【精选】统计简答

1、第一章1、医学统计工作的步骤（1）设计；（2）搜集资料；来源：医学领域的统计资料主要来自三个方面，统 计报表，经常性工作记录，专题调查或专题实验；要求：统计学对原始资料的要 求是完整、准确、及时；贮存：注意资料的时效性、磁盘备份等。（3）整理资料: 检查核对准确性和完整性，设计分组，拟定整理表，归表。（4）分析资料统计分析包括统计描述和统计推断（参数估计，假设检验）。2、计量资料中，集中趋势和离散趋势分别包括集中趋势：算术均数、几何均数、中位数、百分位数离散趋势：极差（全距）、四分位数间距、方差（总体方差和样本方差）、标准差 和变异系数。第二章1、试述频数分布表的用途（1）描述频数分布的类型，

2、（2）描述频数分布的特征，（3）便于发现一些特大 或特小的离群值，（4）便于进一步做统计分析和处理2、频数表的步骤（1）求出极差；（2）确定组段，一般设815个组段；（3）确定组距；组距=R/ 组段数，但一般取一方便计算的数字；（4）列出各个组段并确定每一组段频数。3、试述正态分布、标准正态分布及对数分布的联系和区别（1）原始值X:正态分布无需转换，标正分布作 u= （X- u）/c转换，对数正 态分布作丫=lgX转换。（2）分布类型：正态分布对称，标正分布对称，对正分布正偏态（3）集中趋势指标：正态分布卩，标正分布卩=0,对正分布G（4）均数与中位数的关系：正态分布卩=M标正分布卩=M对正分

3、布卩 M 4、正态分布的面积规律（1）X轴与正态曲线所夹面积恒等于1或100%（2） 区间的面积为68.27%,区间卩± 1.96 c的面积为95%区间卩± 2.58 C的面积为99%5、极差、四分位数间距、标准差及变异系数的适用范围这四个指标均反映计量资料的离散程度。极差与四分位数间距可用于任何分布， 后者较前者稳定，但均不能综合反映各观察值的变异程度；标准差最为常用，要 求资料近似服从正态分布；变异系数可用于多组资料见度量衡单位不同或均数相差悬殊时的变异程度比较。&医学参考值范围的含义、确定的原则和方法医学中常把绝大多数正常人的某项指标范围称为该指标的参考值范围

4、。所谓“正常人”不是指完全健康的人，而是指排除了所研究指标的疾病和有关因素的同质 人群。疋.确定参考值范围的原则和方法是：（1）定义“正常人”，不同指标“正常人”的 定义也不同；（2）选定足够数量的正常人作为研究对象；（3）用统一和准确的方 法测定相应的指标；（4）根据不同的用途选定适当的百分界限，常用 95% （5） 根据此指标的实际意义，决定用单侧范围还是双侧范围；（6）根据此指标的分布 决定计算方法，常用的计算方法有：正态分布法和百分位数法。第三章1、标准差与标准误是区别与联系区别：（1）含义不同：标准差S表示观察值的变异程度，描述个体变量值（x） 之间的变异度大小，S越大，变量值（X）

5、越分散；反之变量值越集中，均数的 代表性越强。标准误&估计均数的抽样误差的大小，是描述样本均数之间的变异 度大小，标准误越大，样本均数与总体均数间差异越大，抽样误差越大；反之， 样本均数越接近总体均数，抽样误差越小。（2）与n的关系不同：n增大时， S趋于6（恒定），标准误减少并趋于 0 （不存在抽样误差）。（3）用途不同： 标准差表示X的变异度大小、计算变异系数、确定医学参考值范围、计算标准误 等，标准误用于估计总体均数可信区间和假设检验。联系：二者均为变异度指标，样本均数的标准差即为标准误，标准差与标准误成 正比。标准误：戸2、t分布与u分布的异同相同点：t分布和标准正态分布（u分

