《最新国家开放大学电大本科《社会统计学》名词解释题简答题题库及答案（试卷号：1318）.docx》由会员分享，可在线阅读，更多相关《最新国家开放大学电大本科《社会统计学》名词解释题简答题题库及答案（试卷号：1318）.docx（9页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、最新国家开放大学电大本科社会统计学名词解释题简答题题库及答案（试卷号：1318）最新国家开放高校电大本科社会统计学名词说明题简答题题库及答案（试卷号：1318） 一、名词说明题 1非概率抽样：依据主观意愿、实际状况等进行抽样，而不依据随机原则进行抽样，这些不符合概率抽样要求的抽样都称为非概率抽样。2二维表：二维表就是行列交叉的表格，将两个变量一个分行排放，一个分列排放，行列交叉处就是同属于两个变量的不同类的数据，也称为列联表。3置信水平：置信水平就是将构造置信区间的步骤重复许多次，置信区间包含总体参数真值的次数所占的比例。4卡方检验：卡方检验是对样本的频数分布所来自的总体分布是否听从某种理论分
2、布或某种假设分布所作的假设检验，即依据样本的频数分布来推断总体的分布。5非概率抽样：依据主观意愿、实际状况等进行抽样，而不依据随机原则进行抽样，这些不符合概率抽样要求的抽样都称为非概率抽样。6二维表：二维表就是行列交叉的表格，（1分）将两个变量一个分行排放，一个分列排放，（1分）行列交叉处就是同属于两个变量的不同类的数据，也称为列联表。7置信水平：置信水平就是将构造置信区间的步骤重复许多次，置信区间包含总体参数真值的次数所占的比例。8卡方检验：卡方检验是对样本的频数分布所来自的总体分布是否听从某种理论分布或某种假设分布所作的假设检验，即依据样本的频数分布来推断总体的分布。9整群抽样：先将总体根
3、据某种标记或特征划分为一些子群体，然后从总体中随机抽取一些子群体，再将这些抽出的若干小群体内的全部元素构成总体样本的方法。10Z值：Z值:Z值又称为标准分数,它是以平均数为参照点,以标准差为单位的描述原始数据在总体中相对位置的量数,通过计算Z值将一般正态分布转换为标准正态分布,Z值的计算公式为:Z=(X-)/ 11二维表：二维表就是行列交叉的表格，（1分）将两个变量一个分行排放，一个分列排放，（1分）行列交叉处就是同属于两个变量的不同类的数据，也称为列联表。12误差削减比例：在预料变量Y的值时，知道变量x的值时所削减的误差(E- Ez)与总误差E，的比值称为误差削减比例，简称PRE。13散点图
4、：在坐标系中，用X轴表示自变量x，用Y轴表示因变量y，而变量组(x，y)则用坐标系中的点表示，不同的变量组在坐标系中形成不同的散点，用坐标系及其坐标系中的散点形成的二维图就是散点图。14中心极限定理：中心极限定理详细内容为：不论总体分布是否听从正态分布，从均值为肛、方差为-2的总体中，抽取容量为n的随机样本，当n充分大时(通常要求n30)，样本均值的抽样分布近似听从均值为队方差为aZ/n的正态分布。15置信水平：置信水平就是将构造置信区间的步骤重复许多次，置信区间包含总体参数真值的次数所占的比例。16离散系数：离散系数是一组数据的标准差与该数据均值之比，也称为变异系数。二、简答题 1.等距分组
5、和不等距分组有什么区分？请举例说明。答：(1)定类变量：当变量值的含义仅表示个体的不同类别，而不能说明个体的大小、程度等其它特征时，这种变量称为定类变量。例如：性别。(0.5分) (2)定序变量：当变量值的含义不仅表示个体的不同类别，还可以区分个体之间大小、程度等序次差异时，这种变量称为定序变量。例如：学历。(0.5分) (3)定距变量：当变量值不仅可以将个体区分为不同类型并进行排序，而且可以确定不同类别之间的数量差别和间隔差距时，这样的变量称为定距变量。例如：智商。(0.5分) (4)定比变量：除了上述三种变量的全部特征外，还可以计算两个变量值之间的比值时，这样的变量称为定比变量。例如：收入
6、。(0.5分) 2简述相关系数的取值与意义。答：相关系数的取值在一11之间;相关系数的正负号表示两个变量相关关系的方向，“十”表示正相关,“一”表示负相关;相关系数的肯定值表示相关关系的程度,肯定值越大,相关程度越大,即r越接近1;反之,肯定值越小,及r越接近0,相关程度越弱;相关系数r=0时，只能说变量之间不存在线性相关,而不能说它们之间不相关。3简述什么是回来分析？其作用是什么？ 答：(1)回来分析是通过-定的数学表达式将变量间的关系进行描述,确定-一个变量或几个变量的改变对另一个特定变量的影响,是进行估计或预料的一种方法,侧重于考察变量之间的数量伴随关系。(2)回来分析的作用包括: 从已
