试验3参数估计与假设检验.docx
- 文档编号:30599425
- 上传时间:2023-08-18
- 格式:DOCX
- 页数:12
- 大小:462.96KB
试验3参数估计与假设检验.docx
《试验3参数估计与假设检验.docx》由会员分享,可在线阅读,更多相关《试验3参数估计与假设检验.docx(12页珍藏版)》请在冰豆网上搜索。
试验3参数估计与假设检验
试验3参数估计与假设检验
1.某省大学生四级英语测验平均成绩为65,现从某高校随机抽取20份试卷,其分数为:
72、76、68、78、62、59、64、85、70、75、61、74、87、83、54、76、56、66、68、62,问该校英语水平与全区是否基本一致?
设α=0.05
2.下面的表格记录了某公司采用新、旧两种培训方式对新员工进行培训前后的工作能力评分增加情况,分析目的是想比较这两种培训方式的效果有无差别。
ID
method
scoreadd
ID
method
scoreadd
1
1.00
9.00
10
2.00
12.00
2
1.00
10.50
11
2.00
14.00
3
1.00
13.00
12
2.00
16.00
4
1.00
8.00
13
2.00
9.00
5
1.00
11.00
14
2.00
12.00
6
1.00
9.50
15
2.00
10.00
7
1.00
10.00
16
2.00
10.00
8
1.00
12.00
17
2.00
14.00
9
1.00
12.50
18
2.00
16.00
(1)请将数据输入到数据编辑窗口,变量名保持不变;定义变量method的Values(值标签):
1为旧方法,2为新方法,并保存数据文件为data3_3.sav。
(2)按不同的培训方法计算评分增加量的平均数、四分位数,并解释其含义。
(3)分析两种培训方式的效果有无差别。
3.分析某班级学生的高考数学成绩是否存在性别上的差异。
数据如下表所示:
某班级学生的高考数学成绩
性别
数学成绩
男(n=18)
858975588680787684899995828760857580
女(n=12)
929686837887706570787256
(一)
操作步骤:
1.在进行数据分析之前,将数据录入SPSS软件中。
打开SPSS软件,在变量视图界面输入“编号”和“四级成绩”,并将“编号”定义为字符型变量,将“四级成绩”定义为数值型变量。
如图:
2.录入数据
3.点击“分析”→“比较均值”→“单样本T检验”,在弹出的对话框中,将“四级成绩”移动到右侧对话框,在“检验值”文本框”填入65,,如图:
点击选项,在置信区间百分比输入“95”,即设置显著性水平为5%。
在“缺失值”选项组中选中“按分析顺序排除个案”,也就是说,只有分析计算涉及到该记录缺失的变量时,才删去该记录。
如下图:
4.设置完毕,点击“继续”按钮返回“单样本T检验”对话框。
单击“确定”按钮,等待结果输出。
结果分析:
1.从表可以看出与,参与分析的样本共有20个,样本的均值是69.8000,标准差是9.47351,均值的标准误是2.11834.
2.从表可以发现:
t统计量的值是2.266,自由度是19,95%的置信区间是(0.3663,9.2337),临界置信水平是0.035,小于0.05,说明该校英语水平与全区英语平均水平存在较大差别。
(二)
第一问:
操作步骤:
1.打开SPSS软件,在变量视图中定义“ID”、“method”、“scoreadd”三个变量,并在变量method的值标签定义:
1为旧方法,2为新方法,如下图所示:
2.将文件保存为《data3_3.sav》,如下图:
第二问:
操作步骤:
1.对数据进行分组。
点击“数据”→“拆分文件”,进入分割文件对话框。
选择“method”,点击中间的向右箭头,使之成为分组方式。
如图:
2.点击确定完成分组设置。
单击“分析”→“描述统计”→“频率”,弹出频率对话框。
选中scoreadd变量,单击向右箭头使之进入变量列表框。
如下图:
3.单击统计量按钮,选中“四分位数”和“均值”,单击继续回到频率对话框。
单击确定,等待结果输出。
结果分析:
如下图所示,旧培训方法的评分增加量均值为10.6111,从上往下四分位数依次为12.2500;10.5000;9.2500。
新培训方法的评分增加量均值为12.5556,从上往下四分位数依次为15.0000;12.0000;10.0000.从以上结果可以起看出,新培训方法下的评分增加量与就培训方法相比,有了明显的增加。
说明新培训方法对员工工作能力有明显积极效果。
第三问:
操作步骤:
1.点击“分析”→“比较均值”→“独立样本T检验”,选中“socreadd”并点击右侧第一个向右箭头,使之进入检验变量列表框;选中“method”,单击右侧第二个向右箭头,使之进入分组变量列表框。
如图:
2.单击定义组,在组1
(1)输入“1.00”,在组2
(2)输入“2.00”。
单击继续,如图:
3.设置置信区间和缺失值的处理方法。
单击“独立样本T检验”对话框中的“选项”按钮,弹出如图所示的对话框。
采用默认的95%置信度以及“案分析顺序排除个案”的缺失值处理方法即可。
单击继续返回“独立样本T检验”对话框,单击确定,等待结果输出。
结果分析:
1.从表可以看出:
参与分析的样本中,旧方法组的样本容量是9,样本均值是10.6111,标准差是1.67290,均值的标准差是0.55763;新方法组的样本容量是9,样本均值是12.5556,标准差是2.60342,均值的标注差是0.86781.
2.从表可以发现:
F统计量的值为2.764,对应的置信水平为0.116,说明两样本方差不存在显著差别,所以采用的方法是两样本等方差T检验。
T统计量的值是-1.885,自由度是16,95%置信区间是(-4.13118,0.24229),临界置信水平为0.078,大于5%,所以两种培训方法之间不具有显著差别。
(三)
操作步骤:
1.数据录入。
在进行数据分析之前,先将数据录入到SPSS软件中。
打开SPSS软件,在变量视图定义“性别”和“成绩”变量,并在性别的值标签定义为“男”=1,“女”=2.如图所示:
2.转换到数据视图,进行数据录入。
用“1”表示性别“男”,用“2”表示性别“女”。
如图:
3.点击“分析”→“比较均值”→“独立样本T检验”,进入独立样本T检验对话框。
选中“成绩”变量,单击中间第一个向右箭头,使之进入检验变量列表框;选中“性别”变量,单击中间第二个向右箭头,使之进入分组变量列表框。
如图:
4.点击定义组,在组1
(1)输入1,在组2
(2)输入2,如图:
5.单击继续,返回独立样本T检验对话框。
单击右上角的“选项”按钮,设置置信区间百分比为95%,缺失值按分析顺序排除个案,如下图说是:
结果分析:
1.从表可以看出,参与分析的样本中,性别为男的一组的样本容量为18,样本均值为81.2778,标注差为10.36854,均值的标注误为2.44389;性别为女的一组的样本容量为12,均值为77.7500,标注差为11.70179,均值的标准误为3.37801.
2.从表中可以发现,F统计量的值是0.467,对应的置信水平是0.500,说明两样本之间存在显著差别,所以采用的方法是两样本方差不相等的T检验。
T统计量为0.846,自由度为21.685,95%置信区间是(-5.12625,,12.18180),临街置信水平为0.407,大于临界置信水平5%,说明该班级学生的高考成绩不存在性别上的差别。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 试验 参数估计 假设检验
![提示](https://static.bdocx.com/images/bang_tan.gif)