摘要

《Statistics for the Behavioral Sciences》（2016年版）的信息，以下是该书籍的相关详情：

书籍信息：标题：Statistics for the Behavioral Sciences 版本：第10版作者：Frederick J Gravetter 和 Larry B. Wallnau 出版社：CENGAGE Learning 出版地点：此书面向多个地区发行，包括澳大利亚、巴西、墨西哥、新加坡、英国和美国。辅助资源：该版本配有辅助材料，例如MindTap® Psychology，这是一个数字化的学习解决方案，旨在帮助教师吸引学生并培养他们的批判性思维能力。它提供了可定制的任务路径、实时课程分析等功能，以提高教学效果。统计学的定义与应用：在行为科学中，研究通常涉及收集信息，如评估大学生在纸质材料或电脑屏幕上学习的效果。研究人员收集到的数据可能包含学生的偏好、人格分数、意见等。这本书介绍了用于分析这些数据的统计方法，具体来说，统计学主要用于两个方面：数据分析和结果解释。对教师的话：第10版相较于之前的版本做了许多更新，比如更新了研究实例，增加了现实世界的应用案例，并且大幅修订了每章末尾的问题。此外，每个章节的部分开始都会列出该部分的学习目标。印刷信息：该书是在加拿大印刷的。

《Statistics for the Behavioral Sciences》(2016) 摘要

基本信息

标题: Statistics for the Behavioral Sciences

版本: 第10版

作者: Frederick J Gravetter 和 Larry B. Wallnau

出版社: CENGAGE Learning

出版地点: 澳大利亚、巴西、墨西哥、新加坡、英国和美国

印刷地: 加拿大

辅助资源

MindTap® Psychology: 数字化学习解决方案，帮助教师吸引学生并培养其批判性思维能力。提供可定制的任务路径、实时课程分析等功能。

内容概述

统计学在行为科学中的应用:
- 研究通常涉及收集信息，如评估大学生在纸质材料或电脑屏幕上学习的效果。
- 数据可能包含学生的偏好、人格分数、意见等。
- 统计学主要用于数据分析和结果解释。

