统计

计算公式索引 相对数 公式（3.1） 公式（3.2） 公式（3.3） χ2检验 公式（3.4）理论频数 公式(3.5)χ2基本公式 公式(3.6)χ2自由度 ν＝（R－１）（C－１） 公式(3.7)χ2校正的基本公式 公式(3.8)四格表专用公式 公式(3.9)四格表校正公式 公式(3.10)2×k表专用公式 公式(3.11) 公式(3.12)R×C表通用公式 中位数 公式(4.1)当n为奇数时 公式(4.2)当n为偶数时 公式(4.3)频数表上计算 公式(4.4) 百分位数 公式(4.5)频数表上计算 算术均数 公式(4.6) χ＝（1/n）∑X 公式(4.7) χ＝C＋(1/n)(Xi－C) 公式(4.8) χa＝Xa-1+(1/n)(Xa－Xa-1) 公式(4.9) χ＝（1/n）∑fX 几何均数 公式(4.10) 公式(4.11) 四分位数间距 公式(4.12) Q＝P75－P25 均差 公式(4.13) 标准差 公式(4.14) 样本标准差 公式(4.15) 递推计算 公式(4.16) 直接计算 公式(4.17) 变异系数 公式(4.18) CV＝S/X×100%， X>0 正态曲线 公式(5.1) 正态曲线方程 (5.2) 正态离差 (5.3) 标准正态曲线 (5.4) 正常值范围 X±uαs 标准误 (6.1) 理论标准误 (6.2) 样本均数的标准误 (6.3) 率的标准误 (6.4) t分布 (6.5) 总体均数的估计 (6.6) 95%可信区间 X－t0.05,νSχ<μ0.05,ν Sχ (6.7) 99%可信区间 X－t0.01,ν Sχ<μ0.01,ν Sχ 总体率的估计 (6.8) 95%可信区间P-1.96Sp<π (6.9) 99%可信区间P-2.58Sp<π t检验 公式(6.5)样本均数与总体均数比较 公式(7.1) 两样本均数比较的自由度 ν=n1+n2-2 公式(7.2) 合并方差 公式(7.3) 两均数相差的标准误 公式(7.4) t检验 u检验 公式(7.5)两均数相关的标准误 u检验 公式(7.6)两样本率比较 公式(7.7) 公式(6.4) 正态性检验 公式(7.8) w检验 公式(7.9) 偏度系数 公式(7.10) 公式(7.11) 峰度系数 公式(7.12) 公式(7.13) g1的抽样误差 公式(7.14) g2的抽样误差 公式(7.15) g1的u检验 u1＝g1/Sg1 公式(7.16) g2的u检验 u2＝g2/Sg2 两方差齐性检验 公式(7.17) F＝S12/S22，S1>S2 方差分析 公式(8.1) 总离均差平方和 公式(8.2) 组间离均差平方和 公式(8.3) 组内离均差平方和 公式(8.4) 总变异自由度 ν总=N-1 公式（8.5）组间变异自由度 ν组间=k-1 公式(8.6) 组内变异自由度 ν组内=N-k 公式(8.7) F检验F=组间均方/组内均方 多个均数间两两比较 公式(8.8) 最小显著相差Dα=t,νSA－B 公式(8.9) 两均数的标准误 公式(8.10) 平均例数 i＝1,2,…,k 公式(8.11) 标准误 多个方差齐性检验 公式(8.12) 公式(8.13) 直线相关 公式(9.1) 直线相关系数 公式(9.2) 离均差积和 公式(9.3) 相关系数t检验 直线回归 公式(9.4) 直线回归方程 γ＝a＋bx 公式(9.5) 回归系数 公式(9.6) 截距 a＝γ－bχ 公式(9.7) 回归系数t检验 公式(9.8) 回归系数的标准误 公式(9.9) 标准估计误差 公式(9.10) 估计误差平方和 公式(9.11) 两回归系数相关的t检验 公式(9.12) 两回归系数相差的标准误 公式(9.13) 两回归系数的合并方差 符号检验 公式(10.1) 成对资料比较 ，ν＝1 公式(10.2) 秩号的中位数 公式(10.3) 两组符号检验 ，ν＝1 公式(10.4) 两组符号检验 ，ν＝组数－1 秩和检验 公式(10.6) 成对资料比较 公式(10.6) 两组资料求较小R＇R＇=n1(n1+n2+1)-R 公式（10.7）两组资料比较 公式(10.8) 多组完全随机设计资料的比较 公式(10.9) 多组随机单位组设计资料的比较 公式(10.10) 多组秩和的两两比较 秩相关系数 公式(10.11)Spearman秩相关系数 参照单位分析 公式(10.12) 平均R值 公式(10.13)R的标准误 公式（10.14） R的95%可信限 样本含量的估计 公式(11.1) 两个率比较所需例数 ，1－β＝0.5，α＝0.05 公式(11.2) 大样本成对资料比较均数所需例数 n＝4S2/X2，1－β＝0.5，α＝0.05 公式(11.3) 小样本成对资料比较均数所需例数 ，1－β＝0.5

【答案】：A、D统计数据按收集方法可以分为观测数据和实验数据；就数据本身的来源可以分为一手数据和二手数据。

计数，表闻，统计图

直接观察 测量 .调查和实验等还有通过查阅文献资料和互联网查询得到 百度一下你就知道O(∩_∩)O~

集统计数据最好的方法就是调查表法，调查表分为单一表和一览表。单一表就是一张表格里只登记一个调查单位，如职工登记卡片。每一张表格里只登陆一个职工的个人信息。一览表就是把许多调查单位和相应的项目按次序登记在一张表格里的一种统计表。统计调查表的特点1、可以在调查进行前把调查表布置到基层填报单位，以便它们根据调查表的要求，及时建立健全各种原始记录，使统计调查表的资料来源建立在可靠的基础上，做到资料准确；报送及时。2、各级领导部门可以通过统计调查表，经常了解经济和社会发展变化的情况。3、便于完整地积累资料，用来进行历史对比，较有系统地分析研究经济和社会发展变化的规律性。

统计数据收集方法：直接观察法、采访法（又分为面访式、电话式、自填式）、通讯法、网络调查法、卫星遥感法。1、直接观察法调查人员到现场对调查对象进行观察、 计量和登记以取得资料的方法。调查人员对所观察的事件或行为不加以控制或干涉，能够在被调查者不察觉的情况下获得资料。2、采访法面访式：个别深度访谈。一次只有一名受访者参加、针对特殊问题的调查。适合于较隐秘的问题，如个人隐私问题；或较敏感的问题。面试式面访式：座谈会也称集体访谈，将一组被调查者集中在调查现场， 让他们对调查的主题发表意见以获得资料。参加座谈会的人数不宜过多，一般为6～10人。电话式调查人员根据调查提纲（调查表），通过电话问答的形式来获取信息。时效快、成本低、覆盖面广；但每次调查时间不能过长、拒访率高。自填式调查人员把调查表或问卷当面交给被调查者， 填完后当面交回的一种数据收集方法。 回收率高、但耗时费力。3、通讯法由调查组织者（例如政府统计部门）把调查表或问卷邮寄或电子传送给被调查者，填写后返回，也称邮寄问卷调查。调查对象不受空间区域限制、调查成本低；但速度较慢、 回收率较低。4、网络调查法通过互联网、计算机通信和数字交互式媒体，了解和掌握信息的方式。具有自愿性、定向性、及时性、互动性、经济性与匿名性。常用方法：网上问卷调查法、在线交流调查法、网络观察法、网络实验法等。5、卫星遥感法使用卫星高分辨率照片，提供地面农作物绿度资料，来估计农产量的方法。

统计数据收集方法：直接观察法、采访法（又分为面访式、电话式、自填式）、通讯法、网络调查法、卫星遥感法。1、直接观察法调查人员到现场对调查对象进行观察、 计量和登记以取得资料的方法。调查人员对所观察的事件或行为不加以控制或干涉，能够在被调查者不察觉的情况下获得资料。2、采访法面访式：个别深度访谈。一次只有一名受访者参加、针对特殊问题的调查。适合于较隐秘的问题，如个人隐私问题；或较敏感的问题。面试式面访式：座谈会也称集体访谈，将一组被调查者集中在调查现场， 让他们对调查的主题发表意见以获得资料。参加座谈会的人数不宜过多，一般为6～10人。电话式调查人员根据调查提纲（调查表），通过电话问答的形式来获取信息。时效快、成本低、覆盖面广；但每次调查时间不能过长、拒访率高。自填式调查人员把调查表或问卷当面交给被调查者， 填完后当面交回的一种数据收集方法。 回收率高、但耗时费力。3、通讯法由调查组织者（例如政府统计部门）把调查表或问卷邮寄或电子传送给被调查者，填写后返回，也称邮寄问卷调查。调查对象不受空间区域限制、调查成本低；但速度较慢、 回收率较低。4、网络调查法通过互联网、计算机通信和数字交互式媒体，了解和掌握信息的方式。具有自愿性、定向性、及时性、互动性、经济性与匿名性。常用方法：网上问卷调查法、在线交流调查法、网络观察法、网络实验法等。5、卫星遥感法使用卫星高分辨率照片，提供地面农作物绿度资料，来估计农产量的方法。

【答案】：A、D统计数据按收集方法可以分为观测数据和实验数据；就数据本身的来源可以分为一手数据和二手数据。

统计数据收集方法：直接观察法、采访法（又分为面访式、电话式、自填式）、通讯法、网络调查法、卫星遥感法。1、直接观察法调查人员到现场对调查对象进行观察、 计量和登记以取得资料的方法。调查人员对所观察的事件或行为不加以控制或干涉，能够在被调查者不察觉的情况下获得资料。2、采访法面访式：个别深度访谈。一次只有一名受访者参加、针对特殊问题的调查。适合于较隐秘的问题，如个人隐私问题；或较敏感的问题。面试式面访式：座谈会也称集体访谈，将一组被调查者集中在调查现场， 让他们对调查的主题发表意见以获得资料。参加座谈会的人数不宜过多，一般为6～10人。电话式调查人员根据调查提纲（调查表），通过电话问答的形式来获取信息。时效快、成本低、覆盖面广；但每次调查时间不能过长、拒访率高。自填式调查人员把调查表或问卷当面交给被调查者， 填完后当面交回的一种数据收集方法。 回收率高、但耗时费力。3、通讯法由调查组织者（例如政府统计部门）把调查表或问卷邮寄或电子传送给被调查者，填写后返回，也称邮寄问卷调查。调查对象不受空间区域限制、调查成本低；但速度较慢、 回收率较低。4、网络调查法通过互联网、计算机通信和数字交互式媒体，了解和掌握信息的方式。具有自愿性、定向性、及时性、互动性、经济性与匿名性。常用方法：网上问卷调查法、在线交流调查法、网络观察法、网络实验法等。5、卫星遥感法使用卫星高分辨率照片，提供地面农作物绿度资料，来估计农产量的方法。

统计数据收集方法：直接观察法、采访法（又分为面访式、电话式、自填式）、通讯法、网络调查法、卫星遥感法。1、直接观察法调查人员到现场对调查对象进行观察、 计量和登记以取得资料的方法。调查人员对所观察的事件或行为不加以控制或干涉，能够在被调查者不察觉的情况下获得资料。2、采访法面访式：个别深度访谈。一次只有一名受访者参加、针对特殊问题的调查。适合于较隐秘的问题，如个人隐私问题；或较敏感的问题。面试式面访式：座谈会也称集体访谈，将一组被调查者集中在调查现场， 让他们对调查的主题发表意见以获得资料。参加座谈会的人数不宜过多，一般为6～10人。电话式调查人员根据调查提纲（调查表），通过电话问答的形式来获取信息。时效快、成本低、覆盖面广；但每次调查时间不能过长、拒访率高。自填式调查人员把调查表或问卷当面交给被调查者， 填完后当面交回的一种数据收集方法。 回收率高、但耗时费力。3、通讯法由调查组织者（例如政府统计部门）把调查表或问卷邮寄或电子传送给被调查者，填写后返回，也称邮寄问卷调查。调查对象不受空间区域限制、调查成本低；但速度较慢、 回收率较低。4、网络调查法通过互联网、计算机通信和数字交互式媒体，了解和掌握信息的方式。具有自愿性、定向性、及时性、互动性、经济性与匿名性。常用方法：网上问卷调查法、在线交流调查法、网络观察法、网络实验法等。5、卫星遥感法使用卫星高分辨率照片，提供地面农作物绿度资料，来估计农产量的方法。

统计数据收集方法：直接观察法、采访法（又分为面访式、电话式、自填式）、通讯法、网络调查法、卫星遥感法。1、直接观察法调查人员到现场对调查对象进行观察、 计量和登记以取得资料的方法。调查人员对所观察的事件或行为不加以控制或干涉，能够在被调查者不察觉的情况下获得资料。2、采访法面访式：个别深度访谈。一次只有一名受访者参加、针对特殊问题的调查。适合于较隐秘的问题，如个人隐私问题；或较敏感的问题。面试式面访式：座谈会也称集体访谈，将一组被调查者集中在调查现场， 让他们对调查的主题发表意见以获得资料。参加座谈会的人数不宜过多，一般为6～10人。电话式调查人员根据调查提纲（调查表），通过电话问答的形式来获取信息。时效快、成本低、覆盖面广；但每次调查时间不能过长、拒访率高。自填式调查人员把调查表或问卷当面交给被调查者， 填完后当面交回的一种数据收集方法。 回收率高、但耗时费力。3、通讯法由调查组织者（例如政府统计部门）把调查表或问卷邮寄或电子传送给被调查者，填写后返回，也称邮寄问卷调查。调查对象不受空间区域限制、调查成本低；但速度较慢、 回收率较低。4、网络调查法通过互联网、计算机通信和数字交互式媒体，了解和掌握信息的方式。具有自愿性、定向性、及时性、互动性、经济性与匿名性。常用方法：网上问卷调查法、在线交流调查法、网络观察法、网络实验法等。5、卫星遥感法使用卫星高分辨率照片，提供地面农作物绿度资料，来估计农产量的方法。

