第一节资料的分类 第二节资料的整理 第三节常用统计表与统计图

6-0引言 6-1粒子体系统计分布的基本知识 6-2麦克斯威-玻尔兹曼统计 6-3配分函数与热力学函数的关系 6-4分子配分函数的计算 6-5体系热力学性质的计算 6-6理想气体反应平衡常数的计算

第一节 统计量与分布 第二节 适合性检验 第三节 独立性检验

&5.4 参数的区间估计 &5.1 统计假设测验概述 &5.2 平均数的假设测验 &5.3 百分数的假设测验

前面,我们已经了解到,在假设检验中使用的逻辑是: 如果原假设H是对的,那么衡量差异 大小的某个统计量落入区域W(拒绝域)是 个小概率事件.如果该统计量的实测值落入 W,也就是说,H成立下的小概率事件发 生了,那么就认为H不可信而否定它.否则 我们就不能否定HO

典型相关分析( canonical correlation analysis)是近年来开始普及的一种新型 多元统计分析方法。典型相关分析源于荷泰林(H. Hotelling)于1936年在《生 物统计》期刊上发表的一篇论文《两组变式之间的关系》①。他所提出的方法经 过多年的应用及发展,逐渐达到完善,在70年代臻于成熟。由于典型相关分析 涉及较大量的矩阵计算,它的应用在早期曾受到相当的限制。但当代计算机技术 及其软件的迅速发展,弥补了应用典型相关分析中的困难,因此它的应用开始走 向普及化

1.粒子和系统的微观运动状态 2.等概率原理 3玻耳兹曼分布 4.热力学量的统计表达式 5.单原子分子理想气体 6.能量均分定理

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

3.1 社会调查概述 3.2 统计分析方法—统计描述法

§7.1 气体动理论的基本观念 §7.2 平衡态、描述热力学系统的参量与理想统计模型 §7.3 平衡态下理想气体压强、温度的微观本质 §7.4 能均分定理 §7.5 麦克斯维速度与速率分布 §7.6 玻尔兹曼分布