考研心理学 · 实验设计与统计易混

这张图讲什么

「考研心理学 · 实验设计与统计易混」是 SeekFlaw 编辑团队整理的思维导图,分 6 个一级分支:变量、效度与控制:实验设计的基础;实验设计的类型怎么选;测量:信度、效度与量表;描述统计、相关与回归;推断统计:假设检验与方法选用;易混概念对照速记,共 93 个节点、92 张记忆卡,含 6 张配图。

这张图把考研心理学里实验设计与心理统计最容易混的点集中成对照:先搞清自变量、因变量、无关变量和各种控制方法,再区分被试间、被试内和因素设计;然后是测量里的信度与效度、各种量表和项目分析;接着是描述统计、相关回归,以及 z 检验、t 检验、方差分析、卡方检验怎么选。每张卡一个易混点,算例都是自编小数据,可以自己重算。

5 个要点

  • 变量、效度与控制:实验设计的基础——这一枝回答三个问题:实验里哪些是自变量、因变量、无关变量?
  • 实验设计的类型怎么选:被试间、被试内、混合设计各有利弊,因素设计要会读主效应和交互作用。
  • 测量:信度、效度与量表——信度是结果的稳定一致,效度是测到了想测的。
  • 描述统计、相关与回归:描述统计的易错点是各集中量数适用的分布、样本与总体方差的分母、变异系数的用途;相关回归的易错点是相关与因果、不同变量类型用不同相关系数。
  • 推断统计:假设检验与方法选用——推断统计要会三件事:看懂假设检验的逻辑(两类错误、p 值),按数据类型选对检验方法(z、t、F、卡方),会读简单的计算结果。

适用:考研备考。用法:点开任一节点先自己答,再翻面核对。

配图:随机取样与随机分配的流程图;二乘二设计均值折线图显示交互作用;三个靶图表示信度与效度的关系;标准正态曲线与常用面积;假设检验两类错误对照表;统计方法选用对照表。

发布于

一句话:这张图把「考研心理学 · 实验设计与统计易混」整理成 93 个节点、92 张记忆卡;点开节点翻面就能看答案。

按易混对照整理实验心理学与心理统计:变量与控制、实验设计、信度效度、描述统计、t 检验方差分析卡方的选用,只写教材稳定内容,算例自编。点开任一节点翻面看答案,登录后可存进自己的空间,按遗忘曲线复习。

SeekFlaw 求瑕是面向初中、高中、考研、考公考前速记的思维导图与记忆卡平台:把课件、讲义变成思维导图,节点翻面就是记忆卡,按遗忘曲线安排复习。

93 个节点 · 92 张记忆卡。作者:SeekFlaw 编辑团队;发布于 2026-11-20。

先看这 3 条

  1. 自变量和因变量怎么区分:自变量是 实验者操纵、有意变化 的条件,因变量是 随自变量变化而变化 的被试反应。
  2. 信度和效度分别指什么:信度指测量结果的 稳定性与一致性 ; 效度 指测量 是否测到了想测的特质 。
  3. 统计方法选用总表(两组与多组):一组与已知总体均值比:$z$ 或单样本 $t$ 两独立组均值比:独立样本 $t$ 同一批人前后测:配对 $t$ 三组及以上均值比:方差分析 类别变量频数:卡方检验 两连续变量关系…

