banzhao68ac
 
2019-05-30 17:53
 
3952
 
使用Excel软件计算最方便，不需要查任何统计学表格!
 
1、标准正态分布表(Z值表)的计算：
 
a.标准正态分布表临界值的计算：
 
NORMSINV(1-α/2) 【双侧】，例如NORMSINV(1-0.05/2)=1.959963985
 
NORMSINV(1-α) 【单侧】，例如NORMSINV(1-0.05)=1.644853627
 
你将我的公式复制、粘贴至Excel的公式编辑栏中就可以直接得到计算结果。记得代入具体的α值，并且在公式前面加英文状态下的等号，否则得不到计算结果！
 
b. P值的计算：
 
如果你已经计算好了Z值，可以按以下公式直接计算出P值，也不需要查表：
 
【双侧】P值=(1-NORMSDIST(Z值))*2，例如(1-NORMSDIST(1.96))*2=0.024997895*2=0.05
 
【单侧】P值=1-NORMSDIST(Z值)，例如1-NORMSDIST(1.96)=0.024997895=0.025
 
注意，如果Z值为负值，你应该取绝对值后再代入以上公式，或者使用NORMSDIST(Z值)代替1-NORMSDIST(Z值)。例如NORMSDIST(-1.96)=0.024997895
 
Zα称为标准正态分布的临界值，t(α,n-1)称为t分布(student分布)的临界值，这两个值可以通过查统计学教科书附表而取得，也可以按我回答的“标准正态分布表临界值的计算”项下的公式计算。我以你p1-p2的例子来说明。你的例子是要比较2个率是否来自同一个总体(也就是2个率p1、p2是否相等)。在这里，原假设H0一般是p1、p2相等，对应的备择假设H1是p1、p2不等，则有
 
Z=(p1-p2)/sqrt[p1×(1-p1)/n1+p2×(1-p2)/n2]
 
sqrt代表开平方，n1、n2分别代表2分样本的样本量
 
得到Z值后，可以按照我回答的“P值的计算”项下的公式计算P值，当P值＜0.05时(有时是0.01，有时是0.10，依行业习惯而定)拒绝原假设H0，否则就接受H0，这是各种统计软件使用的方法。
 
也可以通过统计学教科书附表查找Z0.05(有时是Z0.01，有时是Z0.10，依行业习惯而定)的双侧临界值，当|Z|＞Z0.05时拒绝原假设H0，否则就接受H0，这是各种统计教科书使用的方法。
 
不同场合下Z值的计算公式有所不同，你可以寻找统计假设检验的知识好好看一看。这种方法一般称为u检验，在总体标准差已知的情况下使用。
 
在总体标准差未知而样本标准差已知的情况下，则需要使用t检验，其计算过程与u检验完全形同。

 
你好！分别是这样缩写的 B二项分布 binomial distribution P泊松分布 poisson's distribution U均匀分布 uniform distribution E指数分布 exponential distribution N正态分布 .
 
u分布是标准正态分布，是以0为平均值，以1为标准差的正态分布。z分布是正态分布，是以μ为平均值，以σ为标准差的正态分布。对于z分布中的所有变量X，转换为(X-.
 
u是平均值，后面那个是标准差
 
你好！均匀分布的线性函数也服从均匀分布，X=1时Y=1,X=1时Y=2，所以Y=X+1~U(1,2)。经济数学团队帮你解答，请及时采纳。谢谢！
 
总体正态分布，两样本相互独立。t检验之前要先用F检验检测两样本的方差，方差没显著差异才能继续用T检验。
 
解释详细点哈，我统计学，学的不大好
 
u是横轴X的取值，就是积分区间 标准正态分布均值为0，积分区间为[0,1] u就是把正态分布调整到标准正态分布矫正区间用的。
 
你好！人在路灯下的影子，农民上地干活，上午和下午人多，中午人少 如果对你有帮助，望采纳。
 
这是三大抽样分布，其实抄他们都是基于正态分布建立起来的。只要你查看一般的数理统计书袭籍，就很容易找到的。 1。设X1服从以自由度百为m的卡方分布，X2服从以.
 
标准正态分布又称为u分布，是以0为均数、以1为标准差的正态分布，记为N(0,1)。正态分布(Normal distribution)又名高斯分布(Gaussian distribution)，是一个在数学.
 
自由度为n-1的t分布 的平方等于自由度(1,n-1)F分布。自由度为m-1的卡方/n-m-1的卡方分布为(m-1,n-m-1)F分布。实际上t分布就是 自由度 1的卡方/自由度为n-1的卡.
 
就是(X,Y)服从二维zd联合正态分布 第一个u指x的期望，第一个σ^2指的是x的方差；第二内个u指y的期望，第二个σ^2指的是y的方差；最后一个ρ=0指的是x,y相关系数为容.
 
