var模型改变变量顺序

名义：男女顺序：高中低

p1与p2是同类型变量，直接赋值就能实现。在选项中a是指向p1的地址，就是直接赋值，b是指针的指针c是指针的地址dp1地址存储的数据

【答案】：D顺序变量是指变量的取值表现为类别且具有定顺序时。选项AB为数量变量，选项C是分类变量。

运算结果只是反映位次顺序关系的是顺序变量数据。顺序变量（ordinal variable）亦称“等级变量”。心理变量的一种。其值仅表明事物属性在数量大小、多少上的次序的变量。可通过顺序量表观测。其各个数值之间的距离不一定相等，也没有一定的比例关系。一般说来，顺序变量之间可运用中位数、百分位数、等级相关系数、Y0检验、肯德尔和谐系数以及秩次的方差分析等统计方法。如，把所有参赛运动员根据其到达终点所花时间依次排为“第一名”、“第二名”……显然，第一名与第二名之间的时间差并不等于第二名与第三名之间的时间差，仅表明他们之间的顺序关系，并且既不具有绝对零点，也不能作比率性的陈述。举例：如愉影学生百舟寻捉米赛跑排名次，速度最快的定为第1名，次快的旋宙趋定项员朽为第甩洪采全2名，以此类推，所得1，2，3…就是顺序变量。柜归提又比如学历腊想鸦想的高低，从小到大依次为小学，初中，高中等等。对这类数据不能用简单的四则运算进行统计处理。

【答案】：B考查变量和数据。1、定量数据（数值型数据）是对定量变量的观测结果，其取值表现为具体的数值。如企业的销售额是1000万元。2、分类数据指分类变量的观测结果，表现为类别，一般用文字来表述，也可用数字描述。如，用1表示“男性”，2表示“女性”。3、顺序数据指顺序变量的观测结果，表现为类别，一般用文字描述，也可用数字描述。如用1表示“硕士及以上”，2表示“本科”，3表示“大专及以下”。A选项为定量变量或数量变量；C选项和D选项属于分类变量。

【答案】：D变量可分为：①分类变量，指只能反映现象分类特征的变量；②顺序变量，是说明事物有序类别的一个名称，这类变量的具体表现就是顺序数据；③数值型变量，是说明事物数字特征的一个名称。A项是分类变量；B、C两项是数值型变量。

统计学是关于认识客观现象总体数量特征和数量关系的科学。它是通过搜集、整理、分析统计资料，认识客观现象数量规律性的方法论科学。由于统计学的定量研究具有客观、准确和可检验的特点，所以统计方法就成为实证研究的最重要的方法，广泛适用于自然、社会、经济、科学技术各个领域的分析研究统计学是一门很古老的科学，一般认为其学理研究始于古希腊的亚里士多德时代，迄今已有两千三百多年的历史。它起源于研究社会经济问题，在两千多年的发展过程中，统计学至少经历了“城邦政情”、“政治算数”和“统计分析科学”三个发展阶段。所谓“数理统计”并非独立于统计学的新学科，确切地说，它是统计学在第三个发展阶段所形成的所有收集和分析数据的新方法的一个综合性名词。概率论是数理统计方法的理论基础，但是它不属于统计学的范畴，而是属于数学的范畴。统计学（statistics）：收集、处理、分析、解释数据并从数据中得出结论的科学。描述统计（descriptive statistics）：研究数据收集、处理和描述的统计学方法。推断统计（inferential statistics）：研究如何利用样本数据来推断总体特征的统计学方法。变量（variable）：每次观察会得到不同结果的某种特征。分类变量（categorical variable）：观测结果表现为某种类别的变量。顺序变量（rank variable）：又称有序分类变量，观测结果表现为某种有序类别的变量。数值型变量（metric variable）：又称定量变量，观测结果表现为数字的变量。均值（mean）：均值也就是平均数，有时特指算术平均数，这是相对其他方式计算的均值，求法是先将所有数字加起来，然后除以数字的个数，这是测量集中趋势，或者说平均数的一种方法。中位数（median）：也就是选取中间的数，要找中位数，首先需要从小到大排序，排序后，再看中间的数字是什么。众数（mode）：众数也就是数据集中出现频率最多的数字。任何统计方法是有效的只有当这个系统或是所讨论的母体满足方法论的基本假设。误用统计学可能会导致描述面或是推论面严重的错误，这个错误可能会影响社会政策，医疗实践以及桥梁或是核能发电计划结构的可靠性。即使统计学被正确的应用，结果对于不是专家的人来说可能会难以陈述。举例来说，统计资料中显著的改变可能是由样本的随机变量所导致，但是这个显著性可能与大众的直觉相悖。人们需要一些统计的技巧（或怀疑）以面对每天日常生活中透过引用统计数据所获得的资讯。在具体进行取样时，必须根据研究目的的不同，选择不同的取样方法。①单纯随机取样法先把每个个体编号，然后用抽签的方式从总体中抽取样本。这种方法适用于个体间差异较小、所需抽选的个体数较少或个体的分布比较集中的研究对象。②分区随机取样法将总体随机地分成若干部分，然后再从每一部分随机抽选若干个体组成样本。这种抽样法可以更有组织地进行，而且中选的个体在总体的分布比单纯随机取样更均匀。③系统取样法先有系统地将总体分成若干组，然后随机地从第一组决定一个起点，如每组15个元素，决定从第一组的第13个元素选起，那么以后选定的单位即28，43，58，73等等。④分层取样法根据对总体特性的了解，把总体分成若干层次或类型组，然后从各个层次中按一定比例随机抽选。这种方法的代表性好，但若层次划分得不正确，也不能获得有高度代表性的样本

