描述统计
- 平均数
- x̄ = Σx/n
- 样本标准差
- s = √(Σ(x − x̄)²/(n − 1))
- 中位数
- 排序后数据的中间值
- z 分数
- z = (x − μ)/σ
- 正态分布
- 68% 落在 ±1σ 内，95% 落在 ±2σ 内
心理学研究方法与统计：速成包
公式表、每个专题的关键方法步骤和 16 道练习题，完整解答附在最后。
1公式与方法
概率
- 补事件
- P(not A) = 1 − P(A)
- 加法公式
- P(A ∪ B) = P(A) + P(B) − P(A ∩ B)
- 独立事件
- P(A ∩ B) = P(A)·P(B)
- 条件概率
- P(A|B) = P(A ∩ B)/P(B)
- 二项分布
- P(X = k) = C(n,k)·pk(1 − p)n−k
正态分布
- z 分数
- z = (x − μ)/σ
- 小于 x
- P(X < x) = Φ(z)
- 大于 x
- P(X > x) = 1 − Φ(z)
- 介于两者之间
- Φ(z2) − Φ(z1)
- 百分位数
- x = μ + z·σ
方法
- 把数值换算为 z 分数：z = (x − μ)/σ。
- 查 Φ(z)，即 z 左侧的面积。
- 右侧面积用 1 − Φ(z)；区间面积用两个左侧面积相减。
- 求百分位数时反向计算：先由面积求 z，再求 x = μ + z·σ。
置信区间
- σ 已知
- x̄ ± z·σ/√n
- σ 未知
- x̄ ± t·s/√n, df = n − 1
- 临界 z 值
- 90%: 1.645, 95%: 1.96, 99%: 2.576
- 样本量
- n = (z·σ/E)², rounded up
方法
- 在 z（已知总体 σ）和 t（只有样本 s，自由度为 n − 1）之间作出选择。
- 求该置信水平下的临界值。
- 误差限：E = 临界值 × 标准差/√n。
- 区间：x̄ ± E。
假设检验与置信区间
- 均值的 z 检验
- z = (x̄ − μ0)/(σ/√n)
- 均值的 t 检验
- t = (x̄ − μ0)/(s/√n), df = n − 1
- 5% 双侧
- 若 |z| > 1.96 则拒绝 H0
- 置信区间
- x̄ ± z·σ/√n
方法
- 写出 H₀ 和 H₁，并确定是单侧检验还是双侧检验。
- 计算检验统计量：(x̄ − μ₀)/(σ/√n)，或者用 s 和 t。
- 与临界值比较，或求出 p 值。
- 若统计量超出临界值（p 小于 α），则拒绝 H₀，并用文字写出结论。
线性回归与相关
- 平方和
- Sxx = Σ(x − x̄)² = Σx² − (Σx)²/n, Sxy = Σxy − ΣxΣy/n
- 斜率
- b = Sxy/Sxx
- 截距
- a = ȳ − b·x̄
- 相关系数
- r = Sxy/√(SxxSyy)
- 残差
- e = y − ŷ
卡方检验
- 检验统计量
- χ² = Σ(O − E)²/E
- 拟合优度
- E = n·p, df = k − 1 − (estimated parameters)
- 独立性
- E = row total × column total / grand total, df = (r − 1)(c − 1)
- 临界值（α = 0.05）
- df 1: 3.841, 2: 5.991, 3: 7.815, 4: 9.488
- 决策
- 若 χ² > χ²crit，则拒绝 H0
2练习题
1.心理学研究方法中等
一名研究者比较一个偏远小镇在电视出现前后儿童的攻击行为。电视的出现不受研究者控制。这是：
- A自然实验
- B实验室实验
- C现场实验
- D关于看电视的相关调查
2.心理学研究方法困难
一项研究发现睡眠多的学生成绩更高。哪种设计改变最能支持因果结论？
- A让学生报告两次睡眠情况，并取两次报告的平均值
- B调查更多学生
- C更准确地测量成绩
- D把学生随机分配到不同的睡眠时间安排中
3.描述统计中等
求数据的样本标准差 s：52, 16, 26, 25, 18, 12。
n = 6
s =
4.描述统计困难
某量服从正态分布，平均数为 100，标准差为 5。数值高于 97.5 的比例 P 是多少？
μ = 100σ = 5x = 97.5
P =
5.概率中等
袋中有 5 个红球和 6 个蓝球。不放回地依次摸出两个球。两个都是红球的概率 P 是多少？
5 / 6
P =
6.概率困难
一份测试有 10 道选择题。一名靠猜的学生每题答对的概率为 0.2，相互独立。恰好答对 5 题的概率 P 是多少？
n = 10p = 0.2k = 5
P =
7.正态分布中等
X 服从均值 12 min、标准差 1.5 min 的正态分布；Y 独立，服从均值 20 min、标准差 2 min 的正态分布。求 X + Y 大于 30.8 min 的概率 P。z 取两位小数。