在实际调查中，搜集数据的具体方法主要有访问调查、邮寄调查、电话调查、座谈会、个别深度访问、网上调查。1、访问调查：访问调查又称派员调查，它是调查者与被调查者通过面对面地交谈从而得到所需资料的调查方法。2、邮寄调查：邮寄调查是通过邮寄或其他方式将调查问卷送至被调查者，由被调查者填写，然后将问卷寄回或投放到指定收集点的一种调查方法。3、电话调查：电话调查是调查人员利用电话通受访者进行语言交流，从而获得信息的一种调查方式。电话调查优点是时效快、费用低；不足是调查问题的数量不能过多。4、座谈会：座谈会也称为集体访谈法，它是将一组受访者集中在调查现场，让他们对调查的主题发表意见，从而获取调查资料的一种方法。这种方法适用于搜集与研究课题有密切关系的少数人员的倾向和意见。5、个别深度访问：个别深度访问是一次只有一名受访者参加的特殊的定性研究。常用于动机研究，以发掘受访者非表面化的深层次意见。这种方法最适宜于研究较隐秘的问题，如个人隐私；较敏感的问题等。6、网上调查：网上调查主要有E-mail、交互式CATI系统、互联网CGI程序三种方法。拓展资料：统计数据搜集的组织形式：统计数据搜集的组织形式有普查、抽样调查、统计报表、重点调查、典型调查等。1、普查：普查是为了某种特定的目的而专门组织的一次性的全面调查，用以搜集重要国情国力和资源状况的全面资料，为政府制定规划、方针政策提供依据。2、抽样调查：抽样调查是实际应用中最广泛的一种调查方法，他是从调查对象的总体中随机抽取一部分单位座位样本进行调查，并根据样本调查结果来推断总体数量特征的一种非全面调查方法。3、统计报表：统计报表是一种以全面调查为主的调查方式，它是由政府主管部门根据统计法规，以统计表格形式和行政手段自上而下布置，而后由企、事业单位自下而上层层汇总上报逐级提供基本统计数据的一种调查方式

1、当面调查询问法。优点：比较机动灵活，不受时间、地点的限制，得到的资料也往往比较真实。缺点：所花费的人力、物力、财力会比较大。2、电话调查法。3、会议调查询问法。缺点：存在从众的心理，受影响大，调查会的效果好坏与会议组织者的组织能力、业务水平和工作能力有很大的关系。4、邮寄调查询问法。缺点：所花的时间比较长、最大的问题是回收率低。5、问卷调查询问法。优点：费用适中，回收率较高，效果良好。扩展资料信息收集的范围可从三种角度来划分：1、内容范围根据信息内容与信息收集目标和需求相关性特征所确定的范围，包括本身内容范围和环境内容范围。本身内容范围由事物本身信息相关内容特征组成的范围；环境内容范围是由事物周边、与事物相关的信息的内容特征组成的范围。2、时间范围在信息发生的时间上，根据与信息收集目标和需求具有一定相关性的特征所确定的范围，这是由信息的历史性和时效性所决定的。3、地域范围在信息发生的地点上，根据与信息收集目标和需求具有一定相关性的特征所确定的范围。这是由信息的地域分布特征和信息收集的相关性要求所决定的。参考资料来源：百度百科-信息收集参考资料来源：百度百科-信息采集

这个不好找，等找到了再发给你

算术平均数: 特点①算术平均数是一个良好的集中量数 ，具有反应灵敏、确定严密、简明易解、 计算简单、适 合进一步演算和较小受抽样变化的影响等 优点。 ②算术平均数易受极端数据的影响，这是 因为平均数反应灵敏，每个数据的或大或 小的变化 都会影响到最终结果。 例子: 简单算术平均数主要用于未分组的原始数 据。设一组数据为X1，X2，...，Xn，简 单的算术平均数的计算公式为： M=(X1+X2+...+Xn)/n 例如，某销售小组有5名销售员，元 旦一天的销售额分别为520元、600元、4 80元、750元和500元，求该日平均销售 额。 平均销售额=（520+600+480+750+5 00）/5=570（元） 计算结果表明，元旦一天5名销售员 的平均营业额为570元。 调和平均数: 特点: 调和平均数是平均数的一种。但统计调和 平均数，与数学调和平均数不同。在数学 中调和平均数与算术平均数都是独立的自 成体系的。计算结果前者恒小于等于后者 。因而数学调和平均数定义为：数值倒 数的平均数的倒数。但统计加权调和平均 数则与之不同，它是加权算术平均数的 变形，附属于算术平均数，不能单独成立 体系。且计算结果与加权算术平均数完全 相等。主要是用来解决在无法掌握总体 单位数（频数）的情况下，只有每组的变 量值和相应的标志总量，而需要求得平均 数的情况下使用的一种数据方法。例子: 调和平均数可以用在相同距离但速度不同 时，平均速度的计算；如一段路程，前半 段时速60公里，后半段时速30公里〔两 段距离相等〕，则其平均速度为两者的调 和平均数40公里。 另外，两个电阻R1, R2并联后的等效电阻 恰为两电阻调和平均数的一半。 物理学中的减缩质量为调和平均数的一半几何平均数: 特点用途 计算几何平均数要求各观察值之间存在连 乘积关系，它的主要用途是： 1.对比率、指数等进行平均； 2.计算平均发展速度； 其中：样本数据非负，主要用于对数正态 分布。 3.复利下的平均年利率。 4.连续作业的车间求产品的平均合格率。请采纳

根据题意可知，每个小方格中的酵母菌数量为13个，根据酵母菌种群密度计算公式：酵母菌种群密度=每个小方格中的酵母菌数量÷小方格的容积（2mm×2mm×0.1mm×10-3）=13÷（4×10-4）=3.25×104，因此10mL培养液中酵母菌的个数=3.25×104×10=3.25×105．故选：B．

本实验对酵母菌种群数量统计需要使用显微镜和血球计数板，实验中对酵母菌进行计算的方法是使用血细胞计数板． 故选：C．

统计瓶中酵母菌种群数量的方法是抽样检测

如下网址请参考！！！http://wenku.baidu.com/link?url=UOdsM2YhztvRAwmFoHbImh6GeSBjtuYS32rQUrH43oFb54eFs3wTinksgzNeoYX4EiA7uWUYSSkWS5PDLNrxSVNKEr8rCfxNsADf7C9ICM7

时期数列是反映某段时间内的总量 如 利润收入 时点数列是某时刻的量 如银行存款余额

时间数列按其指标性质不同，可以分为绝对数时间数列、相对数时间数列和平均数时间数列三大类。其中绝对数时间数列又称之为总量指标时间数列，是基本数列，其余两种是派生数列。ue004 　　1.总量指标时间数列是由总量指标按时间的顺序排列而成的数列。总量指标时间数列按指标所反映的时间状况不同又可分为时期数列和时点数列。ue004 　　时期数列是时期时间数列的简称，其数列指标是反映现象在一段时间数列内发展过程的总量，如：总产量、总产值等。ue004 　　时期数列有以下几个特点：(1)数列中各个时期的指标数值可以相加。(2)数列中每一个指标数值的大小与其所包括的时期和长短有直接关系。(3)时期数列具有连续统计的特点。 　　时点数列有如下几个特点：(1)数列中每个指标数值是不能相加的。(2)数列中每个指标数值的大小与其时间隔长短没有直接联系。(3)时点数列指标值不具有连续统计的特点。 考试大为你加油 　　2.相对指标时间数列数列和平均指标时间数列数列，是分别由相对指标和平均指标按时间数列顺序排列而形成的数列。由于相对指标和平均指标是由两个总量指标派生而来的，总量指标有时期指标和时点指标，从而相应构成不同的时间数列数列。在相对数列动态数列中，各个指标数值是不能相加的。 　　3.平均数动态数列中各个指标值也是不能相加的。因为各平均数相加后是毫无意义。

时期数列是指由反映现象在一段时期内发展过程总量的时期指标构成的动态数列.时点数列是指由反映现象在某一瞬间总量的时点指标构成的动态数列.二者相比较有以下特点：（1）时期数列的各指标值具有连续统计的特点,而时点数列的各指标值不具有连续统计的特点.（2）时期数列各指标值具有可加性的特点,而时点数列的各指标值不能相加.（3）时期数列的各指标值的大小与所包括的时期长短有直接的关系,而时点数列各指标值的大小与时间间隔长短无直接的关系

时期数列的数字是连续登记的，而时点数列是在一段时间内登记的。

（l）数列中的指标数值反映的情况不同：数列中每一个指标数值,都是表示社会经济现象在一定时期内发展过程的总量.时点数列中的每一个指标数值,都表示社会经济现象在某一时点（时刻）上的数量.（2）数列中的各个指标数值的可加性不同：由于时期数列中每一个指标数值都是在一段时期内发展的总数,所以相加之后指标数值就表明现象在更长时期发展的总量.如全年的国内生产总值是一年中每个月国内生产总值相加的结果,各月份的国内生产总值又是月份内每天的国内生产总值之和.时点数列中的每个指标数值一般不能相加.由于时点数列中的指标数值都是反映现象在某一瞬间的数量,几个指标相加后无法说明这个数值属于哪一个时点上的数量,直接相加没有独立的实际意义.（3）数列中的各个指标数值与时间的长短的关系不同：时期数列中,每个指标数值的大小与时期长短有直接关系.由于时期数列中每个指标都是社会经济现象在一段时期内的发展过程中不断累计的结果,所以一般来说,时期愈长指标数值就愈大,反之就愈小.时点数列中每个指标数值大小和“时点间隔”长短没有直接关系.时点数列中每个指标只是现象在某一时点上的水平,因此它的大小与时点间隔的长短没有直接关系.例如,年末的人口数不一定比某月底的人口数大.（4）数列中的指标数值登记的连续性有别：时期数列中每一个指标数值,通常都是通过连续不断的登记取得的.时点数列中每个指标数值通常都是定期（间断）登记取得的.

　　1、时期指标是反映现象在在一定时期内发展过程的总量。如产品产量、产值、商品流转额、人口出生数等。 　　特点：（1）各时期的数值可直接相加。（2）数值大小与时期长短有关。（3）数值是通过连续登记取得的。 　　2、时点指标是反映在某一时刻(瞬间）上状况的总量。如人口数、企业数、生猪存栏头数、固定资产净值、机器台数、商品库存额等。 　　特点：（1）不具有可加性。（2）数值大小与时点间隔没有直接关系。如年末数值不一定比某月末的数值大。（3）数值一般通过间断登记取得。

（l）数列中的指标数值反映的情况不同：数列中每一个指标数值，都是表示社会经济现象在一定时期内发展过程的总量。时点数列中的每一个指标数值，都表示社会经济现象在某一时点（时刻）上的数量。 （2）数列中的各个指标数值的可加性不同：由于时期数列中每一个指标数值都是在一段时期内发展的总数，所以相加之后指标数值就表明现象在更长时期发展的总量。如全年的国内生产总值是一年中每个月国内生产总值相加的结果，各月份的国内生产总值又是月份内每天的国内生产总值之和。时点数列中的每个指标数值一般不能相加。由于时点数列中的指标数值都是反映现象在某一瞬间的数量，几个指标相加后无法说明这个数值属于哪一个时点上的数量，直接相加没有独立的实际意义。 （3）数列中的各个指标数值与时间的长短的关系不同：时期数列中，每个指标数值的大小与时期长短有直接关系。由于时期数列中每个指标都是社会经济现象在一段时期内的发展过程中不断累计的结果，所以一般来说，时期愈长指标数值就愈大，反之就愈小。时点数列中每个指标数值大小和“时点间隔”长短没有直接关系。时点数列中每个指标只是现象在某一时点上的水平，因此它的大小与时点间隔的长短没有直接关系。例如，年末的人口数不一定比某月底的人口数大。 （4）数列中的指标数值登记的连续性有别：时期数列中每一个指标数值，通常都是通过连续不断的登记取得的。时点数列中每个指标数值通常都是定期（间断）登记取得的。 评论这张 转发至微博 转发至微博

1、时期指标是反映现象在在一定时期内发展过程的总量。如产品产量、产值、商品流转额、人口出生数等。 特点：（1）各时期的数值可直接相加。（2）数值大小与时期长短有关。（3）数值是通过连续登记取得的。 2、时点指标是反映在某一时刻(瞬间）上状况的总量。如人口数、企业数、生猪存栏头数、固定资产净值、机器台数、商品库存额等。 特点：（1）不具有可加性。（2）数值大小与时点间隔没有直接关系。如年末数值不一定比某月末的数值大。（3）数值一般通过间断登记取得。

最重要是理解定义，时期，指的是一段时间，时点指的是一个时点。根据定义不同，自然特点不一样，最重要的区别就是能不能累加，与时间长短的关系。时期数据可以累加，与时间长短有关，时点数据，因为是某一特定时点的，所以不能累加，自然也与时间长短无直接关系。 时期数列是反映总体在一段时期内活动过程的总量，时点数列是反映总体在某一特定时刻（瞬间）上的总量。两者区别：⑴时期指标的主要特点是：①指标数值可以连续计量，每个时期的累计数表明现象在该时期活动过程或发展过程的总成果；②同一总体，时期指标数值的大小与时期长短成正比。⑵时点指标的主要特点是：①指标数值只能按时点间断计数，不能累计；②每个指标数值的大小与时点之间的间隔长短没有直接的依存关系。 区别：（1）时期指标的数值是连续登记的，而时点指标的数值是在某个时间点上间断计数取得的；（2）时期指标的数值具有累加性，时点指标的数值不具有累加性；（3）时期指标数值的大小与所登记时期长短有直接关系，时点指标数值大小与所登记时期的长短没有关系。

正确答案BADE具有相同特征，属时点数列，C是一个数字，不属数列时期数列与时点数列明显区分是:时期数列能直接相加，时点数列相加无意义。

最重要是理解定义,时期,指的是一段时间,时点指的是一个时点.根据定义不同,自然特点不一样,最重要的区别就是能不能累加,与时间长短的关系.时期数据可以累加,与时间长短有关,时点数据,因为是某一特定时点的,所以不能累加,自然也与时间长短无直接关系.时期数列是反映总体在一段时期内活动过程的总量,时点数列是反映总体在某一特定时刻（瞬间）上的总量.两者区别：⑴时期指标的主要特点是：①指标数值可以连续计量,每个时期的累计数表明现象在该时期活动过程或发展过程的总成果；②同一总体,时期指标数值的大小与时期长短成正比.⑵时点指标的主要特点是：①指标数值只能按时点间断计数,不能累计；②每个指标数值的大小与时点之间的间隔长短没有直接的依存关系.区别：（1）时期指标的数值是连续登记的,而时点指标的数值是在某个时间点上间断计数取得的；（2）时期指标的数值具有累加性,时点指标的数值不具有累加性；（3）时期指标数值的大小与所登记时期长短有直接关系,时点指标数值大小与所登记时期的长短没有关系.