和均值、标准差有关系吗？
 
u应该没有吧 u是原来的数据经过均值和标准差修正后直接查标准正态分布的
 
第一个是正态分布，是连续分布，u指分布的期望，62是分布的方差；第二个是二项分布，是离散分布，x是试验次数，y是每次的概率，期望是xy，方差是xy(1-y)；第三个是.
 
一般正态分布被表示为N(μ，σ2 )。 任何一个随机变量如果服从正态分布，其值取与μ邻近值的概率大 ，而取离μ越远的值的概率越小；σ表示数据分布的离散程度， 越大，数.
 
1、0-1分布： E(X)=p ,D(X)=p(1-p)2、二项分布B(n,p):P(X=k)=C(k\n)p^k·(1-p)^(n-k),E(X)=np,D(X)=np(1-p)3、泊松分布X~P(X=k)=(λ^k/k！)·e^-λ，E(X)=λ，D(X)=λ4、均匀分.
 
均数是平均数，copy标准差是每个数与平均数的差值的均方根；简单举例，有百一组数：(1.1,1.2,1.3,1.4,15)，均数就是1.3，这组数度与均数的差值分别是(-0.2,-0.1,0,.
 
当总体分布未知且样本容量足够大时，样本均值的分布近似服从正态分布 正态分布(Normal distribution)又名高斯分布(Gaussian distribution)，是一个在数学、物理及.
 
U在电源的后面，三相都有望指教
 
你好！U代表电压。是什么电路板？零件是怎么样的？几只脚？我的回答你还满意吗~~
 
我知道是4.5折的！！ 我的舱位机票是U，我换登机牌的时候可以任意挑选任.
 
普通舱啊，大都是打折的舱位。F是头等舱 Y全价舱 C公务舱
 
均匀分布 设连续型随机变量X的分布函数为 F(x)=(x-a)/(b-a),a≤x≤b 则称随机变量X服从[a,b]上的均匀分布，记为X~U[a,b].

 
 

   正态分布(也称为高斯分布)是统计中最常用的连续分布。正态分布在统计中至关重要，主要有以下三个原因：
  
商业中常见的许多连续变量的分布与正态分布非常相似。
正态分布可用于近似各种离散的概率分布。
由于正态分布与中心极限定理之间的关系，因此正态分布为其提供了经典统计推断的基础。
正态分布由图经典钟形表示。在正态分布中，您可以计算值以一定范围或间隔出现的概率。但是，由于将连续变量的概率测量为曲线下的面积，因此来自连续分布(例如正态分布)的特定值的确切概率为零。例如，时间(以秒为单位)被测量并且不计数。因此，您可以确定网络浏览器上视频下载时间在7到10秒之间的概率，或者下载时间在8到9秒之间的概率，或者下载时间在7.99到90秒之间的概率。8.01秒。但是，下载时间恰好为8秒的概率为零。正态分布具有几个重要的理论特性
  
它是对称的，因此其均值和中位数相等。
外观为钟形。
其四分位数间距等于1.33标准偏差。
因此，中间值的50％包含在低于平均值的标准偏差的三分之二和高于平均值的标准偏差的三分之二的范围内。
它具有无限范围(-oo 
  

  装满10,000瓶软饮料的量
  实际上，许多变量的分布与正态分布的理论性质非常相似。表中的数据代表最近一天装满10.000升1升瓶中的软饮料量。感兴趣的连续变量，即软饮料的填充量，可以通过正态分布来近似。10,000瓶中的软饮料量的测量值在1.05至1.055升之间，并围绕该组对称分布，形成钟形图案。图显示了相对频率直方图和多边形，用于填充10,000个瓶子的数量分布。
  

  10,000瓶软饮料中的相对频率直方图
  对于这些数据，正态分布的前三个理论特性得到了近似满足。但是，第四范围不是无限的。装满瓶子的数量不能为零或小于0，也不能装满超出其容量的瓶子。从表中可以看到，每10,000个装满的瓶子中只有48个预期含有1.08
  
升或更高，并且相等的数字预计少于1.025升。
符号f(X)用于表示概率密度函数。正态分布的概率密度函数在公式中给出。
  

  
e =用2.71828近似的数学常数
  
π=用3.14159近似的数学常数
  
μ =平均值
  
σ =标准偏差
  
X =连续变量的任何值，其中-∞ 
  尽
  管公式看起来很复杂，但由于e和是数学常数，所以随机变量X的概率仅取决
  于正态分布的两个参数-平均值μ和标准偏差σ。
  每次指定μ和σ的特定值时，都会生成不同的正态概率分布。
  图说明了这一原理。
  
  