6、布）都是以 态分布是t分布的特例（自由度是无限大时）。不同点：t分布为抽样分布， 低，且尾部翘得更高； 近于标准正态分布；t0为中心的正态分布。标准正U分布为理论分布； t分布受自由度大小的影响， 分布有无数条曲线，而U分布只有唯t分布比标准正态分布的峰值 随着自由度的增大，逐渐趋 条曲线。快乐常在是否必须做假设检验3、对两指标进行比较，（1）如果是由随机抽样资料计算得到的指标，在比较时应做统计推断。因为此 时存在抽样误差，直接由两样本统计量的大小比较结果对总体情况下结论是不合 适的。如果是由总体数据计算得到的指标进行比较，可以不必进行假设检验。还可以提示 但其职能在预先规定的概率，即可信度（

7、1-（2）统计推断的方法包括参数估计和假设检验，对两指标进行比较可以选择其 中的任一方法进行。参数的可信区间不仅能够进行指标大小的比较， 两指标的差别有无实际的专业意义，a）的前提下进行计算，而假设检验可以获得一个较为确切的概率4、如何合理设置检验水准a（1）a值是在科研设计（调查设计或实验设计）中根据研究目的预先确定的， 不应在算出P值之后再来选择。（2）若假设检验的重点是减少I型错误（如一般的假设检验），一般取a =0.005 ； 若中的年是减少II型错误（如方差齐性检验、正态性检验等），一般取a =0.10 或a =0.020，甚至更咼。5、假设检验中a和P的区别a和P均为概率，其中是指

8、拒绝了实际上成立的 H0所犯错误的概率，是进行统 计推断时预先设定的一个小概率事件标准，P值是由实际样本获得的，在 H0成立的前提条件下，出现等于及大于（或/和等于及小于）现有样本获得的检验统 计量的概率。在假设检验中通常是将 P与a对比来得到结论，若PWa,贝加绝 H0,接受H1,有统计学意义，可以认为,不同或不等，否则，若 P>a,则不拒 绝H0,无统计学意义。尚不能认为，不同或不等。6怎样正确选择单侧检验和双侧检验单双侧检验首先应根据专业知识来确定， 同时也应考虑所要解决问题的目的。 若 从专业知识判断一种方法的结果可能低于或高于另一种方法的结果，则用单侧检验。在尚不能从专业知识判

9、断两种结果谁高谁低时，用双侧检验。若研究者对于 低于或高于两种结果都关心，则用双侧检验；若仅关心其中一种可能，则取单侧 检验。一般认为双侧检验较保守和稳妥，单侧检验由于充分利用了另一侧的不可 能，故更易得出有差别的结论，但应慎用。7、假设检验中如何确定P值？简述P值的含义。求出检验统计量后，可通过统计用表直接查出 P值。P值是指从H0所规定的总 体中做随机抽样，获得等于及大于（或等于及小于）现有样本获得的检验统计量 的概率。8、什么是两类统计学错误？二者有何联系？由于样本的随机性，假设检验中作出的结论可能会犯两类不同类型的错误：I型错误和II型错误。I型错误是拒绝了实际上成立的 H0,即“弃真

10、” ；II型错误 是不拒绝实际上不成立的H0,即“存伪”。理论上犯第一类错误的概率为a,假 设检验时可根据研究者的要求来确定；犯第二类错误的概率为P,它只有与特定 的H1结合起来才有意义。P值的大小很难确切地估计，但知道在样本含量不变 的前提下，a越小，P越大，反之，a越大，P越小。同时减少a和P的唯一方 法是增加样本含量，因为增加了样本含量后，均数的抽样误差小，样本均数的代 表性强，也就是样本均数较接近总体均数，因而可使犯第一类错误和第二类错误 的概率同时减少。（1- P）称为检验效能或把握度。9、Pv 0.05，拒绝H0的理论依据P值是指从H0规定的总体随机抽样得等于及大于（或/和等于及小