（l）数列中的指标数值反映的情况不同：数列中每一个指标数值，都是表示社会经济现象在一定时期内发展过程的总量。时点数列中的每一个指标数值，都表示社会经济现象在某一时点（时刻）上的数量。（2）数列中的各个指标数值的可加性不同：由于时期数列中每一个指标数值都是在一段时期内发展的总数，所以相加之后指标数值就表明现象在更长时期发展的总量。如全年的国内生产总值是一年中每个月国内生产总值相加的结果，各月份的国内生产总值又是月份内每天的国内生产总值之和。时点数列中的每个指标数值一般不能相加。由于时点数列中的指标数值都是反映现象在某一瞬间的数量，几个指标相加后无法说明这个数值属于哪一个时点上的数量，直接相加没有独立的实际意义。（3）数列中的各个指标数值与时间的长短的关系不同：时期数列中，每个指标数值的大小与时期长短有直接关系。由于时期数列中每个指标都是社会经济现象在一段时期内的发展过程中不断累计的结果，所以一般来说，时期愈长指标数值就愈大，反之就愈小。时点数列中每个指标数值大小和“时点间隔”长短没有直接关系。时点数列中每个指标只是现象在某一时点上的水平，因此它的大小与时点间隔的长短没有直接关系。例如，年末的人口数不一定比某月底的人口数大。（4）数列中的指标数值登记的连续性有别：时期数列中每一个指标数值，通常都是通过连续不断的登记取得的。时点数列中每个指标数值通常都是定期（间断）登记取得的。评论这张转发至微博转发至微博

时点数列与时期数列的比较　　时期数列是指由反映现象在一段时期内发展过程总量的时期指标构成的动态数列。时点数列是指由反映现象在某一瞬间总量的时点指标构成的动态数列。二者相比较有以下特点：　　1、时期数列的各指标值具有连续统计的特点，而时点数列的各指标值不具有连续统计的特点。　　2、时期数列各指标值具有可加性的特点，而时点数列的各指标值不能相加。　　3、时期数列的各指标值的大小与所包括的时期长短有直接的关系，而时点数列各指标值的大小与时间间隔长短无直接的关系。

package com.sh.lw.regxp;import java.util.Scanner;import java.util.regex.Matcher;import java.util.regex.Pattern;public class RegXp { /** * 计算单词总数 * @param s */ public int countWord(String s) { s = s.trim(); Pattern pattern = null; String str = "\s"; pattern = Pattern.compile(str); Matcher m = pattern.matcher(s); int i = 0; while (m.find()) { i++; } return i + 1; } /** * 计算句子总数 * @param s * @return */ public int countStatement(String s) { s = s.trim(); Pattern pattern = null; String str = "[.!?]{1}"; pattern = Pattern.compile(str); Matcher m = pattern.matcher(s); int i = 0; while (m.find()) { i++; } return i; } /** * 计算字符总数 * @param s * @return */ public int countChar(String s) { s = s.trim(); Pattern pattern = null; String str = "\S"; pattern = Pattern.compile(str); Matcher m = pattern.matcher(s); int i = 0; while (m.find()) { i++; } return i; } /** * 入口函数 * @param args */ public static void main(String[] args) { Scanner sc = new Scanner(System.in); String s = sc.nextLine(); RegXp rx = new RegXp(); int _char, _stmt, _word; _char = rx.countChar(s); _stmt = rx.countStatement(s); _word = rx.countWord(s); System.out.println("字符总数:" + _char); System.out.println("句子总数:" + _stmt); System.out.println("单词总数:" + _word); }}

问题一：常驻人口怎么统计 常住人口指经常居住在某一地区的人口，是在普查区内经常居住的人数。它包括常住该地而临时外出的人口,不包括临时寄住的人口。 常住人口为国际上进行人口普查时常用的统计口径之一。常住人口=现有常住人口+暂时外出人口。中国第三次人口普查规定，常住人口不仅指常住在普查区内并登记了长住户口的人，而且还包括普查期间无户口或户口在外地而住本地1年以上的人，但不包括在本地登记为常住户口而离开本地1年以上的人。 常住人口指实际经埂居住在某地区一定时间（半年以上）的人口。按人口普查和抽样调查规定，主要包括：除离开本地半年以上（不包括在国外工作或学习的人）的全部常住本地的户籍人口；户口在外地，但在本地居住半年以上者，或离开户口地半年以上而调查时在本地居住的人口；调查时居住在本地，但在任何地方都没有登记常住户口，如手持户口迁移证、出生证、退伍证、劳改劳教释放证等尚未办理常住户口的人，即所谓“口袋户口”的人。 第六次全国人口普查使用的常驻人口=户口在本辖区人也在本辖区居住+户口在本辖区之外但在户口登记地半年以上的人+户口待定（无户口和口袋户口）+户口在本辖区但离开本辖区半年以下的人 问题二：统计局 常住人口 是如何统计出来的 常住人口的统计是普查年度的人口普查数据可得，平常年度的全国有千分之一人口抽样调查推算得到。常住人口有特定的口径范围，住本户户口在本户或是住本户离开户口登记地半年以上。 问题三：什么是户籍人口和常住人口 户籍人口是公安部门户籍统计的人口，它是以公安户籍记录为统计基础。 常住人口包括户籍人口（但不包括本地户籍长期在外地的人口），以及在本地居住半年以上的人口。 目前中国每10年进行一次人口普查、每5年进行一次1%人口抽样，统计的都是常住人口。现在的城市统计年鉴、经济统计年鉴，一般都以常住人口为基础。 但是因为5年才做一次调查，所以平时看到的常住人口数据都是估计的，只有户籍人口是准确的。而且很多地方（如你所说的地图）使用的还是户籍人口数，所以造成非常大的差距。 说到珠海，我正好有一个比较准确的数据，供你参考。2005年珠海1%人口抽样调查时，珠海的户籍人口大约85万，而常住人口140万（包含户籍人口）。但事实上由于珠海市人口的流动性很大，居住地方又很复杂，140万的常住人口数仍然不准确，当时实际在珠海居住的人口大约在200万左右（按人均）。 人口超过千万的大城市的标准，应该也是以户籍人口为准的。 问题四：常住人口的统计及查询的实现办法 你这个有点难度了，现在网上找到的都是一些户籍管理的软件 里诺、文达等一个个都是收费的 还有就是存在着功能有局限性，用着不方便， 还有的软件是学校等单位自己开发的，针对性强，用着不上手。 去年的时候我请了两个大学生专门做这个户籍管理软件，但是毕竟力量太小了 做的有好多不尽人意的地方，也半路就停了 到现在，我认为最好用的还是咱公安部门的户籍管理系统， 可是我们一般单位都不叫用， 你在派出所工作，到户籍室问一下应该有些以前的版本，在不联网的情况下完成你的要求是没有问题的 问题五：常住人口是怎么统计的 一般常住人口的统计，符合以下几种情况的人口登记都为常住人口： （一）居住在本乡、镇、街道，并已在本乡、镇、街道办理常住户口登记的人。 （二）已在本乡、镇、街道居住半年以上，常住户口在本乡、镇、街道以外的人。 （三）在本乡、镇、街道居住不满半年，但已离开常住户口登记地半年以上的人。 （四）调查时居住在本乡、镇、街道，常住户口待定的人。 （五）原住本乡、镇、街道，调查时在国外工作或者学习，暂无常住户口的人。 常住户口在本乡、镇、街道，但已离开本乡、镇、街道半年以上的人，在户口所在地只登记人数，不计入户口所在地的常住人口数内。 问题六：我国的人口是如何统计的？ 1、普查：即确定一个标准时间点，在全国范围内开展全面调查，获取相关数据资料；2、抽样调查：确定若干地区作为调查点（即样本），在同一时间内获得数据，推算总量；3、典型调查：按照科学合理的方案，通过对相关地区和对象结构等的调查，获得人口变动等指标数据资料，分析趋势 问题七：中国劳动力人口怎么统计出来的 当然都是统计出来，经过人口普查活动统计出来的。人口普查(英文:census)，是指在国家统一规定的时间内，按照统一的方法、统一的项目、统一的调查表和统一的标准时点，对全国人口普遍地、逐户逐人地进行的一次性调查登记。人口普查工作包括对人口普查资料的搜集、数据汇总、资料评价、分析研究、编辑出版等全部过程，它是当今世界各国广泛采用的搜集人口资料的一种最基本的科学方法，是提供全国基本人口数据的主要来源。从1949年至今，中国分别在1953年、1964年、1982年、1990年、2000年与2010年进行过六次全国性人口普查。 问题八：如何能查到一个城市流动人口和常住人口？？？ 如果要查询一个城市流动人口和常住人口，可以向当地公安机关求助。 问题九：每千常住人口医疗卫生机构床位数怎么算 ？ ？摘要：自改革开放以来，随着社会的社会和经济发展的各个方面都发生了巨大的变化。大规模的人口迁移是影响社会变革，农村养老模式造成巨大冲击的一个重要因素。在本文中，人口迁移研究的基础上，对农村养老模式的影响，总结了它带来的问题，并分析了这个问题，有效的解决方案的基础上。 ？ ？关键词：农村养老问题 迁移？背景资料？ ？ ？由于中国的改革开放社会的各个方面都发生了翻天覆地的变化。大规模的人口迁移是一个重要的现象。近年来，农民工的数量和规模都在快速发展，根据劳动和社会保障法律，农民工，农民在全国范围内，2001年达到7.8十亿，占农村总劳动力的16.3％数据网络。据专家估计，2001年中国农村劳动力的农村劳动力转移之间的1.3-1.5亿美元现行利率将超过800万美元的年度逐年提高，五年内农村剩余劳动力转移的高峰期。五年后，据统计，中国的人口，约1.5万元，中国的流动人口中，务工，经商人员的主要部分。 ？按照国际标准，60或65岁的人超过10％，占总人口的7％岁以上岁以上老年人口的比例可以看出，人口老龄化，其实，中国的总人口超过60岁，1994年首次突破100万大关，达到1.17亿，占总人口的9.76％，人口接近警戒线的老化。到1998年底，60岁以上的中国人口已经达到1.32亿元，3.32％的增长率。 1999年，中国 *** 宣布进入老龄化社会。很多人不可避免地从农村流向城市，社会的文明与进步，工业化，城市化和现代化进程的现象。年轻人不断外流，鼓励农民离开自己的家园养老保障的农村家庭有很多负面影响：家庭结构的小型化，缺乏家庭照顾者，稀释养老理念，养老保障在农村家庭面对困难。目前，中国的工业化，城市化和现代化进程的加快从一个隐藏的人口问题转移农村富余劳动力养老成为一大难题。我们都知道，农村富余劳动力向城市和城镇年复一年，但数量到目前为止，全市养老保险制度基本上是建立在户籍制度的基础，而且几乎没有考虑城市的农民工（尽管城市深圳已经开始农民工养老保险的做法）。养老保险和城镇化发展，农村劳动力转移，农民工阶层的城镇的形成，他们已成为城市人口的重要组成部分。养老保险受益期限十年前成立的保险，他们可以发挥，所以他们的养老金问题一直没有得到解决的时候。此外，年轻的劳动力，以及他们父母的养老，医疗日常生活的方方面面照顾，因此需要加以解决，考虑到农村地区的老龄化人口占绝大多数，约70 - 最保守的国家中老年人80％的人口，约100万元的总金额，影响农村稳定，关系到新农村建设的一个重要因素，构建和谐社会。 ？ ？老人的养老问题，农村地区的现行集团无疑是值得关注和研究，但由于经济发展和人口红利的溢出效应，他们的养老金主要是儿童，而国家养老金制度不是在短期内的假设，这种非制度化的传统养老模式，可扩展的和有效的，但也没有选择的现实。然而，在未来的养老问题之前，农村劳动力，由于下面讨论的各种原因，这种模式是不可持续的。所以现在提前规划存在的问题和未来的状况，努力探索建立机构养老保险制度的可持续发展和改善分析的基础上。 ？ ？农村养老问题的总结 ？ ？伟大的社会变革使农村居民的养老模式发生了巨大的变化，机遇包括危机。主要的现在和未来的社会保障问题是以下几个方面： ？ ？ 1，严重增加，人口老龄化老龄化人口在农村，与过去相比是显着的。 ？ ？前万农村地区和3.32％的速度增长，人口老龄化的背景信息，并有望在2020年左右，老年人口为2.3-2.4十亿人民币，占近16比例的70％，农村老年人口的80％-19万美......>> 问题十：大家了，城市城市 常住人口是怎么计算的 自然增长率：（出生人口数-死亡人口数）/总人口数*100% 机械增长率：（迁入人口数-迁出人口数）/总人口数*100%

Mean absolute error平均绝对误差,Root mean squared error均方根误差 额我想想你有时间打上来就有时间用在线翻译的。你懂？？

实数集

　定义式　　ρXY=Cov(X,Y)/√[D(X)]√[D(Y)]　　公式描述：公式中Cov(X,Y)为X，Y的协方差，D(X)、D(Y)分别为X、Y的方差。　　公式　　若Y=a+bX，则有：　　令E(X) = μ，D(X) = σ　　则E(Y) = bμ + a，D(Y) = bσ　　E(XY) = E(aX + bX) = aμ + b(σ + μ)　　Cov(X,Y) = E(XY) E(X)E(Y) = bσ相关系数介于区间[-1，1]。当相关系数为-1，表示完全负相关，表明两项资产的收益率变化方向和变化幅度容完全相反。当相关系数为+1时，表示完全正相关，表明两项资产的收益率变化方向和变化幅度完全相同。当相关系数为0时，表示不相关。r值的绝对值介于0～1之间。通常来说，r越接近1，表示x与y两个量之间的相关程度就越强，反之，r越接近于0，x与y两个量之间的相关程度就越弱。扩展资料：相关关系：当一个或几个相互联系的变量取一定的数值时，与之相对应的另一变量的值虽然不确定，但它仍按某种规律在一定的范围内变化。变量间的这种相互关系，称为具有不确定性的相关关系。⑴完全相关：两个变量之间的关系，一个变量的数量变化由另一个变量的数量变化所惟一确定，即函数关系。⑵不完全相关：两个变量之间的关系介于不相关和完全相关之间。⑶不相关：如果两个变量彼此的数量变化互相独立，没有关系。

先用快排将所有数字从小到大排一下, 再从第一个数字开始统计~~直至遇到不同的再统计下一个不同的数字。核心如下： long sum=0; for(long i=0;i<n;i++) { sum++; if(number[i]!=number[i+1]) { printf("%ld %ld ",number[i],sum); sum=0; } }

where 条件中加上 status ！= 0

那个x拔是S的下标吧?要是大写S,那代表总体平均数的标准差；要是小写s,代表样本平均数的标准差. P头顶上有的这个^符号,代表预测值或估计值.

