社会统计学复习整理社会统计学复习整理⼀、变量的测量层次⼆、判断变量层次的技巧1.⾸先所有的变量都是定类变量。
2.其次看变量的取值能否⽐较⼤⼩，不能这个变量只能是定类变量。
3.最后如果这个变量能够⽐较⼤⼩，那么就看变量取值加减乘除是否有意义，如果有意义就是定距变量，如果没有意义就只能是定序变量。
三、变量层次的⽐较定类变量、定序变量和定⽐变量的数层次是从低到⾼排列的，⾼层次的变量同时具有低层次变量的功能。
四、相关分析⽅法第⼆节简化⼀个变项的分布1.统计表：⽤表格的形式来表⽰变量频次（或频率）分布的⼀种⼯具。
2.统计表必备的内容：（1）表号、标题（2）标识⾏：变量名、对应数据说明（频次、频率）（3）主题⾏：变量取值的统计数据（4）表尾：如果是引⽤必须说明资料来源⼆、定序变量1.适合定序变量的简化资料的⽅法（1）累加次数：把次数逐渐相加起来，分为向上累加次数（cf↑）和向下累加次数(cf↓)。
（2）累加频率：把各级的百分率逐渐相加。
也分为向下累加百分率和向下累加百分率。
2.cf↑的计算⽅法就是按照变量取值的等级从低往⾼逐层相加。
3.cf↓计算⽅法就是按照变量取值的等级从⾼往低逐层相加。
cf↑表⽰低于某个等级的频数有多少cf↓表⽰⾼于某个等级的频数有多少三、定距变量1.定距变量的简化⼯具是：分组、直⽅图和折线图。
2.连续型定距变量的分组统计（1）组数：分组的数量，⼀般5到7组合适，分为等距分组和⾮等距分组。
（2）组限：包括上限（up）和下限（low）（3）标识下限和标识上限，例500—699（4）真实下限：标识下限—0.5；真实上限：标识上限+0.5.（5）组距：真实上限与真实下限之差。
（6）组中值：真实上限与真实下限的平均值。
第三节集中趋势测量法1.集中趋势：⽤⼀个典型的变量值或特征值来代表全体变量的问题，⽤这个数值来代表变项的资料分布，以反映资料的集结情况。
2.集中趋势测量的意义就是可以根据这个代表值来估计或预测每个研究对象的数值。
1．社会统计学社会统计学是运用统计学的一般原理，对社会各种静态结构和动态趋势进行定量描述或推断的一种专门方法与技术。
人们既用它来分析已经发生和正在发生的现象，也用它来估计预测未来可能发生的现象。
2．国势学派产生于德国，其创始人为康令和阿亨瓦尔。
该学派一直以统计学为名，但只用文字记述，不用数字计量，历史上人们将该学派称为“有名无实”学派。
3．政治算术学派该学派的创始人为英国人格朗特和威廉·配第。
该学派“用数字、重量、尺度来表达自己想说的问题”，虽然没有使用统计学这一名词，但所使用的社会宏观数量对比和分析方法揭示了统计学所要研究的内容，因此历史上人们将这一学派称为“有实无名”学派。
马克思对配第评价很高，誉他为“政治经济学之父，在某种程度上也可以说是统计学的创始人”。
4．数理统计学派该学派的创始人未比利时人凯特勒，其最大的贡献就是将法国的古典概率论引入统计学，用纯数学的方法对社会现象进行研究。
由于把概率论引进统计学，使社会随机现象数量方面的研究提高了准确性。
因此，一门兼有数学和统计学双重意义的学科被命名为“数理统计学”。
凯特勒也被人称为“现代统计学之父”。
5．大量观察法大量观察法，就是就总体中足够多的单位进行调查和综合分析，用以反映社会总体的数量特征。
大量观察法是统计调查阶段的重要方法6．大数规律大数规律是随机现象出现的基本规律，它的一般意义是：观察过程中每次取得的结果可能不同（因为具有偶然性），但大量重复观察结果的平均值却几乎接近某个确定的数值。
7．描述性统计描述性统计，就是讨论范围仅以搜索的资料本身为限，而不予以扩大。
早期的统计都是描述统计。
8．推论性统计推论性统计，主要是依据概率论，研究如何依据有限资料对总体性质作推断，从而使统计的功能大为扩充。
是在树立统计学派之后发展起来的，属于比较现代的统计分析方法。
9．样本和（或）样本总体样本或样本总体，是通过抽样得到的用以推断总体特征的那个“部分”。