11、于）现有样本 获得的检验统计量值（如t或u）的概率。当Pv 0.05时，说明在H0成立的条 件下，得到现有检验结果的概率小于通常确定的小概率事件标准0.05.因小概率事件在一次试验中几乎不可能发生，现的确发生了，说明现有样本信息不支持 H0,所以怀疑原假设H0不成立，故拒绝H0。在下“有差别”的结论的同时，我 们能够知道可能犯I型错误的概率不会大于0.05 （即通常的检验水准），这在概 率上有了保证。10、t检验的应用条件对单样本t检验要求资料服从正态分布；对配对 t检验要求差值服从正态分布;对两样本T检验要求两组数据均服从正态分布，且两样本对于的两总体方差相 等，对两小样本尤其要求方差齐性。

12、11、t检验的注意事项（1）要有严密的抽样设计，随机、均衡、可比。（2）选用的检验方法必须符合其适用条件（注意：t检验的前提是资料服从正态分布）。（3）单侧检验和双侧 检验，单侧检验的界值小于双侧检验的界值，因此更容易拒绝，犯第I错误的可能性大。（4）假设检验的结论不能绝对化。不能拒绝H0,有可能是样本数量不够，拒绝H0,有可能犯第I类错误。（5）正确理解P值与差别有无统计学意义。 P越小，不是说明实际差别越大，而是说越有理由拒绝H0,越有理由说明两者有 差异，差别有无统计学意义和有无专业上的实际意义并不完全相同。（6）假设检验和可信区间的关系。结论具有一致性，提供的信息不同。区间估计给出总体

13、均 值可能取值范围，但不给出确切的概率值，假设检验可以给出H0成立与否的概率。12、假设检验时应注意的事项（1）要有严密的抽样研究设计；样本必须是从同质总体中随机抽取的，要保证 组间的均衡性和资料的可比性，可能影响结果的非处理因素在对比组间应尽可能 相同或相近；（2）正确选择检验方法；根据现有的资料类型、设计类型、分析目 的、样本含量等因素选用适当的检验方法，如不符合条件可做适当转换；（3）正确理解“差别无显著性”的含义，差别有统计学意义，不能理解为两者差差大， 也不能理解为所分析的指标在实际应用上就有“显著效果”。（4）检验假设的推断结论为概率结论，不能绝对化：检验水准人为规定，是相对的，报

14、告结论时应 列出检验统计量和P值的确切范围。（5）注意是单侧检验还是双侧检验13、假设检验的步骤（1）建立假设和确定检验水准：根据实际情况确定单、双侧检验，建立假设， 确定检验水准；（2）选定检验方法和计算统计量：根据设计的类型及研究目的选 择合适的检验方法并计算出对应的统计量；（3）确定P值并做出推断结论。若t > t a,v，则PWa,按检验水准，拒绝 H0,接受H1，尚可认为差异显著有统计学 意义；相反则差异不显著，无统计学意义。14、可信区间与参考值范围的区别意义、计算公式和用途均不同。（1）参考值范围是指同质总体内包括百分之几十 个体值的估计范围。而可信区间是指在百分之几十的可

15、信度估计的总体参数的所 在范围。（2）同样的百分之几十，参考值范围是样本范围，可信区间是指可信度 范围，二者有着本质的不同。（3）从意义来看，95%参考值范围是指同质总体内 包括95%个体值的估计范围，而总体均数95%可信区间是指按95%可信度估计 的总体均数的所在范围。（4）从计算公式看，若指标服从正态分布，95%参考值 范围的公式是：丘± 1.96s。总体均数95%可信区间的公式是：了±7钊。前者用 标准差，后者用标准误。前者用1.96，后者用a为0.05，自由度为V的t界值。（5）从用途上看，可信区间用来估计总体均数，参考值范围用来判断观察对象 的某项指标是否正常。1

16、5、简述检验假设与可信区间的联系与区别。答：（1）可信区间用于推断总体参数所在的范围， 假设检验用于推断总体参 数是否不同。前者估计总体参数的大小，后者推断总体参数有无质的不同。（2）可信区间也可回答假设检验的问题。 但可信区间不能提供确切的P值范围，只能 给出在a水准上有无统计意义。（3）可信区间还可提示差别有无实际意义。16、U检验：样本含量n足够大（n>50）,或n虽小但总体标准差c已知时的样 本均数与总体均数的比较、成组设计两样本均数的比较。第四章1、方差分析的基本思想、应用条件、应用范围及工作步骤。基本思想就是根据试验设计的类型，将全部测量值总的离均差平方和及其自 由度分解为两

