当前位置：问答库＞考研试题

一、概念题

1． 集中量数与差异量数

【答案】集中量数与差异量数都是描述一组数据特征的统计量。集中量数是表现数据集中性质或集中程度的，数据的集中情况指一组数据的中心位置；集中趋势的度量即确定一组数据的代表值，描述集中情况的度量包括:算术平均数、中位数、众数、几何平均数、调和平均数和加权平均数等。差异量数是表现数据分散性质或分散程度的，数据的差异性即为离中趋势；常见的差异量数有标准差或方差、全距、平均差、四分差和各种百分差等。

2． 分层随机抽样

【答案】分层随机抽样是抽样方式的一种。按照总体已有的某些特征，将总体分成几个不同

，再分别在每部分中随机抽样，这种抽样的方法称为分层随机抽样。总原则是:各层的部分（层）

内的变异要小，层与层间的变异越大越好。分层抽样充分利用了总体己知的信息，其样本代表性及推论的精确性一般优于简单随机抽样。对于同一总体，n 相同时，分层抽样误差小于简单随机抽样误差。

3． 协方差分析

【答案】协方差分析指回归分析与方差分析相结合的一种统计分析方法。是将难以直接控制的变量作为协变量影响的条件下，更准确地分析与评价因素对因变量的影响。它与方差分析的不同之处在于:方差分析的各因素水平可以根据需要和实际情况人为地加以控制，而在协方差分析中，某些因素的水平是不能控制或难以控制的。如在考察不同教学方法对学生学习成绩有无显著性影响的过程中，如果只考虑教学方法对学生学习成绩的作用，而不考虑学生的智力水平和学习基础这两个不能精确控制的因素对学生学习成绩的影响，将会影响判断的准确性。协方差分析可以消除这种不可控因素的影响，提高分析的精度。教学方法是可以人为控制的因素，称为方差因素，而学生的智力和学习基础是不能精确控制的因素，称为协变量。协方差分析的基本方法是先对每一水平下的实验结果进行回归分析，求出扣除协变量以后的残值，再将各水平试验下对应的残值进行方差分析。协方差分析适合于完全随机化设计资料、随机化区组设计资料、拉丁方资料等。

4． 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。

5． 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。

6． 参数检验（parametric test）

【答案】参数检验是统计假设检验的一种。与“非参数检验”相对。适用于总体分布形式已知。且仅由少数几个参数便可确定的条件下。其检验方法常是基于正态性的假定，如t 检验、F 检验、正态线性回归、狭义多元分析等。其主要缺点在于，因其受到严格的关于正态性的条件限制，而大大制约了这类检验的应用或可信度的保证。

二、简答题

7． 回归分析与因素分析有什么区别？

【答案】因素分析又称因子分析，是处理多变量数据的一种统计方法，它可以揭示多变量之间的关系，其主要目的是从为数众多的可观测的变量中概括和综合出少数几个因子，用较少的因子变量来最大程度地概括和解释原有的观测信息，从而建立起简洁的概念系统，揭示出事物之间本质的联系。

8． 某厂要进行压力的性别差异的研究，但由于工厂不大就把男女员工的数据都收集来了，那么应该用什么方法看性别间有否差异呢？

【答案】可以用独立样本t 检验进行性别间差异检验。

首先可以从样本的抽样方面考虑这个工厂在数据采集上的科学性。

抽样调查也会遇到调查的误差和偏误问题。通常抽样调查的误差有两种:一种是工作误差

，一种是代表性误差（也称抽样误差）（也称登记误差或调查误差）。另外，由于调查单位少，

代表性强，所需调查人员少，工作误差比全面调查要小。特别是在总体包括的调查单位较多的

情况下，抽样调查结果的准确性一般高于全面调查。因此，抽样调查的结果是非常可靠的。但是抽样调查得遵循一定的原则:

（1）调查样本是按随机的原则抽取的，在总体中每一个单位被抽取的机会是均等的，因此，能够保证被抽中的单位在总体中的均匀分布，不致出现倾向性误差，代表性强。

（2）所抽选的调查样本数量，是根据调查误差的要求，经过科学的计算确定的，在调查样本的数量上有可靠的保证。而且抽样过程中样本要能代表总体，不能随便挑选。

因此，这个工厂在进行性别差异的研究中，没有考虑抽样的科学性原则。这样得出的结果只能代表这个工厂的情况，而缺乏推论价值。

9． 估计总体平均数落入该区间的正确可能性概率为1-«，犯错误的可能性概率为«。1. 在进行差异的显著性检验时，若将相关样本误作独立样本处理，对差异的显著性有何影响，为什么？

【答案】（1）在进行差异的显著性检验时，首先需要考虑样本是否服从正态分布，如果服从正态分布，还需要考虑总体方差是否已知，然后看样本是否是独立样本。若将相关样本误作独立样本处理，则忽视了样本数据之间的一致性，导致错误地运用计算公式，差异的显著性也会受到误估，使本来可能有显著差异变成无显著差异。

（2）因为相关样本与独立样本不同，会运用不同的计算方法计算显著性。相关样本与独立样本是根据两个样本是否来自同一个总体来划分的。

①如果是独立样本，其和（或差）的方差等于各自方差的和，即

在进行差异的显著性检验中采用以下公式:

②相关样本之间存在着一一的对应关系。如果是相关样本前后两次结果则相互影响，而不独立。当两个变量之间相关系数为r 时，两变量差的方差为:

在进行差异的显著性检验中采用以下公式:

由计算公式可以看出，独立样本和相关样本在进行差异的显著行检验时，使用了不同计算公式，相关样本的标准误可能会比独立样本的标准误小，使得计算出的Z 值大，从而更容易达到显著性水平，所以如果将相关样本误作独立样本处理，会使本来可能有显著差异变成无显著