统计学的英文statistics最早源于现代拉丁文statisticum collegium（国会）以及意大利文statista（国民或政治家）。 德文Statistik，最早是由Gottfried Achenwall于1749年使用，代表对国家的资料进行分析的学问，也就是“研究国家的科学”。 在十九世纪统计学在广泛的数据以及资料中探究其意义，并且由John Sinclair引进到英语世界。 统计学是一门很古老的科学，一般认为其学理研究始于古希腊的亚里斯多德时代，迄今已有两千三百多年的历史。 它起源于研究社会经济问题，在两千多年的发展过程中，统计学至少经历了“城邦政情”，“政治算数”和“统计分析科学”三个发展阶段。 所谓“数理统计”并非独立于统计学的新学科，确切地说：它是统计学在第三个发展阶段所形成的所有收集和分析数据的新方法的一个综合性名词。 概率论是数理统计方法的理论基础，但是它不属于统计学的范畴，而属于数学的范畴。 [1] 与“城邦政情”阶段没有很明显的分界点，本质的差别也不大。 “政治算术”的特点是统计方法与数学计算和推理方法开始结合。 分析社会经济问题的方式更加注重运用定量分析方法。 1690年英国威廉·配弟出版《政治算数》一书作为这个阶段的起始标志。 威廉·配第用数字，重量和尺度将社会经济现象数量化的方法是近代统计学的重要特征。 因此，威廉·配第的《政治算术》被后来的学者评价为近代统计学的来源，威廉·配第本人也被评价为近代统计学之父。 配第在书中使用的数字有三类： 第一类是对社会经济现象进行统计调查和经验观察得到的数字.因为受历史条件的限制，书中通过严格的统计调查得到的数据少，根据经验得出的数字多； 第二类是运用某种数学方法推算出来的数字。 其推算方法可分为三种： 平均数为基础进行推算的方法”； 第三类是为了进行理论性推理而采用的例示性的数字。 配第把这种运用数字和符号进行的推理称之为“代数的算法”。 从配第使用数据的方法看，“政治算数”阶段的统计学已经比较明显地体现了“收集和分析数据的科学和艺术”特点，统计实证方法和理论分析方法浑然一体，这种方法即使是现代统计学也依然继承。 [2] 在“政治算术”阶段出现的统计与数学的结合趋势逐渐发展形成了“统计分析科学”。 十九世纪末，欧洲大学开设的“国情纪要”或“政治算数”等课程名称逐渐消失，代之而起的是“统计分析科学”课程。 当时的“统计分析科学”(Science of statistical *** ysis)课程的内容仍然是分析研究社会经济问题。 “统计分析科学”课程的出现是现代统计发展阶段的开端. 1908年，“学生”氏(William Sleey Gosset的笔名Student)发表了关于t分布的论文，这是一篇在统计学发展史上划时代的文章。 它创立了小样本代替大样本的方法，开创了统计学的新纪元。 现代统计学的代表人物首推比利时统计学家奎特莱(Adolphe Quelet)，他将统计分析科学广泛应用于社会科学，自然科学和工程技术科学领域，因为他深信统计学是可以用于研究任何科学的一般研究方法. 现代统计学的理论基础概率论始于研究赌博的机遇问题，大约开始于1477年。 数学家为了解释支配机遇的一般法则进行了长期的研究，逐渐形成了概率论理论框架。 在概率论进一步发展的基础上，到十九世纪初，数学家们逐渐建立了观察误差理论，正态分布理论和最小平方法则。 于是，现代统计方法便有了比较坚实的理论基础。 [1] 统计学（statistics）：收集、处理、分析、解释数据并从数据中得出结论的科学。 描述统计（descriptive statistics）：研究数据收集、处理和描述的统计学方法。 推断统计（inferential statistics）：研究如何利用样本数据来推断总体特征的统计学方法。 变量（variable）：每次观察会得到不同结果的某种特征。 分类变量（categorical variable）：观测结果表现为某种类别的变量。 顺序变量（rank variable）：又称有序分类变量，观测结果表现为某种有序类别的变量。 数值型变量（metric variable）：又称定量变量，观测结果表现为数字的变量。 均值（mean）：均值也就是平均数，有时特指算术平均数，这是相对其他方式计算的均值，求法是先将所有数字加起来，然后除以数字的个数，这是测量集中趋势，或者说平均数的一种方法。 中位数（median）：也就是选取中间的数，要找中位数，首先需要从小到大排序，排序后，再看中间的数字是什么。 众数（mode）：众数也就是数据集中出现频率最多的数字 为了将统计学应用到科学，工业以及社会问题上，我们由研究母体开始。 这可能是一个国家的人民，石头中的水晶，或者是某家特定工厂所生产的商品。 一个母体甚至可能由许多次同样的观察程序所组成；由这种资料收集所组成的母体我们称它叫时间序列。 为了实际的理由，我们选择研究母体的子集代替研究母体的每一笔资料，这个子集称做样本。 以某种经验设计实验所搜集的样本叫做资料。 资料是统计分析的对象，并且被用做两种相关的用途：描述和推论。 描述统计学处理有关叙述的问题：资料是否可以被有效的摘要，不论是以数学或是图片表现，以用来代表母体的性质？基础的数学描述包括了平均数和标准差。 图像的摘要则包含了许多种的表和图。 推论统计学被用来将资料中的数据模型化，计算它的机率并且做出对于母体的推论。 这个推论可能以对/错问题的答案所呈现（假设检定），对于数字特征量的估计（估计），对于未来观察的预测，关联性的预测（相关性），或是将关系模型化（回归）。 其他的模型化技术包括变异数分析（ANOVA），时间序列，以及数据挖掘。 相关的观念特别值得被拿出来讨论。 对于资料 *** 的统计分析可能显示两个变量(母体中的两种性质)倾向于一起变动，好像它们是相连的一样。 举例来说，对于人收入和死亡年龄的研究期刊可能会发现穷人比起富人平均来说倾向拥有较短的生命。 这两个变量被称做相关的。 但是实际上，我们不能直接推论这两个变量中有因果关系；参见相关性推论因果关系（逻辑谬误）。 如果样本足以代表母体的，那么由样本所做的推论和结论可以被引申到整个母体之上。 最大的问题在于决定样本是否足以代表 整个母体。 统计学提供了许多方法来估计和修正样本和收集资料过程中的随机性(误差)，如同上面所提到的透过经验所设计的实验。 参见实验设计。 要了解随机性或是机率必须具备基本的数学观念。 数理统计（通常又叫做统计理论）是应用数学的分支，它使用机率论来分析并且验证统计的理论基础。 任何统计方法是有效的只有当这个系统或是所讨论的母体满足方法论的基本假设。 误用统计学可能会导致描述面或是推论面严重的错误，这个错误可能会影响社会政策，医疗实践以及桥梁或是核能发电计划结构的可靠性。 即使统计学被正确的应用，结果对于不是专家的人来说可能会难以陈述。 举例来说，统计资料中显著的改变可能是由样本的随机变量所导致，但是这个显著性可能与大众的直觉相悖。 人们需要一些统计的技巧(或怀疑)以面对每天日常生活中透过引用统计数据所获得的资讯。 测量的尺度 统计学一共有四种测量的尺度或是四种测量的方式。 这四种测量（名目、顺序、等距、等比）在统计过程中具有不等的实用性 。 等比尺度（Ratio measurements）拥有零值及资料间的距离是相等被定义的； 等距尺度（Interval measurements）资料间的距离是相等被定义的但是它的零值并非绝对的无而是自行定义的（如智力或温度的测量）； 顺序尺度（ Ordinal measurements）的意义并非表现在其值而是在其顺序之上； 名目尺度（Nominal measurements）的测量值则不具量的意义。 以下列出一些有名的统计检定方法以及可供验证实验数据的程序 Fisher最小显著差异法（Fisher"s Least Significant Difference test ） 学生t检验(Student"s t-test) 曼-惠特尼 U 检定（Mann-Whitney U） 回归分析（regression *** ysis） 相关性（correlation） 皮尔森积矩相关系数(Pearson product-moment correlation coefficient) 史匹曼等级相关系数（Spearman"s rank correlation coefficient ） 卡方分布（chi-square ） 创立时期 德国的斯勒兹曾说过：“统计是动态的历史，历史是静态的统计”。 可见统计学的产生与发展是和生产的发展、社会的进步紧密相联的。 统计学的萌芽产生在欧洲，17世纪中叶至18世纪中叶是统计学的创立时期。 在这一时期，统计学理论初步形成了一定的学术派别，主要有国势学派和政治算术学派。

顺序变量。变量值是指某一变量的具体取值。例如，参加社会保障的人数可以是604.1万人、679.5万人等，这些数字就是变量值。顺序变量亦称“等级变量”。心理变量的一种。其值仅表明事物属性在数量大小、多少上的次序的变量。可通过顺序量表观测。其各个数值之间的距离不一定相等，也没有一定的比例关系。

因变量是一个连续变量，但自变量分别是两个顺序变量，请问这样可以做回归分析做回归分析的变量必须要求是连续的但也有社会学方面的学者做这样的回归但这

身高不属于顺序变量，属于数值型变量。数值型变量说明事物数字特征的一个名称，其取值是数值型数据。如“产品产量”、“商品销售额”、“零件尺寸”、“年龄”、“时间”“身高”等都是数值型变量，这些变量可以取不同的数值。数值型变量根据其取值的不同，又可以分为离散型变量和连续型变量。数值型变量数据形式在计算机中的表示主要有两大类：数值型变量和非数值型变量。数值型变量指，被人为定义的数字（如整数、小数、有理数等）在计算机中的表示。这种被定义的数据形式可直接载入内存或寄存器进行加、减、乘、除的运算。一般不经过数据类型的转换，所以运算速度快。具有计算意义。另一种非数值型的数据，如字符型数据，是不可直接运算的字符在计算机中的存在形式。具有信息存储的意义。在计算机中可识别的字符，一般都对应有一个ASCII码，ASCII码为数值型的数据。ASII码值的改变，对应的字符也会改变。所以，非数值型的数据，本质上也是数值型的数据。

是。顺序变量又称等级变量，是指其数值用于排列不同事物的等级顺序的变量。ph值就是这样的。如学生百米赛跑排名次，速度最快的定为第1名，次快的定为第2名，以此类推，所得1，2，3就是顺序变量。

“产品等级”是顺序变量，“学生人数”是离散变量“产品等级”是一个顺序变量，其变量值为“一等品”，“二等品”，“三等品”，“次等品”。“学生人数”属于离散变量。产品是“一组将输入转化为输出的相互关联或相互作用的活动”的结果，即“过程”的结果。在经济领域中，通常也可理解为组织制造的任何制品或制品的组合。在现代汉语词典当中的解释为“生产出来的物品”。简单来说是“为了满足市场需要，而创建的用于运营的功能及服务”就是产品。

　　在统计学中,变量按变量值是否连续可分为连续变量与离散变量两种.　　离散变量是指其数值只能用自然数或整数单位计算的则为离散变量.例如,企业个数,职工人数,设备台数等,只能按计量单位数计数,这种变量的数值一般用计数方法取得.　　反之,在一定区间内可以任意取值的变量叫连续变量,其数值是连续不断的,相邻两个数值可作无限分割,即可取无限个数值.例如,生产零件的规格尺寸,人体测量的身高,体重,胸围等为连续变量,其数值只能用测量或计量的方法取得。　　性质　　符号x如果能够表示对象集合S中的任意元素，就是变量。如果变量的域(即对象的集合S)是离散的，该变量就是离散变量；如果它的域是连续的，它就是连续变量。　　对离散变量，如果变量值的变动幅度小，就可以一个变量值对应一组，称单项式分组。如居民家庭按儿童数或人口数分组，均可采用单项式分组。　　离散变量如果变量值的变动幅度很大，变量值的个数很多，则把整个变量值依次划分为几个区间，各个变量值则按其大小确定所归并的区间，区间的距离称为组距，这样的分组称为组距式分组。　　也就是说，离散变量根据情况既可用单项式分组，也可用组距式分组。在组距式分组中，相邻组既可以有确定的上下限，也可将相邻组的组限重叠。