17、个或多个部分，除随机误差作用外，每个部分的变异可由某个因素 的作用（或某几个因素的交互作用）加以解释，如组间变异SS组间可有处理因素的作用加以解释。通过比较不同变异来源的均方，借助F分布做出统计推断，从 而推论各种研究因素对试验结果有无影响。应用条件：（1 ）各样本是相互独立的随机样本，均服从正态分布；（2）相互比较的各样本的总体方差相等，即具有方差齐性。应用范围：分析比较两个或多个样本均数；分析两个或多个研究因素的交互 作用；回归方程线性假设检验；多元线性回归分析中偏回归系数的假设检验；两样本的方差齐性检验等。工作步骤：（1）建立检验假设，确定检验水准。H0 i组资料的总体均数相等， 卩1=

18、卩2=ui H1: i组资料的总体均不等或不全相等，各卩i不等或不全相等a=0.05 （2）计算统计量F值。F=MSi间/MS组内（3）确定P值，并做出统计推断。 以V1和V2查F界值表，若F>F）.o1（v1,v2）, P<0.01，按a =0.05检验水准，拒绝H0, 接受H1，可以为各总体均数不等或全相等。当方差分析的推断结果为拒绝 H0,接受H1，各总体均数不等或全相等时，需用 N-K检验或最小显著差（LSD检验进一步作多个样本均数间的两两比较第五章1、常用的相对数种类及其各自的含义、计算方法和特点说明某现象发生的常用的相对数有强度相对数（率）、结构相对数（构成比）、相对比

19、三种 率的含义是某现象实际发生的例数与可能发生的总例数之比， 频率或强度。其特点是说明某现象发生的强弱。公式是率 =（某时期内发生某现 象的观察单位数/同期可能发生某现象的观察单位总数）X比例基数。构成比的含义是失误内部某一部分的个体数与该事物各部分个体数的总和之比， 用来说明各构成部分在总体中所占的比重或分布，通常以100%比例基数，又称为百分比。其特点为一组构成比的总和应等于 100%即各个分子的总和等于分母；各构成部分 之间是相互影响的，某一部分比重的变化收到两方面因素的影响，其一是这个部分自身数值的变化，其二是受其他部分数值变化的影响。公式是构成比=（某一组成部分的观察单位数/同一事物

20、各组成部分的观察单位总数）X 100% 相对比是两个有关指标之比，说明两指标间的比例关系。其特点是两个指标可以 是性质相同，也可以是性质不同；两个指标可以是绝对数、相对数或平均数。公式是相对比=（甲指标/乙指标）X 100% 2、应用相对数时的注意事项有哪些？（1）正确区分分子、分母，且计算相对数的分母不宜过小；观察例数过小时抽 样误差较大，计算的相对数往往不稳定，可靠性差。所以当观察例数较少（如少 于30例）时，一般以绝对数表示为好，如以相对数表示，应给出其可信区间。（2）分析时不能以构成比代替率；（3）对观察单位数不等的几个率，不能直接 相加求其平均率；（4）资料的对比应注意可比性；（5）

21、对样本率（或构成比）的 比较应遵循随机抽样，要做假设检验；（6）要正确选择分子和分母的数值，要能 说明事物的特点和性质；（7）计算构成比也可以是划分为各组间的定量指标资料， 同一事物各组成部分的构成比之和应为 1或100%第六章1、二项分布的应用条件（1）各观察单位只能具有相互对立的一种结果，如阳性或阴性，生存或死亡。（2）已知发生某一结果邙日性）的概率为n,其对立结果的概率为 1- n，实际 工作中要求 n是从大量观察中获得比较稳定的数值。（3） n次试验在相同 条件下进行，且各个观察单位的观察结果相互独立。2、二项分布的性质A, 二项分布的均数和标准差在二项分布的资料中，当n和n已知时，它