教师指南

第10版更新:
- 更新了研究实例。
- 增加了现实世界的应用案例。
- 大幅修订了每章末尾的问题。
- 每个章节的部分开始列出该部分的学习目标。

出版与发行

版本特点:
- 配有辅助材料。
- 提供数字化学习工具。
- 在内容和结构上进行了优化以适应现代教学需求。

《行为科学统计学》(2016) 目录

第一部分：导论与基础概念

第1章统计学简介

1.1 统计学、科学与观察

1.2 统计学的定义

1.3 统计学在行为科学研究中的应用

第2章数据描述方法

2.1 频数分布

2.2 图形表示法

2.3 中心趋势测量

2.4 离散程度测量

第二部分：概率与概率分布

第3章概率基础

3.1 概率的概念

3.2 概率规则

3.3 条件概率

第4章正态分布

4.1 正态分布的特点

4.2 标准正态分布

4.3 分布的应用

第三部分：推论统计

第5章抽样分布

5.1 抽样的概念

5.2 样本均值的分布

5.3 中心极限定理

第6章假设检验

6.1 假设检验的基本原理

6.2 单样本t检验

6.3 双样本t检验

第7章方差分析（ANOVA）

7.1 ANOVA简介

7.2 单因素方差分析

7.3 多因素方差分析

第四部分：相关与回归

第8章相关性

8.1 相关系数

8.2 相关性的解释

8.3 相关性的假设检验

第9章简单线性回归

9.1 回归方程

9.2 回归分析的应用

9.3 回归模型的评估

第五部分：高级主题

第10章非参数统计

10.1 非参数检验的概述

10.2 常见非参数检验方法

10.3 非参数检验的应用

第11章心理测量学基础

11.1 心理测量的基本概念

11.2 测量信度

11.3 测量效度

第12章多元统计方法简介

12.1 多元回归

12.2 主成分分析

12.3 因子分析

附录

A. 统计表

B. 术语表

C. 进一步阅读建议

《行为科学统计学》(2016) 内容概述

《行为科学统计学》（2016年版）由Frederick J Gravetter和Larry B. Wallnau编写，系统介绍了统计学在行为科学研究中的应用。本书分为五个主要部分：导论与基础概念、概率与概率分布、推论统计、相关与回归、以及高级主题。第一部分涵盖统计学的基本概念和数据描述方法；第二部分探讨概率基础和正态分布；第三部分深入讲解抽样分布和假设检验，包括t检验和方差分析（ANOVA）；第四部分讨论相关性和简单线性回归；第五部分介绍非参数统计、心理测量学基础及多元统计方法，如多元回归和因子分析。附录提供了统计表、术语表和进一步阅读建议。