变量、效度与控制:实验设计的基础

  • 自变量和因变量怎么区分:自变量是 实验者操纵、有意变化 的条件,因变量是 随自变量变化而变化 的被试反应。 例 研究「学习时间(15 分钟或 30 分钟)对单词记忆成绩的影响」:学习时间是自变量,单词记忆成绩是因变量。 易错 因变量不能由实验者直接改变。
  • 自变量有哪几种类型:通行分类有四类: 刺激特点 (如呈现时间)、 环境特点 (如噪音大小)、 被试特点 (如年龄、性别)、暂时造成的被试差异(如疲劳、饥饿)。 区分 被试特点只能选择、不能随机分配,这样的研究更接近准实验。
  • 无关变量与混淆变量的区别:无关变量(也叫额外变量)是与研究目的无关、却可能影响因变量的变量;没有控制好、与自变量同时变化并影响因变量的,就成了 混淆变量 。 例 比较两种教法,但甲班由经验丰富的老师教、乙班由新老师教,教师经验就混淆了教法的效果。
  • 什么是操作性定义:操作性定义是用 可观察、可测量的操作 来定义变量。 例 「焦虑」可定义为「某焦虑量表上的得分」或「完成任务前的心率」,而不是「心里很不安」。 易错 操作性定义不同,同一个研究的结果可能不可比。
  • 因变量的指标要满足什么要求:选择因变量指标一般要求: 有效性 (测的就是想测的)、 可靠性 (重复测量结果稳定)、 客观性 (不受主观判断左右)、灵敏性(能反映自变量引起的变化)。 例 测反应时,用计算机记录比用秒表更客观。
  • 反应时与正确率的权衡:被试追求速度时错误会增多,追求准确时反应会变慢,这叫 速度–准确性权衡 。 例 实验 A 中被试平均反应时更短但错误率更高,不能直接说「条件 A 加工更快」,要同时看两个指标。
  • 内部效度与外部效度有什么区别:内部效度指自变量与因变量之间因果关系的明确程度; 外部效度 指研究结果推广到其他人群、情境、时间的程度。 例 在严格控制的实验室里内部效度高,但情境人为,外部效度可能偏低。
  • 威胁内部效度的常见因素:常见威胁: 历史 (实验期间发生了别的事件)、 成熟 (被试自然发展)、 测验 (前测影响后测)、统计回归(极端值向均值靠拢)、选择偏差、被试流失。 例 只选前测得分最低的学生做干预,后测成绩上升,可能只是统计回归。
  • 霍桑效应、要求特征与实验者效应:霍桑效应:被试知道自己被研究而改变行为; 要求特征 :被试猜测研究目的后迎合; 实验者效应 :实验者的期望无意影响被试。 记法 常用单盲、 双盲 (被试和主试都不知道分组)。
  • 排除法与恒定法:排除法是把无关变量 完全排除 (如隔音室); 恒定法 是让无关变量在各条件下 保持不变 (如所有被试都在同一时间做实验)。 例 噪音可能影响注意,隔音是排除,所有条件都放同一段背景噪音是恒定。
  • 匹配法与随机化:匹配法:把在无关变量上相同的被试分到不同组; 随机化 :用随机方式分配被试,使各组在无关变量上平均相等。 例 先按前测成绩把被试配成对,每对随机分入两组,是匹配加随机。 易错 匹配的特征必须与因变量相关才有意义。
  • 随机取样与随机分配的区别:随机取样决定被试怎样从总体中抽出来,影响 外部效度 ; 随机分配 决定被试怎样分到各条件,影响 内部效度 。 例 从全校随机抽 60 人(随机取样),再用抽签分到两组各 30 人(随机分配)。 图:从总体随机取样得到样本,再把样本随机分配…
  • 抵消平衡法怎么用:被试内设计会有顺序效应,用 抵消平衡 使各条件的出现顺序对称。 例 两个条件 A、B:一半被试 AB 顺序、一半 BA 顺序;3 个条件有 $3!=6$ 种顺序,完全平衡就要 6 组被试或 6 的倍数。 易错 条件多时可用拉丁方减少顺序数。
  • 统计控制是什么意思:实验中无法排除的无关变量,可以用 统计方法 把它的影响分离,如协方差分析。 例 比较两种教法时先测智商,再用协方差分析 扣除智商差异 后比较成绩。