  标记为A和B的分布具有相同的平均值(μ)，但具有不同的标准偏差。
  分布A和C的标准偏差(σ)相同，但均值不同。
  分布B和C对于μ和σ具有不同的值。
  
  
  计算正态概率要计算正态概率，首先需要使用公式
  

  所示的转换公式将正态分布变量X转换为标准化正态变量Z。
  
  应用此公式可让您在正态概率表中查找值，并避免了公式(1)可能需要的繁琐而复杂的计算。转换公式将计算出一个Z值，该值表示标准值单位中的x值与平均值u的差。变量X具有平均值u和标准偏差σ，而标准化变量Z始终具有平均值u = 0和标准偏差
  σ = 1。然后，您可以使用表(累积标准化正态分布)来确定概率。例如，过去的数据表明下载视频的时间是正态分布的，平均时间为7秒，标准差为
  σ = 2秒。从图中可以看到，
  
每个度量X都有一个对应的标准化度量Z，它是根据公式(2)(转换公式)计算得出的。因此，9秒的下载时间等于平均数之上的1个标准单位(1个标准偏差)，因为Z =(9-7) /2= 11秒的下载时间等于-3个标准化单位(3个标准差)低于均值，因为Z =(1-7)/2= -3在上图中，标准偏差是测量单位。换句话说，9秒的时间比7秒的平均时间高2秒(1个标准差)或更慢。同样，1秒的时间比平均时间低6秒(3个标准差)或更快。为进一步说明转换公式，假设另一个网站对于正态分布的视频具有下载时间，平均时间为= 4秒，标准偏差 = 1秒。下图显示了这种分布。
  
  

  
  将这些结果与MyTVLab网站的结果进行比较，您会发现5秒的下载时间比平均下载时间高出1个标准差，因为Z =(5-4)/1= +1
  
1秒的时间比平均下载时间低3个标准偏差，因为
Z = (1-4)/1= -3计算出Z值后，您可以使用累积标准化正态分布中的值表(查找正态概率。假设您想查找MyTVLab网站的下载时间少于9秒。假设平均u = 7秒，标准偏差σ = 2秒，则将X = 9转换为标准单位。导致Z值为+1.00使用此值，您可以使用表查找法线下的累积面积，该面积小于Z = +1.00(在其左侧)。要读取小于Z = +1.00的曲线下的概率或面积，请向下扫描表中的Z列，直到在1.0的Zrow中找到感兴趣的Z值(十分之一)。接下来，阅读该行，直到与包含Z值的第100位的列相交为止。因此，在表的主体中，Z = 1.00的概率对应于行Z = 1.0与列Z = .00的交集。下表显示了该交集。
  
在交叉点处列出的概率为0.8413，这意味着下载时间少于9秒的可能性为84.13％。下图以图形方式显示了这种可能性。
  
  

  从累积标准化正态分布确定小于Z的面积
  
但是，对于其他网站，您看到5秒的时间比4秒的平均时间高1个标准化单位。因此，下载时间少于5秒的概率也为0.8413。下图显示，不管正态分布变量的均值u和标准偏差σ如何，公式(2)都可以将X值转换为Z值。
  
演示两条法线下对应累积部分的比例转换
  
示例1
  
求P(X> 9)
  
MyTVLab网站的视频下载时间超过9秒的概率是多少？
  
解：下载时间少于9秒的概率为0.8413。因此，下载时间将超过9秒的概率是1-0.8413 = 0.1587。下图说明了此结果。
  

  
例2，
  
求P(X <7 or X> 9)
  
MyTVLab网站的视频下载时间少于7秒或超过9秒的概率是多少？
  
解：要找到此概率，您可以分别计算下载时间小于7秒的概率和下载时间大于9秒的概率，然后将这两个概率相加。下图说明了此结果。
  

  
因为平均值是7秒，并且平均值等于正态分布中的中值，所以50％的下载时间在7秒以下。从例1中，您知道下载时间大于9秒的概率为0.1587。因此，下载时间低于7秒或超过9秒(P(X <7或X> 9))的概率为0.5000 + 0.1587 = 0.6587。
  
例3，
  
求P(5 
  
MyTVLab网站的视频下载时间在5到9秒之间(即P(5 
  
解:在下图中，您可以看到感兴趣的区域位于两个值5和9之间。
  

  
例3的结果使您可以声明，对于任何正态分布，这些值的68.26％将落在平均值的±1标准偏差之内。从下图中，您可以看到95.44％的值将落在平均值的±2标准偏差之内。因此，95.44％的下载时间在3到11秒之间。
  

  
从下图中可以看到，该值的99.73％在平均值的上下3个标准偏差之内。
  
从而。99.73％的下载时间在1到13秒之间。因此，不太可能(0.0027，或10,000中只有27)下载时间太快或太慢，以至于不到1秒或超过13秒。通常，您可以使用6σ(即均值以下3个标准偏差到均值以上3个标准偏差)作为正态分布数据范围的实际近似值。对于任何正态分布的情况。
  