μX = 12, σX = 1.5μY = 20, σY = 2X + Y > 30.8 min
P =
8.正态分布困难
智商分数 服从正态分布，均值为 100 分，标准差为 15 分。拖动截断值，使阴影的后 5% 位于其左侧。求截断值 x。
μ = 100 分σ = 15 分5%
x = 分
9.置信区间中等
一个包含 6 个个体的样本，均值为 89，标准差 s = 6.5。总体近似服从正态分布。 求均值的 95% 置信区间的误差范围 E。
n = 6x̄ = 89s = 6.595%t(5) = 2.571
E =
10.置信区间困难
事先对缺陷产品的比例一无所知。 必须检验多少件产品 n，才能使比例的 90% 置信区间的误差范围不超过 0.03？
p = 0.5E = 0.0390%
n =
11.假设检验与置信区间中等
两条生产线生产同一种零件。生产线 1：50 个零件的样本平均长度为 63 mm，该生产线的已知标准差为 7 mm。生产线 2：80 个零件的样本均值为 68.2 mm，已知标准差为 14 mm。取差值为 x̄₁ − x̄₂（生产线 1 减生产线 2），求 H₀: μ₁ = μ₂ 的检验统计量 z。
n₁ = 50x̄₁ = 63 mmσ₁ = 7 mmn₂ = 80x̄₂ = 68.2 mmσ₂ = 14 mm
z =
12.假设检验与置信区间困难
在一项试验中，接受治疗 A 的 150 名患者中有 68 人康复，接受治疗 B 的 250 名患者中有 130 人康复。用合并比例求 H₀: p₁ = p₂ 的检验统计量 z。
x₁ = 68n₁ = 150x₂ = 130n₂ = 250
z =
13.线性回归与相关中等
表中给出 5 对观测值 x = 温度 (°C) 和 y = 冰淇淋销量。 求皮尔逊相关系数 r。
n = 5
r =
14.线性回归与相关困难
表中给出 6 对观测值 x = 车龄（年） 和 y = 价格 (k€)。 使用最小二乘直线 ŷ = a + b·x。 预测 x = 3.5 时的 ŷ。
n = 6x = 3.5
ŷ =
15.卡方检验中等
列联表给出了观测频数。计算行变量与列变量独立性检验的卡方统计量 χ²。不使用连续性校正。
N = 2002 × 3
χ² =
16.卡方检验困难
对一个 2 行 6 列（不含合计）的列联表进行卡方独立性检验。 利用表格，求显著性水平 α = 0.05 下的临界值 χ²crit。
α = 0.05
χ²crit =
3溶液
1.心理学研究方法
答案: A · 自然实验
为什么是这个答案
在自然实验中，自变量因研究者无法控制的事件而变化。生态效度高，但无法随机分配。
答案
A · 自然实验
2.心理学研究方法
答案: D · 把学生随机分配到不同的睡眠时间安排中
为什么是这个答案
只有通过随机分配来操纵睡眠，才能控制第三变量，并在伦理允许的范围内做出因果推断。
答案
D · 把学生随机分配到不同的睡眠时间安排中
3.描述统计
答案: s = 14.34
描述统计：平均数是总和除以 n；中位数是排序后数据的中间值（n 为偶数时取中间两个数的平均）。样本标准差 s = √(Σ(x − x̄)²/(n − 1))。z 分数 z = (x − μ)/σ 表示某个值离平均数多少个标准差。
平均数
x̄ = 149/6 = 24.83
离差平方
Σ(x − x̄)² = 27.17² + (−8.833)² + 1.167² + 0.1667² + (−6.833)² + (−12.83)² = 1029
标准差
s = √(1029/5) = 14.34
答案
s = 14.34
4.描述统计
答案: P = 0.6915
描述统计：平均数是总和除以 n；中位数是排序后数据的中间值（n 为偶数时取中间两个数的平均）。样本标准差 s = √(Σ(x − x̄)²/(n − 1))。z 分数 z = (x − μ)/σ 表示某个值离平均数多少个标准差。
标准化
z = −0.5
标准正态分布表
Φ(−0.5) = 0.3085
P = 1 − 0.3085 = 0.6915
答案
P = 0.6915
5.概率
答案: P = 0.1818
概率：在等可能结果下，P(A) = 有利结果数/总数。独立事件相乘：P(A 且 B) = P(A)·P(B)。补事件常常有用：P(至少一个) = 1 − P(一个都没有)。二项分布：在 n 次独立试验中，成功概率为 p，P(X = k) = C(n, k)·pᵏ·(1 − p)ⁿ⁻ᵏ。
第一次和第二次摸球
P = 5/11 · 4/10 = 20/110 = 0.1818
答案
P = 0.1818
6.概率
答案: P = 0.02642