实验设计的类型怎么选

  • 被试间设计的特点:被试间设计:每个被试只接受 一个 自变量水平,各组被试不同。 优点:没有练习、疲劳和顺序效应。 缺点: 个体差异 可能混入组间差异,需要的被试多。
  • 被试内设计的特点:被试内设计:每个被试接受 所有 自变量水平。 优点:个体差异被控制,需要的被试少。 缺点:有 顺序效应 (练习、疲劳)和 遗留效应 ,要用平衡法控制。
  • 匹配组设计与随机区组设计:先按无关变量(如前测成绩)把被试 配成组 ,再把每组成员随机分到不同条件,可以兼顾被试间设计和个体差异控制。 区分 两者思路相同:先按无关变量把被试配成组(区组),每组人数等于条件数,再在组内随机分到各条件;匹配组设计的教学例子多用两个水…
  • 混合设计是什么:混合设计同时含 被试间变量 和 被试内变量 。 例 比较两种教法(被试间)在前测与后测(被试内)上的成绩变化,是 $2\times2$ 混合设计。
  • 真实验与准实验的区别:真实验 随机分配被试 并操纵自变量;准实验 不能随机分配 (如使用现成班级、被试变量),因果推断较弱。 例 比较男生与女生的反应时,性别无法随机分配,属于准实验或相关研究。
  • 因素设计怎么命名:$m\times n$ 因素设计有 两个自变量 ,分别有 $m$ 和 $n$ 个水平,共有 $mn$ 种处理条件。 例 $2\times3$ 设计:第一个自变量 2 个水平,第二个 3 个水平,共 6 种处理。 易错 数字乘积是处理条件数…
  • 主效应与交互作用的区别:主效应是某个自变量各水平的平均差异; 交互作用 是一个自变量的效应 随另一个自变量水平而变化 。 例 教法 A、B 与学生类型:A 法使基础好的学生成绩高、使基础差的学生成绩低,B 法正好相反,这是交互作用。
  • 从均值表读出主效应和交互作用:在 $2\times2$ 均值表里,看 行平均 、 列平均 判断主效应;比较一个自变量在另一个自变量各水平下的差,或把均值画成折线图看 两条线是否平行 ,不平行提示有交互(是否显著要靠方差分析)。 例 均值 A1B1=10,A1B2=14…
  • 拉丁方设计用来控制什么:拉丁方让每个条件在每个 顺序位置 和每个 组别 都恰好出现一次,用较少的被试组平衡顺序效应。 例 3 个条件的拉丁方有 3 行 3 列,如 ABC、BCA、CAB 三种顺序,每个条件在每个位置各出现一次。
  • 相关研究与实验研究的区别:相关研究只 测量 变量之间的共变,不操纵自变量,不能确定因果;实验研究操纵自变量并控制无关变量,可以推断因果。 例 发现「睡眠时间与成绩相关」,不能断定睡得多导致成绩好,可能是第三个因素(学习习惯)。

测量:信度、效度与量表

  • 信度和效度分别指什么:信度指测量结果的 稳定性与一致性 ; 效度 指测量 是否测到了想测的特质 。 例 一把总是偏重的体重秤,每次读数一致(信度高),但读数不准(效度低)。
  • 信度与效度的关系:信度是效度的必要条件:信度低,效度必低;但信度高,效度 不一定 高。 例 前面体重秤例中,信度高而效度低;若每次读数都忽高忽低,则既谈不上信度,也谈不上效度。 图:信度高效度高的点集中在靶心,信度高效度低的点集中在偏离靶心处,信度低效度低…
  • 系统误差与随机误差分别影响什么:随机误差时大时小、方向不定,主要影响 信度 ; 系统误差 方向稳定、总是偏一个方向,主要影响 效度 。 例 秤总是多称 0.5 kg 是系统误差;操作者读数时偶尔偏高偏低是随机误差。
  • 几种常见的信度估计方法:重测信度(同一测验隔段时间再测)、 复本信度 (两个等值测验)、 分半信度 (一份测验分成两半)、 内部一致性信度 (如 Cronbach $\alpha$)、评分者信度。 记法 看稳定性用重测,看等值用复本,看一致性用分半或 $\alp…
  • 分半信度为什么要校正:分半后测验长度减半,相关系数偏低,要用 斯皮尔曼–布朗公式 校正:$r_{xx}=\frac{2r_{hh}}{1+r_{hh}}$。 条件 两半测验要 等价 (平均数、方差相近);不等价时用弗朗那根或卢伦公式。 例 两半测验的相关为 0…
  • 三种主要的效度:内容效度:题目是否代表所测内容; 效标关联效度 :测验分数与外部效标的相关(同时效度、预测效度); 结构效度 :测验是否反映理论构想。 区分 同时效度的效标与测验同期获得,预测效度的效标在测验之后获得。
  • 四种测量水平的区别:称名(只分类,如性别)、 顺序 (有等级,无等距,如名次)、 等距 (有相等单位,无绝对零点,如摄氏温度)、 等比 (有绝对零点,如身高、反应时)。 易错 智商分数一般按等距量表处理,说「智商 100 是 50 的两倍」没有意义。
  • 项目难度怎么算:难度 $P=\frac{\text{答对人数}}{\text{总人数}}$,值越大题越容易;用极端分组法时 $P=\frac{P_H+P_L}{2}$。 例 100 人中 70 人答对,$P=0.7$,较容易;高分组 80% 答对、低分组…
  • 项目区分度怎么算:区分度 $D=P_H-P_L$,即高分组与低分组通过率之差, 越大越能区分 高低水平。 例 高分组 80% 通过、低分组 30% 通过,$D=0.5$。 易错 区分度为 0 或负,说明该题没有鉴别作用,要修改或删除。
  • 标准分数 z 与 T 分数:$z=\frac{X-\bar X}{S}$,表示偏离平均数几个标准差;$T=10z+50$。 例 平均 70、标准差 10,$X=85$:$z=1.5$,$T=65$。 记法 $z$ 的平均数为 0、标准差为 1,$T$ 分数平均 50…

