当前位置：问答库＞考研试题

一、概念题

1． 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。

2． 参数

【答案】参数（parameter ）在数理统汁中，反映一个统计量或随机变量的分布特征的参变量。对于参数统计来讲，分布依赖的参数是有限个数（其实只确很少几个）。只要参数确定，则分布也确定了。参数可在一定允许范围内取值。它便确定了一个分布族。如正态分布两个参数。它们的取值允许范围是

参数不是有限的，其统计方法只能是非参数方法或自由分布方法。

3． 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。

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． 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。

6． 总体

【答案】总体（population ）又译“母体”，统计学术语，指一个统计问题中研宄对象的全体。

第 2 页，共 36 页 只含有

与

。对于非参数统计来讲，分布依赖的

由具有某种研宄特征的个体构成。从总体中抽取一部分个体，就构成总体的一个样本。如，研宄小学生的推理能力，记X 为每个小学生的推理能力，则X 的任一个可能取值是一个个体，X 的所有可能取值的集合则是一个总体。如果随机抽取n 个小学生，测量他们的推理能力为.Y .\这就是一个取自总体X 的样本。可根据包含个体的数目，可分为有限总体和无限总体。总体本身的大小是有限还是无限，取决于研宄问题的推理范围。心理学研宄中常为无限总体。在推断统计中被定义为一个随机变量，可运用概率论等数学工具进行统计推断。

二、简答题

7． 方差分析的适用条件是什么? 主要用来检验什么？

【答案】进行方差分析时有一定的条件限制，数据必须满足以下几个基本假定条件，否则由它得出的结论将会产生错误。

（1）总体正态分布

方差分析同Z 检验及t 检验一样，也要求样本必须来自正态分布的总体。在心理与教育研究领域中，大多数变量是可以假定其总体服从正态分布，一般进行方差分析时并不需要去检验总体分布的正态性。当有证据表明总体分布不是正态时，可以将数据做正态转化，或采用非参数检验方法。

（2）变异的相互独立性

总变异可以分解成几个不同来源的部分，这几个部分变异的来源在意义上必须明确，而且彼此要相互独立。

（3）各处理内的方差一致

在方差分析中用MSw 作为总体组内方差的估计值，求组内均方MSw 时，相当于将各个处理中的样本方差合成，它必须满足的一个前提条件就是，各实验处理内的方差彼此无显著差异。这一假定若不能满足，原则上是不能进行方差分析的。

方差分析主要用来检验两组或多组资料的总体均数是否相同，检验两个或多个样本均数的差异是否有统计学意义。

8． 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:

第 3 页，共 36 页

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差异。

9． 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

，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。 量（点数据）

，另一个二列相关法（biserail correlation）就是考察两列观测值一个为连续变量（点数据）

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。

第 4 页，共 36 页