Mean指的是平均值，SD指的是标准差，范围（5.50-1.22，5.50+1.22）

有得呀我是casiofx-82TL先按mode选SD进入统计逐个输入数据按M+输入完以后按shift2（2上面的黄色符号表示方差）其他符号你可以自己用平均数什么都可以求还有记住新一次统计要shiftAC来清空内存数据

在xp 下如果运行计算器,先切换到科学型计算器,然后点击Sta键,出来统计计算器,标准差是s,方差是s平方,一般在计算器上敲入一个数,点击Dat键,数据就进入缓存区中了,点击Avg就是求上述数据的期望,sum就是求和,标准差是s,求方差把s的结果平方一下就行

σ可以念“西格玛”σ　Σ　sigma /sigma/ /s/为齿化的，类似汉语的s-，而不是英语的[s]。与rho类似希腊字母表里也有两个sigma，一个在词头，一个在词尾，据说在词尾的也能成音节。标准差（Standard Deviation） ，中文环境中又常称均方差，但不同于均方误差（mean squared error，均方误差是各数据偏离真实值的距离平方的平均数，也即误差平方和的平均数，计算公式形式上接近方差，它的开方叫均方根误差，均方根误差才和标准差形式上接近），标准差是离均差平方和平均后的方根，用σ表示。标准差是方差的算术平方根。标准差能反映一个数据集的离散程度。平均数相同的，标准差未必相同。

卡西欧计算器统计计算标准差符号是方差的算数平均数的意思，在说明书里定义为 样本数据总体标准偏差。

方差是σ^2.标准差是σ

方差是s的平方标准差是S

求和是西格玛(sigma,大写∑，小写σ）标准差是德尔塔(delta,大写Δ，小写δ)

在插入中的特殊符号中有吧

LSD是多重检验比较的方法一直，目的是对每个因素的均值逐对进行比较，以判断具体是哪些水平间存在显著差异。按你表格上面的结果显示，第1个因素和第2、3两个因素间有显著的差异（看显著性那栏，＜0.05），其他各因素间差异不显著。你说的后面加abc没看懂什么意思。

三组比较用anova（方差分析）好，因为检验主效应时分开三次t检验会增大一类错误率，也就是容易把本来差异不显著的结果误认为差异显著。对于事后检验，当有明确的对照组，要进行验证性研究时，宜用LSD法，此法也是统计功效最高的事后检验方法，不过相应地一类错误率就高一点。要进行多个均数间两两比较（探索性研究），各组人数相等时，宜用Tukey法根据你的目的，可以在以上两种方法中选一个。当然Scheffe和SNK法也很常用

方差分析前提：不同水平下，各总体均值服从方差相同的正态分布。方差齐性检验：采用方差同质性检验方法（Homogeneityofvariance）在spss中打开你要处理的数据，在菜单栏上执行：analyse-comparemeans--one-wayanova，打开单因素方差分析对话框在这个对话框中，将因变量放到dependentlist中，将自变量放到factor中，点击posthoc，选择snk和lsd，返回确认ok

SPSS是一个数据统计软件，而不是一种数据统计方法。在SPSS这种数据统计软件里，包括许多种数据统计方法，当然也包括LSD。LSD是一种数据统计方法，英文为：least significance difference，中文成为最小显著性法，在SPSS里面可以进行这种方法进行分析。LSD是进行多个组数据的多重比较的，在SPSS软件里面，这个LSD是在ANOVA（方差分析）里面出现的。比如，你要分析山东、河南、河北三个省份的男人的身高比较。那么需要你去三地进行随机测量，也就是随便找到一堆男人进行身高的测量。回来后将这些数据按照省份分为三组。然后在SPSS里面进行方差分析，方差分析只能告诉你这三个省份里面是不是至少有一个省份的男人身高不同于其它两个省份，但不能进行省份之间的两两比较。要实现两两比较，必须进行多重比较。多重比较有许多种方法，在方差分析的界面可以进行选择。其中LSD方法比较常用，这种方法有一个前提，就是要求组之间的方差相等。因此，LSD是一种组之间方差相等的多重比较方法。而SPSS是一个可以进行这种分析（当然也可以进行其它分析）的软件。

SSR（新复极差法）：假设H0:设两者治愈率相同，即π1=π2，H1：两者治愈率不同，即π1≠π2。α=0.05。T最小值为30×70÷145=14.5＞5，不需校正。χ2=(53×13-17×62)(53×13-17×62)×145/(115×30×70×75)=1.07 自由度v=1。然后查卡方届值表得p＞0.05,所以不可以拒绝H0，接受H1即可以认为两者治愈率有差别。LSR法检验统计量计算有Duncan于1955年提出的新复极差法（SSR法）和Tukey于1949年提出的q法：SSR=（xi.-xj.）/SE~SSR（p，fe）q=（xi.-xj.）/SE~q（p，fe）SE=（MSe/r）开平方扩展资料：多重比较法要求的条件与方差分析法相同，即随机变量服从正态分布，方差相齐和观测值的独立性。多重比较法的方法（一）LSD（Least Significant Difference）法要求组间的标本数必须相同，适用于被指定组间的比较检定。（二）Tukey法这个方法也被称作Tukey（a）法，适用于将进行比较的组间完全对等关系的情况，具有相同的标本数是进行检定的前提。（三）Bonferroni法这个方这是LSD法的改良法，适用于全体组间比较检定。（四）Scheffe法适用于需要进行全体组间比较检定。Scheffe技在需要进行比较的个数多于平均值个数时，比BonfeDoni法更容易得到明确的判断。另外，在万检定的结果不存在有意差时，也可以判断某组间是否存在有意差等特点。参考资料来源：百度百科-Scheffe成对比较检验

单因素方差分析方差分析前提：不同水平下，各总体均值服从方差相同的正态分布。方差齐性检验：采用方差同质性检验方法（Homogeneity of variance）在spss中打开你要处理的数据，在菜单栏上执行：analyse-compare means--one-way anova，打开单因素方差分析对话框 在这个对话框中，将因变量放到dependent list中，将自变量放到factor中，点击post hoc，选择snk和lsd，返回确认ok统计专业研究生工作室原创，请勿复杂粘贴

RMA是Return Material Authorization的英文缩写，即退料审查。是处理用户不良产品退货、换货的主要流程，RMA趋势图的产品统计即是公司对于退货不良产品的统计当用户所使用某产品或部件不能正常工作时，将发起一个RMA流程，首先用户必须填写RMA申请单，然后RMA的处理人员将对该RMA申请进行审查，例如是否在保修期内等，然后分配一个RMA号给该申请单。并有3种处理方式，一种是换货，通知用户寄回RMA件，确认收到后寄出新的产品或部件（有时，也可能先寄出新货品），同时寄出发票（有金额或无金额，红字发票冲账，新开发票按再销售处理），新品发货走正常订单处理流程，退回的RMA件做入库处理；第二种方式是退货，退回货物后付钱或增加信用余额，同时走红字发票冲账。第三种方式是维修，收到RMA件入库后，开出维修通知单或服务通知单，在维修完成、服务确认后，发货或用户取货时，再做收款和财务处理。RMA从财务的角度过程清晰，计算简单。从品质管理的角度，处理速度快，客户满意度高。在企业中，有时还要走对供应商的RMA处理，只是过程刚好相反。一组 RMA 代表一组资讯，其中包括识别编号(ID)、状态、和一些与退回者、退回主旨等相关的说明资讯。就成本管理层面，系统提供完备的整合与稽核。当维修和替换业所衍生的供应料品，使得成本议题更形复杂，特别是当您考虑到原来的客户订单资讯不存在或是不能与配销模组直接连结时，或者原先的料品维修是委外作业而配销模组并不能与外包管理模组直接连结时。RMA是出货产品经过客户使用后发现问题（软件硬件功能，外观等质量）而退回给生产商的产品工序，这个工序包括产品维修，产品的升级，产品的维修报告和记录，还有当前状态指示和整体流程。RMA：在一些知名大公司是起到举足轻重的作用，特别是一些EMS公司，RMA的存在是必然的也是重要的，对生产商来说是可以起到一个减少生产工艺问题，对客户的负责，自身的商业价值提高。第二对客户来说起到一个对销售产品质量保证，改善以后的改进和升级，自身商业利益所在，对自己客户的负责。RMA应该和生产部门分开分析有利于监督和质量分析的保证。一个权威的RMA-team应该是由资深技术人员，质量人员，操作人员，还有后台运作人员组成。。RMA = Return/Reject Material Authorization(退货授权)退货授权:是当客人提出产品出现品质问题需要退回时，公司对客人提供的资料进行分析，认为确属本公司责任而同意退货的状况下，授权客人将不良品退回。通常，在最初的合约中，就会将RMA条款明文订立。需要进行授权的重点在于防止客人随意退货或不经同意就退货。比如：当你的手机出现问题，商家需要确认是否确属产品质量问题，而不是随便就给你换货。RMA常分为两种:Return for repair-- 客人不扣款，但退回品必须在一定期限内修好后返回给客人Return for credit-- 客人直接扣款，退回品不须返回客人。也可以分为三种，即加上： SWAP-- 直接拿良品向客人交换回不良品。(这一种本质上仍属于return for credit)RAN（Return Authorization Number)，即当你同意客户退回产品时，你提供给客户一个RAN，客户要在返回物品上标示你的RAN，以便于追溯。有一种退货属DOA，即刚到客户手上就发生了，根本没使用。或者，打比方说，你们的货在客人的IQC或在生产线整批判退，这不是RMA，而是DOA。DOA有一个特性就是一定是批退。大的公司或成本核算比较严格的公司，RMA和DOA是分开的。大部分公司两者是合在一起的。

