版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
推断统计部分
第五章推断统计的理论基础
第六章参数估计
第七章假设检验第五章推断统计的理论基础5.1概率与概率分布5.2抽样分布描述统计学推断统计学统计学概率抽样分布描述统计学是推断性统计的基础推断统计
在搜集、整理观测样本的基础上,对有关总体作出推断,其特点是根据随机性的观测样本数据以及问题的条件和假设,对未知事物作出的以概率形式表述的推断。
推断性统计的基本特征:通过从总体中抽取样本构造适当的统计量,由样本性质去推断关于总体的性质。4.1随机事件与概率抛一枚硬币,观察其出现正面或反面的情况。投掷一颗骰子,观察其出现的点数。从一批产品中随机抽出一件,观察其是正品还是次品。进行一场足球比赛,观察其实获胜、失利还是平局。随机事件与概率共同的特点:可以在相同条件下重复的进行。每次试验的可能结果可能不止一个,但试验的所有可能结果在试验之前是确切的知道的。试验结束之前,不能确定该次试验的确切结果。随机事件与概率概率的古典定义:某一随机试验的结果有限,而且各结果出现的可能性相等,则某一事件A发生的概率为该事件所包含的基本事件数m与样本空间中所包含的基本事件数n的比值,记为:P(A)=样本空间中所包含的基本事件数事件A所数包含的基本事件数=mn
在相同条件下随机试验n次,某事件A出现m次(m≤n),则比值m/n称为事件A发生的频率。随着n的增大,该频率围绕某一常数p上下波动,且波动的幅度逐渐减小,取于稳定,这个频率的稳定值即为该事件的概率。随机事件与概率概率的统计定义(probability)P(A)=p=mn试验:在概率语言中,所谓试验是指在一组条件下,对某事物现象所进行的观察或测量的过程。而把观察或试验的结果则称为事件。事件:事件是试验中可能出现也可能不出现的结果,因此也称为随机事件。随机事件通常用大写英文字母A,B,C表示。随机事件与概率随机事件与概率试验样本空间Ω={ω}抛一枚硬币投掷一颗骰子抽出一件产品检测一场足球比赛{正面朝上,反面朝上}{1点,2点,3点,4点,5点,6点}{合格,不合格}{获胜,失利,平局}试验与样本空间样本空间:在一项试验中,可以罗列出试验的所有可能结果的全体定义。样本空间是试验中所有可能结果的集合。样本点:样本空间中每一个特定的试验结果被称为样本点。随机事件与概率试验随机变量X试验结果随机变量的取值xi(x1,x2,…,
xn)检查50件产品某班级英语期末考及格率某电话用户每次通话时间长度监测某产品的适用寿命合格品数及格学生比例每次通话时长产品使用的时间长度0,1,2,3,…,500≤X≤100%X>0X≥0随机变量(randomvariable)P(Xi)=P(x=Xi)概率函数,X称为P(x)的随机变量随机事件与概率随机变量(randomvariable)
一次随机试验或一次随机观察的数量结果或数值性描述。
X=一个均匀对称的骰子被抛掷时所出现的点数
Y=从某市居民中随机地抽取一人调查,该被访者的收入
Z=从某居民区中随机地抽取三人调查,该样本中的女性人数随机事件与概率离散型随机变量(discreterandomvariable)只能取有限个或可数个值的随机变量。连续型随机变量(continuousrandomvariable)可以取一个或多个区间中任何值的随机变量。4.2离散型随机变量的概率分布X=投掷一个均匀的骰子所出现的点数
1、2、3、4、5、6离散型随机变量的概率分布例题4-3将以均匀骰子投掷20次、100次的过程。用X表示骰子被投掷落下时(面朝上)所出现的点数。作出一下各种情况中X的相对频率分布表及分布图.随机数字表的使用396576454519906964612026363162…737123709065976012113156341919…722047338451674797199840071766…751725691717952178582433457748…3748798874
63520634300131601027…02890816
9485538329955627092443……离散型随机变量的概率分布出现的点数(X)频数(f)相对频率(f/n)1234564353140.200.150.250.150.050.20n=20离散型随机变量的概率分布1/61/61/61/61/61/60.180.170.150.150.200.150.200.150.250.150.050.20123456n=∞n=100n=20相对频率点数X骰子的相对频率分布离散型随机变量的概率分布离散型随机变量的概率分布
