2019年最新-数据的评价显著性检验-精选文档
显著性检验
显著性检验对所有自变量与因变量之间的直线回归关系的拟合程度，可以用统计量R2来度量，其公式如下：TSS(Total Sum of Squares)称为总平方和，其值为，体现了观测值y1,y2,…,y n总波动大小，认为是在执行回归分析之前响应变量中的固有变异性。
ESS(Explained Sum of Squares)称为回归平方和，是由于y与自变量x1,x2,…,x n的变化而引起的，其值为，体现了n个估计值的波动大小。
RSS(Residual Sum of Squares)称为残差平方和，其值为。
R2称为样本决定系数，对于多元回归方程，其样本决定系数为复决定系数或多重决定系数。
回归模型的显著性检验包括：①对整个回归方程的显著性检验；②对回归系数的显著性检验。
对整个回归方程的显著性检验的假设为“总体的决定系统ρ2为零”，这个零假设等价于“所有的总体回归系数都为零”，即：检验统计量为R2，最终检验统计量为F比值，计算公式为：F比值的意义实际上是“由回归解释的方差”与“不能解释的方差”之比。
检验回归方程是否显著的步骤如下。
第1步，做出假设。
备择假设H1:b1,b2,…,b k不同时为0。
第2步，在H0成立的条件下，计算统计量F。
第3步，查表得临界值。
对于假设H0，根据样本观测值计算统计量F，给定显著性水平α，查第一个自由度为k，第二个自由度为n-k-1的F分布表得临界值F(k,n-k-1)。
当F≥Fα(k,n-k-1)时，拒绝假设H0，则认为回归方程α显著成立；当F＜Fα(k,n-k-1)时，接受假设H0，则认为回归方程无显著意义。
对某个回归参数βi的显著性检验的零假设为：H0：βi=0，检验的最终统计量为：具体步骤如下。
(1)提出原假设H0:βi=0；备择假设H1:βi≠0。
(2)构造统计量，当βi=0成立时，统计量。
这里是的标准差，k为解释变量个数。
(3)给定显著性水平α，查自由度为n-k-1的t分布表，得临界值。
定量分析中的误差及数据处理与评价-精选文档38页
3.若仅做了两次测定，则须用下式：x 1
x
x
2
表示误差的情况。
问题：两式有什么不同?
（2）精密度与准确度的关系
同学们熟悉的经历：军训打靶
甲
乙
丙
结果： 精密度好， 精密度好
精密度不好，准确
准确度也 准确度不好 好。
度也不好。
评价： 枪好，技 技术好，枪不好。 枪可能不好，但首
术好，首 若将枪调整好了， 要解决技术问题。
2-3工作曲线与回归分析 1、一元线形回归方程 2、相关系数 3、回归线的精度
重点与难点
1、误差的有关概念及表示。 2、有效数字的表示与运算规则。
3、定量分析中的数据处理及评价。 4、提高分析结果准确度的方法。 5、工作曲线与回归分析。 6、关于误差及数据处理的计算 。
2.1 定量分析中的误差
一、误差的概念
质等。
4差. 是主可观以误差消：除测的试。人员对操作条件如：对终点
颜色的辨别、体积的用量等， 在多次的测 定中人为的受前面测定的影响，而产生的误 差。
2、偶然误差
• 偶然误差又称不定误差或随机误差， 由于一些难以察觉的或不可控制的 随机因素导致的误差。
• 例如：测定条件下的温度,电压的微 小波动，空气的尘埃与水分含量的 变动等可引起这类误差。
1、系统误差
• 系统误差又称可测误差，是由可察觉的 因素导致的误差。
• 例如：分析方法不完善，试剂与蒸馏水 含被测组分或干扰物质，量器刻度不准 确,砝码腐蚀与缺损，个人观察习惯不当 等，都可能引起系统误差。
系统误差的特点
1. 由于系统误差是测定过程中某些经常性 的原因所造成的，因此其影响比较恒定， 若在同一条件下进行多次的测定，误差 的情况会重复出现。
2019年最新-常用建设工程材料的取样与送检-精选文档
从每批 接头中 随机切 取3个试 件。
3个拉伸试 件 (复验6个)
拉强度合格。 3、当试验结果有2个试件抗拉强度小于钢筋规定的 抗拉强度；或3个试件均在焊缝或热影响区发生脆 断时，则一次判定该批接头为不合格品。 4、当试验结果有1个试件的抗拉强度小于规定值， 或2个试件在焊缝或热影响区发生脆断时，其抗拉 强度均小于钢筋抗拉强度的1.10倍时，应进行复检。
