在心理学领域，统计学是一门不可或缺的基础课程。对于即将面临心理统计学考试的同学来说，掌握关键公式是成功的关键。本文将详细介绍心理统计学中的一些核心公式，帮助大家轻松应对考试挑战。
1. 样本均值（(\bar{x})）
样本均值是描述一组数据集中趋势的统计量，计算公式如下：
[ \bar{x} = \frac{\sum_{i=1}^{n} x_i}{n} ]
其中，(x_i) 表示第 (i) 个样本值，(n) 表示样本数量。
应用实例
假设某班级有 5 名学生的数学成绩分别为 80、85、90、95、100，那么该班级的样本均值为：
[ \bar{x} = \frac{80 + 85 + 90 + 95 + 100}{5} = 90 ]
2. 样本标准差（(s)）
样本标准差是描述一组数据离散程度的统计量，计算公式如下：
[ s = \sqrt{\frac{\sum_{i=1}^{n} (x_i - \bar{x})^2}{n-1}} ]
其中，(x_i) 表示第 (i) 个样本值，(\bar{x}) 表示样本均值，(n) 表示样本数量。
应用实例
以上述班级的数学成绩为例，计算该班级的标准差：
[ s = \sqrt{\frac{(80-90)^2 + (85-90)^2 + (90-90)^2 + (95-90)^2 + (100-90)^2}{5-1}} = 5.385 ]
3. 卡方检验（(\chi^2)）
卡方检验是一种用于检验两个分类变量之间是否存在关联性的统计方法。其计算公式如下：
[ \chi^2 = \sum{i=1}^{r} \sum{j=1}^{c} \frac{(O{ij} - E{ij})^2}{E_{ij}} ]
其中，(O{ij}) 表示第 (i) 行第 (j) 列的观察频数，(E{ij}) 表示第 (i) 行第 (j) 列的期望频数，(r) 表示行数，(c) 表示列数。
应用实例
假设某调查结果显示，100 名受访者中，有 60 人喜欢 A 产品，40 人喜欢 B 产品。同时，在喜欢 A 产品的 60 人中，有 40 人是男性，20 人是女性；在喜欢 B 产品的 40 人中，有 30 人是男性，10 人是女性。我们可以使用卡方检验来判断性别与产品喜好之间是否存在关联性。
首先，计算期望频数：
[ E{11} = \frac{60 \times 40}{100} = 24, \quad E{12} = \frac{60 \times 60}{100} = 36 ] [ E{21} = \frac{40 \times 40}{100} = 16, \quad E{22} = \frac{40 \times 60}{100} = 24 ]
然后，计算卡方值：
[ \chi^2 = \frac{(60-24)^2}{24} + \frac{(36-24)^2}{24} + \frac{(40-16)^2}{16} + \frac{(24-24)^2}{24} = 10 ]
最后，根据卡方分布表查找自由度为 1 的临界值，判断是否拒绝原假设。
4. t 检验
t 检验是一种用于检验两个独立样本均值是否存在显著差异的统计方法。其计算公式如下：
[ t = \frac{\bar{x}_1 - \bar{x}_2}{\sqrt{\frac{s_1^2}{n_1} + \frac{s_2^2}{n_2}}} ]
其中，(\bar{x}_1) 和 (\bar{x}_2) 分别表示两个独立样本的均值，(s_1) 和 (s_2) 分别表示两个独立样本的标准差，(n_1) 和 (n_2) 分别表示两个独立样本的样本数量。
应用实例
假设某研究者想检验两种教学方法对学生的学习成绩是否有显著影响。研究者随机选取了 30 名学生，将他们分为两组，分别采用两种不同的教学方法。经过一段时间的学习，两组学生的平均成绩分别为 70 和 80。我们可以使用 t 检验来判断两种教学方法对学习成绩是否有显著影响。
首先，计算样本均值和标准差：
[ \bar{x}_1 = 70, \quad \bar{x}_2 = 80, \quad s_1 = 5, \quad s_2 = 6 ]
然后，计算 t 值：
[ t = \frac{70 - 80}{\sqrt{\frac{5^2}{30} + \frac{6^2}{30}}} = -2.58 ]
最后，根据 t 分布表查找自由度为 58 的临界值，判断是否拒绝原假设。
通过以上介绍，相信大家对心理统计学中的关键公式有了更深入的了解。在考试中，熟练掌握这些公式，并结合实际案例进行分析，将有助于你轻松应对考试挑战。祝大家考试顺利！