概率：在等可能结果下，P(A) = 有利结果数/总数。独立事件相乘：P(A 且 B) = P(A)·P(B)。补事件常常有用：P(至少一个) = 1 − P(一个都没有)。二项分布：在 n 次独立试验中，成功概率为 p，P(X = k) = C(n, k)·pᵏ·(1 − p)ⁿ⁻ᵏ。
二项分布公式
P(X = 5) = 252·0.25·0.85 = 252·0.00032·0.3277 = 0.02642
答案
P = 0.02642
7.正态分布
答案: P = 0.6844
正态变量的和与差：若 X 和 Y 相互独立且服从正态分布，则 X + Y 与 X − Y 也服从正态分布。均值相加或相减：E(X ± Y) = μX ± μY。方差总是相加，差也是如此：Var(X ± Y) = σX² + σY²，所以 σ = √(σX² + σY²)。标准差从不直接相加。n 个独立同分布项的总和，均值为 n·μ，标准差为 σ·√n。然后照常标准化：z = (x − 均值)/σ，再查 Φ(z)。
和的分布
μ = 32 min, σ = √(1.5² + 2²) = 2.5 min
标准化
z = (30.8 − 32)/2.5 = −0.48
上尾
P = 1 − Φ(−0.48) = 1 − 0.3156 = 0.6844
答案
P = 0.6844
8.正态分布
答案: x = 75.4 分
由面积反求 z：Φ(z) 是 z 左侧的面积。对于左尾面积 A，在表中找出使 Φ(z) = A 的 z。右尾面积 A 意味着 Φ(z) = 1 − A。−z 与 z 之间的中间面积 A 使每个尾部剩下 (1 − A)/2，所以 Φ(z) = (1 + A)/2。对于数值 x，用 x = μ + zσ。
左侧的面积
Φ(z) = 0.05
由表得到的 z
z ≈ −1.64
回到原来的单位
x = 100 − 1.64·15 = 75.4 分
答案
x = 75.4 分
9.置信区间
答案: E = 6.822
均值的置信区间：x̄ ± 误差范围。总体 σ 已知时，误差范围为 z·σ/√n；只有样本标准差 s 时，用自由度为 n − 1 的 t：t·s/√n。临界值：z = 1.645（90%）、1.96（95%）、2.576（99%）。要使误差范围不超过 E，需要 n ≥ (z·σ/E)²，并向上取整。
临界值
df = n − 1 = 5, t = 2.571
误差范围
E = 2.571·6.5/√6 = 6.822
答案
E = 6.822
10.置信区间
答案: n = 752
Confidence interval for a proportion: p̂ ± z·√(p̂(1 − p̂)/n), where p̂ = x/n. To reach a margin E you need n ≥ z²·p(1 − p)/E², rounded up; without a prior estimate use p = 0.5, which gives the largest n.
解出 n
n = 1.645²·0.5·0.5/0.03² = 751.7
向上取整
n = 752
答案
n = 752
11.假设检验与置信区间
答案: z = −2.808
Hypothesis test: the test statistic = (estimate − value under H₀)/(standard error under H₀). The p-value is the probability, assuming H₀ is true, of a statistic at least as extreme as the one observed: the area in one tail for a one-sided H₁, twice the tail area for a two-sided H₁. Reject H₀ when p ≤ α.
差值的标准误
SE = √(7²/50 + 14²/80) = √3.43 = 1.852
检验统计量
z = (63 − 68.2)/1.852 = −2.808
答案
z = −2.808
|z| > 1.96，所以在 5% 水平下拒绝 H₀（双侧）。
12.假设检验与置信区间
答案: z = −1.291
Hypothesis test: the test statistic = (estimate − value under H₀)/(standard error under H₀). The p-value is the probability, assuming H₀ is true, of a statistic at least as extreme as the one observed: the area in one tail for a one-sided H₁, twice the tail area for a two-sided H₁. Reject H₀ when p ≤ α.