接头的现场检验按
验收批进行，同一
施工条件下，采用
拉伸试验：
同一批材料的同等
Ⅰ级接头，接头试件抗拉强度不得小于钢筋母材抗
直螺纹套筒 级、同型式、同规 在工程
拉强度规定值的1.10倍；
6
连接 《钢筋机械连 接通用技术规
程》 JGJ 107－
格接头，以500个为 一个验收批进行检 验与验收，不足500 个也作为一个验收 批。现场检验连续
3根拉(复验 6) 3根弯(复验 6)
拉强度合格。
3、当试验结果有2个试件抗拉强度小于钢筋规定的 抗拉强度；或3个试件均在焊缝或热影响区发生脆 断时，则一次判定该批接头为不合格品。
4、当试验结果有1个试件的抗拉强度小于规定值， 或2个试件在焊缝或热影响区发生脆断时，其抗拉 强度均小于钢筋抗拉强度的1.10倍时，应进行复检。 拉伸复检：当仍有1个试件的抗拉强度小于规定值 ，或有3个试件断于焊缝或热影响区呈脆性断裂， 其抗拉强度小于钢筋规定抗拉强度的1.10倍时，应 判定该批接头为不合格品。
冷轧扭钢筋验收批由同一型号、同 一强度等级、同一规格尺寸、同一 台（套）轧机生产的钢筋组成，且 每批不应大于20t,不足20t按一批
计。
取样部位 应距钢筋 末端不小 于500mm。 试样长度 宜取偶数
倍节距 （不宜小 于4倍节
统计学习题答案 第8章 相关与回归分析【精选文档】
6.表中给出y 对2x 和3x 回归的结果：
离差来源 平方和（SS ) 自由度(df ) 平方和的均值（MSS ） 来自回归（ESS ） 65965 来自残差（RSS ） 总离差（TSS ） 66042 14
（1） 该回归分析中样本容量是多少？ （2） 计算RSS ；
（3） ESS 和RSS 的自由度是多少？ （4） 计算可决系数和修正的可决系数；
（5） 怎样检验2x 和3x 对y 是否有显著影响？根据以上信息能否确定2x 和3x 各自对
y 的贡献为多少？
解：（1）该回归分析中样本容量是14+1=15
（2）计算RSS=66042-65965=77
ESS 的自由度为k —1=2,RSS 的自由度 n-k=15—3=12 （3)计算：可决系数 2
65965/660420.9988R == 修正的可决系数 2151
1(10.9988)0.9986153
R -=-
⨯-=- （4）检验X2和X3对Y 是否有显著影响
/(1)65965/232982
5140.11/()77/12 6.4166
ESS k F RSS n k -=
===-
（5) F 统计量远比F 临界值大，说明X2和X3联合起来对Y 有显著影响，但并不能确定X2和X3各自对Y 的贡献为多少。
7. 在计算一元线性回归方程时，已得到以下结果：
试根据此结果,填写下表的空格：
来 源 平方和 自由度 方差 来自回归 2179.56
来自残差 99。
11 22 总离差平方和
2278。
67。
统计显著性与效果量分析
统计显著性与效果量分析统计显著性与效果量分析是研究中常用的两种方法，用于评估研究结果的重要性和影响程度。
统计显著性是指在研究中观察到的差异是否真实存在，而效果量则是用来衡量这种差异的大小。
本文将分别介绍统计显著性和效果量的概念、计算方法以及在研究中的应用。
一、统计显著性分析统计显著性是指在研究中观察到的差异是否超出了随机误差的范围，即是否具有统计学意义。
在进行统计显著性分析时，通常会进行假设检验，以确定观察到的差异是否显著。
常用的假设检验方法包括t 检验、ANOVA分析等。
1. t检验t检验是用于比较两组平均数是否存在显著差异的统计方法。
在进行t检验时，首先需要建立零假设（H0）和备择假设（H1），然后计算t值，并根据t值和自由度查找t分布表确定P值。
若P值小于显著性水平（通常设为0.05），则拒绝零假设，认为两组之间存在显著差异。
2. ANOVA分析ANOVA分析是用于比较多组平均数是否存在显著差异的统计方法。
在进行ANOVA分析时，同样需要建立零假设和备择假设，然后计算F值，并根据F值和自由度查找F分布表确定P值。
若P值小于显著性水平，则可以得出结论是否存在显著差异。