概率
随机变量X取某个对应值的可能性(0和1之间)记作Pr(X)直观意义--
相对频率f/n(在统计意义下)的极限概率分布随机变量取其所有可能值或可能值范围的概率
Pr(X)=1
离散型随机变量的概率分布离散型随机变量的概率分布离散型随机变量的概率分布X0123456合计P(X)0.020.090.230.320.230.090.021.00离散型随机变量的概率分布X=抛掷一枚均匀对称的硬币n次,所出现的正面朝上的次数二项分布二项变量的特点:
每一次试验或观测只有两种可能结果,统称为“成功”和“失败”n次重复的试验或观测是相互独立的每一次试验或观测“成功”的概率
不变Pr(成功)=
,Pr(失败)=1-
n次重复的试验或观测中,“成功”的次数为k,其可能取值为0,1,2,…,n离散型随机变量的概率分布例题4-8
在一个有10000名员工的公司中随机抽取n=10名员工进行调查,已知该公司有100名项目经理或部门主管以上的负责人。问抽中的10名员工都不是负责人的概率是多少?抽样过程有放回(独立的)
Pr(X=10)=(0.99)10=0.3487抽样过程无放回
Pr(X=10)=(900/1000)(899/999)(898/998)(897/997)(896/996)(895/995)(894/994)(893/993)(892/992)(891/991)=0.3469离散型随机变量的概率分布泊松分布泊松分布是用来描述在一定时间范围内或在指定的面积或体积内某一事件出现的个数分布。在某一工厂中每月观察到的事故的次数单位时间内到达某一服务柜台请求服务的人数……4.3连续型随机变量的概率分布组限组中值频数(f)相对频率(f/n)148-154154-160160-166166-172172-178178-184184-190151157163169175181187412446456164.02.06.22.32.28.08.02总计2001.00200名男子身高的频数分布表(cm)连续型随机变量的概率分布男子身高分组数据的直方图连续型随机变量的概率分布对一个离散行随机变量,可以计算其某个特定取值的概率;而对一个连续型随机变量,讨论其特定取值的概率是没有也没有可能的(因为它取任何一个特定值的概率都等于零),必须在某一区间内考虑相应的概率问题。连续型概率分布是用于刻画连续型随机变量在不同范围内取值的概率大小的,与离散型概率分布中的分布列相对应,连续型概率分布主要是通过概率密度函数进行描述。
连续型随机变量的概率分布相对频率相对频率组距减半时,高度也减半组距较大时连续型随机变量的概率分布随着分数的增多(组距相应减小),相对频率分别图的形状将越来越扁,棒条宽度也越来越窄,但所有棒条的高度之和仍然是1.相对频率密度=组距相对频率连续型随机变量的概率分布相对频率密度相对频率密度组距较大时组距减半时,高度也不变连续型随机变量的概率分布虽然组距变窄,但图形的形状没有太大的变化;虽然棒条变窄,但是所有棒条的面积之和仍然等于1.连续型随机变量的概率分布相对频率密度相对频率(面积)=相对频率密度×组距样本量逐渐增大组距逐渐减少直方图逐渐变成一条曲线图连续型随机变量的概率分布组限组中值频数(f)相对频率(f/n)148-154154-160160-166166-172172-178178-184184-190151157163169175181187412446456164.02.06.22.32.28.08.02总计2001.00200名男子身高的频数分布表(cm)连续型随机变量的概率分布男子身高分组数据的直方图连续型随机变量的概率分布设X是一个连续型变量,它代表某一区间或多个区间中的任意数值,它的概率分布通过概率密度函数来表述,记作f(x)。概率密度函数只是给出了连续型随机变量某一特定值的函数值,这一函数值不是真正意义上的取值概率,连续型随机变量在给定区间内取值的概率对应的是概率密度函数f(x)曲线(或直线)在该区间上围成的面积,这一特征恰恰意味着连续行随机变量在某一点的概率值为零,因为它对应的面积为零。所以对任一区间端点的取舍并不影响该区间的概率。连续型随机变量的概率分布正态分布现实中,几乎没有一组数据是完全呈正态分布的实际生活中,很多数据是近似于正态分布的人类的属性和能力工业产品的物理性质……连续型随机变量的概率分布正态分布
