识用matlab 实现本例题算样本协方差和均值 程序x=[7860.616.5;7658.112.5;9263.214.5;8159.014.0;8160.815.5;8459.514.0];[n,p]=size(x);i=1:1:n; xjunzhi=(1/n)*sum(x(i,:));y=rand(p,n);for j=1:1:n