描述统计、相关与回归

  • 平均数、中数、众数怎么选:对称分布三者相近; 偏态分布 或有极端值时,中数更能代表典型水平;称名数据只能用众数。 例 5 人月收入(千元)3,3,4,4,34:平均数 9.6,中数 4,中数更合理。 记法 正偏态时平均数大于中数,中数又大于众数。
  • 总体方差与样本方差分母为什么不同:总体方差 $\sigma^2=\frac{\sum(X-\mu)^2}{N}$;用样本估计总体时用 $s^2=\frac{\sum(X-\bar X)^2}{n-1}$( 无偏估计 )。 例 数据 2,4,6:均值 4,离差平方和 8;作…
  • 变异系数用来做什么:变异系数 $CV=\frac{S}{\bar X}\times100\%$,用来比较 单位不同或均值相差很大 的两组数据的离散程度。 例 甲组 $\bar X=50,S=5$,$CV=10\%$;乙组 $\bar X=200,S=10$,…
  • 全距、四分位差与标准差:全距只看最大和最小值,受极端值影响最大; 四分位差 是上下四分位数之差的一半,适合偏态分布; 标准差 用到每个数据,最常用。 例 数据 1,2,3,4,100 的全距为 99,几乎只反映那个极端值。
  • 正态分布的常用面积:标准正态分布中,约 68% 在 $\pm1$ 个标准差内,约 95% 在 $\pm1.96$ 个标准差内,约 99% 在 $\pm2.58$ 个标准差内。 例 智商均值 100、标准差 15 的分布里,约 95% 的人落在 70.6 到 …
  • 相关系数的取值与含义:相关系数 $r$ 在 $-1$ 到 1 之间,符号表示方向, 绝对值 表示强弱;$r^2$ 为决定系数,表示一个变量变异中可由另一个解释的比例。 例 $r=0.6$,$r^2=0.36$,即约 36% 的变异可由另一变量解释。 易错 相关…
  • 不同数据类型选哪种相关:两个 连续 变量用积差相关;两个 等级 变量用斯皮尔曼等级相关;一个真正二分、一个连续用 点二列相关 ;两个二分变量用 $\phi$ 相关。 例 性别(二分)与身高(连续)的相关,用点二列相关。
  • 一元线性回归方程怎么求:回归方程用来由一个变量预测另一个变量:$\hat y=a+bx$,斜率 $b=r\frac{S_y}{S_x}$,截距 $a=\bar y-b\bar x$。 例 $r=0.5$,$S_y=10$,$S_x=5$,$\bar x=20$,…
  • 相关系数为什么不能说明因果:两变量有相关,可能是 $X$ 导致 $Y$、$Y$ 导致 $X$、两者由 第三变量 共同引起,或只是巧合。 例 冰淇淋销量与游泳人数正相关,二者都受气温影响,并非互为因果。
  • 积差相关系数怎么算、怎么检验:积差相关 $r=\frac{\sum(X-\bar X)(Y-\bar Y)}{\sqrt{\sum(X-\bar X)^2\sum(Y-\bar Y)^2}}$;是否显著用 $t=\frac{r\sqrt{n-2}}{\sqrt{1-r…