你可以上kzylw找找看，祝你好运！

统计学第四版答案第一章什么是统计学？怎样理解统计学与统计数据的关系？答：统计学是一门收集、整理、显示和分析统计数据的科学。统计学与统计数据存在密切关系，统计学阐述的统计方法来源于对统计数据的研究，目的也在于对统计数据的研究，离开了统计数据，统计方法以致于统计学就失去了其存在意义。2．简要说明统计数据的来源答：统计数据来源于两个方面：直接的数据：源于直接组织的调查、观察和科学实验，在社会经济管理领域，主要通过统计调查方式来获得，如普查和抽样调查。间接的数据：从报纸、图书杂志、统计年鉴、网络等渠道获得。3.简要说明抽样误差和非抽样误差答：统计调查误差可分为非抽样误差和抽样误差。非抽样误差是由于调查过程中各环节工作失误造成的，从理论上看，这类误差是可以避免的。抽样误差是利用样本推断总体时所产生的误差，它是不可避免的，但可以控制的。4.答：（1）有两个总体：A品牌所有产品、B品牌所有产品 （2）变量：口味（如可用10分制表示） （3）匹配样本：从两品牌产品中各抽取1000瓶，由1000名消费者分别打分，形成匹配样本。 （4）从匹配样本的观察值中推断两品牌口味的相对好坏。第二章、统计数据的描述思考题1描述次数分配表的编制过程答：分二个步骤：按照统计研究的目的，将数据按分组标志进行分组。按品质标志进行分组时，可将其每个具体的表现作为一个组，或者几个表现合并成一个组，这取决于分组的粗细。按数量标志进行分组，可分为单项式分组与组距式分组单项式分组将每个变量值作为一个组；组距式分组将变量的取值范围（区间）作为一个组。统计分组应遵循“不重不漏”原则将数据分配到各个组，统计各组的次数，编制次数分配表。2．解释洛伦兹曲线及其用途答：洛伦兹曲线是20世纪初美国经济学家、统计学家洛伦兹根据意大利经济学家帕累托提出的收入分配公式绘制成的描述收入和财富分配性质的曲线。洛伦兹曲线可以观察、分析国家和地区收入分配的平均程度。3. 一组数据的分布特征可以从哪几个方面进行测度？答：数据分布特征一般可从集中趋势、离散程度、偏态和峰度几方面来测度。常用的指标有均值、中位数、众数、极差、方差、标准差、离散系数、偏态系数和峰度系数。4 怎样理解均值在统计中的地位？答：均值是对所有数据平均后计算的一般水平的代表值，数据信息提取得最充分，具有良好的数学性质，是数据误差相互抵消后的客观事物必然性数量特征的一种反映，在统计推断中显示出优良特性，由此均值在统计中起到非常重要的基础地位。受极端数值的影响是其使用时存在的问题。5 对比率数据的平均，为什么采用几何平均？答：比率数据往往表现出连乘积为总比率的特征，不同于一般数据的和为总量的性质，由此需采用几何平均。6. 简述众数、中位数和均值的特点和应用场合。答：众数、中位数和均值是分布集中趋势的三个主要测度，众数和中位数是从数据分布形状及位置角度来考虑的，而均值是对所有数据计算后得到的。众数容易计算，但不是总是存在，应用场合较少；中位数直观，不受极端数据的影响，但数据信息利用不够充分；均值数据提取的信息最充分，但受极端数据的影响。7 为什么要计算离散系数？答：在比较二组数据的差异程度时，由于方差和标准差受变量值水平和计量单位的影响不能直接比较，由此需计算离散系数作为比较的指标。练习题：1. 频数分布表如下： 服务质量等级评价的频数分布服务质量等级 家庭数（频率） 频率%A 14 14B 21 21C 32 32D 18 18E 15 15合计 100 100 条形图（略）2 （1）采用等距分组： n=40 全距=152-88=64 取组距为10 组数为 64/10=6.4 取6组 频数分布表如下： 40个企业按产品销售收入分组表按销售收入分组（万元） 企业数（个） 频率（%） 向上累积 向下累积 企业数 频率 企业数 频率100以下100～110110～120120～130130～140140以上 5912743 12.522.530.017.510.07.5 51426333740 12.535.065.082.592.5100.0 4035261473 100.087.565.035.017.57.5合计 40 100.0 — — — — （2） 某管理局下属40个企分组表按销售收入分组（万元） 企业数（个） 频率（%）先进企业良好企业一般企业落后企业 111199 27.527.522.522.5合计 40 100.03 采用等距分组全距=49-25=24n=40 取组距为5，则组数为 24/5=4.8 取5组 频数分布表：按销售额分组（万元） 频数（天数） 25-30 30-35 35-40 40-45 45-50 4 6 15 9 6 合计 404. ．（1）排序略。 （2）频数分布表如下： 100只灯泡使用寿命非频数分布按使用寿命分组（小时） 灯泡个数（只） 频率（%）650~660 2 2660~670 5 5670~680 6 6680~690 14 14690~700 26 26700~710 18 18710~720 13 13720~730 10 10730~740 3 3740~750 3 3合计 100 100 直方图（略）。 （3）茎叶图如下：65 1 8 66 1 4 5 6 8 67 1 3 4 6 7 9 68 1 1 2 3 3 3 4 5 5 5 8 8 9 9 69 0 0 1 1 1 1 2 2 2 3 3 4 4 5 5 6 6 6 7 7 8 8 8 8 9 970 0 0 1 1 2 2 3 4 5 6 6 6 7 7 8 8 8 9 71 0 0 2 2 3 3 5 6 7 7 8 8 9 72 0 1 2 2 5 6 7 8 9 9 73 3 5 6 74 1 4 7 5 等距分组n=65 全距=9-（-25）=34 取组距为5，组数=34/5=6.8, 取 7组频数分布表：按气温分组 天数-25 --- -20-20 --- -15-15 --- -10-10 --- -5-5 --- 0 0 --- 5 5 --- 10 8810141447合计 657 （1）茎叶图如下：A班 树茎 B班数据个数 树 叶 树叶 数据个数0 3 59 21 4 4 0448 42 97 5 122456677789 1211 97665332110 6 011234688 923 98877766555554443332100 7 00113449 87 6655200 8 123345 66 632220 9 011456 60 10 000 3A班考试成绩的分布比较集中，且平均分数较高；B班考试成绩的分布比A班分散，且平均成绩较A班低8. 箱线图如下：（特征请读者自己分析）9．（1）=274.1（万元）；Me =272.5 ；QL=260.25；QU =291.25。 （2）（万元）。10．甲企业平均成本＝19.41（元）， 乙企业平均成本＝18.29（元）； 原因：尽管两个企业的单位成本相同，但单位成本较低的产品在乙企业的产量中所占比重较大，因此拉低了总平均成本。11．=426.67（万元）； ＝116.48(万元)13（1）离散系数，因为它消除了不同组数据水平高低的影响。 （2）成年组身高的离散系数：； 幼儿组身高的离散系数：； 由于幼儿组身高的离散系数大于成年组身高的离散系数，说明幼儿组身高的离散程度相对较大。14 ．表给出了一些主要描述统计量方法A 方法B 方法C 平均 165.6 平均 128.73 平均 125.53中位数 165 中位数 129 中位数 126众数 164 众数 128 众数 126标准偏差 2.13 标准偏差 1.75 标准偏差 2.77极差 8 极差 7 极差 12最小值 162 最小值 125 最小值 116最大值 170 最大值 132 最大值 128 先考虑平均指标，在平均指标相近时考虑离散程度指标。 应选择方法A，其均值远高于其他两种方法，同时离散程度与其他两组相近。15．(1)风险的度量是一个不断发展的问题，在古典金融理论中，主要采用标准差这个统计测度来反映，现代金融中，采用在险值（value at risk）。（2）无论采用何种风险度量，商业类股票较小（3）个人对股票的选择，与其风险偏好等因素有关。第四章 1.总体分布指某个变量在总体中各个个体上的取值所形成的分布，它是未知的，是统计推断的对象。从总体中随机抽取容量为n的样本，它的分布称为样本分布。由样本的某个函数所形成的统计量，它的分布称为抽样分布（如样本均值、样本方差的分布） 2.重复抽样和不重复抽样下，样本均值的标准差分别为： 因此不重复抽样下的标准差小于重复抽样下的标准差，两者相差一个调整系数3.解释中心极限定理的含义答：在抽样推断中，中心极限定理指出，不论总体服从何种分布，只要其数学期望和方差存在，对总体进行重复抽样时，当样本容量充分大，样本均值趋近于正态分布。中心极限定理为均值的抽样推断奠定了理论基础。第四章、参数估计简述评价估计量好坏的标准答：评价估计量好坏的标准主要有：无偏性、有效性和相合性。设总体参数的估计量有和，如果，称是无偏估计量；如果和是无偏估计量，且小于，则比更有效；如果当样本容量，，则是相合估计量。2.说明区间估计的基本原理答：总体参数的区间估计是在一定的置信水平下，根据样本统计量的抽样分布计算出用样本统计量加减抽样误差表示的估计区间，使该区间包含总体参数的概率为置信水平。置信水平反映估计的可信度，而区间的长度反映估计的精确度。3．解释置信水平为95％的置信区间的含义答：总体参数是固定的，未知的，置信区间是一个随机区间。置信水平为95％的置信区间的含义是指，在相同条件下多次抽样下，在所有构造的置信区间里大约有95％包含总体参数的真值。4．简述样本容量与置信水平、总体方差、允许误差的关系答：以估计总体均值时样本容量的确定公式为例：样本容量与置信水平成正比、与总体方差成正比、与允许误差成反比。2. 解：由题意：样本容量为若若解：由题可得：尽管采用不重复抽样，但因为样本比例很小（不到0.5%），其抽样误差与重复抽样下近似相同，采用重复抽样的抽样误差公式来计算。为大样本，则在的显著性水平下的置信区间为：当，置信区间为（2.88,3.76）当，置信区间为(2.80,3.84)当，置信区间为(2.63,4.01)5解：假设距离服从正态分布，平均距离的95％的置信区间为＝（7.18,11.57）7解：由题意：。因为均超过5，大样本（1）总体中赞成比率的显著性水平为的置信区间为当时，置信区间为（50.7%,77.3%）(2)如果要求允许误差不超过10％，置信水平为95％，则应抽取的户数：8.此题需先检验两总体的方差是否相等：在5%的显著性水平下，,不拒绝原假设认为两总体方差是相同的。（1）即（1.93，17.669）（2）即（0.27，19.32）11.大样本的情况 （1）90%置信度下（3.021%，16.979）（2）95%置信度下（1.684%，18.316%）12．解：由题可计算： 两个总体方差比在95％的置信区间为：14．解：由题意：则必须抽取的顾客数为：第五章、假设检验思考题1．1．理解原假设与备择假设的含义，并归纳常见的几种建立原假设与备择假设的原则.答：原假设通常是研究者想收集证据予以反对的假设；而备择假设通常是研究者想收集证据予以支持的假设。建立两个假设的原则有：（1）原假设和备择假设是一个完备事件组。（2）一般先确定备择假设。再确定原假设。（3）等号“＝”总是放在原假设上。（4）假设的确定带有一定的主观色彩。（5）假设检验的目的主要是收集证据来拒绝原假设。2．第一类错误和第二类错误分别是指什么？它们发生的概率大小之间存在怎样的关系？答：第I类错误指，当原假设为真时，作出拒绝原假设所犯的错误，其概率为。第II类错误指当原假设为假时，作出接受原假设所犯的错误，其概率为。在其他条件不变时，增大，减小；增大，减小。3．什么是显著性水平？它对于假设检验决策的意义是什么？答：假设检验中犯第一类错误的概率被称为显著性水平。显著性水平通常是人们事先给出的一个值，用于检验结果的可靠性度量，但确定了显著性水平等于控制了犯第一错误的概率，但犯第二类错误的概率却是不确定的，因此作出“拒绝原假设”的结论，其可靠性是确定的，但作出“不拒绝原假设”的结论，其可靠性是难以控制的。4．什么是p值？p值检验和统计量检验有什么不同？答：p值是当原假设为真时，检验统计量小于或等于根据实际观测样本数据计算得到的检验统计量值的概率。P值常常作为观察到的数据与原假设不一致程度的度量。统计量检验采用事先确定显著性水平，来控制犯第一类错误的上限，p值可以有效地补充提供地关于检验可靠性的有限信息。值检验的优点在于，它提供了更多的信息，让人们可以选择一定的水平来评估结果是否具有统计上的显著性。5．什么是统计上的显著性？答：一项检验在统计上是显著的（拒绝原假设），是指这样的（样本）结果不是偶然得到的，或者说，不是靠机遇能够得到的。显著性的意义在于“非偶然的练习题3．解（1）第一类错误是，供应商提供的炸土豆片的平均重量不低于60克，但店方拒收并投诉。 （2）第二类错误是，供应商提供的炸土豆片的平均重量低于60克，但店方没有拒收。 （3）顾客会认为第二类错误很严重，而供应商会将第一类错误看得较严重。4．解：提出假设 已知 检验统计量为拒绝规则是：若，拒绝；否则，不拒绝由得：，拒绝，认为改进工艺能提高其平均强度。5解： 设为如今每个家庭每天收看电视的平均时间（小时）需检验的假设为：调查的样本为：大样本下检验统计量为：在0.01的显著性水平下，右侧检验的临界值为因为，拒绝，可认为如今每个家庭每天收看电视的平均时间增加了6. 解：提出假设 已知： 检验统计量 拒绝，可判定电视使用寿命的方差显著大于VCR7. 解：提出假设： ，独立大样本，则检验统计量为： 而2.33 因为，拒绝，平均装配时间之差不等于5分钟8. 解：匹配小样本 提出假设： 由计算得：，检验统计量为，不拒绝，不能认为广告提高了潜在购买力的平均得分。9. 解：提出假设： 已知： 大样本，则检验统计量为：而，因为，拒绝，可认为信息追求者消极度假的比率显著小于非信息追求者。10. 解：提出假设： 由题计算得： 检验统计量为：，而 ，所以拒绝，认为两种机器的方差存在显著差异。相关与回归分析思考题相关分析与回归分析的区别与联系是什么？答：相关与回归分析是研究变量之间不确定性统计关系的重要方法，相关分析主要是判断两个或两个以上变量之间是否存在相关关系，并分析变量间相关关系的形态和程度。回归分析主要是对存在相关关系的现象间数量变化的规律性作出测度。但它们在研究目的和对变量的处理上有明显区别。它们均是统计方法，不能揭示现象之间的本质关系。3.什么是总体回归函数和样本回归函数？它们之间的区别是什么？答：以简单线性回归模型为例，总体回归函数是总体因变量的条件期望表现为自变量的函数：，或。总体回归函数是确定的和未知的，是回归分析所估计的对象。样本回归函数是根据样本数据所估计出的因变量与自变量之间的函数关系：或。回归分析的目的是用样本回归函数来估计总体回归函数。它们的区别在于，总体回归函数是未知但是确定的，而样本回归函数是随样本波动而变化；总体回归函数的参数是确定的，而样本回归函数的系数是随机变量；总体回归函数中的误差项不可观察的，而样本回归函数中的残差项是可以观察的。4. 什么是随机误差项和残差？它们之间的区别是什么？答：随机误差项表示自变量之外其他变量的对因变量产生的影响，是不可观察的，通常要对其给出一定的假设。残差项指因变量实际观察值与样本回归函数计算的估计值之间的偏差，是可以观测的。它们的区别在于，反映的含义是不同且可观察性也不同，它们的联系可有下式:5.为什么在对参数进行最小二乘估计时，要对模型提出一些基本的假定？答:最小二乘法只是寻找估计量的一种方法，其寻找到的估计量是否具有良好的性质则依赖模型的一些基本的假定。只有在一系列的经典假定下，最小二乘估计量才是BLUE。15. ．为什么在多元回归中要对可决系数进行修正？答：在样本容量一定下，随着模型中自变量个数的增加，可决系数会随之增加，模型的拟合程度上升，但自由度会损失，从而降低推断的精度，因此需要用自由度来修正可决系数，用修正的可决系数来判断增加自变量的合适性。16．在多元线性回归中，对参数作了t检验后为什么还要作方差分析和F检验？答：t检验仅是对单个系数的显著性进行检验，由于自变量之间存在着较为复杂的关系，因此有必要对回归系数进行整体检验，方差分析和F检验就是对回归方程的整体统计显著性进行的检验方法。练习题解：设简单线性回归方程为：采用OLS估计：回归系数经济意义：销售收入每增加1万元，销售成本会增加0.786万元。可决系数为：回归标准误：检验统计量为：所以是显著不为零预测：95%的预测区间为：即（ 664.579 ，674.153）2.（1）（2）负相关关系（3）（4）估计的斜率系数为－7.0414，表示航班的正点率每提高1％，百万名乘客的投诉次数会下降：7.0414*0.01=0.070414次。（5）如果，则次3.Results of multiple regression for y Summary measures Multiple R 0.9521 R-Square 0.9065 Adj R-Square 0.8910 StErr of Est 3.3313 ANOVA Table Source df SS MS F p-value Explained 3 1937.7485 645.9162 58.2048 0.0000 Unexplained 18 199.7515 11.0973 Regression coefficients Coefficient Std Err t-value p-value Lower limit Upper limit Constant 32.9931 3.1386 10.5121 0.0000 26.3991 39.5870 x1 0.0716 0.0148 4.8539 0.0001 0.0406 0.1026 x2 16.8727 3.9956 4.2228 0.0005 8.4782 25.2671 x3 17.9042 4.8869 3.6637 0.0018 7.6372 28.17114.5.7. 解（1）样本容量：（2）（3）(4)，(5)用F检验：，整体对有显著影响，但不能确定单个对y的贡献。

