二、基本统计量的计算及区间估计 主要描述性统计量选项和输出结果 关键词 统计量 关键词 统计量 N 样本容量 Nmiss 缺值个数 Min 最小值 CV 变异系数 Max 最大值 medium 中位数 Range 极差 Mode 众数 Sum 和 Kurtosis 峰度系数 Mean 均值 skewness 偏度系数 Var 方差 t Student,st值 Std 标准差 Prt t值概率 Stderr 标准误 Clm μ的95%置信区间 Css 平方和 Uclm 单侧可信区间上限 uss 平方总和 Lclm 单侧可信区间下限
主要描述性统计量选项和输出结果 关键词 统计量 关键词 统计量 N Min Max Range Sum Mean Var Std Stderr Css uss 样本容量 最小值 最大值 极差 和 均值 方差 标准差 标准误 平方和 平方总和 Nmiss CV medium Mode Kurtosis skewness t Prt Clm Uclm Lclm 缺值个数 变异系数 中位数 众数 峰度系数 偏度系数 Student’s t值 t值概率 μ的95%置信区间 单侧可信区间上限 单侧可信区间下限 二、基本统计量的计算及区间估计
例：多年种植得知当地水稻良种的小区千粒重o= 34g,现自外地引入一高产水稻品种，在21个小区种植， 得其千粒重(g)数据如下： 35.637.633.435.132.736.835.9 37.637.832.434.133.737.635.4 36.638.434.435.232.935.834.9 求出： 1.统计量：平均数、标准差、标准误、变异系数。 2.该品种在本地单位面积产量的95%估计区间。 3.并判断新引入品种的小区千粒重是否显著超过原良种？
例：多年种植得知当地水稻良种的小区千粒重μ0 = 34g，现自外地引入一高产水稻品种，在21个小区种植， 得其千粒重（g）数据如下： 35.6 37.6 33.4 35.1 32.7 36.8 35.9 37.6 37.8 32.4 34.1 33.7 37.6 35.4 36.6 38.4 34.4 35.2 32.9 35.8 34.9 求出： 1.统计量：平均数、标准差、标准误、变异系数。 2.该品种在本地单位面积产量的95％估计区间。 3.并判断新引入品种的小区千粒重是否显著超过原良种？
SAS程序 data a; input x@@; cards; 35.637.6 33.435.132.7 36.835.9 37.637.8 32.4 34.1 33.7 37.635.4 36.638.4 34.435.232.9 35.834.9 ； proc means n mean std stderr clm maxdec=4; run; 基本统计量计算的过程名 结果保留 计算95%置信区间 四位小数
SAS程序 data a; input x@@; cards; 35.6 37.6 33.4 35.1 32.7 36.8 35.9 37.6 37.8 32.4 34.1 33.7 37.6 35.4 36.6 38.4 34.4 35.2 32.9 35.8 34.9 ; proc means n mean std stderr clm maxdec=4; run; 基本统计量计算的过程名 结果保留 计算95%置信区间 四位小数
U 主要输出结果： Analysis Variable X N mean Std Dev Std Error Lower95.0%CLM Upper95.0%CLM 2135.42381.81130.3953 34.5993 36.2483 结论：集团均数95%估计区间为[34.5993,36.2483]
主要输出结果： Analysis Variable : X N mean Std Dev Std Error Lower95.0%CLM Upper95.0%CLM 21 35.4238 1.8113 0.3953 34.5993 36.2483 结论：集团均数95%估计区间为[34.5993 ,36.2483]
三、统计假设测验 3.1样本与已知总体均数差异显著性测验 3.2两样本均数差异显著性测验 (成对法、成组法) 3.32*2联列表x2测验 3.4R*C联列表x2测验
三、统计假设测验 3.1 样本与已知总体均数差异显著性测验 3.2 两样本均数差异显著性测验 （成对法、成组法） 3.3 2*2联列表x 2 测验 3.4 R*C联列表x 2 测验