22、的均数卩及其标准差 J如下：卩=nn（3.11 ）若均数和标准差不用绝对数表示，而是用率表示时，即对式（3.11 ） （3.12 ） 分别除以n,得：叮桃-开）/幷aP是样本率的标准误的理论值，当n未知时，常用样本率P作为n的估计值，则：Sp=Jp（l-p）/用B，二项分布的累计概率 二项分布的累计概率（cumulative probability ）常用 的有左侧累计和右侧累计2种方法。从阳性率为n的总体中随机抽取n个个体，则（2）最少有k例阳性的概率P(X<k) = P(f3)+P +P(Qk例阳性的概率P (X>k)二 P Q+P 仗+1)+P(Q=l-P(Xd-1)（1）最

23、多有D, 二项分布的形状取决于n和 n的大小：（1）当n =0.5时，分布对称；当n <0.5时，分布呈正偏态，且固定n时，n越 小，分布越偏；当n >0.5时，分布呈负偏态，且固定n时，n越大，分布越偏。（2）对固定的n,分布随n的增大趋于对称。3、总体率的估计n、总体率的估计也有点估计和区间估计，点估计是简单地用样本率来估计总体 率；区间估计是求出总体率的可能范围。样本率的理论分布和样本含量n、阳性率P的大小有关，所以需要根据n和P的大小不同，分别选用下列2种方法。（一）查表法 当样本含量n较小，如nW 50,特别是P很接近于0或1时，按 二项分布的原理估计总体率的可信区间。（

24、二）正态近似法 当样本含量n足够大，且样本率P或1-P均不太小，如np 与n （1-P）均大于5时，样本率的P的抽样分布近似正态分布，总体率 开的可 信区间可按下列式（3.17 ）进行估计。3a4、Poisson分布应用条件：A, 要求事件的发生是相互独立B, 发生的概率相等C, 结果是二分类5、Poisson分布的性质：A,B,C,该分布是一种单参数的离散型分布，其参数为 卩，它表示单位时间或空 间内某件事平均发生的次数，又称强度参数。Poisson分布的方差和均数卩相等，即=卩Poisson分布的累计概率X正态）；二项分布：总体率可信区间估计（n =0.5或nfx正态）；Poisson分布

25、: 总体参数估计（卩>50正态）。7、总体参数的估计由样本均数（样本计数）X估计总体均数卩也有点（值）估计和区间估计，区 间估计的方法，需视样本计数（样本均数）X的大小而定，X小时用查表法，X大时用正态近似法。（一）查表法当样本计数X< 50时，用X值查附表poisson分布卩的可信区间，可得总体 均数卩的95%或 99烦信区间。（二）正态近似法当样本计数X>50时，可用正态近似原理下面公式求总体均数卩的95%或 99%（ X-% 返,X+% 迂可信区间 2 2 >8、正态分布、二项式和泊松分布的关系：二项分布（binomial distribution ）:对只具有两

26、种互斥结果的离散型随机事件的规律性进行描述的一种概率分布。Poisson分布是在n很小，样本含量n趋于无穷大时，二项分布的极限形式。当 v=x时，t分布即为u分布，趋向正态 分布。第七章1、说明X2检验的用途X2检验的用途较广。通常多用于推断两个总体率或构成比之间有无差别； 推断多 个总体率或构成比之间有无差别；多个样本率比较的 X2分割；两个分类变量之 间有无关联性；频数分布拟合优度的 乂检验。2、两个样本率比较的u检验与乂检验有何异同？两样本率比较时，若同一资料同时进行u检验与X2检验，在不校正的情况下X2=u2; 但u检验通常用于大样本，而 乂检验可用于大样本或小样本。3、卡方检验的基本

27、思想和用途基本思想：X2值反映了实际频数与理论频数的吻合程度，若检验假设 Hb成立, 实际频数与理论频数的差值会小，则 X2值也会小；反之，若检验假设H0不成立, 实际频数与理论频数的差值会大，则 X2值也会大。主要用来推断两个总体率间 或者构成比见有无差别；多个总体率间或构成比间有无差别； 多个样本率比较的 X2分割；两个分类变量之间有无关联性以及频数分布拟合优度的X2检验。用途：推断两个总体率间或者构成比见有无差别；多个总体率间或构成比间 有无差别；多个样本率比较的 X2分割；两个分类变量之间有无关联性以及频数 分布拟合优度的X2检验。4、行X列表卡方检验的注意事项:答：（1）X2检验要求