一个物体的质量和长度是具有固定数值的，只要量具和测量仪器质量可靠、环境条件不变、工作仔细、多次重复测量，总可以测得相同的数值。放射性测量就完全不同了。不管测量仪器多么稳定精确，环境条件控制极好，工作非常细心，每次测量仍然得不到完全相同的结果，甚至相差很大。因为一个放射性源含有很多不稳定的原子核，每个原子核只有衰变时才放出射线（可能被探测器接收），每个核衰变是完全独立的，完全不与其他核衰变相关。哪个核先衰变，哪个核后，没有任何规定的顺序，纯属随机。每个单位时间的核衰变数，不可能完全相同。一次对弱放射源进行测量，每秒一次，共取100次计数，分别统计列于表4-8-1。表4-8-1 每秒计数率（n）和出现次数测量总次数∑p（n）=100；总计数∑np（n）=350；核辐射场与放射性勘查由表4-8-1可见，经过无限多次测量得到的平均值m（即期望值）才是最准确的。每次计数从0到10都有，可能与平均值m相差很大，这是核衰变引起的。最接近m=3.5的3和4出现次数最多；与3.5相差越大的计数，出现的次数越少。把每个数出现次数p（n）用总次数除就得到p（n）/∑p（n）=P（n），称为计数n出现的几率。再用P（n）与n作成曲线图，如图4-8-1所示。表明每次计数n虽然相差有时很大，但他们的出现是有规律的。图4-8-1 泊松分布与被测曲线（取m=3.5）平均计数m实质是表示单位时间内平均衰变的原子核数。假定N为未衰变原子核数，如果是长寿命的放射性核素，则认为n＜＜N；且N在测定时间内（不长）没有什么变化。那么在单位时间内一个原子核衰变的几率为m/N，不衰变的几率为（1-m/N）。如果在N个原子核中有n个原子核衰变，则衰变几率P（n）应当与（m/N）n·（1-m/N）N-n成正比。可以写为核辐射场与放射性勘查式中：A为比例系数，为N个核中有n个衰变，有（N-n）个不衰变的组合数。又由于n＜＜N，可取近似值，得核辐射场与放射性勘查式（4-8-1）中（1-m/N）N-n近似取为（1-m/N）N；并按二项式定理展开，取近似得核辐射场与放射性勘查将（4-8-2）和（4-8-3）式代入（4-8-1）式得泊松公式核辐射场与放射性勘查取m=3.5可得泊松理论分布曲线（如图4-8-1（实线）所示），与多点测结果非常一致。表明放射性核衰变，单位时间的衰变数并不相同，但服从泊松分布规律。泊松分布只有一个特征参数m。随着数值增大，分布曲线趋向正态分布；当m较大（m＞20）时，则泊松分布近似于高斯分布。高斯分布的表达式为核辐射场与放射性勘查式中：σ=为均方根误差。以上讨论的是放射性核素衰变的统计分布规律。在单位时间计数较低（m＜20）时，统计分布规律用泊松公式计算。计数较大时（m＞20），用高斯公式计算。实际上放射性核素衰变，常见到的是m＞20情况，所以常用的是高斯分布。高斯分布曲线是对称于n=m轴线的正态分布曲线（图4-8-2）。（4-8-5）式中n并不限于整数，可以是连续取值，即P（n）是n的连续函数。因此，在（4-8-5）式两边乘以dn可得核辐射场与放射性勘查图4-8-2 高斯分布各区间表示的概率根据高斯分布以n=m为轴对称特点，可以计算测量值在m-uσ到m+uσ区间内所有计数的出现几率，用P（m±uσ）表示。即计算高斯分布函数（4-8-6），在m±uσ区间内的积分面积P（m±uσ）。核辐射场与放射性勘查式中u=（m-n）/σ为平均值偏差与均方根差之比。u=0 时，P（m）=为最大几率，积分值可以在积分表里查得。对于u和p（m±uσ）的关系，几个常用值列于表4-8-2，对应的高斯分布曲线面积示于图4-8-2。由表4-8-2可见，当u=时，p（m+uσ）值为0.683。也就是说，测量值n出现在m+σ到 m-σ范围的几率为68.3%，称为标准误差；又因为 σ2 =m，σ=，计算非常方便，常用来表示由核衰变引起的误差，表示测量值的数学精确度。表4-8-2 常见几种误差对应的几率

#include <iostream>#include <map>#include <string>#include <iterator>using namespace std;main(){ string str; map<string,int> m; do { cin>>str; pair<map<string,int>::iterator,bool> ret=m.insert(make_pair(str,1)); if (!ret.second) { ++ret.first->second; } } while (str[0]!="$"||str.size()!=1); map<string,int>::iterator mi=m.begin(),mimax; int fre=0; while (mi!=m.end()) { if (mi->first!="$") { if (mi->second>fre) { fre=mi->second; mimax=mi; } } mi++; } cout<<"频率最高的单词为"<<mimax->first<<"频率为"<<mimax->second;}

国家政府控制市场。计划在市场调节中起决定性作用。

Descriptive Statistics(描述统计学) Inferential Statistics（推断统计学） Qualitative Variable(Attribute Variable)定量变量（属性变量） Quantitative Variable（定性变量） discrete variable（离散变量） continuous variable 连续变量 Nominal Level 类别水平 Ordinal Level 顺序水平 Interval Level 等距水平 Ratio Level 等比水平

A abscissa横坐标 absence rate缺勤率 absolute number绝对数 absolute value绝对值 accident error偶然误差 accumulated frequency累积频数 alternative hypothesis备择假设 analysis of data分析资料 analysis of variance(ANOVA)方差分析 arith-log paper算术对数纸 arithmetic mean算术均数 assumed mean假定均数 arithmetic weighted mean加权算术均数 asymmetry coefficient偏度系数 average平均数 average deviation平均差 B bar chart直条图、条图 bias偏性 binomial distribution二项分布 biometrics生物统计学 bivariate normal population双变量正态总体 C cartogram统计图 case fatality rate(or case mortality)病死率 census普查 chi-sguare(X2) test卡方检验 central tendency集中趋势 class interval组距 classification分组、分类 cluster sampling整群抽样 coefficient of correlation相关系数 coefficient of regression回归系数 coefficient of variability(or coefficieut of variation)变异 系数 collection of data收集资料 column列（栏） combinative table组合表 combined standard deviation合并标准差 combined variance(or poolled variance)合并方差 complete survey全面调查 completely correlation完全相关 completely random design完全随机设计 confidence interval可信区间，置信区间 confidence level可信水平，置信水平 confidence limit可信限，置信限 constituent ratio构成比，结构相对数 continuity连续性 control对照 control group对照组 coordinate坐标 correction for continuity连续性校正 correction for grouping归组校正 correction number校正数 correction value校正值 correlation相关，联系 correlation analysis相关分析 correlation coefficient相关系数 critical value临界值 cumulative frequency累积频率 D data资料 degree of confidence可信度，置信度 degree of dispersion离散程度 degree of freedom自由度 degree of variation变异度 dependent variable应变量 design of experiment实验设计 deviation from the mean离均差 diagnose accordance rate诊断符合率 difference with significance差别不显著 difference with significance差别显著 discrete variable离散变量 dispersion tendency离中趋势 distribution分布、分配 E effective rate有效率 eigenvalue特征值 enumeration data计数资料 equation of linear regression线性回归方程 error误差 error of replication重复误差 error of type IIⅡ型错误，第二类误差 error of type IⅠ型错误，第一类误差 estimate value估计值 event事件 experiment design实验设计 experiment error实验误差 experimental group实验组 extreme value极值 F fatality rate病死率 field survey现场调查 fourfold table四格表 freguency频数 freguency distribution频数分布 G Gaussian curve高斯曲线 geometric mean几何均数 grouped data分组资料 H histogram直方图 homogeneity of variance方差齐性 homogeneity test of variances方差齐性检验 hypothesis test假设检验 hypothetical universe假设总体 I incidence rate发病率 incomplete survey非全面调检 indepindent variable自变量 indivedual difference个体差异 infection rate感染率 inferior limit下限 initial data原始数据 inspection of data检查资料 intercept截距 interpolation method内插法 interval estimation区间估计 inverse correlation负相关 K kurtosis coefficient峰度系数 L latin sguare design拉丁方设计 least significant difference最小显著差数 least square method最小平方法，最小乘法 leptokurtic distribution尖峭态分布 leptokurtosis峰态，峭度 linear chart线图 linear correlation直线相关 linear regression直线回归 linear regression eguation直线回归方程 link relative环比 logarithmic normal distribution对数正态分布 logarithmic scale对数尺度 lognormal distribution对数正态分布 lower limit下限 M matched pair design配对设计 mathematical statistics数理统计（学） maximum value极大值 mean均值 mean of population总体均数 mean square均方 mean variance均方，方差 measurement data讲量资料 median中位数 medical statistics医学统计学 mesokurtosis正态峰 method of least squares最小平方法，最小乘法 method of grouping分组法 method of percentiles百分位数法 mid-value of class组中值 minimum value极小值 mode众数 moment动差，矩 morbidity患病率 mortality死亡率 N natality出生率 natural logarithm自然对数 negative correlation负相关 negative skewness负偏志 no correlation无相关 non-linear correlation非线性相关 non-parametric statistics非参数统计 normal curve正态曲线 normal deviate正态离差 normal distribution正态分布 normal population正态总体 normal probability curve正态概率曲线 normal range正常范围 normal value正常值 normal kurtosis正态峰 normality test正态性检验 nosometry患病率 null hypothesis无效假设，检验假设 O observed unit观察单位 observed value观察值 one-sided test单测检验 one-tailed test单尾检验 order statistic顺序统计量 ordinal number秩号 ordinate纵坐标 P pairing data配对资料 parameter参数 percent百分率 percentage百分数，百分率 percentage bar chart百分条图 percentile百分位数 pie diagram园图 placebo安慰剂 planning of survey调查计划 point estimation点估计 population总体，人口 population mean总体均数 population rate总体率 population variance总体方差 positive correlation正相关 positive skewness正偏态 power of a test把握度，检验效能 prevalence rate患病率 probability概率，机率 probability error偶然误差 proportion比，比率 prospective study前瞻研究 prospective survey前瞻调查 public health statistics卫生统计学 Q quality eontrol质量控制 quartile四分位数 R random随机 random digits随机数字 random error随机误差 random numbers table随机数目表 random sample随机样本 random sampling随机抽样 random variable随机变量 randomization随机化 randomized blocks随机区组,随机单位组 randomized blocks analysis of variance随机单位组方差分析 randomized blocks design随机单位组设计 randomness随机性 range极差、全距 range of normal values正常值范围 rank秩,秩次,等级 rank correlation等级相关 rank correlation coefficent等级相关系数 rank-sum test秩和检验 rank test秩(和)检验 ranked data等级资料 rate率 ratio比 recovery rate治愈率 registration登记 regression回归 regression analysis回归分析 regression coefficient回归系数 regression eguation回归方程 relative number相对数 relative ratio比较相对数 relative ratio with fixed base定基比 remainder error剩余误差 replication重复 retrospective survey回顾调查 Ridit analysis参照单位分析 Ridit value参照单位值 S sample样本 sample average样本均数 sample size样本含量 sampling抽样 sampling error抽样误差 sampling statistics样本统计量 sampling survay抽样调查 scaller diagram散点图 schedule of survey调查表 semi-logarithmic chart半对数线图 semi-measursement data半计量资料 semi-guartile range四分位数间距 sensitivity灵敏度 sex ratio性比例 sign test符号检验 significance显著性,意义 significance level显著性水平 significance test显著性检验 significant difference差别显著 simple random sampling单纯随机抽样 simple table简单表 size of sample样本含量 skewness偏态 slope斜率 sorting data整理资料 sorting table整理表 sources of variation变异来源 square deviation方差 standard deviation(SD)标准差 standard error (SE)标准误 standard error of estimate标准估计误差 standard error of the mean均数的标准误 standardization标准化 standardized rate标化率 standardized normal distribution标准正态分布 statistic统计量 statistics统计学 statistical induction统计图 statistical inference统计归纳 statistical map统计推断 statistical method统计地图 statistical survey统计方法 statistical table统计调查 statistical test统计表 statistical treatment统计检验 stratified sampling统计处理 stochastic variable分层抽样 sum of cross products of随机变量 deviation from mean离均差积和 sum of ranks秩和 sum of sguares of deviation from mean离均差平方和 superior limit上限 survival rate生存率 symmetry对称(性) systematic error系统误差 systematic sampling机械抽样 T t-distributiont分布 t-testt检验 tabulation method划记法 test of normality正态性检验 test of one-sided单侧检验 test of one-tailed单尾检验 test of significance显著性检验 test of two-sided双侧检验 test of two-tailed双尾检验 theoretical frequency理论频数 theoretical number理论数 treatment处理 treatment factor处理因素 treatment of date数据处理 two-factor analysis of variance双因素方差分析 two-sided test双侧检验 two-tailed test双尾检验 type I error第一类误差 type II error第二类误差 typical survey典型调查 U u testu检验 universe总体,全域 ungrouped data未分组资料 upper limit上限 V variable变量 variance方差,均方 variance analysis方差分析 variance ratio方差比 variate变量 variation coefficient变异系数 velocity of development发展速度 velocity of increase增长速度 W weight权数 weighted mean加权均数 Z zero correlation零相关