2.标志与指标 (1)标志：是说明总体单位特征的名称。 　　标志按表现形式分 　　品质标志：表明总体单位的属性特征，不能用数量表示。主要用作分组的依据。 　　数量标志：表明总体单位的数量特征，可用数量表示。可进行计算。 (2)指标：两种理解和使用方法。 　　一种是认为统计指标是反映总体现象数量特征的概念。适用于统计理论与统计设计 　　另一种认为统计指标是反映总体现象数量特征的概念和具体数值。适用于实际统计工作。 (3)指标与标志的区别： 　　① 指标是说明总体特征的，而标志是说明单体单位特征的。 　　② 标志有不能用数值表示的品质标志和能用数值表示的数量标志两种，而指标都必须是能用数值表示的。 (4)指标与标志的联系： 　　① 许多统计指标的数值是直接从总体单位的数量标志值汇总而来的; 　　② 指标与数量标志之间存在着转化的关系。(当总体变成总体单位时，相应的统计指标也就是数量标志了) 3.变异与变量 　　在一个总体中，当某标志在每个总体单位上的具体表现都相同时，称此标志为不变标志。 　　当某标志在每个总体单位的具体表现不同时，称为可变标志。可变标志的属性或数值表现在总体各单位之间存在着差异，统计上称之为变异。所以可变标志又称为变异标志。 　　变异标志又被称为变量，变量泛指一切可变标志，既包括可变的数量标志，也包括可变的品质标志。变量的具体数值称为变量值。统计数据就是统计变量的具体表现。 　　变量分类： 　　(1)分类变量：说明事物类别的一个名称。如“性别”就是一个分类变量。 　　(2)顺序变量：说明事物有序类别的一个名称，这类变量的具体表现就是顺序数据。 　　(3)数值型变量：说明事物数字特征的一个名称，这类变量的具体表现就是数值型数据，称变量值。数值型变量根据其取值不同，可分为离散变量和连续变量。 　　[例题·判断题] 在一个统计总体中，包含反映总体单位特征的标志，都是可变标志，没有不变标志。 　　答案：错误 　　[例题·单选题] 说明事物数学特征名称的变量称为( )。 　　A.分类变量 B.顺序变量 C.数值型变量 D.品质型变量 　　答案：C 　　[例题·单选题] 在下列选项中属于离散变量的有( )。 　　A.城镇居民家庭人均纯收入 B.全国居民消费水平 　　C.城镇居民人均居住面积 D.城镇居民最低收入户数 　　答案：D 4.统计指标体系 　　统计指标体系是指由一系列相互联系的统计指标所构成的整体。 　　目前我国统计上考核工业企业经济效益的统计指标体系是由总资产贡献率、资本保值增值率、资产负债率、流动资产周转率、成本费用利润率、全员劳动生产率和工业产品销售率等七项指标组成 5.静态数据和动态数据 　　(1)静态数据：也称截面数据，是由若干相关现象在某一时点上所处的状态组成的，描述了现象在某一时刻的变化情况，它反映一定时间、地点等客观条件下诸相关现象之间存在的内在数值联系，是在相同时间点上收集的数据。如：企业资产负债表上的数据。 　　(2)动态数据：也称时间序列数据，是由某一现象或若干现象在不同时刻上的状态所形成的数据，描述了现象随时间而变化的情况，它反映的是现象以及现象之间关系的发展变化规律性，是在不同时间点上收集的数据。如：企业每期利润表上的数据。

00，01，11，10分别代表 B"C", B"C, BC, BC"这样相邻的格子（包括首尾两格）才会被合并B"C"+ B"C=B", B"C+BC=C, BC+BC"=B, BC"+B"C"=C"

[xx ind]=sort(x);yy=y(ind);得到的xx是x序列从小到大的排序的结果得到的yy和xx保持原来y和x的对应关系

变量的分类(一)类别变量、顺序变量、等距变量和比率变量。类别变量：又叫名称变量，它是指其数值只用于区分事物的不同类别，而并不表示事物数量大小关系的一种变量。

p1与p2是同类型变量，直接赋值就能实现。在选项中a是指向p1的地址，就是直接赋值，b是指针的指针c是指针的地址dp1地址存储的数据

正确答案:B 解析：分类变量是指能反映现象分类特征的变量；顺序变量是指类别具有一定的顺序；定量变量是指可以用数值表示其观察结果，而且这些数值具有明确的数值含义，不仅能分类而且能测量出来具体大小和差异。A项属于分类变量；B项属于顺序变量；CD两项属于定量变量。

【答案】：B分类变量是指能反映现象分类特征的变量；顺序变量是指类别具有一定的顺序；定量变量是指可以用数值表示其观察结果，而且这些数值具有明确的数值含义，不仅能分类而且能测量出来具体大小和差异。A项属于分类变量；B项属于顺序变量；CD两项属于定量变量。

【答案】：B分类变量是指能反映现象分类特征的变量；顺序变量是指类别具有一定的顺序；定量变量是指可以用数值表示其观察结果，而且这些数值具有明确的数值含义，不仅能分类而且能测量出来具体大小和差异。A项属于分类变量；B项属于顺序变量；CD两项属于定量变量。

1、题目容易设计、易于使用；2、测者比较容易掌握回答方法；3、被评价的事物被排成一定的顺序；4、促使应答者用一种现实态度进行评价。

统计学是关于认识客观现象总体数量特征和数量关系的科学。它是通过搜集、整理、分析统计资料，认识客观现象数量规律性的方法论科学。由于统计学的定量研究具有客观、准确和可检验的特点，所以统计方法就成为实证研究的最重要的方法，广泛适用于自然、社会、经济、科学技术各个领域的分析研究。扩展资料：统计学是一门很古老的科学，一般认为其学理研究始于古希腊的亚里士多德时代，迄今已有两千三百多年的历史。它起源于研究社会经济问题，在两千多年的发展过程中，统计学至少经历了“城邦政情”、“政治算数”和“统计分析科学”三个发展阶段。所谓“数理统计”并非独立于统计学的新学科，确切地说，它是统计学在第三个发展阶段所形成的所有收集和分析数据的新方法的一个综合性名词。概率论是数理统计方法的理论基础，但是它不属于统计学的范畴，而是属于数学的范畴。统计学（statistics）：收集、处理、分析、解释数据并从数据中得出结论的科学。描述统计（descriptive statistics）：研究数据收集、处理和描述的统计学方法。推断统计（inferential statistics）：研究如何利用样本数据来推断总体特征的统计学方法。变量（variable）：每次观察会得到不同结果的某种特征。分类变量（categorical variable）：观测结果表现为某种类别的变量。顺序变量（rank variable）：又称有序分类变量，观测结果表现为某种有序类别的变量。数值型变量（metric variable）：又称定量变量，观测结果表现为数字的变量。均值（mean）：均值也就是平均数，有时特指算术平均数，这是相对其他方式计算的均值，求法是先将所有数字加起来，然后除以数字的个数，这是测量集中趋势，或者说平均数的一种方法。中位数（median）：也就是选取中间的数，要找中位数，首先需要从小到大排序，排序后，再看中间的数字是什么。众数（mode）：众数也就是数据集中出现频率最多的数字。任何统计方法是有效的只有当这个系统或是所讨论的母体满足方法论的基本假设。误用统计学可能会导致描述面或是推论面严重的错误，这个错误可能会影响社会政策，医疗实践以及桥梁或是核能发电计划结构的可靠性。即使统计学被正确的应用，结果对于不是专家的人来说可能会难以陈述。举例来说，统计资料中显著的改变可能是由样本的随机变量所导致，但是这个显著性可能与大众的直觉相悖。人们需要一些统计的技巧（或怀疑）以面对每天日常生活中透过引用统计数据所获得的资讯。在具体进行取样时，必须根据研究目的的不同，选择不同的取样方法。①单纯随机取样法先把每个个体编号，然后用抽签的方式从总体中抽取样本。这种方法适用于个体间差异较小、所需抽选的个体数较少或个体的分布比较集中的研究对象。②分区随机取样法将总体随机地分成若干部分，然后再从每一部分随机抽选若干个体组成样本。这种抽样法可以更有组织地进行，而且中选的个体在总体的分布比单纯随机取样更均匀。③系统取样法先有系统地将总体分成若干组，然后随机地从第一组决定一个起点，如每组15个元素，决定从第一组的第13个元素选起，那么以后选定的单位即28，43，58，73等等。④分层取样法根据对总体特性的了解，把总体分成若干层次或类型组，然后从各个层次中按一定比例随机抽选。这种方法的代表性好，但若层次划分得不正确，也不能获得有高度代表性的样本。参考资料：百度百科——统计学

