当前位置：问答库＞考研试题

一、概念题

1． 样本

【答案】样本（sample ）亦称“子样”，统计学术语，指按一定规则从统计总体中抽取的若干个体的集合或对总体X 的n 次观测结果

独立样本。

2． 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。

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． 抽样误差

【答案】抽样误差指由抽样而造成的样本参数与总体参数之间差异或各样本参数之间差异。比如:样本平均数与总体平均数之间差异或各样本平均数之间差异。在抽样研究中，抽样误差是不可避免的，但可以估计其大小。

根据样本容量（通常以30为界线）的大小，可区分为大样本和小样本。根据两样本来自的两总体是相关还是独立，可分为相关样本和

二、简答题

5． 如何区分点二列相关与二列相关？

【答案】（1）点二列相关法（point-biserail correlation）就是考察两列观测值一个为连续变量（点数据），另一个为“二分”称名变量（二分型数据）之间相关程度的统计方法。

二列相关法（biserail correlation）就是考察两列观测值一个为连续变量（点数据），另一个

也是连续变量不过被按照某种标准人为的划分的二分变量之间相关程度的统计方法。

（2）点二列相关与二列相关的区别

二列相关不太常用，但有些数据只适用于这种方法。在测验中，二列相关常用于对项目区分度指标的确定。有时，某一题目实际获得的测验分数是连续性测量数据，这些分数的分布为正态，当人为地根据一定标准将其得分划分为对与错、通过与不通过两个类别时，计算该题目的区分度就要使用二列相关。如果题目的类型属于错与对这样的是非类客观选择题，计算该题目的区分度就应该选用点二列相关。二者之间的主要区别是二分变量是否为正态分布。总的原则是，如果不是十分明确，观测数据的分布形态是否为正态分布，这时，不管观测数据代表的是一个真正的二分变量，还是一个基于正态分布的人为二分变量，这时就用点二列相关。当确认数据分布形态为正态分布时，都应选用二列相关。只要有任何疑问，选用点二列相关总是较好的选择。在实际的研究当中，二列相关很少使用。

6． 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。

7． 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。

8． 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”。

三、计算题