Probability Statistics 概率统计

盈利方面可以找这个老师交流 q 790-7359-42.很多方面都很丰富玩得很好 我也是他带我上岸的

花几天时间，整体复习了一遍统计学，准确的来说是从第一页开始较为仔细的阅读了一遍《统计学》这本教科书。随后统计为我打开了另一扇窗，让我得以从不同的视角重新思考这门让我痛苦了一个学期的课程。至此统计学不再仅仅是一些无数抽象公式的代名词，而是一门理论联系实际，工作活动中不可或缺的一门重要科学。《总论》和《统计数据》的内容比较简单，引出概念，复习以往学习过的知识。就在我们放松警惕，大呼统计学一点也不难的时候，《抽样估计》彻底震住了自鸣得意的我们。理论上来说《假设检验与方差分析》的内容要难于《抽样估计》。但是个人觉得《抽样估计》的行文并不像《假设检验》那么好理解。《统计学》这本书喜欢先向学生介绍很多概念和公式，再将公式引用到例子中来解决问题。然而在介绍公式的同时，学生往往不了解这些公式真正的意义和使用方法，单纯的死记硬背效率颇低。拿《抽样估计》来说，计算抽样平均误差的公式之多，方法之众，让同学们的脑袋混沌了好久。大家私下交流，混沌的原因在于不知道这些公式的来龙去脉，只将条件带入相应的公式计算答案的方法是以前没有经历过的，需要一段时间的适应过程。《假设检验与方差分析》开篇给同学举了两个例子来阐明假设检验的基本思想。个人认为，这两个例子是点睛之笔。在学习的开头就让学生了解到第五章的基本内容，以及假设检验在实际应用中的意义。就像写小说先抛出一个悬念吸引读者读下去。阅读两个例子后我会不禁思考，如果实际中遇到类似的问题，有什么方法可以避免犯“弃真”或者“采伪”的错误。带着疑问去学习，才是真正的自主学习的过程。《相关与回归分析》同样吸引人。因为之前我片面的认为相关关系没有确切的规律可循，更不容说计算出事物的内在联系了。然而科学证明，不但相关系数可以计算出来，回归方程也可以用来做分析预测。我想起了一句话：任何学科脱离了统计都将不是科学。只有统计能仅凭现象就能分析归纳出事务的内在联系，给我们呈现出一个更明朗的世界。《时间序列分析》在我看来是和我的专业---会计联系最紧密的学科。运用所学到的知识可以分析出公司销售额的各种增长情况，公司的销售额有什么样的季节变化规律，还能建立一个模型对未来的财务情况做出预测。《统计指数与综合评价》中“综合法指数”的计算用到了《微积分》的相应知识。在《微积分》中不知所云的内容却可以通过统计学的学习恍然谈大悟。多亏了老师深入浅出的讲解，让我在短短一个学期里既巩固了旧知识又学到了许多有用的新知识。

在统计学中，通常使用假设检验来判断统计量是否显著。假设检验的基本思想是，假设一个原始假设（通常是零假设），然后计算一个统计量，该统计量的值越大，越不可能是由于随机误差导致的。然后，根据统计量的值和样本大小，计算出一个p值，p值表示在零假设成立的情况下，观察到当前统计量或更极端的统计量的概率。如果p值小于预先设定的显著性水平（通常是0.05），则拒绝零假设，认为统计量显著；否则，接受零假设，认为统计量不显著。因此，统计量显著与否取决于p值是否小于显著性水平。

假设检验的基本思想是小概率反证法思想。小概率思想是指小概率事件(P<0.01或P<0.05)在一次试验中基本上不会发生。反证法思想是先提出假设(检验假设H0)，再用适当的统计方法确定假设成立的可能性大小，如可能性小，则认为假设不成立，若可能性大，则还不能认为不假设成立。

　　体育统计学是运用数理统计的原理和方法对体育领域里各种随机现象规律性进行研究的一门基础应用学科。下文是我为大家整理的关于体育统计学论文的范文，欢迎大家阅读参考! 　　体育统计学论文篇1 　　对《体育统计学》教学的思考 　　摘 要 《体育统计学》属于基础应用学科，在很多体育院校中开设，此课程的学习有助于提高学生用科学方法研究、解释体育领域中各种问题的能力。但很多学生对《体育统计学》学习目的不明确，学习方法不熟悉，甚至对此课程的开设必要性存在一定偏见。体育运动的发展、创新离不开《体育统计学》的理论支撑，所以有必要对其教学方法、方式进行研究。本文通过调查发现了学习中存在的问题，并提出了相对应的学习建议。 　　关键词 体育统计学 教学 　　一、引言 　　体育统计是运用数理统计的原理和方法对体育领域里各种随机现象规律性进行研究的一门基础应用学科。随着体育科学的发展，体育领域中许多问题都需要运用统计学原理、方法来解决。体育系的大学生学习《体育统计学》有助于提高他们科学地研究或解释体育领域中的各种问题。但大学生参加科研活动的机会较少，运用统计知识的实践机会也很少，造成他们对《体育统计学》的学习目的不明确，且存在一定的偏见。所以，有必要对《体育统计学》的教学方法、方式进行思考与研究，以提高体育系大学生学习《体育统计学》的积极性。 　　二、研究方法 　　(一)研究对象 　　山西体育职业学院09级的全体学生，共6个班级，237人。 　　(二)研究方法 　　运用简单随机抽样法中的随机数表法随机在每个班抽取10名学生，共60名学生进行座谈，并做好访谈记录。访谈内容包括对体育统计学的学习目的及意义、学习方法、学习中存在的问题及对教学的建议等。 　　三、大学生学习《体育统计学》的现状及存在的问题 　　(一)大学生对《体育统计学》课程开设的误解 　　经访谈发现山西体育职业学院没有学生认为开设《体育统计学》课程非常必要，仅18%的学生认为开设此课程很有必要，82%的学生认为该课程的开设是没有必要的，认为上体育统计学课就像是在上数学课，学习计算一些统计指标，计算步骤及过程，觉得在今后的学习、工作中运用不到。 　　(二)大学生在学习《体育统计学》过程中存在的问题 　　虽然在教学过程中一直强调《体育统计学》是应用性学科，属方法论范畴，重点是掌握方法，但经过与学生访谈后，发现学生在这门课程学习中存在的主要问题是：偏重教科书中列举的各个指标的计算过程和统计推断的计算步骤，也仅限学习书中的例题，不会灵活运用到其他类同的实际教学、训练及科研问题中。学体育的学生数学基础比较薄弱，导致学习兴趣低落。 　　(三)大学生对《体育统计学》教材的看法 　　《体育统计学》课程在体育院校开设已有二十几年，体育统计教材多达几十本，但适合于教学的却较少。经访谈后，学生认为教材中的例题比较空，且与实际相差较远;还认为教材中统计理论知识较多，介绍的多是统计方法的推导、计算与步骤，太抽象，不是很符合体育院校学生掌握知识的特点。 　　四、对大学生学习《体育统计学》的建议 　　(一)摆正学习态度，明确学习目的 　　学生不管学什么课程首先要摆正学习态度、明确学习目的，学校开设《体育统计学》课程的目的是为了使学生能够领会体育统计的基本思想、概念、基本思路，并能把体育领域中存在的实际问题，运用科学合理的统计思想及方法进行定量解决，并为将来毕业论文设计或从事体育科研工作打下坚实的基础。 　　(二)熟悉常见的基本概念及其统计学意义 　　体育统计中常见的基本概念有正态分布、平均数、方差、标准差、标准误、误差、相关系数等，学生在学习过程中应该重点掌握这些基本概念及统计指标的统计学意义，而不是去弄清每一个指标的计算步骤，计算过程能看明白即可不需要记忆。 　　(三)掌握假设检验的基本思想 　　假设检验的基本思想：统计假设有两个类型H0和HA。在具体的研究工作中，样本统计量之间或样本统计量与总体参数之间一般是存在偏差的，这种偏差存在的原因有两种：抽样误差和非抽样误差。 　　(四)熟知常用假设检验方法的适用条件 　　体育统计学中常见的假设检验方法有t检验、方差分析、卡方检验、正态性检验、相关分析、回归分析等，不同的检验方法适用的条件是不同的，在进行数据统计的过程中必须严格按照适用条件选择正确的统计推断方法。 　　(五)熟练掌握SPSS软件处理数据的过程 　　1.在SPSS软件中的数据输入与编辑 　　SPSS软件是以数据为操作对象，按统计方法要求整理数据格式，是使用SPSS进行统计分析前首先要进行的工作。数据的输入格式要严格按照相对应的统计方法要求进行编辑，不同的统计方法数据的录入格式不同，如果数据录入错误，就不能进行统计分析，甚至统计出错误的结果。 　　2.在SPSS软件中的统计方法选择及处理步骤 　　在SPSS软件中提供了很多统计方法，大部分的统计方法在数据编辑窗“Analyze”的下拉菜单中。在保证数据录入正确的前提下，根据自己研究需要选择合适的统计方法，在打开的窗口中导入相对应变量，并在复选框中选择想要的统计指标，再点击 “ok”，即可得到统计分析结果。 　　3.正确解释SPSS软件处理数据的结果 　　对于统计结果的分析，首先要按照假设检验思想进行分析，用小概率水平来控制，其次要联系实际问题进行分析，从统计结果去估计发生某种体育事件的原因，进而来反映实验或调查的科学性、实践性、合理性，并根据研究结果的实用性投入实践。 　　参考文献： 　　[1] 孙芝娟.正确选用体育统计方法的若干思考[J].体育成人教育学刊.2006.22(2)：49-50. 　　[2] 陈红梅.SPSS在体育统计实践教学中的应用[J].体育百科，2005(2)：54. 　　[3] 李健.从体育统计误用透视高校体育统计教育[J].体育科技.2009.30(1)：79-81. 　　体育统计学论文篇2 　　《体育统计学》课程改革学生需求的调查研究 　　摘 要: 对体育统计课程改革学生的需求进行了调查,运用SPSS、Excel等软件对调查数据 进行了统计分析,挖掘了当前学生在《体育统计学》课程目标、教材、教法、评价等方面的 需要,并根据需要提出了该课程改革的建议,对《体育统计学》课程改革和改善教学质量具 有重要的参考意义。 　　关键词:体育统计学;课程改革;学生需求 　　随着体育事业的迅猛发展,群众体育、竞技体育及学校体育等的研究正逐步趋向于定量化、 科学化,这就要求每一位体育工作者必须掌握定量化、科学化的研究方法。作为体育院系各 专业的基础必修课《体育统计学》课程肩负着该项重任之一,因此,改革体育统计课程体系 、结构、内容就历史地被提到议事日程上来了。总结起来,以往的对体育统计课程教学的研 究主要集中在两方面,一方面是对教学形式与手段提出了进行多媒体教学实验改革[1～4];另一方面是对体育统计课程进行计算机辅助教学改革[5～9],其中有的 提出了运用EXCEL软件辅助,有的提出了利用SPSS软件辅助,到底怎么改才是社会和学生所 接受的?根据课程改革的三维理论[10],课程改革必须顺应时代的发展、学科的发 展和学生 的发展需要。本研究就体育统计学课程改革学生的需要进行了调查研究,力求将目前该学科 学生的需求客观、全面、准确地反映出来,为体育统计课程的改革提供实证性的参考建议。 　　1 研究对象与方法 　　1.1 研究对象 高校体育院系学生中学过《体育统计学》课 程的学生262人。 　　1.2 研究方法 　　1.2.1 问卷调查法 根据R.W.泰勒的课程理论[11]课程 问题应包含教材内容、课程目标、教 学要求、评价方案等四个维度,问卷按以上四个维度来设计,共15题。发放问卷300张,回 收率为87.4%,有效率为100%。利用SPSS对问卷量表进行信度与效度的检验,Cronbach-u03b1系 数为0.83,各维度信度在0.84～0.76之间,KMO为0.74,主因子总变异为0.78,因子载荷为0. 73,说明问卷量表信度较高,效度好。 　　1.2.2 数理统计方法 问卷数据用SPSS13.0统计软件与Excel进行 分析处理。 　　2 结果与分析 　　2.1 课程目标我们查阅了相关学校的《体育统计学》教学大纲[12～14],将体育统计课程目标归 纳为 6个分维度:1) 培养学生的统计思想;2) 培养学生的计算机统计能力;3) 培养学生的统计 知识与方法;4) 培养学生的分析和推断能力;5) 培养学生掌握资料收集的方法;6) 培养 学生的科学研究能力。学生按认同的重要程度打分,最重要的为10分,最次要的为1分。学 生对这六个分维度的认同情况如表1所示。 　　从表1可以看出,“培养学生的计算机统计能力”平均分最高为7.13分,这说明从一个侧面 反映了学生要求用现代的计算工具处理数值运算的愿望;“培养学生的研究能力”平均分最 低为5.61分,说明在所有目标中,他们对这方面的能力培养要求放在其次,且标准差最大, 说明学生对其看法分歧较大;其中占百分比最高、分值也相对较高(8分)的是“培养学生 资料收集的能力”为28.0%,说明大部分学生渴求对统计资料收集方法的学习;从表1还可以 发现,选择6、7、8、9分值的人数相对较多,说明学生对各培养目标认同度都很高。 　　2.2 教材方面学生对《体育统计学》教材[15]重点章节的认同率见表2,“资料的收集和整理” 认同率为3 3.33%;推断统计在首选中占16.48% ,次选占27.97%;样本特征数认同率为25.83%;说明这 三个章节是体育统计学的最基本的内容,也是体育工作者在实践中应用最多的内容,特别是 “资料的收集与整理”,是学生最常用的统计方法。 　　教材难度:对于现在所学的高等教育出版社出版的《体育统计学》教材,学生反映见图1:“ 难”的占23.8%,“一般”的占54.4%,“容易”的占21.8%,说明我们目前采用的教材难度 适中。在计算机辅助统计运算见图2:认为 “必要”采用计算机辅助统计运算的有 157人, 占总数的60.2%,没必要的有 18人,占总数的6.9%,说明绝大多数学生认同计算机辅助体育 统计教学。在采用何种辅助方面见图3:选择“计算机语言辅助”的有 93人,占总数的35.5% ,选择“具有统计功能的计算机软件”的有142人,占总数的54.2%;软件辅助选择情况见图 4,认为该用“Excel” 的有138人,占总数的52.9%,选用“SPSS软件”的有92人,占总数 的35.2%,说明学习者选择Excel软件辅助较SPSS软件辅助的多,用Excel软件辅助体育统计 运算的内容是最受学生欢迎的。 　　2.3 教学方面开课时间见图5:选择在“实习前”的有103人,占总数的37.7%;选“大一”的有57人,占总 数的20.9%,说明学生对该学科的作用有强烈的用于实践的愿望,希望在实习之前和学习精 力、时间都充沛的大二开设,其原因是学生希望在实习中应用和收集素材,为以后的教学训练和毕业论文的研究打下基础;教学方法见 图6:选择“多媒体理论和事例教学相结合”方式的有73人,占总数的26.7%;选择“理论与 计算机实验结合”的有165人,占总数的60.4%,说明学生喜欢采用“理论与计算机实验结合 ”的教学方法上课的形式,愿意自己动手掌握计算机统计操作技术,希望能够亲自参与实践 研究,体验研究过程与方法,纯理论的教学是学生最不喜欢的教学方式。课时数见图7:有3 7.4%的人选择“54学时”;有27.8%的人选择“36学时”;有19.4%的人选择“18学时”;有 11.0%选择“72学时”。实验教学见图8:有139人占总数的50.9%选择有“必要”采用实验教 学来培养学生利用计算机统计分析数值的能力。 　　2.4 评价评价方式见图9:选择过程性评价的有98人,占总数的35.9%;选择终结性评价有39人,占 总数的14.3%;选择两者的结合的有117人,占总数的42.9%,说明学生喜欢多元化的考核方 式和评价方式的结合;考核方式见图10:选择“课程论文”形式的有88人,占总数的32.2 %;选择“开卷考试”的有53人,占总数的26.7%;选择“闭卷考试”的有25人,占总数的9. 2%;选择“平时成绩”的有50人,占总数的19.4%;选择“均有”的有22人,占总数的8.1% ;说明学生愿意接受多种考核形式,很认同“课程论文”的形式,较受欢迎的考查方式是“ 开卷考试”与平时成绩。 　　3 讨 论 　　本研究发现学生强烈地要求通过体育统计课程的学习能使他们的“计算机统计能力”、“收 集资料的能力”、“分析和推断能力”、“科学研究能力”等方面有所提高。 　　根据统计学定 义“把研究数据的搜集、整理与分析方法的学问叫统计学”[16],因此在课程体系 上应该遵 循“研究设计u2192描述性统计u2192推断统计u2192统计报告”才是体育统计课程完整的体系,这样的 体系才能满足学习者的需求,才能达到他们的愿望和目的。“研究数据收集”的学问由“研 究设计”模块完成,它包括“根据研究的目的怎样明确统计总体、研究的内容与指标、研究 的形式与方法、样本数量的选择与确定、收集数据的方法” 等;“统计报告”是将收集和 统计分析的数据用统计学的方式表达出来,是学生学习体育统计课程获得的知识和能力的综 合体现,是我们《体育统计学》课程教育的最终目标。 　　而现在的体育统计学课程内容主要是 “描述性统计u2192推断统计”,强调“数据的整理与统计分析方法的原理”,对数据的整理与 统计分析方法可操作性的能力培养不够;对怎样在实际问题中对“数据的搜集”学生学习的 知识和方法不够;对统计分析的数据处理结果怎样来表达培养不够。因此导致体育统计与实 践问题脱节,使学生在学习过程中无法体验到运用体育统计知识解决问题的操作性过程,更 无法证明体育统计课程在体育教育与训练中的价值,而往往是在他们读研或在以后的工作中 才发现体育统计课程原来那么有用,为什么会造成这样的局面?本人认为这与现在的体 育统计学课程体系缺失不无关系。这与其他学者的研究“体育统计学作为一门新兴学科,仍 未形 成严密的科学体系,特别是在应用体系方面更加欠缺”[17]一致。所以完善体育统 计学课程体系,培养学生将来适应时代发展需要的能力,是体育统计课程的最终培养目标。 　　教材是教学内容的有形载体,是实施教学活动的依据,也是落实课程计划和实现课程目标的 重要工具,同时也是学生学习的重要工具[18]。学生希望教材中增加计算机软件辅 助运算的 部分,特别是Excel软件的应用;由于Excel是Office的套件之一,任何个人和单位电脑上都 有安装,在课外也容易使用,非常普及,这些方法在以后的工作中可以学以致用; 　　另一方面 它是全中文版,较其它统计软件易学、易用、易得、易懂;所以学生喜欢Excel为统计工具 来辅助统计课程的学习,希望自己学习的知识能和社会实践联系起来。因此教材改革要顺应 时代变化,符合学生实际,在内容上以实用、够用为原则,选择学生需求的统计知识和统计 技能;在教材内容的表达形式上要符合体育学学生的学习特点,选择操作性强、联系学生的 生活、训练的学习内容,用生动活泼的形式表达出来,才是乐于他们接受的。 　　另外,学生喜 欢上机操作,希望通过上机亲自动手解决一些实际问题;其次学生喜欢以计算机为主体的多 媒体与事例组合教学模式,因此开设体育统计实验课是时代发展的需要,同时也是学生发展 的需要;因此体育统计教学需要将原来的纯理论教学模式向体育实际运用、实验型转变;在 教学方面需要改变重理论轻实践、重知识轻技能的局面,必须强化实践技能训练,充分利用 现代信息技术,来提高教学质量和效益,为学生的学习和发展提供丰富多彩的教学环境和有 力的学习工具; 　　在传授学生统计知识的过程中要注重培养学生对统计课程的思想、情感、态 度、价值观,使学生在获得知识与技能的同时形成正确的、科学的、实事求是的价值观。再 次,学生大都喜欢采用课程论文的形式;同时学生对开卷和多种评价方式的结合比较也认同 ;课程论文的形式对考察学生利用Internet网和图书馆等途径进行资料查询、提出问题、做 出解决的方案(如何抽样、如何进行统计整理、怎样分析、得到什么样的结论等等)、解决实 际问题、信息处理和分析的能力都十分有效,这与有的研究结果[19]相吻合;学生 最不喜欢的是闭卷考试,一方面统计学闭卷考试需要占用大量的时间来进行数据运算,而这些数据运 算是完全可以用现代的计算机软件代替的,另一方面闭卷考试不能考察出学生的统计学知识 与能力。 　　因此体育统计课程评价需要突出考察学生运用统计知识、统计方法解决实际问题的 能力,这就需要体育统计学课程评价利用多元化过程性评价与终结性评价结合的方式,目的 在于促进学生的发展,体现最新的教育观念和课程评价发展的趋势。 　　4 结 论 　　1) 在培养目标上学生需求完善体育统计课程体系以求科学素质全面发展。2) 在教材方面学生需求增加普及计算机辅助的教学内容,特别需要Excel辅助的计算机 统计方法。3) 在教学方面需求教学内容的直观与操作性强的理论与实验结合的教学模式。4) 在课程评价方面学生需求课程评价多元化,考出统计过程和实际操作能力的考核方式。 　　随着知识经济时代的到来,经济全球化、生活信息化、学习社会化的趋势越来越明显,体育 统计课程面临着新的挑战,时代需要教育培养的人才具有创新精神和实践能力。体育统计课 程在目标方面、学科体系、教学和评价方式等方面仍然需要改革创新,才能满足学生发展、 学科发展和社会发展的需要。 　　参考文献: 　　[1] 李健.《体育统计学》教学改革的初步研究与实践[J].体育科技,2004,2 5(2):65-69. 　　[2] 彭龙辉,肖文辉.体育统计多媒体教学探讨[J].北京体育大学学报,2000,23(1). 　　[3] 陈红梅,杨军,吴锐创.体育统计学运用多媒体教学实验研究[J].广州体育学院学 报,1998,18(4):115-119. 　　[4] 关北光,魏佐涛. 信息化与体育统计学科改革和发展方向[J].乐山师范学院学报, 2001,2:94-96. 　　[5] 李树屏.Excel辅助《体育统计》教学的设计与实践[J].四川体育科学,1999,88(4 ):13-15. 　　[6] 沈晓强,徐金尧.Excel统计函数的组合技术在体育统计中应用[J].浙江体育科学, 2004,26(4):108-111. 　　[7] 张必斌,敖运忠.Excel2000中的常用数据分析工具在体育统计上的应用[J].上饶师 范学院学报,2004,24(3). 　　[8] 赵万龙,宋翠翠.VB开发多功能体育统计软件的研究[J].北京体育大学学报,2000, 23(1):67-68. 　　[9] 覃朝玲.利用社会科学统计软件辅助“体育统计"教学的探索[J].西南师范大学学报 ,2005(1). 　　[10] 钟启泉,张华.世界课程改革趋势研究[M].北京:北京师范大学出版社,2001:268 -270. 　　[11] R.W.泰勒.课程与教学的基本原则[M]. 北京:高等教育出版社,1980:22. 　　[12] 体育统计学教学大纲[EB/OL].2008-6-12. 　　[13] 体育统计学教学大纲[EB/OL]. 　　[14] 体育统计课程教学大纲[EB/OL].2008-6-12. 　　[15] 丛湖平.体育统计(体育学院通用教材)[M].北京:高等教育出版社,1998. 　　[17] 覃朝玲.计算机统计技术[M].北京:现代教育出版社;2007:1. 　　[16] 魏登云.体育统计学科建设与发展的立足点—统计思想[J].西安体育学院学报,20 00,17(4):69-72. 　　[18] 高校传,杨宝山,刘明才.课程目标研究[M].北京:教育科学出版社,2001:98-9 9. 　　[19] 王美春.《体育统计学》课程建设若干问题的调查与分析[J].北京体育大学学报, 1999,22(4):76-78.