7、知数据动身,确定变量之间的数学关系式; 对变量间的关系式进行统计检验,并从影响某一变量的多个变量中找出影响显著的变量; 利用所求出的关系式,依据一个变量或多个变量的取值估计或预料另一个特定变量的取值。4.简述根据测量水平区分的四类变量，并举例说明。答：(1)定类变量：当变量值的含义仅表示个体的不同类别，而不能说明个体的大小、程度等其它特征时，这种变量称为定类变量。例如：性别(0.5分)。 (2)定序变量：当变量值的含义不仅表示个体的不同类别，还可以区分个体之间大小、程度等序次差异时，这种变量称为定序变量。例如：学历(0.5分)。 (3)定距变量：当变量值不仅可以将个体区分为不同类型并进行排序，
8、而且可以确定不同类别之间的数量差别和间隔差距时,这样的变量称为定距变量。例如:智商(0.5分)。(4)定比变量:除了上述三种变量的全部特征外,还可以计算两个变量值之间的比值时,这样的变量称为定比变量。例如:收入(0.5分)。5.简述相关系数的取值与意义。答：相关系数的取值在一11之间;相关系数的正负号表示两个变量相关关系的方向,“+”表示正相关,“-”表示负相关;相关系数的肯定值表示相关关系的程度,肯定值越大,相关程度越大,即r越接近1;反之,肯定值越小,及r越接近0,相关程度越弱;相关系数r=0时,只能说变量之间不存在线性相关,而不能说它们之间不相关。6简述什么是简洁回来分析？其作用是什么？
9、 答：(1)回来分析是通过肯定的数学表达式将变量间的关系进行描述,确定-个变量或几个变量的改变对另一个特定变量的影响,是进行估计或预料的一种方法,侧重于考察变量之间的数量伴随关系。(2)回来分析的作用包括: 从已知数据动身,确定变量之间的数学关系式; 对变量间的关系式进行统计检验,并从影响某一变量的多个变量中找出影响显著的变量; 利用所求出的关系式,依据一个变量或多个变量的取值估计或预料另一个特定变量的取值。7.推断以下随机变量是定性变量还是定量变量,假如是定量变量,确定是离散变量还是连续变量。(1)网络供应商的姓名;(2)每月的网络服务费;(3)每月上网时间;(4).上网的目的;(5).上月
10、网购次数。答：(1)网络供应商的姓名：定性 (2)每月的网络服务费：定量、连续变量 (3)每月上网时间：定量、连续变量 (4)_上网的目的:定性 (5).上月网购次数:定量、离散变量 8. 简述什么是简洁回来分析?其作用是什么? 答：(1)回来分析是通过肯定的数学表达式将变量间的关系进行描述,确定-一个变量或几个变量的改变对另一个特定变量的影响,是进行估计或预料的一-种方法,侧重于考察变量之间的数量伴随关系。(2)回来分析的作用包括: 从已知数据动身,确定变量之间的数学关系式; 对变量间的关系式进行统计检验,并从影响某一变量的多个变量中找出影响显著的变量; 利用所求出的关系式,依据-一个变量或
11、多个变量的取值估计或预料另一个特定变量的取值。9.如何对配对样本进行t检验。答：配对样本检验主要是推断不同的处理或试验结果是否有差异。配对样本的t检验用于检验两个相关的样本是否来自具有相同均值的总体。在对配对样本进行t检验时,首先计算两个样本中每个对应变量之间的差值;然后再检验其差值的均值是否为零,假如差值的均值接近零(在给定的置信区间内),说明两个总体均值在给定的置信水平上没有差异，假如差值的均值在置信区间外，则说明两个总体均值在给定的置信水平上有差异。10简述根据测量水平区分的四类变量，并举例说明。答：(1)定类变量：当变量值的含义仅表示个体的不同类别，而不能说明个体的大小、程度等其它特征
12、时，这种变量称为定类变量。例如：性别(0.5分)。 (2)定序变量：当变量值的含义不仅表示个体的不同类别，还可以区分个体之间大小、程度等序次差异时，这种变量称为定序变量。例如：学历(0.5分)。 (3)定距变量：当变量值不仅可以将个体区分为不同类型并进行排序，而且可以确定不同类别之间的数量差别和间隔差距时，这样的变量称为定距变量。例如：智商(0.5分)。 (4)定比变量：除了上述三种变量的全部特征外，还可以计算两个变量值之间的比值时，这样的变量称为定比变量。例如：收入(0.5分)。 11简述相关系数的取值与意义。答：相关系数的取值在-11之间；相关系数的正负号表示两个变量相关关系的方向，“+”
13、表示正相关，“一”表示负相关；相关系数的肯定值表示相关关系的程度，肯定值越大，相关程度越大，即r越接近1；反之，肯定值越小，及r越接近O，相关程度越弱；相关系数r-0时，只能说变量之间不存在线性相关，而不能说它们之间不相关 12简要举例说明在分析双变量的关系时，t检验和卡方检验的主要区分。答：分析双变量关系时，t检验和卡方检验都是主要用于检验这两个变量之间是否存在显著关系。（2分）t检验主要用于对一个为数值型变量、另一个为分类变量且只有两个类别的变量的双变量关系的统计显著性检验。卡方检验主要用于对两个分类变量之间的相关性进行统计检验，推断变量之间是否存在显著关系。 例如，我们想考察收入与性别是否存在关系，或者两性的收入是否存在显著差异，可以用两独立样本t检验。假如我们想考察职业与性别是否存在关系，而职业和性别都是分类变量，那么可以用卡方检验考察不同性别之间职业是否存在显著差异。