当前位置：问答库＞考研试题

一、概念题

1． 非参数检验

【答案】非参数检验指对总体分布形式所知甚少，需要对未知分布函数的形式及其他特征进行假设检验。常见的非参数检验有符号检验、秩和检验、中数检验等。其优点:（1）不需要对被检验的总体作出关于正态性或其他特定分布的假定；（2）容易理解、容易操作、应用范围广。缺点是功效较低，因为它常会丢失数据中的信息。经常属于大样本检验。

2． 频率

【答案】频率（frequency ）①亦称“相对频数”。某随机事件A , 在N 次试验中出现的次数n 与试验总次数N 的比值。亦称事件A 发生的频率。记为其值介于0〜1之间。事件的频率越大，说明它出现的可能性越大；反之则越小。一个事件的频率不是一个固定的数值，与总次数N 有关，且即使再重复N 次试验，次数n 也可能不同。但在大量重复试验中频率具有稳定性，即当试验次数N 无限增大时，频率F 会在某个固定值上下波动，而且偏差越来越小。②简谐振动基本物理量。物体每秒振动的次数。单位是赫兹（Hz ）。在数学关系上频率是物体振动周期的倒数。

3． 标准误差

【答案】标准误差指描述样本均值对总体期望值的离散程度的统计量。指样本平均数与总体平均数之间的误差，即随机抽样误差分布的标准差。样本平均数的标准误差与总体标准差成正比，与样本的容量的平方根成反比。公式为:式中为总体标准差，N 为样本的大小。标准误差是具体描述样本平均数的抽样误差的。标准误误愈大，抽样误差愈大，则样本平均数越不可靠；反之，标准误差越小，表明样本误差愈小，样本平均数越可靠。

4． 检验的显著性水平

【答案】检验的显著性水平指在假设检验中，虚无假设正确时而拒绝虚无假设所犯错误的概率。在假设检验中有可能会犯错误，如果虚无假设正确却把它当成错误的加以拒绝，犯这类错误的概率用a 表示，a 就是假设检验中的显著性水平。通常选择α=0.05作为检验的显著性水平。也就是说每当实验结果发生的概率小于或等于0.05的时候，就拒绝虚无假设。

二、简答题

5． 简述多重比较和简单效应检验的区别

【答案】（1）多重比较又称事后检验是假设检验的一种。指在固定效应模型方差分析后，对各样本均值是否存在显著差异的检验。

简单效应检验是指分别检验一个因素在另一个因素的每一个水平上的处理效应，以便具体地确定它的处理效应在另一个因素的哪个水平上是显著的，在哪些水平上是不显著的。

（2）二者的区别是:

多重效应检验是紧接着方差分析后的分析步骤，当方差分析结果显示某变量主效应显著时，用多重比较进一步分析差异具体在该变量的什么水平上。简单效应检验针对的是两个变量或多个变量间的交互作用，也是方差分析后的步骤，当交互作用显著时，用简单效应检验考察某变量的效应在另一个变量的不同水平上的差异情况。

6． 在心理学研究中，以样本对总体判断的数理理论依据。

【答案】（1）在心理学研究中，以样本对总体判断必须以一定的统计理论为基础。推论统计的理论和原理包括抽样理论、估计理论和统计检验原理。

①抽样理论及其方法主要讨论在什么情况下可以从样本的特性推论出总体的特性。其中一个最重要的条件就是样本抽取的原则，只有抽样具有随机性，才能保证推论具有某种程度的准确性。

②估计理论主要是根据随机抽样的结果来估计总体分布的参数值，分为点估计和区间估计。

③统计检验主要是根据实际的抽样结果来推论有关总体特征的假设是否与具体的随机抽样所提供的信息相一致。

（2）当总体参数不清楚时，用一个特定值，一般就是样本统计量对总体参数进行估计。以样本对总体判断的数理理论依据是样本分布理论，即概率发生的机会。统计分析中一般认为，0.05或0.01属于小概率事件，小概率事件在一次抽样中是不可能出现的。

样本分布的规律:

①样本统计量为正态分布或接近正态分布的两种情况，凡符合这两种情况的分布，都可以根据正态分布的概率进行统计推论。

②总体分布非正态，但方差己知，这时当样本足够大时其样本平均数的分布

为渐进正态分布，接近正态分布的程度与样本n 及总体偏斜程度有关。

③依据随机取样原则，自正态分布的总体中抽取容量为n 的样本，当n 足够大时

样本方差及标准差的分布，渐趋正态分布。

（3）假设检验是通过样本统计量得出的差异做出一般性结论，判断总体参数之间是否存在差异。假设检验的原理是概率性质的反证法。为了检验虚无假设，首先假定虚无假设为真。在虚无假设为真的前提下，如果导致违反逻辑或违背人们常识和经验的不合理现象出现，则表明“虚无假设为真”的假定是不正确的，也就不能接受虚无假设。若没有导致不合理现象出现，那就认为“虚无假设为真”的假定是正确的，也就是说要接受虚无假设。假设检验中的“不合理现象”

是指小概率事件在一次试验中发生了。小概率事件原理认为“小概率事件在一次试验中几乎是不可能发生的”。

7．

检验法在计数数据的分析中有哪些应用？ 【答案】检验因研究的问题不同，可以细分为多种类型，如配合度检验、独立性检验、同质性检验等等。

（1）配合度检验主要用来检验一个因素多项分类的实际观察数与某理论次数是否接近，这种检验方法有时也称为无差假说检验。当对连续数据的正态性进行检验时，这种检验又可称

（2）独立性检验是用来检验两个或两个以上因素各种分类之间是否有关联或是否具有独立性的问题。两个因素是指所要研究的两个不同事物。例如性别与对某个问题的态度是否有关系，这里性别是一个因素，分为男女两个类别，态度是另一个因素，可分为赞同、不置可否、反对等多种类别。各因素分类的多少视研究的内容及所

划分的分类标志而定。这种类型的/检验适用于探讨两个变量之间是否具有关联（非独立）或无关（独立），如果再加入另一个变量的影响，即探讨三个变量之间关系时，就必须使用多维列联表分析方法。

（3）同质性检验主要目的在于检定不同人群母总体在某一个变量的反应是否具有显著差异。当用同质性检验检测双样本在单一变量的分布情形，如果两样本没有差异，就可以说两个母总体是同质的，反之，则说这两个母总体是异质的。

8． 统计量与参数之间有何区别和关系？

【答案】在科学研究中，探寻的是关于所有事物总体的说明和解释。总体的那些特性称为参数（parameter ）, 又称总体参数，是描述一个总体情况的统计指标；样本的那些特征值叫做统计量（statistics ）, 又称特征值。

参数和统计量的区别

（1）一个参数是从整个总体中计算得到的量数，通常是通过样本特征值来预测得到，统计量是从一个样本中计算出来的一些量数，它可以描述一组数据的情况，参数代表总体的特性，它是一个常数；

（2）统计量代表样本的特性，它是一个变量，随着样本的变化而变化；

（3）参数和统计量之间最明显的区别是参数常用希腊字母表示，而样本统计量则用英文字母表示。

参数和统计量的关系

从数值计算上讲，当总体大小已知并与实验观察的总次数相同时，它们是同一统计指标。当总体无限时，统计量与总体参数不同，但统计量可在某种程度上作为总体参数的估计值。通过样本统计量，对总体参数能够做出预测和估计。

为正态吻合性检验。