1702640195
1702640196
23.21 置信区间。上一题中比较了对于所有学生中通过能力测验者的比例p的两项显著性检验，两项检验所依据的数据是在一个包含1000名学生的简单随机样本中，分别有868人和869人通过测验。对两项结果各算出一个95%置信区间，从这两个区间可以看出，我们对真实的p值以及两个样本结果之间的差异有多小并没有把握。
1702640197
1702640198
23.22 网上练习。找出一个能够说明具有统计学显著性的结果未必重要的例子。自己写一段话，总结该项研究及其结论，一定要解释清楚为何那个结果实际上并不重要。CHANCE网站（网址：www.causeweb.org/wiki/chance/index.php/Main_Page）是一个不错的寻找这类例子的地方。你也可以试试用搜索引擎查找诸如“statistically significant but not practically significant”或“statistically significant but not meaningful”之类的关键词。
1702640199
1702640200
23.23 网上练习。美国心理学会统计推断特别工作小组报告是一份出色的有关使用统计推断的简明指导文件。该报告1999年被刊登在《美国心理学家》杂志上，你可以在www.apa.org/science/leadership/bsa/statistical/tfsi-followup-report.pdf网站上找到这份报告的电子版。阅读这份报告，并回答这份报告反对使用假设检验吗？描述报告中提到的一个滥用假设检验的例子。
1702640201
1702640202
1702640203
1702640204
1702640205
统计学的世界（第8版） [:1702629700]
1702640206
统计学的世界（第8版） 第24章 双向表与卡方检验
1702640207
1702640208
案例分析
1702640209
1702640210
普渡大学属于美国“十大联盟”（Big Ten）的高校之一，该校的特色专业是工程学、科学与技术。在2010~2011学年，普渡大学共有1755位教授，其中479位为女性。女性教授所占比例只有27%多一点儿，也就是每4位教授中约有一位是女性。光看这些数字，无法看出女性在教授中的地位。我们必须检视数个变量之间的关系，而不能只看性别。举例来说，在人文学科中，女性教授的比例就比农业学科高。
1702640211
1702640212
我们来看看性别和职称之间的关系，后者对于教授而言是一个极为重要的变量。教授通常从助理教授做起，之后升到副教授并取得终身教职，最后才成为正教授。大学运行的主要决策者差不多都是正教授。以下是把普渡大学的1755位教授依性别和职称分类的双向表（two-way table）：
1702640213
1702640214
1702640215
1702640216
1702640217
这张表告诉我们女性教员在大学的职称分布情况是怎样的？在这一章，我们将学习如何解读这类表格。
1702640218
1702640219
双向表
1702640220
1702640221
例1 招生性别歧视
1702640222
1702640223
一所大学计划只招收两个专业的学生，一个是工程学，一个是英语。申请这两个专业是竞争性的，女权组织怀疑在录取过程中存在歧视女性的问题。他们从该所大学获得了以下数据，这是一个关于所有申请人的性别和录取状态的双向表：
1702640224
1702640225
1702640226
1702640227
1702640228
我们应该如何评估表中的信息？
1702640229
1702640230
录取状态和性别都属于类别变量，也就是说，这些变量可以分类，但是没有数值可供我们绘制散点图、计算相关系数、绘制回归直线来描述相关关系。要展示两个类别变量之间的相关关系，可以用像录取状态和性别双向表之类的表格。录取状态是“行变量”（row variable），因为表中每一行代表一种可能的决定。性别是“列变量”（column variable），因为每一列代表一种性别。表中的数字对应每一种录取状态与性别组合所包含的人数。
1702640231
1702640232
怎样最有效地从双向表中读取信息呢？首先，分别检视每个变量的分布。类别变量的分布告诉我们每个结果发生的频繁程度。表最右边的“总数”栏下方的数字是每一行的总数。这些行总数（row totals）提供了所有录取状态的分布。表底端的那一列“总数”，提供的是申请学生的性别分布。通常用百分比表示这些分布会更清楚，比如，我们可以把性别分布表示为：
1702640233
1702640234
1702640235
1702640236
1702640237
双向表所提供的信息，不只是单独的录取状态分布和性别分布。录取状态和性别之间有何关系，没有办法从个别分布当中找出来，必须用整个双向表。要描述类别变量之间的相关关系，可根据表中所给的计数，计算出百分比。
1702640238
1702640239
例2 招生性别歧视
1702640240
1702640241
由于只有两种录取状态，我们通过比较男女性申请者被录取的百分比，来看性别和录取状态之间的关系：
1702640242
1702640243
1702640244