第一节事件与概率 第二节概率分布 第三节正态分布 第四节二项分布 第五节泊松分布 第六节样本平均数的抽样分布 第七节t分布

第一讲随机事件与概率 内容提要 (1)事件间的关系与运算(四种关系,三种运算) (2)概率及其简单性质(古典溉型,几何溉型,求逆公式,加法公式,减法公式) (3)条件概率及三大公式(乘法公式,全概率公式, Bayes公式) (4)事件独立性与Bernoulli概型(独立性的实质及应用, Bernoulli概型的三个模型)

第二讲随机变量及其概率分布 内容提要 (1)随机变量及其分布函数(分布函数的性质) (2)离散型随机变量的分布律 (3)连续型随机变量的密度函数及概率计算 (4)重要分布的定义及背景(二项分布,超几何分布,几何分布,负二项分布, Poisson分布,均匀分布,指数分布, amma分布,正态分布) (5)随机变量函数的分布(离散场合,连续场合)

第三讲多维随机变量及其概率分布 内容提要 (1)联合分布函数与边缘分布函数(关系与性质) (2)二维离散型随机变量(联合分布律及性质边缘分布,条件分布,独立性判断) (3)二维连续型随机变量(联合密度函数及性质,概率计算,边缘密度,条件分布及密度,独立性判断) (4)独立随机变量及相关性质(独立性判断,相关计算) (5)随机变量函数的分布(离散场合,连续场合和、商、积与极值的分布) (6)常见的两个二维分布(二维均匀,二维正态以及它们的相关性质)

第八章秩转换的非参数检验 一、非参数检验的概念: 非参数检验是指对原始资料无特殊要求(如正 态分布、总体方差相等)的一类检验方法,它不 是比较参数,而是比较分布的位置。不符合t检验 和F检验的数值变量资料可用秩和检验,此外, 秩和检验还可用于两组或多组等级资料以及“开口” 资料的比较。等级相关也属于非参数检验

第六章几种离散型变量的分布及其应用 连续型随机变量:数值变量资料。 离散型随机变量:分类变量资料经整理后 得到的例数。 连续型随机变量有n个,无数种; 离散型随机变量只有一个,(n+1)种

因子分析( Factor Analysis)是多元统讣分析技术的一个分支,其主要目的 是浓缩数据。它通过研究众多变量之间的内部依赖关系,探求观测数据中的基本 结构,并用少数几个假想变量来表示基本的数据结构。这些假想变量能够反映原 来众多的观测变量所代表的主要信息,并解释这些观测变量之间的相互依存关 系,我们把这些假想变量称之为基础变量,即因子( Factors)。因子分析就是研 究如何以最少的信息丢失把众多的观测变量浓缩为少数几个因子 因子分析是由心理学家发展起来的,最初心理学家借助因子分析模型来解释 人类的行为和能力,1904年查尔斯·斯皮尔曼( Charles spearman)在美国心理学 杂志上发表了第一篇有关因子分析的文章,在以后的三四十年里,因子分析的理 论和数学基础逐步得到了发展和完善,它作为一个一般的统计分析工具逐渐被人 们所认识和接受。50年代以来,随着计算机的普及和各种统计软件的出现,因 子分析在社会学、经济学、医学、地质学、气象学和市场营销等越来越多的领域 得到了应用

定性数据的建模 一、列联表及列联表分析 二、对数线性模型的基本理论和方法 三、对数线性模型的SPSS实现 四、Logistic回归基本理论和方法 五、 Logistic回归步骤以及SPSS实现

第3章数据表的创建及操作 3.1数据表的创建 3.2数据表的维护 3.3数据表的排序、索引与查询 3.4数据表的统计与汇总 3.5多个数据表的使用

·第一节显著性检验的基本原理 ·第二节样本均数与总体均数的差异显著性检验 ·第三节两样本平均数的差异显著性检 ·第四节显著性检验中应注意的问题 ·第五节总体均数的区间估计