《行为科学统计学》（2016年版）系统介绍了从基础概念到高级主题的统计学在行为科学研究中的应用，涵盖数据描述、概率分布、推论统计、相关与回归分析及多元统计方法。

附录

A. 基础数学复习

A-1 符号和符号表示法

A-2 比例：分数、小数和百分比

A-3 负数

A-4 基本代数：解方程

A-5 指数和平方根

B. 统计表

C. 文中奇数编号问题的答案

D. 使用SPSS®的一般说明

统计组织者：为您的数据选择正确的统计方法

统计公式总结

参考文献

人名索引

主题索引

书籍信息

版权 © 2021 Cengage Learning. 保留所有权利。不得以任何形式复制、扫描或复制，全部或部分。WCN 02-200-203

由于电子版权原因，某些第三方内容可能从电子书中删除。

编辑审查认为，任何被压制的内容都不会对整体学习体验产生实质性影响。Cengage Learning 保留在任何时候根据后续的权利限制移除额外内容的权利。

内容概述

本书《行为科学统计学》旨在为读者提供统计学在行为科学研究中的应用基础。每一章都通过实例和练习帮助读者逐步理解统计概念和技术。以下是各章节的简要介绍：

第1章：统计学导论
引入统计学的基本概念及其在行为科学研究中的作用，讨论数据结构、研究方法和统计符号。

第2章：频数分布
讲解如何创建和解释频数分布表及图，包括分组频数分布和茎叶图。

第3章：集中趋势
探讨平均数、中位数和众数的概念及其计算方法，讨论如何选择合适的集中趋势度量。

第4章：变异度
解释方差和标准差的概念，介绍如何计算总体和样本的变异度。

第5章：z分数：分数位置和标准化分布
介绍z分数的概念及其在标准化分布中的应用。

第6章：概率
介绍概率的基本原理，以及正态分布中的概率计算。

第7章：概率和样本：样本均值的分布
讨论样本均值的分布及其在推断统计中的应用。

第8章：假设检验入门
介绍假设检验的基本逻辑、不确定性和错误类型，并讲解如何衡量效应大小。

第9章：t统计量入门
介绍t统计量作为z分数的替代方案，以及如何使用t统计量进行假设检验。

第10章：两个独立样本的t检验
讲解如何比较两个独立样本的均值，并讨论效应大小和置信区间。

第11章：两个相关样本的t检验
讨论重复测量设计及其相关的t检验方法。

第12章：方差分析简介
介绍方差分析的基本原理及其在多组比较中的应用。

第13章：双因素方差分析
讲解双因素方差分析及其在复杂实验设计中的应用。

第14章：相关与回归
介绍皮尔逊相关系数及其在预测中的应用，讨论线性回归的基本概念。

第15章：卡方统计量：拟合优度和独立性检验
讲解卡方检验在分类数据分析中的应用，包括拟合优度和独立性检验。

通过这些章节的学习，读者将能够掌握行为科学研究中常用的统计方法，并能够在实际研究中灵活运用这些工具。

新手学习《行为科学统计学》的提问指南

作为一名新手，在学习《行为科学统计学》的过程中，通过提问可以帮助你更好地理解和掌握每一个章节的内容。以下是针对每一章的建议提问方式，以促进更深入的学习。

第1章：统计学导论

什么是统计学？它在行为科学研究中扮演什么角色？

什么是集中趋势和变异度？它们为什么重要？

如何定义一个研究中的总体和样本？两者之间有什么区别？

什么是数据结构？不同类型的数据结构有哪些特点？

第2章：频数分布

什么是频数分布表？如何创建和解释频数分布表？

分组频数分布表和非分组频数分布表有何不同？

如何绘制和解释直方图、多边形图和其他频数分布图？

茎叶图的作用是什么？与传统的频数分布图相比有何优势？

第3章：集中趋势

平均数、中位数和众数各自的定义是什么？它们各自适用于哪些情况？

如何计算平均数、中位数和众数？

如何选择适当的集中趋势度量来描述数据集？

分布形状（如正偏态、负偏态）如何影响集中趋势的选择？

第4章：变异度

什么是变异度？为什么了解数据的变异度很重要？

如何计算总体和样本的方差及标准差？

标准差和方差之间的关系是什么？

什么是无偏估计？为什么样本方差是总体方差的无偏估计？

第5章：z分数：分数位置和标准化分布

什么是z分数？它如何帮助我们理解数据的位置？

如何使用z分数将原始分数转换为标准分数？

标准化分布的意义是什么？如何使用标准化分布进行比较？

其他类型的标准化分数（如T分数）是如何计算的？

第6章：概率

什么是概率？如何用概率描述事件的可能性？

正态分布的概率密度函数是什么？如何计算正态分布下的概率？

如何使用标准正态分布表查找特定z分数的概率？

百分位数和百分位数排名的定义是什么？如何计算？

第7章：概率和样本：样本均值的分布

什么是样本均值的分布？它的特点是什么？

中心极限定理的内容是什么？它对样本均值的分布有何影响？

如何使用z分数计算样本均值的概率？

什么是标准误？它与样本大小有何关系？

第8章：假设检验入门

假设检验的基本逻辑是什么？如何设定原假设和备择假设？

什么是I型错误和II型错误？它们的发生原因是什么？