统计学的英文statistics最早源于现代拉丁文statisticum collegium（国会）以及意大利文statista（国民或政治家）。德文Statistik，最早是由Gottfried Achenwall于1749年使用，代表对国家的资料进行分析的学问，也就是“研究国家的科学”。在十九世纪统计学在广泛的数据以及资料中探究其意义，并且由John Sinclair引进到英语世界。统计学是一门很古老的科学，一般认为其学理研究始于古希腊的亚里斯多德时代，迄今已有两千三百多年的历史。它起源于研究社会经济问题，在两千多年的发展过程中，统计学至少经历了“城邦政情”，“政治算数”和“统计分析科学”三个发展阶段。所谓“数理统计”并非独立于统计学的新学科，确切地说：它是统计学在第三个发展阶段所形成的所有收集和分析数据的新方法的一个综合性名词。概率论是数理统计方法的理论基础，但是它不属于统计学的范畴，而属于数学的范畴。[1] 与“城邦政情”阶段没有很明显的分界点，本质的差别也不大。“政治算术”的特点是统计方法与数学计算和推理方法开始结合。分析社会经济问题的方式更加注重运用定量分析方法。1690年英国威廉·配弟出版《政治算数》一书作为这个阶段的起始标志。威廉·配第用数字，重量和尺度将社会经济现象数量化的方法是近代统计学的重要特征。因此，威廉·配第的《政治算术》被后来的学者评价为近代统计学的来源，威廉·配第本人也被评价为近代统计学之父。配第在书中使用的数字有三类：第一类是对社会经济现象进行统计调查和经验观察得到的数字.因为受历史条件的限制，书中通过严格的统计调查得到的数据少，根据经验得出的数字多；第二类是运用某种数学方法推算出来的数字。其推算方法可分为三种： 平均数为基础进行推算的方法”； 第三类是为了进行理论性推理而采用的例示性的数字。配第把这种运用数字和符号进行的推理称之为“代数的算法”。从配第使用数据的方法看，“政治算数”阶段的统计学已经比较明显地体现了“收集和分析数据的科学和艺术”特点，统计实证方法和理论分析方法浑然一体，这种方法即使是现代统计学也依然继承。[2] 在“政治算术”阶段出现的统计与数学的结合趋势逐渐发展形成了“统计分析科学”。十九世纪末，欧洲大学开设的“国情纪要”或“政治算数”等课程名称逐渐消失，代之而起的是“统计分析科学”课程。当时的“统计分析科学”(Science of statistical analysis)课程的内容仍然是分析研究社会经济问题。“统计分析科学”课程的出现是现代统计发展阶段的开端. 1908年，“学生”氏(William Sleey Gosset的笔名Student)发表了关于t分布的论文，这是一篇在统计学发展史上划时代的文章。它创立了小样本代替大样本的方法，开创了统计学的新纪元。现代统计学的代表人物首推比利时统计学家奎特莱(Adolphe Quelet)，他将统计分析科学广泛应用于社会科学，自然科学和工程技术科学领域，因为他深信统计学是可以用于研究任何科学的一般研究方法.现代统计学的理论基础概率论始于研究赌博的机遇问题，大约开始于1477年。数学家为了解释支配机遇的一般法则进行了长期的研究，逐渐形成了概率论理论框架。在概率论进一步发展的基础上，到十九世纪初，数学家们逐渐建立了观察误差理论，正态分布理论和最小平方法则。于是，现代统计方法便有了比较坚实的理论基础。[1] 统计学（statistics）：收集、处理、分析、解释数据并从数据中得出结论的科学。描述统计（descriptive statistics）：研究数据收集、处理和描述的统计学方法。推断统计（inferential statistics）：研究如何利用样本数据来推断总体特征的统计学方法。变量（variable）：每次观察会得到不同结果的某种特征。分类变量（categorical variable）：观测结果表现为某种类别的变量。顺序变量（rank variable）：又称有序分类变量，观测结果表现为某种有序类别的变量。数值型变量（metric variable）：又称定量变量，观测结果表现为数字的变量。均值（mean）：均值也就是平均数，有时特指算术平均数，这是相对其他方式计算的均值，求法是先将所有数字加起来，然后除以数字的个数，这是测量集中趋势，或者说平均数的一种方法。中位数（median）：也就是选取中间的数，要找中位数，首先需要从小到大排序，排序后，再看中间的数字是什么。众数（mode）：众数也就是数据集中出现频率最多的数字 为了将统计学应用到科学，工业以及社会问题上，我们由研究母体开始。这可能是一个国家的人民，石头中的水晶，或者是某家特定工厂所生产的商品。一个母体甚至可能由许多次同样的观察程序所组成；由这种资料收集所组成的母体我们称它叫时间序列。为了实际的理由，我们选择研究母体的子集代替研究母体的每一笔资料，这个子集称做样本。以某种经验设计实验所搜集的样本叫做资料。资料是统计分析的对象，并且被用做两种相关的用途：描述和推论。描述统计学处理有关叙述的问题：资料是否可以被有效的摘要，不论是以数学或是图片表现，以用来代表母体的性质？基础的数学描述包括了平均数和标准差。图像的摘要则包含了许多种的表和图。推论统计学被用来将资料中的数据模型化，计算它的机率并且做出对于母体的推论。这个推论可能以对/错问题的答案所呈现（假设检定），对于数字特征量的估计（估计），对于未来观察的预测，关联性的预测（相关性），或是将关系模型化（回归）。其他的模型化技术包括变异数分析（ANOVA），时间序列，以及数据挖掘。相关的观念特别值得被拿出来讨论。对于资料集合的统计分析可能显示两个变量(母体中的两种性质)倾向于一起变动，好像它们是相连的一样。举例来说，对于人收入和死亡年龄的研究期刊可能会发现穷人比起富人平均来说倾向拥有较短的生命。这两个变量被称做相关的。但是实际上，我们不能直接推论这两个变量中有因果关系；参见相关性推论因果关系（逻辑谬误）。如果样本足以代表母体的，那么由样本所做的推论和结论可以被引申到整个母体之上。最大的问题在于决定样本是否足以代表 整个母体。统计学提供了许多方法来估计和修正样本和收集资料过程中的随机性(误差)，如同上面所提到的透过经验所设计的实验。参见实验设计。要了解随机性或是机率必须具备基本的数学观念。数理统计（通常又叫做统计理论）是应用数学的分支，它使用机率论来分析并且验证统计的理论基础。任何统计方法是有效的只有当这个系统或是所讨论的母体满足方法论的基本假设。误用统计学可能会导致描述面或是推论面严重的错误，这个错误可能会影响社会政策，医疗实践以及桥梁或是核能发电计划结构的可靠性。即使统计学被正确的应用，结果对于不是专家的人来说可能会难以陈述。举例来说，统计资料中显著的改变可能是由样本的随机变量所导致，但是这个显著性可能与大众的直觉相悖。人们需要一些统计的技巧(或怀疑)以面对每天日常生活中透过引用统计数据所获得的资讯。 测量的尺度统计学一共有四种测量的尺度或是四种测量的方式。这四种测量（名目、顺序、等距、等比）在统计过程中具有不等的实用性 。等比尺度（Ratio measurements）拥有零值及资料间的距离是相等被定义的；等距尺度（Interval measurements）资料间的距离是相等被定义的但是它的零值并非绝对的无而是自行定义的（如智力或温度的测量）；顺序尺度（ Ordinal measurements）的意义并非表现在其值而是在其顺序之上；名目尺度（Nominal measurements）的测量值则不具量的意义。 以下列出一些有名的统计检定方法以及可供验证实验数据的程序Fisher最小显著差异法（Fisher"s Least Significant Difference test ）学生t检验(Student"s t-test)曼-惠特尼 U 检定（Mann-Whitney U）回归分析（regression analysis）相关性（correlation）皮尔森积矩相关系数(Pearson product-moment correlation coefficient)史匹曼等级相关系数（Spearman"s rank correlation coefficient ）卡方分布（chi-square ）创立时期德国的斯勒兹曾说过：“统计是动态的历史，历史是静态的统计”。可见统计学的产生与发展是和生产的发展、社会的进步紧密相联的。统计学的萌芽产生在欧洲，17世纪中叶至18世纪中叶是统计学的创立时期。在这一时期，统计学理论初步形成了一定的学术派别，主要有国势学派和政治算术学派。

统计学是关于认识客观现象总体数量特征和数量关系的科学。它是通过搜集、整理、分析统计资料，认识客观现象数量规律性的方法论科学。由于统计学的定量研究具有客观、准确和可检验的特点，所以统计方法就成为实证研究的最重要的方法，广泛适用于自然、社会、经济、科学技术各个领域的分析研究。扩展资料：统计学是一门很古老的科学，一般认为其学理研究始于古希腊的亚里士多德时代，迄今已有两千三百多年的历史。它起源于研究社会经济问题，在两千多年的发展过程中，统计学至少经历了“城邦政情”、“政治算数”和“统计分析科学”三个发展阶段。所谓“数理统计”并非独立于统计学的新学科，确切地说，它是统计学在第三个发展阶段所形成的所有收集和分析数据的新方法的一个综合性名词。概率论是数理统计方法的理论基础，但是它不属于统计学的范畴，而是属于数学的范畴。统计学（statistics）：收集、处理、分析、解释数据并从数据中得出结论的科学。描述统计（descriptive statistics）：研究数据收集、处理和描述的统计学方法。推断统计（inferential statistics）：研究如何利用样本数据来推断总体特征的统计学方法。变量（variable）：每次观察会得到不同结果的某种特征。分类变量（categorical variable）：观测结果表现为某种类别的变量。顺序变量（rank variable）：又称有序分类变量，观测结果表现为某种有序类别的变量。数值型变量（metric variable）：又称定量变量，观测结果表现为数字的变量。均值（mean）：均值也就是平均数，有时特指算术平均数，这是相对其他方式计算的均值，求法是先将所有数字加起来，然后除以数字的个数，这是测量集中趋势，或者说平均数的一种方法。中位数（median）：也就是选取中间的数，要找中位数，首先需要从小到大排序，排序后，再看中间的数字是什么。众数（mode）：众数也就是数据集中出现频率最多的数字。任何统计方法是有效的只有当这个系统或是所讨论的母体满足方法论的基本假设。误用统计学可能会导致描述面或是推论面严重的错误，这个错误可能会影响社会政策，医疗实践以及桥梁或是核能发电计划结构的可靠性。即使统计学被正确的应用，结果对于不是专家的人来说可能会难以陈述。举例来说，统计资料中显著的改变可能是由样本的随机变量所导致，但是这个显著性可能与大众的直觉相悖。人们需要一些统计的技巧（或怀疑）以面对每天日常生活中透过引用统计数据所获得的资讯。在具体进行取样时，必须根据研究目的的不同，选择不同的取样方法。①单纯随机取样法先把每个个体编号，然后用抽签的方式从总体中抽取样本。这种方法适用于个体间差异较小、所需抽选的个体数较少或个体的分布比较集中的研究对象。②分区随机取样法将总体随机地分成若干部分，然后再从每一部分随机抽选若干个体组成样本。这种抽样法可以更有组织地进行，而且中选的个体在总体的分布比单纯随机取样更均匀。③系统取样法先有系统地将总体分成若干组，然后随机地从第一组决定一个起点，如每组15个元素，决定从第一组的第13个元素选起，那么以后选定的单位即28，43，58，73等等。④分层取样法根据对总体特性的了解，把总体分成若干层次或类型组，然后从各个层次中按一定比例随机抽选。这种方法的代表性好，但若层次划分得不正确，也不能获得有高度代表性的样本。参考资料：百度百科——统计学