28、理论频数不宜太小，否则将导致偏性。一般认为行X列表资料中不宜有1/5以上的格子理论数小于5,或有一个格子理论数小于1。处 理方法：最好的方法是增加样本例数，以增大理论频数；且精确概率法；进行合 理的合并；删除理论频数太小的行和列，后两种方法将损失一定的信息并影响样 本的随机性。在比较各处理组的效应有无差别时，宜用秩和检验或（2）单向有序列行X列表的统计处理：当效应按强弱分为若干个级别，试验结 果整理为单向有序行列表，X2检验。结论为拒绝H0,只能认为各总体率或总体构 但不能说明它们彼此间都有差别，或某两者间有差别。Ridit分析。（3）当多个样本率比较的 成比之间总的说来有差别，若要进一步解决

29、此问题，可用卡方分割法。第八章1. 什么叫做非参数检验？它和参数检验有什么区别？答：非参数检验对总体分布不做严格假定， 不受总体分布的限制，又称任意分布 检验，它直接对总体分布（或分布位置）作假设检验。如果总体分布为已知的数 学形式，对其总体参数作假设检验则为参数检验。2. 什么叫做秩转换的非参数检验？它适用于哪些情况？答：秩转换的非参数检验是先将数值变量从小到大， 或等级从弱到强转换成秩后， 再计算检验统计量，其特点是假设检验的结果对总体分布的形状差别不敏感，只一端或两端是不确切数值的资2检验，而用秩转换的非参数检对总体分布的位置差别敏感。它适用于：不满足正态分布或（和）方差齐性的小 样本计

30、量资料；分布不知是否正态的小样本资料； 料；等级资料。3. 两组或多组等级资料的比较，为什么不能用X验？ 答：若选行X列表资料的X 2检验，只能推断两个或多个总体的等级构成比的差 别，这一般不是推断的目的；而秩转换的非参数检验，可推断两个或多个总体的 等级强度差别，这是推断目的。4. 总体有n个秩：1,2, ,， n。若n个秩中有相同秩（如1,2,4,4,4,6,7 ，,， n）, 其均数和方差是否会改变？变大还是变小？答：均数不改变，方差改变。方差变小。5. 两独立样本比较的 Wilcoxon秩和检验，当n1> 10或n2-n1 > 10时用u检验， 这时检验是属于参数检验还是非

31、参数检验，为什么？答：属于非参数检验。因为这时的 u检验是比较例数较小组秩和（T）与其总体 均数（n1 （N+ 1） /2 ）的差别，而秩和（T不是参数。6. 随机区组设计多个样本比较的FriedmanM检验，备择假设H1如何写？为什么？ 答: H1写为多个总体分布的位置不全相同。H1不能写为多个总体分布不全相同。 因为FriedmanM检验对于多个总体分布的形状差别不敏感，只对其位置差别敏 感。第九章1. 试总结从样本数据判断总体回归关系是否成立的统计方法有哪些？ 答：用tb、tr作t检验；用F对b和R2做方差分析；直接查r界值表。2. 直线回归分析中应注意哪些问题？答：（1）两个变量的选择

32、一定要结合专业背景， 不能把毫无关联的两种现象勉强同时直线回做回归分析，其中哪一个作为应变量主要是根据专业上的要求而定，（2）进行直线回归分析前应归要求至少对于每个X相应的丫要服从正态分布，X可以是服从正态分布的随机 变量也可以是能精确测量和严格控制的非随机变量。绘制散点图，以检查数据是否满足模型基本假设，发现离群点并进行进一步的测量。（3）对结果应有正确的解释。反映两变量间数量上影响大小的统计量应该是 回归系数的绝对值，而不是假设检验的 P值。P值越小只能说明越有理由认为变 量间的直线关系存在，而不能说明关系越密切或越“显著”。直线回归用于预测时应尽量避免不合理的外延。结果中的决定系数可表示