约68.26％的值落在平均值的±1标准偏差内
  
约95.44％的值落在平均值的±2标准偏差内
  
约99.73％的值落在平均值的±3标准偏差内
  寻找X值示例1至3要求您使用正态分布表在正态曲线下查找与特定X值相对应的面积。对于其他情况，您可能需要执行相反的操作：查找对应于特定区域的X值。通常，您可以使用公式来查找X值。
  
要找到与已知概率相关的特定值，请按照下列步骤操作：•绘制正态曲线，然后将平均值和X的值放在X和Z刻度上。•查找小于X的累积面积。•遮盖感兴趣的区域。•使用表，确定正态线下面积对应的Z值
  曲线小于X。•使用公式求解X：
  
示例4
  
求出X值为0.10的累积概率。
  
MyTVLab视频的最快10％下载完成之前需要多少时间(以秒为单位)？
  
解：由于预计10％的视频将在X秒内下载，因此法线下小于该值的面积为0.1000。搜索面积或概率为0.1000。最接近的结果是0.1003，如表所示
  

  
在正态分布线下找到对应于特定累积面积(0.10)的Z值
从该区域到表格的页边空白，您发现与特定的Z行(-1.2)和Z列(.08)相对应的Z值为1.28(见图)。
  

  
找到Z后，即可使用公式确定X值。
  
替换u = 7、σ= 2和Z = -1.28，
  
X = u + Zσ
  
X = 7 +(-1.28)(2)= 4.44秒
  
因此，下载时间的10％为4.44秒或更短。
  
例5，查找包含95％下载时间的X值。
围绕平均值对称分布的X的下限值和上限值是多少，包括MyTVLab网站上视频的95％的下载时间？
  
解：首先，您需要找到X的较低值(称为XL)。然后，找到X的上限值(称为Xu)，因为95％的值在XL和Xu之间，并且XL和XU与平均值均等距离，所以2.5％的值在XL之下(参见图)。
  

  
尽管X未知，但是您可以找到相应的Z值，因为曲线下的面积小于该Z的值为0.0250。使用表搜索概率0.0250。
  
从表格的正文到表格的页边距，您看到与特定的Z行(-1.9)和Z列(.06)相对应的Z值为-1.96。
  
找到Z后，最后一步是使用公式，如下所示：
  

  
您使用类似的过程来查找X。由于仅2.5％的视频下载时间长于Xu秒，因此97.5％的视频下载时间短于Xu秒。从正态分布的对称性中，您会发现所需的Z值(如图所示)为+1.96(因为Z位于标准化均值0的右侧)。您还可以从表中提取此Z值。您可以看到曲线下的面积小于Z值+1.96，即为0.975。
  

  

  

  
因此，95％的下载时间在3.08到10.92秒之间。
  
您可以使用Excel来计算1个正态概率，而不是在表中查找累积概率。图显示了一个工作表，该工作表计算正常概率并找到与示例1至5类似的问题的X值。
  

  

 
 

 
u
 
检验、
 
t
 
检验、
 
F
 
检验、
 
X2
 
检验
 
常用显著性检验
 
1.
 
t
 
检验
 
适用于计量资料、正态分布、方差具有齐性的两组间小样本比较。
 
包括配对资料间、样
 
本与均数间、两样本均数间比较三种，三者的计算公式不能混淆。
 
2.
 
t'
 
检验
 
应用条件与
 
t
 
检验大致相同，但
 
t′
 
检验用于两组间方差不齐时，
 
t′
 
检验的计算公式实际
 
上是方差不齐时
 
t
 
检验的校正公式。
 
3.
 
U
 
检验
 
应用条件与
 
t
 
检验基本一致，只是当大样本时用
 
U
 
检验，而小样本时则用
 
t
 
检验，
 
t
 
检
 
验可以代替
 
U
 
检验。
 
4.
 
方差分析
 
用于正态分布、
 
方差齐性的多组间计量比较。
 
常见的有单因素分组的多样本均数比较及
 
双因素分组的多个样本均数的比较，
 
方差分析首先是比较各组间总的差异，
 
如总差异有显著
 
性，再进行组间的两两比较，组间比较用
 
q
 
检验或
 
LST
 
检验等。
 
5.
 
X2
 
检验
 
是计数资料主要的显著性检验方法。用于两个或多个百分比
 
(
 
率
 
)
 
的比较。常见以下几种
 
情况：四格表资料、配对资料、多于
 
2
 
行
 
*2
 
列资料及组内分组
 
X2
 
检验。
 
6.
 
零反应检验
 
用于计数资料。是当实验组或对照组中出现概率为
 
0
 
或
 
100
 
％时，
 
X2
 
检验的一种特殊
 
形式。属于直接概率计算法。
 
7.
 
符号检验
 
、
 
秩和检验
 
和
 
Ridit
 
检验