应该是数值型的变量。

统计学是关于认识客观现象总体数量特征和数量关系的科学。它是通过搜集、整理、分析统计资料，认识客观现象数量规律性的方法论科学。由于统计学的定量研究具有客观、准确和可检验的特点，所以统计方法就成为实证研究的最重要的方法，广泛适用于自然、社会、经济、科学技术各个领域的分析研究。扩展资料：统计学是一门很古老的科学，一般认为其学理研究始于古希腊的亚里士多德时代，迄今已有两千三百多年的历史。它起源于研究社会经济问题，在两千多年的发展过程中，统计学至少经历了“城邦政情”、“政治算数”和“统计分析科学”三个发展阶段。所谓“数理统计”并非独立于统计学的新学科，确切地说，它是统计学在第三个发展阶段所形成的所有收集和分析数据的新方法的一个综合性名词。概率论是数理统计方法的理论基础，但是它不属于统计学的范畴，而是属于数学的范畴。统计学（statistics）：收集、处理、分析、解释数据并从数据中得出结论的科学。描述统计（descriptive statistics）：研究数据收集、处理和描述的统计学方法。推断统计（inferential statistics）：研究如何利用样本数据来推断总体特征的统计学方法。变量（variable）：每次观察会得到不同结果的某种特征。分类变量（categorical variable）：观测结果表现为某种类别的变量。顺序变量（rank variable）：又称有序分类变量，观测结果表现为某种有序类别的变量。数值型变量（metric variable）：又称定量变量，观测结果表现为数字的变量。均值（mean）：均值也就是平均数，有时特指算术平均数，这是相对其他方式计算的均值，求法是先将所有数字加起来，然后除以数字的个数，这是测量集中趋势，或者说平均数的一种方法。中位数（median）：也就是选取中间的数，要找中位数，首先需要从小到大排序，排序后，再看中间的数字是什么。众数（mode）：众数也就是数据集中出现频率最多的数字。任何统计方法是有效的只有当这个系统或是所讨论的母体满足方法论的基本假设。误用统计学可能会导致描述面或是推论面严重的错误，这个错误可能会影响社会政策，医疗实践以及桥梁或是核能发电计划结构的可靠性。即使统计学被正确的应用，结果对于不是专家的人来说可能会难以陈述。举例来说，统计资料中显著的改变可能是由样本的随机变量所导致，但是这个显著性可能与大众的直觉相悖。人们需要一些统计的技巧（或怀疑）以面对每天日常生活中透过引用统计数据所获得的资讯。在具体进行取样时，必须根据研究目的的不同，选择不同的取样方法。①单纯随机取样法先把每个个体编号，然后用抽签的方式从总体中抽取样本。这种方法适用于个体间差异较小、所需抽选的个体数较少或个体的分布比较集中的研究对象。②分区随机取样法将总体随机地分成若干部分，然后再从每一部分随机抽选若干个体组成样本。这种抽样法可以更有组织地进行，而且中选的个体在总体的分布比单纯随机取样更均匀。③系统取样法先有系统地将总体分成若干组，然后随机地从第一组决定一个起点，如每组15个元素，决定从第一组的第13个元素选起，那么以后选定的单位即28，43，58，73等等。④分层取样法根据对总体特性的了解，把总体分成若干层次或类型组，然后从各个层次中按一定比例随机抽选。这种方法的代表性好，但若层次划分得不正确，也不能获得有高度代表性的样本。参考资料：百度百科——统计学

统计学是关于认识客观现象总体数量特征和数量关系的科学。它是通过搜集、整理、分析统计资料，认识客观现象数量规律性的方法论科学。由于统计学的定量研究具有客观、准确和可检验的特点，所以统计方法就成为实证研究的最重要的方法，广泛适用于自然、社会、经济、科学技术各个领域的分析研究。扩展资料：统计学是一门很古老的科学，一般认为其学理研究始于古希腊的亚里士多德时代，迄今已有两千三百多年的历史。它起源于研究社会经济问题，在两千多年的发展过程中，统计学至少经历了“城邦政情”、“政治算数”和“统计分析科学”三个发展阶段。所谓“数理统计”并非独立于统计学的新学科，确切地说，它是统计学在第三个发展阶段所形成的所有收集和分析数据的新方法的一个综合性名词。概率论是数理统计方法的理论基础，但是它不属于统计学的范畴，而是属于数学的范畴。统计学（statistics）：收集、处理、分析、解释数据并从数据中得出结论的科学。描述统计（descriptive statistics）：研究数据收集、处理和描述的统计学方法。推断统计（inferential statistics）：研究如何利用样本数据来推断总体特征的统计学方法。变量（variable）：每次观察会得到不同结果的某种特征。分类变量（categorical variable）：观测结果表现为某种类别的变量。顺序变量（rank variable）：又称有序分类变量，观测结果表现为某种有序类别的变量。数值型变量（metric variable）：又称定量变量，观测结果表现为数字的变量。均值（mean）：均值也就是平均数，有时特指算术平均数，这是相对其他方式计算的均值，求法是先将所有数字加起来，然后除以数字的个数，这是测量集中趋势，或者说平均数的一种方法。中位数（median）：也就是选取中间的数，要找中位数，首先需要从小到大排序，排序后，再看中间的数字是什么。众数（mode）：众数也就是数据集中出现频率最多的数字。任何统计方法是有效的只有当这个系统或是所讨论的母体满足方法论的基本假设。误用统计学可能会导致描述面或是推论面严重的错误，这个错误可能会影响社会政策，医疗实践以及桥梁或是核能发电计划结构的可靠性。即使统计学被正确的应用，结果对于不是专家的人来说可能会难以陈述。举例来说，统计资料中显著的改变可能是由样本的随机变量所导致，但是这个显著性可能与大众的直觉相悖。人们需要一些统计的技巧（或怀疑）以面对每天日常生活中透过引用统计数据所获得的资讯。在具体进行取样时，必须根据研究目的的不同，选择不同的取样方法。①单纯随机取样法先把每个个体编号，然后用抽签的方式从总体中抽取样本。这种方法适用于个体间差异较小、所需抽选的个体数较少或个体的分布比较集中的研究对象。②分区随机取样法将总体随机地分成若干部分，然后再从每一部分随机抽选若干个体组成样本。这种抽样法可以更有组织地进行，而且中选的个体在总体的分布比单纯随机取样更均匀。③系统取样法先有系统地将总体分成若干组，然后随机地从第一组决定一个起点，如每组15个元素，决定从第一组的第13个元素选起，那么以后选定的单位即28，43，58，73等等。④分层取样法根据对总体特性的了解，把总体分成若干层次或类型组，然后从各个层次中按一定比例随机抽选。这种方法的代表性好，但若层次划分得不正确，也不能获得有高度代表性的样本。参考资料：百度百科——统计学

【答案】：B本题考查顺序变量。选项A属于分类变量，选项CD属于数量变量。

213(1)年龄数值变量（2）分类变量（3）数值变量（4）顺序变量（5）分类变量

在长度为n的顺序表的第i（1≤i≤n+1）个位置上插入一个元素，元素的移动次数为____。A）n-i+1 B）n - i C）i D）i-1请说明一下过程谢谢！！1

顺序变量，一般用于分析年纪高低对其他因素的影响；实际分析中如果只是用年纪来对人群分类，并不在意年级高低的影响的话，也可以作为分类变量。

统计学是关于认识客观现象总体数量特征和数量关系的科学。它是通过搜集、整理、分析统计资料，认识客观现象数量规律性的方法论科学。由于统计学的定量研究具有客观、准确和可检验的特点，所以统计方法就成为实证研究的最重要的方法，广泛适用于自然、社会、经济、科学技术各个领域的分析研究。扩展资料：统计学是一门很古老的科学，一般认为其学理研究始于古希腊的亚里士多德时代，迄今已有两千三百多年的历史。它起源于研究社会经济问题，在两千多年的发展过程中，统计学至少经历了“城邦政情”、“政治算数”和“统计分析科学”三个发展阶段。所谓“数理统计”并非独立于统计学的新学科，确切地说，它是统计学在第三个发展阶段所形成的所有收集和分析数据的新方法的一个综合性名词。概率论是数理统计方法的理论基础，但是它不属于统计学的范畴，而是属于数学的范畴。统计学（statistics）：收集、处理、分析、解释数据并从数据中得出结论的科学。描述统计（descriptive statistics）：研究数据收集、处理和描述的统计学方法。推断统计（inferential statistics）：研究如何利用样本数据来推断总体特征的统计学方法。变量（variable）：每次观察会得到不同结果的某种特征。分类变量（categorical variable）：观测结果表现为某种类别的变量。顺序变量（rank variable）：又称有序分类变量，观测结果表现为某种有序类别的变量。数值型变量（metric variable）：又称定量变量，观测结果表现为数字的变量。均值（mean）：均值也就是平均数，有时特指算术平均数，这是相对其他方式计算的均值，求法是先将所有数字加起来，然后除以数字的个数，这是测量集中趋势，或者说平均数的一种方法。中位数（median）：也就是选取中间的数，要找中位数，首先需要从小到大排序，排序后，再看中间的数字是什么。众数（mode）：众数也就是数据集中出现频率最多的数字。任何统计方法是有效的只有当这个系统或是所讨论的母体满足方法论的基本假设。误用统计学可能会导致描述面或是推论面严重的错误，这个错误可能会影响社会政策，医疗实践以及桥梁或是核能发电计划结构的可靠性。即使统计学被正确的应用，结果对于不是专家的人来说可能会难以陈述。举例来说，统计资料中显著的改变可能是由样本的随机变量所导致，但是这个显著性可能与大众的直觉相悖。人们需要一些统计的技巧（或怀疑）以面对每天日常生活中透过引用统计数据所获得的资讯。在具体进行取样时，必须根据研究目的的不同，选择不同的取样方法。①单纯随机取样法先把每个个体编号，然后用抽签的方式从总体中抽取样本。这种方法适用于个体间差异较小、所需抽选的个体数较少或个体的分布比较集中的研究对象。②分区随机取样法将总体随机地分成若干部分，然后再从每一部分随机抽选若干个体组成样本。这种抽样法可以更有组织地进行，而且中选的个体在总体的分布比单纯随机取样更均匀。③系统取样法先有系统地将总体分成若干组，然后随机地从第一组决定一个起点，如每组15个元素，决定从第一组的第13个元素选起，那么以后选定的单位即28，43，58，73等等。④分层取样法根据对总体特性的了解，把总体分成若干层次或类型组，然后从各个层次中按一定比例随机抽选。这种方法的代表性好，但若层次划分得不正确，也不能获得有高度代表性的样本。参考资料：百度百科——统计学