二、效果量分析效果量是用来衡量研究结果的大小或重要性的指标，它可以帮助研究者更全面地理解研究结果。
常用的效果量指标包括Cohen's d、r、η²等。
1. Cohen's dCohen's d是用来衡量两组之间均值差异的效果量指标，它表示两组均值之差与它们的标准差的比值。
通常情况下，Cohen's d的值越大，表示两组之间的差异越显著。
2. rr是用来衡量两个变量之间相关性的效果量指标，它的取值范围在-1到1之间。
当r接近1时，表示两个变量之间存在较强的正相关关系；当r接近-1时，表示存在较强的负相关关系；当r接近0时，表示两个变量之间不存在线性相关关系。
3. η²η²是用来衡量ANOVA分析中效应大小的指标，它表示总变异中由于处理效应引起的变异所占的比例。
2019年高端消费人群分析报告-精选word文档 (11页)
本文部分内容来自网络整理，本司不为其真实性负责，如有异议或侵权请及时联系，本司将立即删除！== 本文为word格式，下载后可方便编辑和修改！ ==高端消费人群分析报告篇一：高端人群定义聪邓白氏研究：中国一线城市高消费走向理性与成熟【查看评论】消费名牌包中国人一定趋之若骛吗？购买名牌车中国人一定扎堆吗？显眼的LOGO中国人就一定买单吗？大品牌就一定能在中国赚到大把外快吗？“No！”慧聪邓白氏最新调研成果“中国高端人群消费研究报告”给出了明确的否定答复。
该调查报告显示中国高端人群可分为八类人群，其中文化知识型人群比重最大为19.9%，明显大于品牌热衷型人群（该人群的比重为16%），更远大于广告导向型的人群（该人群的比重为7.7%）。
这显示了中国一线城市高端人群消费已经走向理性和成熟。
一、调查背景及价值中国高端人群消费研究是慧聪邓白氏研究长期连续性的一个研究项目，该项目主要针对高端人群对高档品/奢侈品的消费现状和消费需求进行深层次的挖掘分析，意在填补我国研究市场对高档品/奢侈品长期跟踪研究的空缺。
该项目利用了慧聪网500万企业主数据库、邓白氏商业库中100万企业管理人员以及慧聪邓白氏研究10多年积累的消费调研样本库。
在对目标群体进行大样本详尽调查后，建立起了“Chinese Luxus Datebase”（中国高端人群消费数据库）。
本次是首次数据发布，也是慧聪邓白氏研究最新的研究成果和研究产品，调查内容不仅包括汽车、时尚消费品、酒类、服务、媒体，还涉及到高端人群的生活形态。
首次调查采用预约面访和预约网络调查的方式，选取了一线城市北京、上海、广州作为初次调查的试点，共收集到648份有效样本。
二、通过因子和聚类分析，高端人群可细分为八类人群我们知道，人的活动基本可以概括为工作和生活，并且这些活动都是受感性思维和理性思维的支配。
为此，慧聪邓白氏高端人群消费研究的调查中设置了心理特征、行为状态描述的语句，并请被调查者根据自身状况进行评价打分。
统计学答案第八章【精选文档】
三、选择题1 某厂生产的化纤纤度服从正态分布,纤维的纤度的标准均值为1。
40.某天测得25根纤维的纤度的均值x=1。
39，检验与原来设计的标准均值相比是否有所变化，要求的显著性水平为α=0。
05，则下列正确的假设形式是(）。
A。
H0：μ=1。
40,H1:μ≠1.40 B。
H0:μ≤1。
40，H1：μ>1。
40C。
H0：μ〈1。
40，H1:μ≥1。
40 D. H0：μ≥1.40,H1：μ<1。
402 某一贫困地区估计营养不良人数高达20%，然而有人认为这个比例实际上还要高，要检验该说法是否正确,则假设形式为（)。
A。
H0：π≤0.2，H1:π>0.2 B。
H0：π=0.2，H1:π≠0.2C。
H0:π≥0。
3,H1：π<0.3 D. H0：π≥0.3，H1：π<0。
33 一项新的减肥计划声称：在计划实施的第一周内，参加者的体重平均至少可以减轻8磅。
随机抽取40位参加该项计划的样本，结果显示：样本的体重平均减少7磅，标准差为32磅,则其原假设和备择假设是（）。
A。
H0:μ≤8，H1:μ〉8 B. H0：μ≥8，H1：μ〈8C. H0：μ≤7，H1：μ〉7D. H0：μ≥7，H1：μ〈74 在假设检验中，不拒绝原假设意味着()。