如何衡量效应大小？效应大小在假设检验中的作用是什么？

统计功效的概念是什么？如何提高统计功效？

第9章：t统计量入门

什么是t统计量？它与z分数有何不同？

如何使用t统计量进行假设检验？

如何计算效应大小？效应大小的重要性是什么？

单尾检验和双尾检验的区别是什么？如何选择？

第10章：两个独立样本的t检验

什么是独立样本设计？它的特点是什么？

如何计算两个独立样本的t统计量？

如何解释独立样本t检验的结果？

置信区间和效应大小在独立样本t检验中的作用是什么？

第11章：两个相关样本的t检验

什么是重复测量设计？它的优点和局限性是什么？

如何计算两个相关样本的t统计量？

如何解释重复测量设计的t检验结果？

样本大小和样本方差对t检验的影响是什么？

第12章：方差分析简介

什么是方差分析？它与t检验有何不同？

方差分析的基本原理是什么？如何进行方差分析？

如何解释方差分析的结果？

事后检验的目的和方法是什么？

第13章：双因素方差分析

什么是双因素方差分析？它的应用场景是什么？

如何设置和解释双因素方差分析的主效应和交互效应？

如何计算和解释双因素方差分析的效应大小？

第14章：相关与回归

什么是皮尔逊相关系数？如何解释其值？

**如何使用皮尔逊相关系数进行假设

第14章：相关与回归（续）

如何使用皮尔逊相关系数进行假设检验？

皮尔逊相关系数的局限性是什么？有哪些替代方法？

线性方程的基本形式是什么？如何根据数据计算回归线？

回归分析中的斜率和截距代表什么？它们的意义是什么？

如何解释回归分析的结果？回归分析在预测中的应用是什么？

第15章：卡方统计量：拟合优度和独立性检验

什么是卡方统计量？它在分类数据分析中的作用是什么？

拟合优度检验的目的和步骤是什么？如何解释其结果？

独立性检验的目的和步骤是什么？如何解释其结果？

卡方检验中的效应大小如何衡量？它的重要性是什么？

学习建议

1. 每章学习前的准备

预习：在开始每一章之前，浏览章节标题、小节标题和图表。尝试预测本章将涵盖的内容。

设定目标：明确你希望通过这一章学习到什么，设置具体的学习目标。

2. 阅读过程中

做笔记：在阅读过程中，记录关键概念、公式和例子。可以使用笔记本或电子文档。

标注疑问：遇到不理解的地方，立即标注出来，以便后续查阅或提问。

跟随示例：每章包含大量基于实际研究的例子，跟随这些例子进行练习，确保你理解每个步骤。

3. 每章学习后的复习

总结：完成一章后，写一份简短的总结，概述主要概念和公式。

回答问题：回顾每章末尾的问题和练习，尝试解答。对于不确定的答案，查阅书籍或寻求帮助。

讨论：如果有学习小组或论坛，参与讨论，分享你的理解和疑惑。

4. 实践应用

动手练习：利用书中的练习题、SPSS®演示和其他资源进行实践操作，确保你能独立完成分析。

项目实践：尝试应用所学知识进行小型项目，如分析公开数据集，撰写研究报告等。

5. 定期复习

定期回顾：每隔一段时间，回顾之前学过的内容，巩固记忆。

错题重做：重新做一遍曾经做错的题目，确保你已经掌握了正确的方法。

通过以上步骤，你可以更系统地学习《行为科学统计学》，并逐步建立坚实的统计学基础。如果你有任何具体的疑问或需要进一步的帮助，请随时提出！

什么是统计学？它在行为科学研究中扮演什么角色？用Markdown代码。什么是集中趋势和变异度？它们为什么重要？如何定义一个研究中的总体和样本？两者之间有什么区别？什么是数据结构？不同类型的数据结构有哪些特点？什么是频数分布表？如何创建和解释频数分布表？分组频数分布表和非分组频数分布表有何不同？如何绘制和解释直方图、多边形图和其他频数分布图？茎叶图的作用是什么？与传统的频数分布图相比有何优势？平均数、中位数和众数各自的定义是什么？它们各自适用于哪些情况？如何计算平均数、中位数和众数？如何选择适当的集中趋势度量来描述数据集？分布形状（如正偏态、负偏态）如何影响集中趋势的选择？什么是变异度？为什么了解数据的变异度很重要？如何计算总体和样本的方差及标准差？标准差和方差之间的关系是什么？什么是无偏估计？为什么样本方差是总体方差的无偏估计？什么是z分数？它如何帮助我们理解数据的位置？如何使用z分数将原始分数转换为标准分数？标准化分布的意义是什么？如何使用标准化分布进行比较？其他类型的标准化分数（如T分数）是如何计算的？什么是概率？如何用概率描述事件的可能性？正态分布的概率密度函数是什么？如何计算正态分布下的概率？如何使用标准正态分布表查找特定z分数的概率？百分位数和百分位数排名的定义是什么？如何计算？

什么是样本均值的分布？它的特点是什么？中心极限定理的内容是什么？它对样本均值的分布有何影响？如何使用z分数计算样本均值的概率？什么是标准误？它与样本大小有何关系？

假设检验的基本逻辑是什么？如何设定原假设和备择假设？什么是I型错误和II型错误？它们的发生原因是什么？如何衡量效应大小？效应大小在假设检验中的作用是什么？统计功效的概念是什么？如何提高统计功效？