概率与统计中的正态分布与标准化与概率与统计中的假设检验与置信区间的应用在概率与统计领域中，正态分布是一种重要的概率分布。
它具有许多重要的特性，广泛应用于各种统计分析中。
本文将介绍正态分布的概念、特性及其在概率与统计中的应用，同时探讨假设检验与置信区间的相关内容。
一、正态分布正态分布，又称为高斯分布，是一种对称的连续概率分布。
其概率密度函数的形状呈钟形曲线，两头趋于无穷远，中间部分是对称的，呈现出一个峰值。
正态分布由两个参数决定，即均值μ和标准差σ，分别表示分布的中心位置和离散程度。
正态分布的重要特性包括：1. 均值与中位数相等：正态分布的均值等于中位数，呈现出对称性。
2. 68-95-99.7法则：约68%的观测值位于均值的一个标准差内，约95%的观测值位于均值的两个标准差内，约99.7%的观测值位于均值的三个标准差内。
3. 标准正态分布：当均值为0，标准差为1时，正态分布称为标准正态分布。
它的概率密度函数可用标准正态分布表查找。
二、正态分布的标准化在实际问题中，我们常常需要将正态分布转化为标准正态分布进行分析。
这一过程被称为标准化。
标准化的方法是通过下式进行变换：Z = (X - μ) / σ其中，Z为标准正态随机变量，X为原始随机变量，μ为原始随机变量的均值，σ为原始随机变量的标准差。
标准化的目的是为了简化计算和比较不同正态分布的数据。
通过标准化，我们可以使用标准正态分布表来查找概率值，进行相关的统计推断。
三、假设检验假设检验是统计学中一种常用的推断方法，用于验证一个假设关于总体参数的真实性。
其基本步骤包括：1. 建立零假设和备择假设：零假设（H0）是对总体参数进行假设的初始假设，备择假设（H1或Ha）则是我们要验证的假设。
2. 选择显著性水平：显著性水平α是在进行假设检验时事先确定的，代表了对犯错误的容忍程度。
3. 计算检验统计量：根据样本数据计算具体的检验统计量，如z统计量或t统计量。
4. 判断统计显著性：根据检验统计量的值与临界值进行比较，判断结果是否在显著性水平α的拒绝域中。
概率论常见的几种分布常见的几种概率分布概率论是研究随机现象的数学理论，其中涉及到许多常见的概率分布。
概率分布描述了随机变量在不同取值上的概率分布情况。
本文将介绍几种常见的概率分布，包括均匀分布、正态分布、泊松分布和指数分布。
一、均匀分布均匀分布是最简单的概率分布之一，也被称为矩形分布。
在均匀分布中，随机变量在一定的取值范围内的概率是相等的。
例如，抛一枚公正的硬币，正面朝上和反面朝上的概率都是1/2。
均匀分布通常用于模拟随机数发生器的输出，或者在一定范围内随机选择一个数值。
二、正态分布正态分布是最重要的概率分布之一，也被称为高斯分布。
在正态分布中，随机变量在取值范围内的概率密度函数呈钟形曲线状。
正态分布具有许多重要的性质，例如均值、标准差等。
正态分布在自然界和社会科学中广泛应用，例如身高、体重、考试成绩等都符合正态分布。
三、泊松分布泊松分布描述了单位时间或空间内事件发生的次数的概率分布情况。
泊松分布的特点是，事件之间相互独立且平均发生率恒定。
泊松分布通常用于描述稀有事件的发生情况，例如单位时间内的电话呼叫次数、单位面积内的交通事故次数等。
四、指数分布指数分布描述了连续随机变量首次达到某一值的时间间隔的概率分布情况。
指数分布的特点是，事件之间相互独立且事件发生的概率与时间间隔成反比。
指数分布通常用于模拟随机事件的发生时间间隔，例如单位时间内的电话呼叫间隔、单位距离内的交通事故间隔等。
除了上述几种常见的概率分布外，还有许多其他概率分布，例如二项分布、伽玛分布、贝塔分布等。
每种概率分布都有其特定的应用场景和数学性质，对于不同的问题可以选择适合的概率分布进行建模和分析。
总结起来，概率论中常见的几种分布包括均匀分布、正态分布、泊松分布和指数分布。
这些分布在各自的领域有着广泛的应用，可以帮助我们理解和解决许多随机现象和问题。
对于研究概率论和统计学的人来说，熟悉这些常见的概率分布是非常重要的。