A。
原假设肯定是正确的 B.原假设肯定是错误的C。
没有证据证明原假设是正确的D。
没有证据证明原假设是错误的5 在假设检验中,原假设和备择假设（）.A.都有可能成立B.都有可能不成立C.只有一个成立而且必有一个成立D。
原假设一定成立，备择假设不一定成立6 在假设检验中，第一类错误是指（）.A。
当原假设正确时拒绝原假设B。
当原假设错误时拒绝原假设C。
当备择假设正确时拒绝备择假设D。
当备择假设不正确时未拒绝备择假设7 在假设检验中,第二类错误是指（).A。
当原假设正确时拒绝原假设B。
当原假设错误时未拒绝原假设C。
当备择假设正确时未拒绝备择假设 D.当备择假设不正确时拒绝备择假设8 指出下列假设检验哪一个属于右侧检验（).A。
2019年最新-清廉指数与行贿指数-精选文档
2009年11月18日，非政府组织透明 国际日前公布了2009年国际清廉指 数。
在180个国家和地区中，新西兰成为 世界最清廉的国家，索马里则被评 为最腐败的国家。
中国第79位，2019年是72位。
2009 年清 廉指 数排 行榜
16 德国 17 日本 18 法国 20 美国 26 中国澳门、葡萄牙 34 以色列、中国台湾 43 韩国 70 中国大陆、印度 121 俄罗斯 160 几内亚 、伊拉克、缅甸 163 海地
2019年度清廉指数充分显示出 腐败和贫穷之间的密切联系。 人均收入低的社会，腐败程度 比较高，人均收入高的社会腐 败程度较低。相对而言，发达 国家的法制严格，反腐败监督 到位。
组织公布了2019年度清廉指数排行榜。
2019年度清廉指数排行榜聚集了 世界上163个国家和地区，是目 前为止规模最大的一次。在所有 的163个国家和地区中，腐败比 较严重的国家占了约75%，几乎 包括所有的低收入国家，。
2019 年清 廉指 数排 行榜
1 芬兰、冰岛、新西兰 4 丹麦 5 新加坡 6 瑞典 7 瑞士 8 挪威 9 澳大利亚、荷兰 14 加拿大 15 中国香港
2019年10月，据国际反贪局联合 会第一届年会提供的数据显示， 现在发展中国家每年由于腐败导 致的经济损失为200亿美元，而 发达国家每年由于腐败导致的经 济损失则高达5390亿美元。
在 “透明国际” 公布的 “行 贿指数”调查报告中，印度、 中国和俄罗斯企业包揽“最有 可能行贿”的前三甲，瑞士则 被评为最不可能行贿的国家， 瑞典和澳大利亚位居其后 。
清廉指数排行
“透明国际Transparency International，
透
TI”组织成立于1993年，是国际上唯 一专门致力于抑制贪污腐败的国际非
信息化教学中评价量规的设计与应用-2019年精选文档
信息化教学中评价量规的设计与应用信息化教学评价需要发展一些新的评价方法（工具），包括量规、学习契约、X例展示、电子学档、概念图、评估表等。
在对学习过程进行合理评价的实践运用中，注重过程性评价的量规（rubric）工具展现出诸多优势。
量规也称为评价表或评分细则。
量规专家海蒂?古德瑞齐认为，量规是一个评分工具，能够明确描述每个准则的水平。
[1]量规是一种结构化的定量评价工具，主要用于评价、指导、管控和改善学习行为，既可作为教师评价的工具，也可以作为学生自评和互评的工具。
[2]焦建利教授认为，具有一系列评价标准、设置了质量优弱序列的量规可准确描述学生作业或学习表现的优劣程度。
量规不同于标准化测试，其评分的标准公开化，较容易实现开放和共享功能，有助于对学生进行客观、公正的评价。
一、理论基础建构主义理论认为，教学应该更加关注学生的学习过程，而且学习过程的控制应该从教师逐渐向学生过渡，培养学生知识建构的心智模式，将学生培养成为学习的自我控制者，使他们具备批判的、联系的认知加工策略和元认知策略。
在学生能够自我控制学习过程的前提下成长为学习过程和结果的最佳评价者。
以强调学习者自我评价和自我反思为特色的建构主义评价强调目标比较自由的评价，主X将学习评价和教学过程融为一体，并根据建构主义学习的特征和目标建构新的评价标准和测量工具。
美国教育心理学家罗伯特?米尔斯?加涅是信息加工学的代表人物，他认为，在一定的教学条件支持下，学习者逐步进入某种持久的学习状态，形成一定的能力和倾向，这种能力或倾向要从外在的行为表现中进行观测。