推断统计:假设检验与方法选用

  • 假设检验的基本步骤:①提出零假设 $H_0$ 和备择假设 $H_1$;②定显著性水平 $\alpha$;③选统计量并算值;④与临界值比较或看 $p$ 值,作出决策。 易错 检验的是 零假设 ,拒绝零假设才说明差异显著。
  • 两类错误和统计功效:I 型错误($\alpha$):零假设为真却拒绝; II 型错误 ($\beta$):零假设为假却没拒绝; 功效 $1-\beta$。 记法 样本量增大、效应量增大、$\alpha$ 增大,功效都会 提高 。 图:零假设为真而拒绝是I型错…
  • p 值的含义:$p$ 值是在 零假设为真 时,得到当前样本结果或更极端结果的概率;$p\lt \alpha$ 就拒绝零假设。 易错 $p$ 不是「零假设为真的概率」,也不表示效应的大小。
  • 单侧检验与双侧检验:研究假设只说「大于」或「小于」时用 单侧检验 ;只说「有差异」用 双侧检验 。同一数据,单侧检验的临界值更小,更容易显著。 例 想知道新教法 是否更好 用单侧,想知道是否有差别用双侧。
  • 标准差与标准误的区别:标准差描述 个体数据 的离散程度; 标准误 $SE=\frac{\sigma}{\sqrt n}$ 描述 样本平均数 的离散程度,随样本量增大而变小。 例 $\sigma=15$,$n=25$:$SE=\frac{15}{5}=3$。
  • 置信区间怎么算、怎么解释:总体均值 95% 置信区间:$\bar X\pm1.96\,SE$($\sigma$ 已知)。 例 $\bar X=100$,$SE=3$:区间为 $100\pm5.88$,即 $[94.12,\,105.88]$。 易错 严格含义是:按…
  • 中心极限定理与抽样分布:从总体中反复抽取容量为 $n$ 的样本,样本平均数的分布叫 抽样分布 ,其平均数等于总体平均数,标准差就是标准误 $\frac{\sigma}{\sqrt n}$。 中心极限定理 :$n$ 足够大时,样本平均数近似正态分布, 与总体分布形…
  • 什么时候用 z 检验,什么时候用 t 检验:总体标准差 $\sigma$ 已知 (或大样本)用 $z$ 检验;$\sigma$ 未知 用样本标准差代替,用 $t$ 检验,自由度 $df=n-1$。 易错 小样本且 $\sigma$ 未知时不能用 $z$。
  • 单样本 t 检验怎么算:单样本 $t$ 检验用来比较样本平均数与已知的总体平均数:$t=\frac{\bar X-\mu_0}{s/\sqrt n}$,$df=n-1$。 例 $n=16$,$\bar X=104$,$\mu_0=100$,$s=8$:$t=\f…
  • 独立样本 t 检验与相关样本 t 检验:两组被试 互相独立 (被试间设计)用独立样本 $t$ 检验;同一批被试测两次、或匹配成对的数据用 相关样本(配对) $t$ 检验。 区分 配对 $t$ 检验的自由度是对数减 1($df=n-1$),独立样本 $t$ 检验的自由度是两组人数…
  • 独立样本 t 检验的算例:两组独立且方差相等时,用合并方差算 $t$:$t=\frac{\bar X_1-\bar X_2}{\sqrt{s_p^2\left(\frac1{n_1}+\frac1{n_2}\right)}}$,$df=n_1+n_2-2$。 例 …
  • 配对样本 t 检验的算例:$t=\frac{\bar d}{s_d/\sqrt n}$,$df=n-1$($n$ 为对数)。 例 9 名被试前后测差值平均 3,差值标准差 3:$t=\frac{3}{3/3}=3$,$df=8$,双侧 $\alpha=.05$ 临…
  • t 检验需要满足哪些前提:$t$ 检验一般要求:总体 正态分布 、各观测 相互独立 、独立样本时两总体 方差齐性 。 易错 数据严重偏态且样本很小时,应考虑非参数检验。
  • 方差齐性怎么检验、不满足怎么办:两总体方差是否相等,用 $F=\frac{s_{\text{大}}^2}{s_{\text{小}}^2}$ 检验,自由度分别为两组的 $n-1$。 例 两组方差 16 和 8,$F=2.0$,再查表判断是否显著。 易错 方差不齐时,独立样…
  • 三组以上比较为什么不用多次 t 检验:多次 $t$ 检验会使 I 型错误累积 :三组两两比较 3 次,每次 $\alpha=.05$,至少犯一次 I 型错误的概率约为 $1-0.95^3\approx0.143$。 记法 三组及以上均值比较用 方差分析 。
  • 方差分析的 F 统计量:$F=\frac{MS_{\text{组间}}}{MS_{\text{组内}}}$,$MS=\frac{SS}{df}$;单因素方差分析 $df_{\text{组间}}=k-1$,$df_{\text{组内}}=N-k$。 例 3 组每组…
  • 方差分析显著之后要做什么:$F$ 检验显著只说明 至少有两组均值不同 ,还要用 事后比较 (如 Tukey 法)找出具体哪些组之间有差异。 易错 $F$ 不显著时不需要事后比较。
  • 卡方检验的两种用法:拟合优度检验看一个变量的观察频数是否符合理论分布,$df=k-1$; 独立性检验 看两个类别变量是否独立,$df=(r-1)(c-1)$。 例 骰子掷 60 次,各面观察频数 8,12,9,11,10,10,期望都为 10:$\chi^2…
  • 卡方独立性检验的 2×2 算例:两个二分类别变量的独立性检验,可以直接用 $2\times2$ 表(${a,b,c,d}$)的简化公式:$\chi^2=\frac{N(ad-bc)^2}{(a+b)(c+d)(a+c)(b+d)}$,$df=1$。 条件 每格期望频数一…
  • 什么时候用非参数检验:数据是 等级数据 ,或不满足正态、方差齐性且样本小时,用非参数检验:两独立组用曼–惠特尼 $U$,两相关组用威尔科克森符号秩,三组以上用克鲁斯卡尔–沃利斯。 记法 参数检验用平均数,非参数检验多用 秩次 。
  • 效应量 d 表示什么:Cohen 的 $d=\frac{\bar X_1-\bar X_2}{S_p}$,是用标准差为单位的均值差,不受样本量影响;显著性只说明差异是否存在,效应量说明差异 有多大 。 例 $\bar X_1-\bar X_2=4$,$S_p=…
  • 交互作用显著后做什么:两因素方差分析中交互作用 显著 时,应继续做 简单效应分析 :固定一个自变量的某个水平,检验另一个自变量的效应。 例 前面的 $2\times2$ 设计,交互显著后,分别检验「$A_1$ 水平下 $B$ 的效应」和「$A_2$ 水平下 $…

