1702640735
1702640736
• 会用公式与正态分布的临界值z*，算出总体比例p的置信区间。
1702640737
1702640738
1702640739
• 会用这个公式算出总体平均数μ的置信区间。
1702640740
1702640741
C.显著性检验
1702640742
1702640743
• 能说明显著性检验的概念，参考图IV-2。
1702640744
1702640745
• 当我们要检验的参数是总体比例p时，能写出零假设与备择假设。
1702640746
1702640747
• 已知一项检验的P值，会用非专业语言说明P值的意义。
1702640748
1702640749
• 能说明“有5%的统计学显著性水平”以及其他显著性水平的意义。能说明为什么5%的统计学显著性水平提供的信息不如P值多。
1702640750
1702640751
• 了解显著性检验不能度量一项效应的大小或重要性。
1702640752
1702640753
• 了解并能说明小样本和大样本对于样本结果显著性的影响。
1702640754
1702640755
• 会用表B中正态分布的百分位数，算出关于总体比例p的统计检验的P值。
1702640756
1702640757
1702640758
• 会用样本平均数与表B对总体平均数μ做单边和双边检验。
1702640759
1702640760
D.双向表
1702640761
1702640762
• 会把一些个体的两个类别变量的数据，用双向表的计数表示出来。
1702640763
1702640764
• 会利用双向表中的计数算出百分比，描述两个类别变量之间的关系。
1702640765
1702640766
• 对于特定的双向表，能说明卡方检验要检验的零假设是什么。
1702640767
1702640768
• 会根据双向表算出预期计数、卡方统计量与自由度。
1702640769
1702640770
• 会用表24-1的卡方检验来评估统计学显著性，以及结合特定的双向表解释检验结果。
1702640771
1702640772
练习
1702640773
1702640774
IV.1 计算机犯罪。2010年10月，盖洛普调查访问了一个包含1025位成年人的简单随机样本，问他们是否在之前的12个月受到计算机犯罪或网络犯罪的伤害，其中有133人回答“是”。我们可把这当成一个简单随机样本。给出2010年10月之前的12个月里，受到计算机或网络犯罪伤害的成年人比例的95%置信区间。
1702640775
1702640776
IV.2 喝酒。2010年7月盖洛普调查访问了一个包含1020位成年人的简单随机样本，问他们是否饮用含酒精饮料（烈性酒、葡萄酒或啤酒），其中有337人声称自己从不喝酒。假设这个样本是简单随机样本，给出完全不喝酒的成年人比例的95%置信区间。
1702640777
1702640778
IV.3 计算机犯罪。练习IV.1里有一个由1025位成年人构成的简单随机样本。假设（做调查的人不知道这一点）在2010年10月之前的12个月中有15%的成年人是计算机或网络犯罪的受害者。想象一下我们从这个总体中抽取许多个大小为1025的简单随机样本，并记录每一个样本中声称自己在那段时间是计算机或网络犯罪受害者的百分比。所有这些百分比的中间95%的值，会落在什么范围内？
1702640779
1702640780
1702640781
IV.4 喝酒。练习IV.2里有一个包含1020位成年人的简单随机样本。假设在包含所有成年人的总体当中，恰好有30%的人声称他们从不喝酒。想象我们从总体中抽取很多个大小为1020个成年人的简单随机样本，并记录下每一个样本中声称自己从不喝酒的人的比例。
1702640782
1702640783
1702640784
（a）描述我们的样本比例的抽样分布情况。