[3]根据英国课程论专家斯腾豪斯的过程评价模式，可以采用教育测量与统计的定量手段获取教学评估事实材料。
运用量规对学生的学习过程进行评价主要是基于对学生内在能力或倾向的行为表现所进行的表现性评价。
影响教学绩效的因素有定性指标，也有定量指标。
将定性评价与定量评价相结合，建立在定性评价基础上的定量评价，或者定量评价支撑的定性评价，这两种课堂绩效评价方法都能够有效发挥评价量规的导向作用、诊断作用以及鉴定作用，为进一步优化评价量规的指标体系打下良好基础。
2019年最新-2019《普通感冒规范诊治专家共识》解读-精选文档
通常为间断性干咳
寒战 疲倦
少见 疲倦症状较轻微
有轻-中度恶寒症状 通常为中度疲倦，且常伴有乏力
胸部不适 轻-中度
中度胸部不适.如果症状加重，请马上就医!
2019年《普通感冒规范诊治的专家共识》
2019年《普通感冒规范诊治的专家共识》
普通感冒与急性细菌性鼻炎、过敏性鼻炎的 鉴别诊断
普通感冒
急性细菌性鼻窦炎
内容提要
1 普通感冒流行病学与危害 2 普通感冒临床特征与检查 3 普通感冒诊断与治疗
普通感冒的病原学
• 大部分由病毒引起的，鼻病毒是引起普通感冒最常见的病原体
普通感冒： 鼻病毒
30～40%
流感：
冠状病毒
10～15%
呼吸道 合胞病毒
未知病毒
腺病毒
10～15%
副流感病毒
30～40%
Bennett Lorber. JGIM.2019, 11: 229-236
认为复方制剂成分越多越好，不对症选药
使用抗病毒 药物
目前尚无专门针对普通感冒的特异性抗病毒药物， 多数普通感冒无需使用抗病毒药物治疗
过度应用抗病毒药物有增加相关副作用的风险
1.新华网，2019年3月7日 /shanghai/node2314/node2315/node17239/node17244/u21ai478235.html
③ 病毒分离多为柯萨奇 病毒A
2019年《普通感冒规范诊治的专家共识》
普通感冒的治疗原则
• 以对症治疗、缓解感冒症状为主
• 同时注意休息、适当补充水分、保持室内空气流通，避 免继发性细菌感染
• 目前尚无特效的抗病毒药物
2019年《普通感冒规范诊治的专家共识》
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
F 检验的临界值
f2 1 2 3 4 5 6 7
8
f1
1 161 200 216 225 230 234 237 239
2 18.5 19.0 19.2 19.2 19.3 19.3 19.4 19.4
3 10.1 9.55 9.28 9.12 9.01 8.94 8.89 8.85
4 7.71 6.94 6.59 6.39 6.26 6.16 6.09 6.04
• 若：t计 ＞ t表 则 两组平均值存在显著性 差异。
• 若： t计 ＜ t表 则 两组平均值不存在显著 性差异。
F检验法
• F检验法的意义：
• 标准偏差反映测定结果精密度，是衡量 分析操作条件是否稳定的一个重要标志。 例如，有两个分析人员同时采用同种方 法对同一试样进行分析测定，但得列两 组数据的精密度S1≠S2。要研究其差异是 偶然误差引起的，还是其中一人的工作 有异常情况或是过失。
－如果分析结果之间存在“显著性差异”，就可认为 它们之间有明显的系统误差，
－否则就可以认为没有系统误差，仅为偶然误差引起 的正常情况。
显著性检验的步骤
显著性检验的一般步骤是： 1. 做一个假设,即假设不存在显著性差异，或所
有样本来源于同一体。 2. 确定一个显著性水准，通常等于0.1,0.05,0.01
被检验方法需要改进。
• 若t计 < t表,表示无显著性差异，被检验方法可
以采用。
例
• 采用某种新方法测定基准明矾中铝的质 量分数，得到下列9个分析数据10.74%， 10.77%，10.77%，10.77%，10.81%， 10.82%，10.73%，10.86%，10.81%。 己知明矾中铝含量的标准值（以理论值 代）为10.77%。试问采用该新方法后， 是否引起系统误差（置信度为95%）?
