内容发布更新时间 : 2024/12/22 23:20:24星期一 下面是文章的全部内容请认真阅读。

专业资料

第七章：

1、 解释估计量与估计值。

估计量：用于估计总体参数的随机变量。

估计值：估计总体参数时计算出来的估计量的具体值。 2、 简述评价估计量好坏的标准。

无偏性：估计量抽样分布的数学期望=总体参数

有效性：对同一参数的两个无偏点估计量，拥有更小标准差的估计量更有效。 一致性：随着样本容量的增大，估计量的值越来越接近总体参数。 3、 怎样理解置信区间?

由样本统计量所构造的总体参数的估计区间。 4、 解释95%的置信区间。

95%的置信区间值通过某种方法构造的估计区间中，有95%的区间包含总体参数的真值。 5、 Za/2是标准正态分布上侧面积为a/2的z值,公式是统计总体均值时的边际误差。 6、 解释独立样本和匹配样本的含义。

独立样本：两个样本是从两个总体中独立抽取的，即一个样本中的元素与另一个样本中

的元素相互独立。（想工人）

匹配样本：一个样本中的数据与另一个样本中的数据相互对应。 7、 简述样本量与置信水平、总体方差、估计误差的关系。

样本量越大，置信水平越高，总体方差和估计误差越小。

精心整理

专业资料

第八章：

1、 假设检验和参数估计有什么相同点和不同点？

相同点：是统计推断的两部分；都运用样本对总体进行推断。 不同点：推断角度不同。参数估计：用样本统计量估计总体参数，总体参数估计前未知。 假设检验：对总体参数提出假设，用样本信息验证假设成立否。 2、 什么是假设检验中的显著性水平？统计显著是什么意思？

显著性水平：原假设正确时却被拒绝的概率或风险。

统计显著：指拒绝原假设，即求出的值落在小概率区间上（拒绝域内） 3、 什么是假设检验中的两类错误？

α错误（弃真错误）：原假设为真，却被我们拒绝了。 β错误（取伪错误）：原假设为假，却被我们接受了。 4、 两类错误之间存在什么样的数量关系？

在样本量一定的情况下，二者是此消彼长的关系。 5、 解释假设检验中的P值。

当原假设为真时所得到的样本观察值或更极端值出现的概率。（它的大小取决于三个因素，一个是样本数据与原假设之间的差异，一个是样本量，再一个是被假设参数的总体分布。）

6、 显著性水平与P值有何区别?

显著性水平：原假设为真时拒绝原假设的概率，即拒绝域，大小由研究者自己决定。 P值：原假设为真时所得的样本观察结果或更极端值出现的概率，是实测的显著性水平。 7、 假设检验依据的基本原理是什么？

假设检验基于小概率原理：即小概率事件在一次实验中是几乎不可能发生的，而一旦发生，我们就有理由拒绝原假设。

8、 在单侧检验中，原假设和备择假设的方向应该如何确定？

将想收集证据予以支持的假设作为备择假设；将想收集证据予以否认的假设作为原假设，同时原假设应基于广泛的社会经验基础。备择假设的方向与想要证明的正确性的方向一致。备择假设和原假设互斥，且等号总在原假设上。

精心整理

专业资料

1、 什么是方差分析？它研究的是什么？

方差分析：通过验证个总体的均值是否相等来判断分类型自变量对数值型因变量是否有显著影响。

研究内容：研究的是分类型自变量和数值型因变量之间的关系（有没有影响）。 2、 要检验多个总体均值是否相等时，为什么不作两两比较，而用方差分析方法？

提高检验效率：两两检验太过繁琐。

增加分析可靠性，排除错误累计概率，减少检验误差。（多次检验会增加犯α错误的概率）

3、 方差分析包括哪些类型？他们有何区别？

单因素方差分析和双因素方差分析。

区别：单因素方差分析:一个分类型自变量对一个数值型因变量的影响；

双因素方差分析：涉及两个分类型自变量。

4、 方差分析中有哪些基本假定？

正态总体；方差齐性；观测值独立 5、 简述方差分析的基本思想。

方差分析是通过对误差来源的分析判别不同总体均值是否相等，进而分析自变量对因变量的影响。

6、 解释因子和处理的含义。

因子：也称因素，是检验对象；处理：也称水平，是因素的不同表现。 7、 解释组内误差和组间误差的含义。

组内误差（SSE）是指每个水平或组的个样本数据与其组平均值误差的平方和，反映了每个样本各观测值的离散状况；

组间误差（SSA）是指各组平均值Xi与总平均值的误差平方和，反映各样本均值之间的差异程度。

8、 解释组内方差和组间方差的含义。

组内方差指因素的同一水平(同一个总体)下样本数据的方差； 组间方差指因素的不同水平(不同总体)下各样本之间的方差。 9、 简述方差分析的基本步骤。

（1）提出假设（一般提法形式如下：H0：μ1=μ2=μ3=…=μi=….μk，自变量对因变量

没有显著影响, H1：μi (i=1,2,3…..,k)不全相等，自变量对因变量有显著影响） （2）构造检验统计量（包括：计算各样本的均值，计算全部观测值的总均值，计算各误

差平方和，计算统计量） （3）统计决策。（将统计量的值F与给定的显著性水平?的临界值F?进行比较，作出对

原假设H0的决策）(F=MSA/MSE)

10、 是什么是交互作用？

交互作用是指几个因素搭配在一起会对因变量产生一种新的效应的作用。 11、方差分析中多重比较的作用是什么？

通过对各总体均值之间的配对比较来进一步检验到底哪些均值之间存在差异。 12、解释无交互作用和有交互作用的双因素方差分析。

无交互作用双因素方差分析：两个分类型自变量对于因变量的影响是相互独立的。 有交互作用双因素方差分析：除了行因素和列因素对试验数据的单独影响外，两个因素

的搭配还会对结果产生一种新的影响

13、解释R^2的作用和含义。

精心整理

专业资料

R2?SSA（组间SS）SST（总SS），即关系强度，也就是自变量对于因变量差异的解释程度。

精心整理