用什么回归方法 主要看因变量的数据类型就好了如果因变量是连续性的 一般线性回归如果因变量是二分类变量，就用二元logistic回归如果因变量是无序多分类的，就用多元logistic回归如果是有序多分类因变量，就用有序logistic回归自变量如果是分类变量，则需要转换为亚变量

界定课题中的研究变量在确定教育科研课题之后，有一个非常重要的研究工作要做，这就是界定课题中的研究变量。对于中小学教师来说，这是最容易忽略的一步，但也是最能影响研究成果科学性的关键一步。虽然理解起来比较困难，但必须理解，且用到自己的研究实践中。 一、研究变量的涵义 在每一个研究课题的表述中，都有几个概念。这些概念可以分成两大类，即常量和变量。 常量是仅有一个不变值的概念，通俗解释就是理解起来没有歧义的概念，如北京市、海淀区、日坛中学、数学教学、小学生等等。这些概念，用不着解释，大家都明白，不会有不同的看法和认识。与常量对应的概念是变量，即有一个以上值的概念，通俗解释，就是理解起来有歧义的概念，如新时期、当代、厌学、课外阅读、心理健康、学习态度、创新精神、合作学习、解题思维策略训练等等。这些概念都比较模糊，不同人有不同的解释和理解。 在研究变量中，有的是可以变化的，如新时期、当代、厌学；有的是可以操纵的，如合作学习、解题思维策略训练；有的是可以测量的，如课外阅读、心理健康、学习态度、创新精神。 例如“北京市西城区小学生课外阅读的调查研究”，常量包括“北京市”、“西城区”、“小学生”；变量是“课外阅读”，这是可以测量的变量。 二、研究变量的界定 研究变量的界定就是给研究变量下定义。下定义的目的就是要理解、弄明白这些概念的涵义。不理解、不弄明白这些概念的涵义，随便乱用，就会导致研究的错误，造成文不对题、偷换概念。例如：研究“挫折教育”，但采取的教育措施是让学生走着上香山，这就和“磨难教育”混淆了；研究“创新精神的培养”，最后谈效果时却说“考试成绩提高了”。 这都是对研究变量缺乏明确界定造成的。研究变量有了明确的定义，就可以使课题研究在确定的范围内开展，使思路明确清晰。要知道“思维品质”、“创造性思维”、“逻辑思维”、“形象思维”等概念的涵义是不相同的，“课业负担”、“作业负担”、“学习负担”的内涵与外延也是不一样的。我们在研究时一定要持严谨的态度，要“咬文嚼字”，这并不是鼓励“在概念里打阵地战”，鼓励“玩弄某些名词”，而是研究所必须。另外，由于在教育科学的研究和实践中，许多概念说法不一，观点各异(这也是之所以称为“变量”的原因)，所以给变量下定义，也便于别人按照研究者规定范围来理 解研究结果和评价该研究的合理性。 界定研究变量，包括给变量下抽象定义和操作定义。当然，首先是下抽象定义。变量的抽象定义是对变量共同本质的概括，其作用是揭示变量的内涵。中小学教师给自己课题中的研究变量下抽象定义，应该通过查阅文献资料，使用辞典、教育理论书籍、教育大纲、教材等对概念进行科学定义，或参照国家和教育部及有关上级领导对教育问题的方针、政策、法规、守则、职责要求等。如果实在查不到，一般应回避使用这些概念，另换别的概念。如果特别需要，也可自己尝试下定义。这就要求研究者具备一定的理论基础，在研究之前要进行学习，要查阅文献资料，对所要研究的问题有个基本的了解。变量的操作定义是用可感知和可测量的事物、事件、现象和方法，对变量作出具体的界定和说明。没有操作定义，研究就不具体、不可操作，就只能停留在“浅谈”的层次上，缺少实践依据。例如研究学生的学习态度，在理解抽象定义的基础上，为了将其测量出来，根据克隆巴赫等人认为的态度是由知、情、行组成的观点，研究者用“对学习目的的认识、对学习的喜欢程度、出勤率、迟到早退的次数和时数、上课认真听讲的情况、作业完成的认真程度”作为其操作定义。变量的操作定义虽然可以借鉴文献资料中别人的研究成果，但更多的是需要自己的研究。这既属于研究的设计阶段，也是研究成果的一部分。 可以变化的变量一般用在课题表述中的研究范围和研究对象上，对其下操作定义的目的是要明确划分和正确选择。如“一个任性儿童的个案调查”，对“任性”的界定是：放任自己的性子，不加约束；为了达到目的而同家长或其他入“较劲”，劲头大，持续力强，表现出很强的自我独立意识，主观性强，无论对错，自己想怎么做就怎么做。 可以操纵的变量是研究中要采取的具体措施和方法，对其下操作定义的目的就是要明确怎么操作。如“初一年级生物课不同实验程序的比较研究”，对“不同实验程序”的界定是：教师在教授新课中，对学生的听课和动手实验在程序上的不同安排。这里分两种程序：第一种是教师在课堂上集中讲解新知识，然后另行安排学生实验课。这样学生学习新课的程序是听讲与实验分两步进行，称作“先听讲后实验”。第二种是教师课堂讲解与学生动手实验同时进行。学生的实验步骤与教师的讲课进程结合在一起，学生学习的程序是边听讲，边动手实验和观察实物，称作“边听讲边实验”。 可以测量的变量是研究中要调查的问题和效果，对其下操作定义的目的就是要实际测量出来。如‘在小学阅读教学中培养学生创新意识的研究”，对“创新意识”下的抽象定义是：直接激励和推动人们从事创新活动的内在驱动力。研究者研究出的操作定义是创新意识的指标体系，包括好奇心：容易被未听到过或见到过的事所吸引、容易对新奇的问题发生兴趣、对别人没去过的地方想去、把能拆开的东西想拆开看、喜欢想一些新点子，即使是用不着也无所谓；探索兴趣：喜欢探究事物的根底、做感兴趣的事情常常废寝忘食，喜欢听变化多端和富有想像力的故事，有兴趣做这件事时眼神有光，面部兴奋；质疑欲望：敢于向权威挑战，提出疑问，对“我不知道的事”比“我知道的事”更想知道，做完一件事后总爱想一想“要是……该怎么办?”常想从别入的谈话和行为中发现问题；求新求异意识：在讨论同一问题时能用与众不同的方法解决，习惯毫无顾忌地说出自己的新想法，对自己学过的东西能从新的角度去思考，喜欢反向思维，对事物的看法喜欢追求与众不同等。 教育实验中的三种变量 变量是随着条件、情景的变化而在数量或类型上起变化的人或事物的特征或方面，又称因子或因素。 它是实验者操纵的假定的原因变量，由实验者自身独立的变化而引起其它变量发生变化。举例如：考察不同教材对学生的学习影响。在这里，教材就是实验自变量。再如我校构建“‘乐学会学"式课堂教学基本模式”的实验……。一个实验因子至少要有两种水平（比如两个组、两个班级等等）才能进行比较（如上所举就必须至少要有两种教材）。否则其本身就不能构成实验因子。 因变量：因变量是一种假定的结果变量,是对自变量的反应变量，或曰“输出”。它是实验变量作用于实验对象之后所出现的效果变量。实验因变量必须具有一定的可测性。 无关变量（也称“控制变量”）。那些不是某实验所需要研究的、自变量与因变量之外的一切变量，这些统称为该实验研究的无关变量，也称非实验因子或无关因子。例如不同教材的比较实验，教材之外的教师水平、学生原有基础、家教、学习时间等一切可能影响教学效果的因素都是该实验中的无关变量。控制无关变量非常重要：为了很好地探索因果关系，以确实保证因变量的变化是由自变量的变化所引起的，就必须排除其它无关因素的影响，控制无关因素，使实验除了自变量以外的其它条件保持一致，这样才能保证实验研究具有一定的效度，否则，实验就失败了。 控制无关变量的主要方法有：（1）消除。这就是在实验期间使无关变量不存在。为此，应设法使实验环境保持安静和稳定，避开外来的多余刺激，防止或减少来自学校内部、家长和社会对实验的干扰，防止被试在实验过程中途流失。对一些主要的、明显的无关变量应用这方法控制。（2）平衡。即使各组（实验组和控制组）中无关变量总和保持相等，使实验结果在相同背景里显示出来。对一些无法消除的无关变量，如遗传素质、动机、情绪等，可用这方法控制。（3）抵消。即使顺序变量对于几种作业的影响彼此相等。例如，在研究记忆的实验里，有A、B两种材料要求被试学习。让第一组先学A，后学B，让第二组先学B，后学A。