最常用的连续型随机变量的概率分布特征对称的、单峰的、呈铃状的概率分布曲线连续型随机变量的概率分布钟型对称最普遍、常用用均值和标准差可以完整地描述正态分布连续型随机变量的概率分布数学上,完全光滑的正态曲线是由复杂的公式给出的特征不同参数取值的正态分布构成一个完成的“正态分布族”正态分布的均值
可以是实数轴上的任意数值,它决定正态曲线的具体位置,标准差
相同而均值不同的正态曲线在坐标轴上体现为水平位移。正态分布的标准差
为大于零的实数,它决定正态曲线的“陡峭”或“扁平”程度。
越大,正态曲线越扁平;
越小,正态曲线越陡峭。当X的取值向横轴左右两个方向无限延伸时,正态曲线的左右两个尾端无限渐近横轴,但理论上永远不会与之相交。标准正态分布(Z分布)均值=0标准差=1连续型随机变量的概率分布标准化一般正态分布转化为标准正态分布(Z分布)的过程连续型随机变量的概率分布(正态分布)→正态分布→标准正态分布正态分布的性质
只要给定了分布的均值
和方差
2(或标准差
),就可以完全确定对应的正态分布曲线
均值
决定了分布的中心,其位置就是曲线的对称中心
标准差
决定了曲线的伸展程度和形状,其大小等于从均值到均值的左侧或右侧的曲率转换点的距离
正态分布曲线下的面积的大小,就等于随机变量X取对应范围的值的概率连续型随机变量的概率分布任何正态分布都满足68-95-99.7的规则在任何正态分布中,如果反复试验或观测,则大约有68%的观测值落在距均值一个标准差的范围内
(严格些说是68.3%)95%的观测值落在距均值两个标准差的范围内
(严格些说是1.96个标准差)99.7%的观测值落在距均值三个标准差的范围内
(严格些说是2.96个标准差)连续型随机变量的概率分布68.3%95.4%99.7%连续型随机变量的概率分布68.3%80%95%99%例题4-5
假定已知某市居民平均每天收看电视的时间长度X近似地服从均值
=90分钟、标准差
=30分钟的正态分布。求每天收看电视的时间长度在以下范围的比例是多少?
1)超过120分钟;2)不足60分钟;3)60~120分钟。并估计4)看电视时间最长的那5%居民,每天收看电视的时间不会少于多少分钟?5)第97.5百分位数和第2.5百分位数上的收听时间是多少?
连续型随机变量的概率分布→正态分布标准化→标准正态分布4)由Pr(Z
Z0)=5%=0.05,查得Z0
1.64
由Z0=(X0-
)/
X0=
+
Z0=90+30(1.64)=139.25)由Pr(Z
Z0)=1-97.5%=0.025,查得Z0
1.96
由Z0=(X0-
)/
X0=
+
Z0=90+30(1.96)=148.8
由Pr(Z
Z0)=Pr(Z
-Z0)=2.5%=0.025,得Z0
-1.96
由Z0=(X0-
)/
X0=
+
Z0=90+30(-1.96)=31.2解:1)Z=(X-
)/
=(120-90)/30=1.0Pr(X
120)=Pr(Z
1.0)=0.15872)Z=(60-90)/30=-1.0Pr(X
60)=Pr(Z
-1.0)=Pr(Z
1.0)=0.15873)Pr(60
X
120)=Pr(-1.0
Z
1.0)=1-Pr(Z
-1.0)-Pr(Z
1.0)=1-2Pr(Z
1.0)=1-2(0.1587)=0.6826标准正态分布表抽样分布SamplingDistribution标准的统计问题总体的有关指标(参数)是客观存在的总体未知从总体中抽取一个样本用样本的有关指标(统计量)来估计总体的有关指标均值是常用的指标之一为此要先研究样本均值的分布规律抽样分布
研究昆明市居民年均家庭收入时,随机抽取1000户进行调查,这1000户家庭的年平均收入为39000元,以此作为昆明市居民年均家庭收入的依据。可靠吗100名学生的身高总体及均值、标准差的计算总体分布身高X频次概率PXP(X-μ)2P1511571631691751811871624382461.01.06.24.38.24.06.011.519.4239.1264.2242.0010.861.873.248.648.640.008.648.643.24N=1001.00μ=169.00σ=6.406抽样分布抽样模拟从100人的总体中抽取n=4的样本利用随机数字表抽取抽样分布随机数字表396576454519906964612026363162…737123709065976012113156341919…722047338451674797199840071766…751725691717952178582433457748…374879