易混概念对照速记

  • 统计方法选用总表(两组与多组):一组与已知总体均值比:$z$ 或单样本 $t$ 两独立组均值比:独立样本 $t$ 同一批人前后测:配对 $t$ 三组及以上均值比:方差分析 类别变量频数:卡方检验 两连续变量关系:积差相关 记法 先看 变量类型 ,再看 组数 ,最后看 是…
  • 信度与效度对照:信度:结果是否稳定一致;效度:是否测到想测的 随机误差影响信度;系统误差影响效度 信度高不一定效度高 ,效度高信度必不低 例 体重秤总偏重 0.5 kg,信度高、效度低。
  • 主效应与交互作用对照:主效应:一个自变量各水平的平均差异 交互作用:一个自变量的效应随另一自变量水平而变 图上两条线 平行 :无交互; 不平行 :有交互 易错 交互显著时,主效应的解释要谨慎。
  • I 型错误与 II 型错误对照:I 型:零假设为真而拒绝(弃真),概率 $\alpha$ II 型:零假设为假而没拒绝(取伪),概率 $\beta$ 功效 $=1-\beta$ 记法 其他条件不变时,降低 $\alpha$ 会使 $\beta$ 增大 ;$\alpha$…
  • 被试间设计与被试内设计对照:被试间:每人一个水平,无顺序效应,个体差异大 被试内:每人所有水平,个体差异小,有顺序效应 例 比较两种记忆方法,若担心练习效应,宜用被试间设计。
  • 随机取样与随机分配对照:随机取样:从总体抽被试,确保样本有代表性,影响外部效度 随机分配:把被试分到条件,使各组起点等价,影响内部效度 易错 随机取样不能代替随机分配。
  • 相关与因果、真实验与准实验对照:相关研究:测量共变,不操纵自变量,不能推因果 准实验: 不能随机分配 被试(用现成班级或被试变量),因果推断较弱 真实验:随机分配并操纵自变量,可推因果
  • 标准差、标准误、标准分数对照:标准差 $S$:个体数据的离散程度 标准误 $SE=\frac{\sigma}{\sqrt n}$:样本均值的离散程度 标准分数 $z=\frac{X-\bar X}{S}$:数据偏离均值几个标准差 例 $S=10$,$n=25$:$SE…

本图由 SeekFlaw 编辑团队整理。发现错误,欢迎到学习论坛指出。

打开这张导图:点节点翻面看答案 →