2017年湖南师范大学教育科学学院884心理学研究方法之现代心理与教育统计学考研仿真模拟题
● 摘要
一、概念题
1． 二列相关
【答案】二列相关是一种两列变量的质量相关。适用的资料是两列均属于正态分布，但其中一列变量是等距或等比的测量数据，另一列变量虽然也呈正态分布，但它被人为地划分为两类，例如:健康与不健康的划分。这种相关适用于对项目区分度指标的确定。
2． 概率
，概率论术语指，随机事件发生可能性大小度量指标。①概率描【答案】概率（probability ）
述性定义。随机事件A 在所有试验中发生可能性大小的量值，称为事件A 的概率，记为P （A ）。如将一枚均匀硬币上抛足够多次，会发现“正面朝上”的事件出现的频率在0.5上下波动。这种频率稳定性从实践上表明随机事件的概率是客观存在的。②概率的精确定义。设P 是定义在“事件域”上的一个集合函数，若满足下列条件，则称之为概率：
a.P
两互不相容对一
切，则
（性质（ⅲ）称为完全可加性）。若P 是概率，则不可能事件的概率为零，即对任意事件有应当注意，若P （A ）=0, 并不能说A —定是不可能事件，即不可能事件的概率一定是零，但概率为零的事件未必是不可能事件。这是由于P 是集合函数，可能在某些点集上（如有限个点）为零。同理，概率为1的事件，未必是必然事件。
3． 逐步回归
【答案】逐步回归是多元回归中选择自变量，建立最优回归方程的一种方法。其基本原理和过程是:按各个自变量对因变量作用的大小，从大到小逐个引入回归方程。每引入一个自变量都要对回归方程中每一个自变量（包括刚刚引入的那个）的作用进行显著性检验，若发现作用不显著的自变量，就要将其剔除（因为引入新的自变量后，原来方程中显著作用的自变量有可能变成不显著）。这样逐个地引进和剔除，直至没有自变量可引入也没有自变量应从方程中剔除为止，这时的回归方程一般来说是最优的。
4． 古典概率
【答案】古典概率也叫先验概率，是指在特殊情况下直接计算的比值。计算方法是事件A 发生的概率等于A 包含的基本事件数M 与基本事件总数N 之比。古典概率是最简单的随机现象的概率计算，建立在这样几个特定条件上的，即:事件的互斥性、事件的等概率性以及事件组的完备
性。
5． 次数
【答案】次数是指某一事件在某一类别中出现的数目，又称为频数（frequency ）, 用f 表示。
6． 无偏估计
【答案】无偏估计是评价估计量的好坏的一个指标。设参数则它表明对 估计量进行多次观测，其正负偏差趋于抵消，而平均取值正好是待估参数，则称
的无偏估计量。如样本均值 是总体均值的无偏估计量。 为参数的估计量为若满足，
二、简答题
7． 简述检验的假设。 【答案】检验的假设主要有:
检验中的分类必须相互排斥，以保证每一个观测值被（1）分类相互排斥，互不包容。
被划分到更多的类别中去的情况。
（2）观测值相互独立。各个被试的观测值之间彼此独立，这是最基本的一个假定。
（3）期望次数的大小。为了努力使分布成为X2值合理准确的近似估计，每一个单元格中的期望次数应该至少在5个以上。
8． 应用标准分数求不同质的数据总和时应注意什么问题？
【答案】应用标准分数求不同质的数据总和时应注意这些不同质的观测值的次数分布应该是正态的。因为标准分是线形变化，不改变原分布的形态，只有原分布是正态时，转化后的标准分才是正态的。
9． 线形图适合哪种资料? 绘制线形图时应注意哪些问题？
【答案】常用的两种线形图是折线图和曲线图。折线图是由条形图中每个条形顶部的中点连接而成；曲线图是折线分布均匀后比较光滑的线形图。绘制要点如下：
（1）横轴表示时间或自变量，纵轴表示频数或因变量；
； （2）纵轴从零点开始，零点在纵轴与横轴相交处，称为原点（对数尺度除外）
（3）线和横轴间不应有说明文字或数目等。线条要粗于坐标纸格线；
（4）若横轴表示组距，坐标轴上刻度只需表明组距起点的数值或组中值，线图上与横轴各组段相应的点应画在该组段中点的垂线上；
（5）根据资料的性质，横轴与纵轴可分别取对数单位，也可以同时取对数单位，分别取对数单位时称作半对数曲线，横轴与纵轴同时取对数的称为对数曲线。
划分到一个类别或另一个类别之中。此外，分类必须互不包容。保证不会出现某一观测值同时
10．如果你不知道两个变量概念之间的关系，只知道从两个变量的相关系数很高，请问你可能做出什么样的解释？
【答案】（1）两个变量之间的相关系数很高说明两变量存在共变关系，还不能判断两个变量之间的具体关系。
（2）根据相关系数的性质，系数值的大小只是表示变量变化趋势（0 （3）两个变量之间的相关性只是显示出变量的变化趋势，并不能显示出两个变量的因果关系。如果相关系数很高，还需要考察是正相关还是负相关，这样来说明两个变量究竟是向同一个方向还是相反方向变化。 11．为什么要做区间估计？怎样对平均数作区间估计？ 【答案】（1）做区间估计是因为 ①当用点估计来对总体参数进行估计时，总是以误差的存在为前提，但又不能提供正确估计的概率。 这是由于点估计是用估计量的一个具体的数值作为待估参数的估计值，由于估计量是一个随机变量，所以点估计以随机变量中的某一个值来做估计，很显然会产生一定的误差。若误差较小，这个点估计值还是一个好的估计值，若误差较大，这个点估计便失去了意义。 ②区间估计在一定意义上弥补了点估计的不足之处。 区间估计是根据估计量以一定可靠程度推断总体参数所在的区间范围，它是用数轴上的一段距离表示未知参数可能落入的范围，它虽不具体指出总体参数等于什么，但能指出未知总体参数落入某一区间的概率有多大。区间估计在点估计的基础上，不仅给出一个估计的范围，使总体参数包含在这个范围之内，而且还能给出估计精度并说明估计结果的有把握的程度。 （2）对平均数进行区间估计的步骤如下 ①根据实得样本的数据，计算样本的平均数与标准差。 ②计算标准误 有两种情况: a. 当总体方差 b. 当总体方差未知时， 用样本的无偏估计量即方差样本的有偏估计方差则 计算，如果计算的是已知时，