首页 > 文献资料
-
用SAS程序模拟抽样绘制t、F和χ2分布
长期以来作为国际著名的统计软件SAS以其强大的统计功能受到广大使用者的青睐,并被广泛介绍[1-3].利用计算机辅助教学有利于改进统计课程的教学[4],对那些内容抽象,学生难以理解,用传统教学方法难以奏效的教学内容开展SAS系统辅助教学卓有成效[5-7].t、F和χ2分布是重要的抽样分布,是t、F和χ2检验的基础,由于这些分布的概率密度函数公式复杂,也是生物统计学教学的重点和难点.本文结合教科书的基本原理通过编写SAS程序模拟上述抽样分布,以加深教学过程中对t、F和χ2分布及其检验的理解.
-
中心极限定理的模拟试验及其在教学中的应用
一、中心极限定理的内容及其教学特点中心极限定理是反映抽样分布的一条基本规律,是统计推断的重要理论基础.深刻理解中心极限定理的内涵及其表现形式,将为进一步学习参数估计和假设检验打下坚实的基础.中心极限定理可以表述为:从均数为μ,标准差为σ的正态总体中进行独立随机抽样,其样本均数服从均数为μ,标准差为σ/√n的正态分布;而从均数为μ,标准差为σ的任意总体中进行独立随机抽样,当样本含量逐渐增加时,其样本均数的分布逐渐逼近于均数为μ,标准差为σ/√n的正态分布[1].
-
R语言在卫生统计学均数抽样分布教学中的应用
抽样误差和中心极限定理是卫生统计学教学中的重点和难点,纯理论讲授学生理解较为困难.利用Excel、SPSS、SAS等软件虽然可以进行随机抽样模拟试验,但编程语言较为复杂.R语言能够生动形象地展现从不同总体中进行随机抽样样本均数的分布规律,有助于学生理解均数抽样分布规律,提高教学效果.R语言具有丰富的统计函数和强大的绘图功能等优点,在卫生统计学各类常用统计量抽样分布教学中有重要应用价值.
-
SPSS编程在医学统计学模拟抽样中的应用
医学统计学中有两种不同性质的分布:一种是用于描述个体,由于变异的存在,对应的观察值或变量(如人的身高)所表现出的分布,对于定量资料,可以是正态分布、偏态分布等,对于分类资料,常见是两分类变量,表现为二项分布,罕见事件又可简化为Poisson分布;另一种分布是统计量的抽样分布,如t分布、u分布、F分布、χ2分布等[1].在数理统计学上,这两种类型的分布,对于总体而言,都可表现为一定的概率模型.医学生对于分布的学习,特别是抽样分布,往往比较抽象,不易理解,为了能再现统计量和随机变量的分布,我们可以采用Monte-Carlo模拟抽样,Monte Carlo方法亦称为随机模拟(Random simulation)方法,有时也称作随机抽样(Random Sampling)技术或统计试验(Statistical Testing)方法.因此,我们在电脑实验中,利用SPSS简单的编程功能,模拟抽样能再现统计分布,达到加深学生对统计分布的认识,从而提高医学统计学教学效果.
-
进口商品检验检疫抽批监督管理的研究
本文在研究进口商品供应链与检验检疫链,以及抽批成数抽样分布的基础上,根据概率和抽样统计检验原理设计抽批方案,较之百分比抽批方案更为科学合理,可供设计进口商品检验检疫查验和分类管理抽批方案参考.
