2018年上海交通大学精神卫生中心347心理学专业综合[专业硕士]之现代心理与教育统计学考研强化五套模拟题
● 摘要
一、概念题
1． 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。
2． 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。
3． 个体
【答案】个体（individual ）亦称“单位”、“样品”，统计学术语指总体中的每一个单位、样品或成员。是统计调查、试验或观测的最基本对象，是构成样本、总体的最小单元。在心理学研宄中，个体根据研宄目的不同，可以是人，也可以是人在某种实验条件下的某个反应，或每个实验结果、每个数据。
4． 相关系数
【答案】相关系数是两列变量间相关程度的指标。相关系数的取值在-1到+1之间，常用小数表示，其正负号表示方向。如果相关系数为正，则表示正相关，两列变量的变化方向相同。如果相关系数为负值，则表示负相关，两列变量的变化方向相反。相关系数取值的大小表示相关的强弱程度。如果相关系数的绝对值在1.00与0之间，则表示不同程度的相关。绝对值接近1.00端，一般为相关程度密切，接近0值端一般为关系不够密切。0相关表示两列变量无任何相关性。
二、简答题
5． 何谓次数、频率及概率？
【答案】（1）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。
（2）频率，又称相对次数，即某一事件发生的次数被总的事件数目除，亦即某一数据出现的次数被这一组数据总个数去除。频率通常用比例（proportion ）或百分数（percent ）表示。
（3）概率又称机率、或然率（probability ），用符号P 表示，指某一事件在无限的观测中所能预料的相对出现的次数，也就是某一事物或某种情况在某一总体中出现的比率。概率通常用比例表示。
6． 假设两变量为线性关系，计算下列各种情况的相关时，应用什么方法？
（1）两列变量是等距或等比的数据且均为正态分布；
（2）两列变量是等距或等比的数据但不为正态分布；
（3）—变量为正态等距变量，另一列变量也为正态变量，但人为分为两类；
（4）一变量为正态等距变量，另一列变量也为正态变量，但人为分为多类；
（5）—变量为正态等距变量，另一列变量为二分名义变量；
（6）两变量均以等级表示。
【答案】
（1）积差相关法
（2）斯皮尔曼等级相关法
（3）二列相关法
（4）肯德尔W 系数
（5）点二列相关法
（6）肯德尔等级相关法。
7． 正态分布的特征是什么，统计检验中为什么经常要将正态分布转化成标准正态分布？
【答案】正态分布也称常态分布或常态分配。是连续随机变量概率分布的一种。描述正态分布曲线的一般方程为:
式中:是圆周率3.1415…
是自然对数的底2.71828…
为随机变量取值为理论平均数
为理论方差
为概率密度，即正态分布的纵坐标。
（1）正态分布的特征
①正态分布的形式是对称的，它的对称轴是经过平均数点的垂线，正态分布中，平均数、中数、众数三者相等，此点y 值最大（0.3989）。左右不同间距的y 值不同，各相当间距的面
积相等，y 值也相等。
②正态分布的中央点（即平均数点）最高，然后逐渐向两侧下降，曲线的形式是先向内弯，然后向外弯，拐点位于正负1个标准差处，曲线两端向靠近基线处无限延伸，但终不能与基线相交。
③正态曲线下的面积为1, 由于它在平均数处左右对称，故过平均数点的垂线将正态曲线下的面积划分为相等的两部分，即各为0.50。正态曲线下各对应的横坐标（即标准差）处与平均数之间的面积可用积分公式计算。因正态曲线下每一横坐标所对应的面积与总面积（总面积为1）之比其值等于该部分面积值，故正态曲线下的面积可视为概率，即值为每一横坐标值（x 加减一定标准差）的随机变量出现的概率。
④正态分布是一族分布。它随机变量的平均数、标准差的大小与单位不同而有不同的分布形态。如果平均数相同，标准差不同，这时标准差大的正态分布曲线形式低阔；如果标准差小，则正态曲线的形式高狭。
⑤正态分布下，标准差与概率有一定数量关系。
（2）统计检验中经常将正态分布转化为标准正态分布是因为标准正态分布的Z 分数不仅能表明原始分数在分布中的地位，而且能在不同分布的各个原始分数之间进行比较，同时，还能用代数方法处理，因此，它被教育统计学家称为“多学科表示量数”，有着广泛的用途。
①用于比较几个分属性质不同的观测值在各自数据分布中相对位置的高低。
Z 分数可以表明各个原始数据在该组数据分布中的相对位置，它无实际单位，可对不同的观测值进行比较。这里所说的数据分布中相对位置包括两个意思，一个是表示某原始数据以平均数为中心以标准差为单位所处距离的远近与方向；另一个意思是表示某原始数据在该组数据分布中的位置, 即在该数据以下或以上的数据各有多少。如果在一个正态分布（或至少是一个对称分布）中，这两个意思可合二为一。但在一个偏态分布中，这两个意思就不能统一。
在实际的教育与心理研究中，经常会遇到属于几种不同质的观测值，此时，不能对它们进行直接比较，但若知道各自数据分布的平均数与标准差，就可分别求出Z 分数进行比较。
一个原始分数被转换为Z 分数后，就可知道它在平均数以上或以下几个标准差的位置，从而知道它在分布中的相对地位。当原始分数的分布是正态分布时，只要求出分布中某一原始分数的Z 分数，就可以通过查正态分布表得知此原始分数的百分等级，从而知道在它之下的分数个数占全部分数个数的百分之几，进一步明确此分数的相对地位。
②计算不同质的观测值的总和或平均值，以表示在团体中的相对位置。
不同质的原始观测值因不等距，也没有一致的参照点，因此不能简单地相加或相减。计算平均数时要求数据必须同质，否则会使平均数没有意义。但是，当研究要求合成不同质的数据