33、两变量关系的实际效果。3. 简述直线回归和直线相关的区别与联系。答：二者的联系：（1）对于既可作相关又可作回归分析的同一组数据，计算出的 b与r正负号一致。（2）相关系数与回归系数的假设检验等价， 即对于同一样本， tb = tr o （3）同一组数据的相关系数和回归系数可以相互换算：r = bY.XX SX/SY。（4）用回归解释相关：由于决定系数 rJ SS回/SS总，当总平方和固定时，回 归平方和的大小决定了相关的密切程度，回归平方和越接近总平方和，贝Ur2越接近1,说明引入相关的效果越好。二者的区别：（1）资料要求上：相关要求X、丫服从双变量的正态分布，这种 资料进行回归分析称为n型回

34、归；回归要求 丫在给定某个X值时服从正态分布， X是可以精确测量和严格控制的变量，称为I型回归。（2）应用上：说明两变量间相互关系用相关，此时两变量的关系是平等的；而说明两变量间依存变化的数 量关系用回归，用以说明丫如何依赖于X而变化。（3）意义上：r说明就有直线 关系的两变量间相互关系的方向与密切程度；b表示X每变化一个单位导致丫的 平均变化单位。（4）计算上：r = Ixy / Jixxlyy , b = Ixy/Ixx 。（5）取值范围：-1 < r< 1，-XV bvx。（6）单位：r没有单位，b有单位。4. 简述直线相关和秩相关的区别与联系。答：二者的联系：（1）两者所解

35、决的应用问题相同，都可以用来表示两个数值变 量之间关系的方向和密切程度。（2）两个相关系数都没有单位，取值范围都在-1 1之间。（3）计算上，用秩次作积差相关，得到的就是秩相关系数。二者的区别：（1）资料的要求不同。积差相关要求X、Y服从双变量正态分布， 秩相关可以是任意分布。（2）由于对资料要求不同，二者分属于参数统计和非参 数统计方法，所以符合双变量正态分布条件时，积差相关的效率高于秩相关。（3） 二者假设检验方法不同。5. 简述曲线拟合时的注意事项。答：（1）首先应绘制散点图，根据图形选用恰当的回归模型；（2）求解回归方程 时注意，模型中对丫进行非线性变换后，应采用非线性最小二乘估计，如

36、果仅对 X进行变换，普通最小二乘估计与非线性最小二乘估计结果相同；（3）并非R2越 大所选择的模型就越好；（4）氏的计算上等于丫与丫？的相关系数平方，而不是 总等于丫与X的相关系数平方。第十章1.统计表与统计图有何联系和区别？答：统计表和统计图都是清晰地、有条理地展示数据，让读者已于领会统计资料 的核心内容，易于做分析比较。统计图将统计数据形象化，可以给读者留下深刻 的印象。但统计图只能提供概略的情况， 而不能获得确切数值，因此不能完全代 替统计表，常需要同时列出统计表作为统计图的数值依据。2. 统计表的制作原则和要求都有哪些？答：统计表的制作原则：首先是重点突出，一张表一般只表达一个中心内容

37、，不 要把过多的内容放在一个庞杂的大表里，宁愿用多个表达不同指标和内容。其次, 统计表就如一句完整的话，有其描述的对象（主语）和内容（宾语）。通常主语放在表的左边，作为横标目；宾语放在右边，作为纵标目。有左向右读，构成完 整的一句话。最后，统计表应简单明了，一切文字和线条都尽量从简。制表的基本要求：（1）标题：概括表的主要内容，包括研究的时间、地点和 研究内容，放在表的上方。（2）标目：分别用横标目和纵标目说明表格每行和每 列数字的意义，注意标明指标的单位。（3）线条：至少用三条线，表格的顶线和 底线将表格与文章的其他部分分隔开来，纵标目下横线将标目的文字区与表格的 数字区分隔开来。部分表格可再用横线将合计分隔开，或用横线将两重纵标目分 隔开。其他竖线和斜线