然后，把第一组学习A的效果和第二组学习A的效果的平均数作为A的总效果，把第一组学习B的效果和第二组学习B的效果的平均数作为学习B的总效果。这样，学习A和学习B的总效果所受到的顺序变量的影响是相同的，也就是互相抵消了。 如果在课题研究中能够对上述变量逐一进行认真的分析，明确每一变量的操作原因、操作规范，必将有助于实验的顺利开展、课题的圆满完成。 科研中的定义主要是界定变量的意义。变量是研究者操纵、控制或观察的条件或特征。变量种类甚多，常见的有：自变量、因变量、无关变量等等。自变量是指用来预测的变量。因变量是指被预测的变量。无关变量应称之为“有关的无关变量”，不包括真正无关的无关变量，如儿童体重不会影响故事教学的效果。 1、概念性定义。概念性定义及广义性定义或抽象定义。它是对研究变量或指标的共同的本质的概括。例如，将“智力”界定为“认识能力”或“抽象思考能力”；将“兴趣”界定为“人对现实世界的对象和现象的特殊认识倾向”。概念性定义的优点是可以涵盖较多研究变量所属的特征，缺点是无法据以测量或操纵研究变量。 2、操作性定义。操作性定义是用可以感知、度量的事物或行为事件、现象和方法对变量作出具体规定与说明。例如可以用智力测验得到的IQ分数代表儿童智力水平；用出勤率、迟到与早退次数与时数，以及上课听讲和作业完成情况，参加班级活动或学校活动等等具体的可感知的现象代表学生的学习态度。 操作性定义的特征表现在三个方面： （1）定义的内容具体化。操作定义是用具体的事物、现象和方法来说名概念或变量，而不是采用概念或同义语来界定概念或变量。r> （2）以经验的方法下定义。可用以直接感知、变量的方法，对变量加以说明，而不是像抽象定义那样通过逻辑的方法。 （3）操作性定义着重变量的外延或过程。 课题的界定和假设 （1）研究范围的界定。包括两个方面：其一是对研究对象总体范围进行界定，其二是对一些研究对象的模糊概念进行界定。这既关系到研究对象如何选取，也关系到研究成果的适用。 对研究对象总体的范围进行界定 如果研究对象的总体不同，那么同一个研究课题所得到的结论就很可能不同。如农村教育问题研究。东部、中部还是西部；发达地区还是欠发达地区，或者是不发达地区，是平原还是山区等要进行限制。 对一些研究对象的模糊概念进行界定 有不少课题中研究对象的概念模糊，外延不确定，如“厌学生”、“差生”、“青年教师”、“品德不良学生”等等。这都没有一个统一和明确的定义。必须给予界定，以确定研究对象总体的范围，正确选取研究对象的样本。一般来说，对这些模糊概念下定义，应尽可能使用有参考依据的、比较权威的、被大多数人所认可的说法。 （2）对一些关键概念的界定 这一方面可以使该课题研究在确定的范围内开展，使课题思想明确清晰，具有可操作性，使研究成为一个有确切涵义的问题，具有科学性；另一方面也便于别人按照研究者规定的范围来理解研究结果和评价该研究的合理性。例如“山区中小学研究性学习研究”，对“研究性学习”要进行界定，因为对研究性学习有几种理解，一是综合实践活动课程中的一个领域，二是作为一种学习方式，在学科教学中进行研究性学习，研究的是哪个方面应明确界定。如对“创新教育的研究”。对创新要进行定义。再如“化学教学中课堂实验对培养学生思维能力的作用”，这一课题，对“思维能力”要给以明确定义，对“课堂实验”也要有一个限定：是指教师演示实验还是学生动手实验。 给变量下定义 给变量下抽象定义和操作性定义是研究科学性的体现，也是研究者必须具备的基本素质。 抽象性定义：是指从抽象的概念意义上对研究变量共同的本质属性进行概括的定义。 操作性定义：是根据可观察、可测量、可操作的特征来界定变量含义的方法，即从具体的行为、特征、指标上对变量的操作进行描述，将抽象的概念转换成可观测、可检验的项目。从本质上说，下操作性定义就是详细描述研究变量的操作程序和测量指标。如学生学习态度中的学习行为意向，其操作指标是：学生到校率、迟到和早退的次数与时数、上课时认真听讲的情况、完成作业的认真程度等。 如：心理健康教育中关于“心理健康”的定义。其抽象性定义为：是指在身体、智能以及情感上与他人的心理健康不相矛盾的范围内，将个人心境发展成最佳状态（1946年，第三届国际心理卫生大会定义）。其操作性定义为：身体、智力、情绪十分协调；适应环境，人际关系中彼此能谦让；有幸福感；在工作和职业中，能充分发挥自己的能力，过有效率的生活。（同上） 关于青少年学生的“心理健康”有人下的操作性定义为：智力正常（智商在130以上，为超常；智商在90以上，为正常；智商在70—89间，为亚中常；智商在70以下，为智力落后）、情绪适中、意志健全、人格统一、人际关系和谐、与社会协调一致、心理特点符合年龄特点。 什么是教师心理健康?（操作性定义） （1）正确的角色认知。即能恰当地认识自己，并能愉快地接受教师的角色。 （2）具有健康的教育心理环境。即在教育中情绪稳定，心情愉快，反应适度，情绪自控，积极进取。 （3）教育的独创性。不人云亦云，能创造性地工作。 （4）抗教育焦虑程度高。能忍受困难与挫折的考验。 （5）良好的教育人际关系。能正确处理学生、家长、同事与领导的关系。 （6）能适应与改造教育环境。善于接受新事物、新理念，不断适应改革与发展的教育环境。 例：上海市育才中学“学业成绩不良原因的个案研究”中将“学业成绩不良”定义为：指感官和智力正常，而学业成绩较差，并且在学习上难以取得进步的学生。“学业成绩较差”，一方面指学生各门功课总分远远低于同年级学生的平均成绩，另一方面也指在学生每个学期学习的主要课程中，有一门以上科目不及格需要补考。 例：天津教科院“创造性思维与个性教学模式的实验研究”课题，对“创造性思维与个性”的定义，就是参照托兰斯的研究，采用操作定义的方法，不去下抽象的定义，从可观测的操作上界定。“创造性思维”由4个品质组成，其定义为由思维的流畅性、灵活性、独创性、精密性进行说明。“创造性个性”也由4种品质组成，其定义由冒险性、挑战性、好奇心、想像力四个方面进行说明，并都采用托兰斯的测量表来衡量。 一般来说，在研究中对关键概念和重要变量要下操作性定义。如关于转化差生的研究，对“差生”要下操作性定义；关于培养学生创造能力的研究，对“创造能力”要下操作性定义；关于中学生日常行为习惯养成教育研究，对“日常行为习惯”要下操作性定义；关于数学创新思维培养研究，对“创新思维”要下操作性定义。关于“中小学美术教学与恩施巴文化资源的开发与利用”研究，对“巴文化”既要下抽象性定义，也要下操作性定义。 下操作性定义的方法：条件描述法、指标描述法、行为描述法 条件描述法：是对所解释对象的特征或可能产生的现象进行描述，对要达到某一结果的特定条件作出规定，指出用什么样的操作去引出什么样的状态，即规定某种条件，观察产生的结果。如自信心——学生对即将来临的期终考试可能获得分数的估计值。 指标描述法：是通过陈述测量操作标准来界定一个概念，是对所解释对象的测量手段、测量指标、判断标准作出规定。如青少年——年龄在7岁以上、18岁以下的人。 行为描述法：是对所解释动作特征进行描述，对可观测的行为结果进行描述。如巴耐特在研究儿童游戏时，对儿童在游戏时的“愉悦性”定义为：儿童在游戏时表现很兴奋；在游戏中表现精力充沛；在游戏中表达情绪；在游戏时又说又唱。对“幽默感“——儿童喜欢与其他儿童开玩笑；儿童善意地逗惹他人；儿童讲滑稽故事；儿童听到幽默故事时发笑；喜欢和周围人闹滑稽笑话。 好的操作性定义有如下特征： ①应该是可观测的、可重复的、可直接操作的； ②所提示的测量或操作必须可行； ③指标成分应分解到能直接观测为止； ④最好能把变量转化成数据形式，凡是能计数或计量的内容都是可以直接观测的； ⑤用多种方法形成操作性定义，既可以从操作入手，也可以从测量入手。 在实际研究中，我们往往只需对变量或概念追问一个“什么”的问题，便可判断这个变量或概念的可操作性。 界定研究变量是研究从“概念化”过渡到“操作化”的桥梁，是研究设计的关键。