4. 数据的评价——显著性检验
显著性检验的意义
• 利用统计学的方法，检验被处 理的问题 是否存在 统计上的 显著性差异。
显著性检验的作用
• 分析工作者常常用标准方法与自己所用的分析 方法进行对照试验，然后用统计学方法检验两 种结果是否存在显著性差异。若存在显著性差 异而又肯定测定过程中没有错误，可以认定自 己所用的方法有不完善之处，即存在较大的系 统误差。
即采用新方法没有引起系统误差。
（2）两组数据的平均值比较（同一试样）
• 两个分析人员测定的两组数据或采用不同的方 法测得的两组数据,经常出现差别。若要判断 这两个平均值之间是否有显著性差异，也采用 t检验法。设两组数据分别为：
n1 s1 X 1 n2 s2 X 2 （n－测定次数，s－标准偏差，1或2为组别）
等值，分析工作中则多取0.05的显著性水准， 即置信度为95%。 3. 统计量计算和作出判断。 • 下面介绍 t 检验法和 F检验法。
t检验法
（1）平均值与标准值()的比较
a. 计算t 值
t计算
X
S
n
b. 根据要求的置信度和测定次数查表，得：t表值
c. 比较： t计和t表
• 若t计 > t表,表示有显著性差异，存在系统误差，
• 在分析测试中常用F检验法来检验。
F检验法的步骤
• F检验法用于检验两组数据的精密度,即
标准偏差 s 是否存在显著性差异。
• F检验的步骤是：先求两组数据的s（标
S 准偏差），再求得方差 2 ,把方差大
S S 的记为
2 大
,方差小的记为
2 小
,按下式
求出统计量F:
F计算
S
2 大
S
2 小
判断
• 把计算的F值与查表得到的F值比较, 若F计 ＜ F表 ，则两组数据的精密 度不存在显著性差异；若F计 ＞ F表 则存在显著性差异。
• 先求合并的标准偏差S合和合并的t值
S合与t合
偏差平方和
s合 总自由度 =
(X1i X1)2 (X2i X2)2 (n11)(n21)
或
S合
(n11)S12(n21)S2 2 n1n22
再计算
t合|
X1X2 S合
|
n1n2 n1n2
判断
• 在一定置信度时，查出t表值（总自由度 为 f = n1 + n2 - 2）。
• 因此分析结果的差异需进行统计检验或显著性 检验。
显著性检验的判断
1. 对标准试样或纯物质进行测定，所得到的 平均值与标准值不完全一致；
2. 采用两种不同分析方法或不同分析人员对 同一试样进行分析时，所得两组数据的平 均值有一定的差异；
问题：差异是由什么原因引起的 ? 偶然误差还是系统 误差 ?这类向题在统计学中属于“假设检验”。
9 5.12 4.26 3.86 3.63 3.48 3.37 3.29 3.23
10 4.96 4.10 3.71 3.48 3.33 3.22 3.14 3.07
∞ 3.84 3.00 2.60 2.37 2.21 2.10 2.01 1.94
9 10 ∞
241 242 254.3 19.4 19.4 19.50 8.81 8.79 8.53 6.00 5.96 5.63 4.77 4.74 4.36 4.10 4.06 3.67 3.68 3.64 3.23 3.39 3.35 2.93 3.18 3.14 2.71 3.02 2.98 2.54 1.88 1.83 1.00
• 求：平均值，标准偏差及 t 值
X10.79，S0.04% 2
__
x
10.79%10.77%
t
n
91.43
S
0.04% 2
t 值表：当P=0.95，f =8 时，t0.05，8=2.31 结论：t计（1.43）＜t表（2.31）
所以 X 与μ之间不存在显著性差异
5 6.61 5.79 5.41 5.19 5.05 4.95 4.88 4.82
6 5.99 5.14 4.76 4.53 4.39 4.28 4.21 4.15
7 5.59 4.74 4.35 4.12 3.97 3.87 3.79 3.73
8 5.32 4.46 4.07 3.84 3.69 3.58 3.50 3.44