样本比例
p̂₁ = 68/150 = 0.4533
p̂₂ = 130/250 = 0.52
p̂ = 198/400 = 0.495
H₀ 下的标准误
SE = √(0.495·0.505·(1/150 + 1/250)) = 0.05164
检验统计量
z = (0.4533 − 0.52)/0.05164 = −1.291
答案
z = −1.291
|z| < 1.96，所以在 5% 水平下不拒绝 H₀（双侧）。
13.线性回归与相关
答案: r = 0.9776
最小二乘回归：设 x̄ 和 ȳ 为均值，Sxx = Σ(x − x̄)²，Syy = Σ(y − ȳ)²，Sxy = Σ(x − x̄)(y − ȳ)，则直线 ŷ = a + b·x 的斜率 b = Sxy/Sxx，截距 a = ȳ − b·x̄，因此它总是通过 (x̄, ȳ)。皮尔逊相关系数 r = Sxy/√(Sxx·Syy) 介于 −1 与 1 之间；r² 是 y 的变异中能被该直线解释的比例。
均值
x̄ = 90/5 = 18
ȳ = 405/5 = 81
平方和与乘积和
Sxx = Σ(x − x̄)² = 40
Sxy = Σ(x − x̄)(y − ȳ) = 206
Syy = Σ(y − ȳ)² = 1110
相关系数
r = 206/√(40·1110) = 0.9776
答案
r = 0.9776
14.线性回归与相关
答案: ŷ = 19.5
最小二乘回归：设 x̄ 和 ȳ 为均值，Sxx = Σ(x − x̄)²，Syy = Σ(y − ȳ)²，Sxy = Σ(x − x̄)(y − ȳ)，则直线 ŷ = a + b·x 的斜率 b = Sxy/Sxx，截距 a = ȳ − b·x̄，因此它总是通过 (x̄, ȳ)。皮尔逊相关系数 r = Sxy/√(Sxx·Syy) 介于 −1 与 1 之间；r² 是 y 的变异中能被该直线解释的比例。
均值
x̄ = 21/6 = 3.5
ȳ = 117/6 = 19.5
平方和与乘积和
Sxx = Σ(x − x̄)² = 17.5
Sxy = Σ(x − x̄)(y − ȳ) = −22.5
回归直线
b = −22.5/17.5 = −1.286
a = 19.5 − (−1.286)·3.5 = 24
ŷ = 24 − 1.286·x
预测
ŷ = 24 + (−1.286)·3.5 = 19.5
答案
ŷ = 19.5
15.卡方检验
答案: χ² = 23.43
卡方检验：用 χ² = Σ(O − E)²/E 比较观测频数 O 与 H₀ 下的期望频数 E。拟合优度检验：每个类别 E = n·p，df = k − 1（每由数据估计一个参数再减一）。r × c 列联表的独立性检验：E = 行合计 × 列合计 / 总计，df = (r − 1)(c − 1)。当 χ² 超过所选 α 下的临界值时拒绝 H₀。
期望频数
白班: 100·30/200 = 15, 100·80/200 = 40, 100·90/200 = 45
夜班: 100·30/200 = 15, 100·80/200 = 40, 100·90/200 = 45
卡方统计量
χ² = (19 − 15)²/15 + (53 − 40)²/40 + (28 − 45)²/45 + (11 − 15)²/15 + (27 − 40)²/40 + (62 − 45)²/45
χ² = 23.43
答案
χ² = 23.43
df = 2。在 α = 0.05 时临界值为 5.991，所以 H₀（独立）被拒绝。
16.卡方检验
答案: χ²crit = 11.07
卡方检验：用 χ² = Σ(O − E)²/E 比较观测频数 O 与 H₀ 下的期望频数 E。拟合优度检验：每个类别 E = n·p，df = k − 1（每由数据估计一个参数再减一）。r × c 列联表的独立性检验：E = 行合计 × 列合计 / 总计，df = (r − 1)(c − 1)。当 χ² 超过所选 α 下的临界值时拒绝 H₀。
自由度
df = (2 − 1)·(6 − 1) = 5
表
χ²crit(df = 5, α = 0.05) = 11.070
答案
χ²crit = 11.070
若计算出的 χ² 大于该值，则拒绝 H₀。
ExamProblems · examproblems.com/courses/research-methods-psychology