定性变量(数据)与定量变量(数据)(一)定性变量：反映“职业”、“教育程度”等现象的属性特点的变量定性变量的特点：它只能反映现象的属性特点，而不能说明具体量的大小和差异。定性变量的分类：分类变量与顺序变量分类变量：没有量的特征，只有分类特征。这种只反映现象分类特征的变量又称分类变量。分类变量的观测结果就是分类数据。说明事物类别的一个名称。如“性别”就是一个分类变量。分类变量没有数值特征，所以不能对其数据进行数学运算。顺序变量：如果类别具有一定的顺序，如，“教育类别”，这样的变量称为顺序变量，相应的观察结果就是顺序数据。说明事物有序类别的一个名称，这类变量的具体表现就是顺序数据。(二)数值(定量)变量：反映“天气温度”、“月收入”等变量可以用数值表示其观察结果，而且这些数值具有明确的数值含义，不仅能分类而且能测量出来具体大小和差异。这些变量就是定量变量也称数值变量，定量变量的观察结果成为定量数据。是说明事物数字特征的一个名称。

是统计学专业。统计学是关于认识客观现象总体数量特征和数量关系的科学。它是通过搜集、整理、分析统计资料，认识客观现象数量规律性的方法论科学。由于统计学的定量研究具有客观、准确和可检验的特点，所以统计方法就成为实证研究的最重要的方法，广泛适用于自然、社会、经济、科学技术各个领域的分析研究。扩展资料：统计学是一门很古老的科学，一般认为其学理研究始于古希腊的亚里士多德时代，迄今已有两千三百多年的历史。它起源于研究社会经济问题，在两千多年的发展过程中，统计学至少经历了“城邦政情”、“政治算数”和“统计分析科学”三个发展阶段。所谓“数理统计”并非独立于统计学的新学科，确切地说，它是统计学在第三个发展阶段所形成的所有收集和分析数据的新方法的一个综合性名词。概率论是数理统计方法的理论基础，但是它不属于统计学的范畴，而是属于数学的范畴。统计学（statistics）：收集、处理、分析、解释数据并从数据中得出结论的科学。描述统计（descriptive statistics）：研究数据收集、处理和描述的统计学方法。推断统计（inferential statistics）：研究如何利用样本数据来推断总体特征的统计学方法。变量（variable）：每次观察会得到不同结果的某种特征。分类变量（categorical variable）：观测结果表现为某种类别的变量。顺序变量（rank variable）：又称有序分类变量，观测结果表现为某种有序类别的变量。数值型变量（metric variable）：又称定量变量，观测结果表现为数字的变量。均值（mean）：均值也就是平均数，有时特指算术平均数，这是相对其他方式计算的均值，求法是先将所有数字加起来，然后除以数字的个数，这是测量集中趋势，或者说平均数的一种方法。中位数（median）：也就是选取中间的数，要找中位数，首先需要从小到大排序，排序后，再看中间的数字是什么。众数（mode）：众数也就是数据集中出现频率最多的数字。任何统计方法是有效的只有当这个系统或是所讨论的母体满足方法论的基本假设。误用统计学可能会导致描述面或是推论面严重的错误，这个错误可能会影响社会政策，医疗实践以及桥梁或是核能发电计划结构的可靠性。即使统计学被正确的应用，结果对于不是专家的人来说可能会难以陈述。举例来说，统计资料中显著的改变可能是由样本的随机变量所导致，但是这个显著性可能与大众的直觉相悖。人们需要一些统计的技巧（或怀疑）以面对每天日常生活中透过引用统计数据所获得的资讯。在具体进行取样时，必须根据研究目的的不同，选择不同的取样方法。①单纯随机取样法先把每个个体编号，然后用抽签的方式从总体中抽取样本。这种方法适用于个体间差异较小、所需抽选的个体数较少或个体的分布比较集中的研究对象。②分区随机取样法将总体随机地分成若干部分，然后再从每一部分随机抽选若干个体组成样本。这种抽样法可以更有组织地进行，而且中选的个体在总体的分布比单纯随机取样更均匀。③系统取样法先有系统地将总体分成若干组，然后随机地从第一组决定一个起点，如每组15个元素，决定从第一组的第13个元素选起，那么以后选定的单位即28，43，58，73等等。④分层取样法根据对总体特性的了解，把总体分成若干层次或类型组，然后从各个层次中按一定比例随机抽选。这种方法的代表性好，但若层次划分得不正确，也不能获得有高度代表性的样本。

在统计学里面引用的物理学中的"绝对零点"的概念.所谓绝对零点，就是量表上标着0的地方，表示所要测量的属性是无。这类量表上的数值既可以确定一个事物比另一事物大多少，又可以确定大多少倍。就是说在统计学里面定距数据没有确定标示着0的地方.

答：（1）所谓变量(variables)，就是指心理与教育实验、观察、调查中想要非得的数据。数据获得前用“X”表示，即为一个可以取不同数值的物体的属性或事件，其数值具有不确定性，因而称它为变量。比如，头发的颜色它是头发的一个属性，可以取棕色、黄色、红色、灰色等不同的值。在心理学研究中，像自信心、社会支持度、个人自控力等都能成为研究的变最一旦确定了某个值，就称这个值为某一变量的观测值(observation)，也就是具体数据(data)。（2）由于变量在测查之前，不能准确地预料会获得什么样的值。在统计学上，把取值之前不能预料取到什么值的变量，就称为随机变量。与变量相反的是常数(constant)，它在一定范围内其数值不会随意改变。如圆周率为3.1415926。一般用大写的X或Y…表示随机变量。为了表示区分不同实验或不同测量方法得到的随机变量，有时用 X，…，X,或X;表示一列随机变量，而用Y;表示另一列随机变量，或简写为X，Y。（3）由于变量的变异性，测量时数据不是绝对精确，特别是连续变量，其数值只是表示连续变量的中央点值，在数轴上表示的是一段距离，或一个区间。因此，一个随机变量不管是写成整数或小数，实际上是用一个单位的中央点表示在它以上和以下各有一段距离，这牵涉到数的上、下实限问题。在心理与教育统计中也有特殊的情况。如年龄的表示，一般5岁是指5岁开始到5岁11个月又30天，即从5周岁到6周岁生日纪念之间，年龄的数值不是代表中间点，而是指开始点。另外，计数数据属于离散的随机变量，用来描述离散变量的数据值表示的也只是一个点值。

分类数据是反映事物类别的数据，如性别：男、女。季节：春夏秋冬。顺序数据是特殊的分类数据，如成绩等次：分为优良中差。商品按其好坏分为一等品二等品三等品。数值数据就是用数值表示，能够进行数学运算的数据。比如成绩：60分，65分、100分。。。身高多少厘米，体重多少公斤。顺序数据里边虽然也有可能出现一等、二等、三等，但这些数据不能运算，比如一等+二等是没有任何意义的。

内生变量是指在经济模型中，由给定的经济模型本身决定的变量。 外生变量是指在经济模型中，给定的经济模型本身无法决定而由这个模型以外的因素决定的变量。它是模型据以建立的外部条件。 内生变量可以在模型内得到说明，外生变量决定内生变量

所分类别或属性之间无程度和顺序的差别。无序分类变量是指所分类别或属性之间无程度和顺序的差别，例如二项分类，性别男、女，药物反应阴性、阳性等，例如多项分类，血型O、A、B、AB，职业工、农、商、学、兵等。

因变量是一个连续变量，但自变量分别是两个顺序变量，请问这样可以做回归分析做回归分析的变量必须要求是连续的但也有社会学方面的学者做这样的回归 但这

vt图中变量的概念就是一个符号。其实在程序设计中，变量这个概念非常重要，也非常常见，是我们描述问题，用来代替表示一些所要处理的不确定数据的手段与工具，有了它，我们就好叙述与指代了。变量的意思可假定为一组特定值中之任一值的量。代表数学公式中一个可变量的符号，数值可变的量变量统计学定义把说明现象某种特征的概念称为变量Variable，变量可以分为分类变量、顺序变量、数值型变量等。在程序设计中，可以在程序执行期间修改的包含特定数据类型的已命名存储位置。由Windows2000Server定义的系统环境变量，不论是谁登录到该计算机，此变量都是相同的。然而，Adiministrators组的成员可以添加新的变量或更改该值。对于特定计算机上的每个用户，用户环境变量可以不同。它们包括您希望定义的任何环境变量或应用程序定义的变量，例如，定位应用程序文件的路径。在心理学中变量是这样解释的指一个具有不同数值的量，其量的大小可以观察和测量。变量通常分为自变量和因变量。自变量是研究者选用或操纵的变量，以确定其对心理或行为的影响。因变量是被试者在实验室中的行为反应。

选择a,年龄

变量是一个变化的值。不同的条件下，值是不一样的，例如一个代数式x+y=10，当x=1，y=9；x=2，y=8。。。。。。这里x的值是根据y来确定的，是一个不定值，y也是，这里X,Y都是变量。变量是以拉丁字母为符号表示。

统计学是收集、处理、分析、解释数据并从数据中得出结论的科学。它是通过搜集、整理、分析统计资料，认识客观现象数量规律性的方法论科学。由于统计学的定量研究具有客观、准确和可检验的特点，所以统计方法就成为实证研究的最重要的方法，广泛适用于自然、社会、经济、科学技术各个领域的分析研究。扩展资料：统计学主要术语：1，统计学（statistics）：收集、处理、分析、解释数据并从数据中得出结论的科学。2，描述统计（descriptive statistics）：研究数据收集、处理和描述的统计学方法。3，推断统计（inferential statistics）：研究如何利用样本数据来推断总体特征的统计学方法。4，变量（variable）：每次观察会得到不同结果的某种特征。5，分类变量（categorical variable）：观测结果表现为某种类别的变量。6，顺序变量（rank variable）：又称有序分类变量，观测结果表现为某种有序类别的变量。7，数值型变量（metric variable）：又称定量变量，观测结果表现为数字的变量。8，均值（mean）：均值也就是平均数，有时特指算术平均数，这是相对其他方式计算的均值，求法是先将所有数字加起来，然后除以数字的个数，这是测量集中趋势，或者说平均数的一种方法。9，中位数（median）：也就是选取中间的数，要找中位数，首先需要从小到大排序，排序后，再看中间的数字是什么。10，众数（mode）：众数也就是数据集中出现频率最多的数字。参考资料：百度百科---统计学

连续变量。根据试题“每周上网的时间”属于()。A.分类变量。B.顺序变量。C.连续变量。D.离散变量。答案是C，所以是连续变量。变量，指值可以变的量。变量以非数字的符号来表达，一般用拉丁字母。变量的用处在于能一般化描述指令的方式。结果只能使用真实的值，指令只能应用于某些情况下。

定量分析是依据统计数据，建立数学模型，并用数学模型计算出分析对象的各项指标及其数值的一种方法。定性分析则是主要凭分析者的直觉、经验，凭分析对象过去和现在的延续状况及最新的信息资料，对分析对象的性质、特点、发展变化规律作出判断的一种方法。相比较而言，定量分析更加科学，但需要较高深的数学知识，而定性分析虽然较为粗糙，但在数据资料不够充分或分析者数学基础较为薄弱时比较适用，更适合于一般的投资者与经济工作者。两种分析方法对数学知识的要求虽然有高有低，但并不能就此把定性分析与定量分析截然划分开来。事实上，现代定性分析方法同样要采用数学工具进行计算，而定量分析则必须建立在定性预测基础上，二者相辅相成，定性是定量的依据，定量是定性的具体化，二者结合起来灵活运用才能取得最佳效果。不同的分析方法各有其不同的特点与性能，但是都具有一个共同之处，即它们一般都是通过比较对照来分析问题和说明问题的。正是通过对各种指标的比较或不同时期同一指标的对照才反映出数量的多少、质量的优劣、效率的高低、消耗的大小、发展速度的快慢等等，才能作为鉴别、下判断提供确凿有据的信息。