887463520634300131601027…028908169485538329955627092443…871815700737794912384813935596…988371701589093959240006411420……利用随机数字表总体分布顺序号码身高X频次频率P1511571631691751811871624382461.01.06.24.38.24.06.010001-0607-3031-6869-9293-9899模拟样本之一顺序号码身高x89093959175163169169均值=169抽样分布模拟样本之二顺序号码身高x93053103181157169157均值=166样本均值的抽样分布(n=4,100个样本)抽样分布样本均值的期望值样本均值的标准差均值概率P均值*P(样本均值-总体均值)2(样本均值-总体均值)2*P161163165167169171173175177.01.05.12.19.26.19.12.05.011.618.1519.8031.7343.9432.4920.768.751.776436164041636640.641.801.920.7600.761.921.800.64169样本均值的标准差SE=3.20抽样分布利用随机数字表总体分布顺序号码身高X频次频率P1511571631691751811871624382461.01.06.24.38.24.06.010001-0607-3031-6869-9293-9899模拟样本之一顺序号码身高x374879887463520634169169175175175169169157169均值≈169.67抽样分布样本均值的抽样分布(n=9,100个样本)抽样分布样本均值的期望值样本均值的标准差均值概率P均值*P(样本均值-总体均值)2(样本均值-总体均值)2*P163165167169171173175.01.06.24.38.24.06.011.639.9040.0864.2241.0410.381.75361640416360.360.960.9600.960.960.36169样本均值的标准差SE=2.14抽样分布SE=的标准误差=的标准差XX抽样分布
为了区分X的标准差和的标准差,的标准差通常称为的标准误差,或简称为SE。XXX样本量=4样本量=9样本均值概率(%)概率(%)161116351165126167192416926381711924173126175511771抽样分布n=4的样本均值的抽样分布n=9的样本均值的抽样分布抽样分布
不管总体本身是否服从正态分布样本均值的分布都是渐近正态的抽样分布样本均值的抽样分布抽样分布的中心就是总体的中心抽样分布的标准误差比总体的标准差小,样本量越大,标准误差越小对非正态总体,样本量比较大时,样本均值的抽样分布也是近似对称和正态的正态近似定理(中心极限定理)在容量为n的非常简单随机样本中,样本均值以的标准误差围绕着总体均值μ波动。随着n的增大,的分布也就围绕其目标μ波动得越来越小,也就越来越接近于正态。抽样分布(正态近似定理)
第六章
参数估计Parameterestimation
所谓点估计,就是用一个最适当的样本统计量来代表总体的参数。要调查昆明市民对昆明实施道路交通“休克”疗法的态度,从昆明市抽取了一个100人的随机样本,而计算出样本中表示赞成的比例为67%,那么我们可以说,昆明市民中有67%的人支持实施道路交通“休克”疗法来有一年的拥堵换取未来的出行畅通。一般来说,进行点估计时,如果样本越大,且抽样方法越严谨,这种估计就越可信。但无论如何,抽样误差总是难免的,而且点估计无法得到估计值的可信程度。
所谓区间估计,就是用两个数组成的区间估计参数值。
现随机地抽取n=25位下马村居民区居民,调查了人均日收听广播时间,这25人的平均日收听广播时间为60分钟。那么整个下马村居民区的平均日收听广播时间是
54<<66分钟。置信区间ConfidenceInterval
由样本统计量所构造的总体参数的估计区间称为置信区间置信区间置信水平=1-α置信下限点估计值置信上限
那么整个下马村居民区的平均日收听广播时间是
54<<66分钟。置信水平
αα/2Zα/290%95%99%0.100.050.010.050.0250.0051.6451.962.58常用置信水平的Zα/2值μ-1.96SE1.96SE95%置信区间一个总体参数的区间估计总体均值的区间估计总体比例的区间估计总体均值μ的95%置信区间总体均值