统计假设检验又称统计假设检验，是用来判断样本与样本、样本与总体的差异是由抽样误差引起还是本质差别造成的统计推断方法。显著性检验是假设检验中最常用的一种方法，也是一种最基本的统计推断形式，其基本原理是先对总体的特征做出某种假设，然后通过抽样研究的统计推理，对此假设应该被拒绝还是接受做出推断。常用的假设检验方法有Z检验、t检验、卡方检验、F检验等。假设检验的基本思想是小概率事件原理，其统计推断方法是带有某种概率性质的反证法。小概率思想是指小概率事件在一次试验中基本上不会发生。反证法思想是先提出检验假设，再用适当的统计方法，利用小概率原理，确定假设是否成立。即为了检验一个假设H0是否正确，首先假定该假设H0正确，然后根据样本对假设H0做出接受或拒绝的决策。如果样本观察值导致了小概率事件发生，就应拒绝假设H0，否则应接受假设H0。假设检验中所谓小概率事件，并非逻辑中的绝对矛盾，而是基于人们在实践中广泛采用的原则，即小概率事件在一次试验中是几乎不发生的，但概率小到什么程度才能算作小概率事件。假设检验注意的问题：1、作假设检验之前，应注意资料本身是否有可比性。2、当差别有统计学意义时应注意这样的差别在实际应用中有无意义。3、根据资料类型和特点选用正确的假设检验方法。4、根据专业及经验确定是选用单侧检验还是双侧检验。5、判断结论时不能绝对化，应注意无论接受或拒绝检验假设，都有判断错误的可能性。

统计假设检验，就是对一个命题进行检验。四步走：第一步，提出假设。第二下，计算统计量第三步，查表，得临界值。第四步，下结论：如果统计量落入接受域，就接受原假设。否则，拒绝的原假设。祝你成功，统计人刘得意

假设检验的基本思想是小概率反证法思想。小概率思想是指小概率事件(P<0.01或P<0.05)在一次试验中基本上不会发生。反证法思想是先提出假设(检验假设H0)，再用适当的统计方法确定假设成立的可能性大小，如可能性小，则认为假设不成立，若可能性大，则还不能认为不假设成立。

统计假设检验，就是对一个命题进行检验。四步走：第一步，提出假设。第二下，计算统计量第三步，查表，得临界值。第四步，下结论：如果统计量落入接受域，就接受原假设。否则，拒绝的原假设。祝你成功，统计人刘得意

方差分析与假设检验的区别：1、运用领域不同，假设检验是推论统计中用于检验统计假设的一种方法。方差分析用于两个及两个以上样本均数差别的显著性检验。2、基本思想不同。假设检验的基本思想是小概率反证法思想。方差分析的基本思想是通过分析研究不同来源的变异对总变异的贡献大小，从而确定可控因素对研究结果影响力的大小。方差分析技巧：方差分析用于定类数据（X）与定量数据（Y）之间的差异分析，例如研究三组学生（X）的智商平均值（Y）是否有显著差异。其中X的组别数量至少为2，也可以分析三个或三个以上组别的数据。在分析前首先需要按正确格式录入、上传才能得到有效的分析结果。

假设检验是除参数估计之外的另一类重要的统计推断问题。它的基本思想可以用小概率原理来解释。所谓小概率原理，就是认为小概率事件在一次试验中是几乎不可能发生的。也就是说，对总体的某个假设是真实的，那么不利于或不能支持这一假设的事件A在一次试验中是几乎不可能发一的；要是在一次试验中事件A竟然发生了，我们就有理由怀疑这一假设的真实性，拒绝这一假设。

这里有一张相关的ppt，希望有帮助。

假设检验(HypothesisTesting)是数理统计学中根据一定假设条件由样本推断总体的一种方法。假设检验的基本思想是小概率反证法思想。小概率思想是指小概率事件（P<0.01或P<0.05）在一次试验中基本上不会发生。

方法/步骤11首先，我们在获取拐点坐标的线条是闭合的复合线。如果没有闭合，使用命令“B”，选择线条，输入“C”进行闭合。2在cass菜单栏里点击“地籍”--“复合线转为权属线”命令请点击输入图片描述3选择复合线，然后在宗地基本属性对话框中，随便填写数字，点击确定。鼠标点击图框中，确定宗地号注记位置。（图中随便确定位置。）请点击输入图片描述4在cass菜单栏里点击“地籍”--“绘制地籍表格”--“界址点成果表（excel）”命令请点击输入图片描述5选择“手工选择宗地”输入“1”--“回车”。请点击输入图片描述6然后，选择复合线。回车请点击输入图片描述7最后生成的excel表格，如图。如果保存坐标，可以单独复制坐标数据进行保存。请点击输入图片描述END方法/步骤2在命令栏里输入“list”,回车选择复合线，回车。请点击输入图片描述2如图，然在复制坐标，在excel中进行编辑。或者使用UltraEdit工具进行编辑。

【答案】：C考查的是根据统计学的一般原理，确定同度量因素的一般原则是：质量指标指数应当与报告期的数量指标作为同度量因素，即使用派氏公式，计算公

　　综合指数是两个总量指标对比形成的指数，在总量指标中包含两个或两个以上的因素，将其中一个或一个以上的因素指标固定下来，仅考察其中一个因素的变动，这样编制出来的总指数指数就是综合指数。　　特点　　它编制特点是先综合后对比。　　方法　　首先，引入同度量因素，解决复杂总体在研究指标上不能直接综合的困难，使其可以计算出总体的综合总量；其次，将同度量因素固定，以消除同度量因素变动的影响；最后，将两个时期的总量对比，其结果即为综合指数，它综合地反映了复杂总体研究指标的变动。　　要点：一是引进同度量因素对复杂总体进行综合。二是将同度量因素固定，消除同度量因素变动的影响。　　所以根据不同的因素可以得到不同的综合指数结果，所以我们一般会看到数量指标综合指数和质量指标综合指数。但我们还可以采用其他一些编制综合指数的方法。其中，常用的方法有拉氏指数、派氏指数和费暄的“理想公式”的指数方法。