目录

  • 1 绪论
    • 1.1 什么是教育统计学
    • 1.2 新建课程目录
    • 1.3 教育统计学中的几个基本概念
    • 1.4 练习题
  • 2 常用的统计表与统计图
    • 2.1 数据来源
    • 2.2 统计表
    • 2.3 统计图
  • 3 数据分布的特征量
    • 3.1 集中量
    • 3.2 差异量
    • 3.3 形态量
  • 4 概率与概率分布
    • 4.1 概率的一般概念
    • 4.2 二项分布
    • 4.3 正态分布
  • 5 抽样分布及总体平均数的推断
    • 5.1 抽样的基本概念及其方法
    • 5.2 抽样分布
    • 5.3 总体平均数的估计
    • 5.4 假设检验的基本原理
    • 5.5 总体平均数的显著性检验
  • 6 方差分析
    • 6.1 方差分析的基本原理
    • 6.2 独立样本的方差分析
    • 6.3 相关样本的方差分析
  • 7 χ2检验和非参数检验
    • 7.1 卡方检验
  • 8 相关与回归
    • 8.1 相关与回归
  • 9 实践项目1 SPSS数据文件的建立与编辑
    • 9.1 SPSS概述
    • 9.2 数据文件的建立
    • 9.3 数据文件的编辑
    • 9.4 数据文件的整理
  • 10 实践项目2 应用SPSS统计分析特征量
    • 10.1 Frequencies过程
    • 10.2 Descriptives过程
    • 10.3 crosstabs过程
  • 11 实践项目3 Reports和Tables菜单详解及实例应用
    • 11.1 Reports过程与Tables过程
  • 12 实践项目4 Compare Means菜单详解及实例应用
    • 12.1 One-Sample T Test
    • 12.2 Paired Sample T Test
    • 12.3 Independent Sample T Test
    • 12.4 ANOVA
  • 13 实践项目5 Correlate相关分析菜单详解及案例分析
    • 13.1 Correlate过程
    • 13.2 Crosstabs过程
  • 14 实践项目6  Regression菜单详解及案例分析
    • 14.1 线性回归
    • 14.2 曲线拟合
  • 15 统计学与SPSS
    • 15.1 认识统计学与SPSS
      • 15.1.1 课程介绍
      • 15.1.2 什么是统计学
      • 15.1.3 为什么要学习统计
      • 15.1.4 社会学研究的科学性
      • 15.1.5 社会调查资料的特性
      • 15.1.6 概率抽样的方法
      • 15.1.7 变量及变量层次
    • 15.2 单变量的统计描述
      • 15.2.1 分布、统计表、统计图
      • 15.2.2 集中趋势测量法
      • 15.2.3 离散趋势测量法
    • 15.3 概率及其运算
      • 15.3.1 概率
      • 15.3.2 概率分布、数学期望
      • 15.3.3 概率分布方差计算
    • 15.4 正态分布与极限定理
      • 15.4.1 正态分布
      • 15.4.2 标准正态分布
      • 15.4.3 标准正态分布表
      • 15.4.4 大数定理
      • 15.4.5 章节知识回顾
    • 15.5 参数估计
      • 15.5.1 统计推论之核心概念
      • 15.5.2 参数点估计
      • 15.5.3 区间估计之抽样分布
      • 15.5.4 区间估计
      • 15.5.5 区间估计的实际应用
      • 15.5.6 区间估计的实际应用2
    • 15.6 假设检验
      • 15.6.1 统计假设
      • 15.6.2 统计检验的相关概念
    • 15.7 单总体假设检验
      • 15.7.1 大样本总体均值检验步骤
      • 15.7.2 单总体的假设检验例题
      • 15.7.3 单总体假设检验课后练习
    • 15.8 二总体假设检验
      • 15.8.1 二总体假设检验(独立样本)
      • 15.8.2 二总体假设检验(配对样本)
    • 15.9 列联表(定类-定类)
      • 15.9.1 列联表/卡方检验/关联强度
二项分布

第二节 二项分布

随机变量取一切可能值或范围的概率情况称为概率分布。二项分布属间断性随机变量的概率分布;正态分布则属于连续性随机变量的概率分布。

一、二项试验

二项试验(贝努里试验):

一次试验只有两种可能结果,即成功和失败

各次试验相互独立

各次试验中成功的概率相等,各次试验中失败的概率也相等。

二、二项分布函数

二项试验结果的概率分布,具体地说,二项分布是用n次方的二项展开式来表达在n次二项试验中成功事件出现不同次数(X=0,1,……,n)的概率分布。

运用这一函数可直接求出成功事件正好出现X次的概率。

三、二项分布图

二项分布的形态:p=q:对称

p≠q:偏态

1)当n→∞时,二项分布→正态分布;

2)当np≥5且nq≥5时,二项分布开始接近正态分布。

      

二项分布的例子:

一个学生做10道正误题,假设做对每题的概率p=1/2,做错的概率q=1/2,则:

做对0题的概率P:

做对2题的概率P:

      10个正误题做对不同题数的概率分布

做对题数

可能结果的数目

概率

累积概率

0

1

0.001

0.001

1

10

0.010

0.011

2

45

0.044

0.055

3

120

0.117

0.172

4

210

0.205

0.377

5

252

0.246

0.623

6

210

0.205

0.828

7

120

0.117

0.945

8

45

0.044

0.989

9

10

0.010

0.999

10

1

0.001

1.000

总和

1024

1.000


 

做对不同题数的概率分布图:

四、二项分布的平均数与标准差

       当二项分布开始接近正态分布时:      

五、二项分布的应用

判断试验结果的机遇性与真实性的界限。

属于二项分布的问题,若试验次数n较大,一般都用正态分布近似处理。