的置信区间95%置信区间总体均值μ的95%置信区间置信区间在波动保持不变总体均值
的置信区间总体均值μ的95%置信区间P=2.5%例5-1.要估计某居民区人均日收听广播时间,已知标准差为
=15分钟。现随机地抽取n=25位居民,这25人的平均日收听广播时间为60分钟。求整个居民区的平均日收听广播时间的95%置信区间。
=60±654<<66总体均值
的置信区间总体均值μ的95%置信区间保持不变置信区间在波动总体均值
的置信区间总体均值μ的99%置信区间P=2.5%例5-3:要估计某居民区人均日收听广播时间,已知标准差为
=15分钟。现随机地抽取n=25位居民,这25人的平均日收听广播时间为60分钟。
求整个居民区的平均日收听广播时间的95%,99%置信区间。
95%置信区间
=60±5.8854.12<<65.88
99%置信区间
=60±7.7452.26<<67.74总体均值
的置信区间P=0.5%
随着置信度的提高,随之增大,因此置信区间变得更宽,即更加含糊不明确。
置信度和精度之间是矛盾的
要在两者之间作合理的折中。总体均值
的置信区间总体均值μ的置信度为1-α的置信区间总体均值
的置信区间总体均值
的置信区间总体均值μ的置信度为1-α的置信区间当σ未知时,总体均值μ的置信区间总体均值
的置信区间t分布以n-1为自由度(df)的t分布Normal=t(df=∞)t(df=20)t(df=5)Z
scalet
scale-1.96+1.96-1.96df=∞+1.96
-2.086df=20+2.086-2.571df=5+2.571P=2.5%tvalues总体均值
的置信区间例5-4从一大工厂中随机地抽取4位职工,他们当月的奖金分别为:
360元、400元、240元、300元计算全厂当月平均奖金μ的95%置信区间(n=4,df=3,t0.025=3.1824)总体均值
的置信区间
=(360+400+240+300)/4±t0.025(3)*=325±3.1824*70/2
[213.6<
<
436.4]总体比例P的置信区间总体比例P的95%置信区间总体比例P的99%置信区间从昆明市抽取了一个400人的随机样本,而计算出样本中表示支持实施道路交通“休克”疗法的比例为67.8%,那么在95%的置信度下,总体比例的置信区间为:总体比例P的置信区间
我们有95%的把握说,昆明市民中有63.2%至72.4%的人支持实施道路交通“休克”疗法来用一年的拥堵换取未来的出行畅通。0.632<<0.724第二轮小组作业讲述内容:第一组:样本所在总体平均数,与已知总体平均数的比较(CompareMeans菜单
One-sampleTTest)(第13周)第二组:两个样本平均数差别的比较,即通常所说的两组数据的T检验(CompareMeans菜单
Independent-sampleTTest)(第13周)第三组:配对样本(数据)的平均值比较。
(CompareMeans菜单
Paired-sampleTTest)
(第14周)第四组:多组样本平均数的比较(CompareMeans菜单
One-WayANOVA)(第14周)第五组:相关分析(第15周)(Correlate菜单Bivariate过程)第六组:卡方的一致性检验(第15周)(NonparametricTest菜单Chi-Square命令)第七组:卡方的独立性检验(第16周)(Crosstabs命令的X2
检验)第八组:制定数据的综合分析(包括描述性分析和推断分析,前七项内容中不少于三项)(第17周)第二轮小组作业要求:包括理论内容和软件操作两个部分制作讲述内容的ppt
选择适合的数据资料进行软件操作的展示每小组最多由两位同学讲授,并且不能与第一轮讲授的同学重复展示时间安排:第13周——第17周两个总体均值之差μ1—μ2
的置信区间
(两个总体均值的比较)在某一公司相互独立地随机抽取了男、女员工各5名,他们的月收入(元)如下表:男女员工的收入有差别吗?是否能说明该公司对女性有歧视?男员工25002550205023001900女员工22002300190020001800两个总体均值之差()的置信区间两个总体均值之差()的置信区间自由度例题