什么是t统计量？它与z分数有何不同？如何使用t统计量进行假设检验？如何计算效应大小？效应大小的重要性是什么？单尾检验和双尾检验的区别是什么？如何选择？

什么是独立样本设计？它的特点是什么？如何计算两个独立样本的t统计量？如何解释独立样本t检验的结果？置信区间和效应大小在独立样本t检验中的作用是什么？

什么是重复测量设计？它的优点和局限性是什么？如何计算两个相关样本的t统计量？如何解释重复测量设计的t检验结果？样本大小和样本方差对t检验的影响是什么？

什么是方差分析？它与t检验有何不同？方差分析的基本原理是什么？如何进行方差分析？如何解释方差分析的结果？事后检验的目的和方法是什么？

什么是双因素方差分析？它的应用场景是什么？如何设置和解释双因素方差分析的主效应和交互效应？如何计算和解释双因素方差分析的效应大小？

什么是皮尔逊相关系数？如何解释其值？如何使用皮尔逊相关系数进行假设如何使用皮尔逊相关系数进行假设检验？皮尔逊相关系数的局限性是什么？有哪些替代方法？线性方程的基本形式是什么？如何根据数据计算回归线？回归分析中的斜率和截距代表什么？它们的意义是什么？如何解释回归分析的结果？回归分析在预测中的应用是什么？

什么是卡方统计量？它在分类数据分析中的作用是什么？拟合优度检验的目的和步骤是什么？如何解释其结果？独立性检验的目的和步骤是什么？如何解释其结果？卡方检验中的效应大小如何衡量？它的重要性是什么？

摘要

《Statistics for the Behavioral Sciences》(2016) 摘要

基本信息

辅助资源

内容概述

教师指南

出版与发行

《行为科学统计学》(2016) 目录

第一部分：导论与基础概念

第1章 统计学简介

第2章 数据描述方法

第二部分：概率与概率分布

第3章 概率基础

第4章 正态分布

第三部分：推论统计

第5章 抽样分布

第6章 假设检验

第7章 方差分析（ANOVA）

第四部分：相关与回归

第8章 相关性

第9章 简单线性回归

第五部分：高级主题

第10章 非参数统计

第11章 心理测量学基础

第12章 多元统计方法简介

附录

《行为科学统计学》(2016) 内容概述

目录

第1章：统计学导论

第2章：频数分布

第3章：集中趋势

第4章：变异度

第5章：z分数：分数位置和标准化分布

第6章：概率

第7章：概率和样本：样本均值的分布

第8章：假设检验入门

第9章：t统计量入门

第9章：t统计量入门（续）

第10章：两个独立样本的t检验

第11章：两个相关样本的t检验

第12章：方差分析简介

第13章：双因素方差分析

第14章：相关与回归

第15章：卡方统计量：拟合优度和独立性检验

附录

A. 基础数学复习

B. 统计表

C. 文中奇数编号问题的答案

D. 使用SPSS®的一般说明

D. 使用SPSS®的一般说明

统计组织者：为您的数据选择正确的统计方法

参考文献

人名索引

主题索引

附录

A. 基础数学复习

B. 统计表

C. 文中奇数编号问题的答案

D. 使用SPSS®的一般说明

统计组织者：为您的数据选择正确的统计方法

参考文献

人名索引

主题索引

书籍信息

内容概述

新手学习《行为科学统计学》的提问指南

第1章：统计学导论

第2章：频数分布

第3章：集中趋势

第4章：变异度

第5章：z分数：分数位置和标准化分布

第6章：概率

第7章：概率和样本：样本均值的分布

第8章：假设检验入门

第9章：t统计量入门

第10章：两个独立样本的t检验

第11章：两个相关样本的t检验

第12章：方差分析简介

第13章：双因素方差分析

第14章：相关与回归

第1章统计学简介

第2章数据描述方法

第3章概率基础

第4章正态分布

第5章抽样分布

第6章假设检验

第7章方差分析（ANOVA）

第8章相关性

第9章简单线性回归

第10章非参数统计

第11章心理测量学基础

第12章多元统计方法简介