为了评价某个电视栏目的改版效果,在改版前从一个居民点中抽取了5位居民,他们对该栏目的评分分别为:65、70、85、80、75;改版以后又从另一个居民点抽取了6位居民,他们对该栏目的评分分别为:70、75、80、85、85、85。如果假定两个居民点的评分的方差相同是和合理的,计算两个居民点对该栏目评分均值之差的95%置信区间。两个总体均值之差()的置信区间X(n=5)均值偏差偏差平方偏差平方和改版前居民点1657085807575-10-5105010025100250250X(n=6)均值偏差偏差平方偏差平方和改版后居民点270758085858580-10-50555100250252525200自由度df=(5-1)+(6-1)=9置信度=95%改版后、改版前的节目评价得分的之差在-5分和15分之间无法判断改版后的评价得分是否高于改版前的评价得分样本居民评分编号改版前改版后123456657070808580707580858585样本居民评分差异编号改版前改版后D偏差偏差平方12345665707080858070758085858555105050050-5000250250均值=5方差=50/5=10自由度
df=6-1=5看作一个新的单一样本两个总体均值之差()的置信区间配对样本时,总体均值之差的95%置信区间样本居民评分差异编号改版前改版后D1234566570708085807075808585855510505均值=5看作一个新的单一样本
改版后、改版前的节目评价得分的之差在2分和8分之间改版后的评价得分高于改版前的评价得分未经训练(样本1)经过训练(样本2)X1偏差偏差平方X2偏差偏差平方130152120143135均值=136-616-1617-1036256256491598132141110130132均值=129312-191-30914436119524例题
为了评价一个减肥健美操训练班的效果,随机地抽取了还未参加训练的5名学员(刚刚报名)以及完成训练即将毕业的另外5名学员,他们的体重如表所示。1)求以下各题的平均体重的95%置信区间
a未经训练时的;b经过训练后的;c训练期间所减少的2)为了更好地评价训练的效果,如何改变抽样设计的方案?
=1-27±17原始数据(配对样本)计算均值和标准差学员编号X1X2D=X1-X2偏差偏差平方123451301521201431351201521111321301009115均值=73-724-209494164SD2=82/4=1-27±6配对样本=1-27±17独立样本利用配对样本比较差异时,可以得到更精确的置信区间因为许多外部因素保持了相等(排除了外部因素的影响)配对样本配对样本:在两个样本中,使用同样的个体配对数据的样本误差大大减小配对以后,使得许多外部变量(如个人背景情况等)保持不变两个总体均值之差()的置信区间两个总体方差已知时总体方差相等,但未知时
配对样本时,总体均值之差的置信区间参数估计第六章假设检验
6.1假设检验的基本问题6.2利用置信区间进行假设检验*6.3利用概率进行假设检验假设检验的基本问题假设假设检验Testofhypothesis假设检验的基本问题——假设问题的提出与表达假设(统计上的)是关于总体的某个主张或申明可以通过抽取随机样本进行检验假设检验的基本问题——假设问题的提出与表达原/零假设H0(NullHypothesis)统计上:
假定各个总体都是
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 胸腔镜下肺癌根治术手术室护理查房
- 新生儿鹅口疮的产时护理配合
- 花卉栽培工安全实践水平考核试卷含答案
- 托育师安全素养能力考核试卷含答案
- 保温材料制品生产工岗前品牌建设考核试卷含答案
- 人工智能训练师安全技能测试强化考核试卷含答案
- 水供应输排工改进模拟考核试卷含答案
- 加氢精制工岗中实操熟练考核试卷含答案
- 机制地毯挡车工岗中责任担当考核试卷含答案
- 有色金属材热处理工创新实践模拟考核试卷含答案
- 北京2026年11月小学五年级数学期中试卷及答案
- 人教版八年级英语上册Unit1-Unit 8语法知识点+练习题(含答案)
- 《盘活存量土地和低效用地典型案例2026版》
- 医务人员手卫生规范(WS-T313-2019)
- 2026年特种设备安全管理人员(A证)考试练习题库(附答案)
- 2027年江苏省高职单招职业技能考试题库附完整答案详解(考点梳理)
- 减轻外周静脉补钾疼痛方法总结2026
- 2024年云南省选调公务员笔试真题汇编含答案解析(夺冠)
- 合并CKD的冠心病糖尿病患者血运重建方案
- 物业服务标准化培训课件
- 2024人教版八年级生物上册期末复习必考知识点提纲填空练习版(含答案)
评论
0/150
提交评论