spss教與學(xué)改 ppt課件

1、主要內(nèi)容,§1 SPSS基本概念 §2 數(shù)據(jù)錄入 §3 數(shù)據(jù)預(yù)處理 §4用頻數(shù)做數(shù)據(jù)匯總 §5多選項(xiàng)分析 §6交互分析 §7T檢驗(yàn)的應(yīng)用 §8

2、相關(guān)分析 §9 聚類(lèi)分析 §10 線(xiàn)性回歸分析,§1 SPSS基本知識(shí),SPSS是Statistical Package for the Social Science的簡(jiǎn)稱(chēng)目前的主要功能有：樣本數(shù)據(jù)的描述和預(yù)處理﹑描述性統(tǒng)計(jì)﹑均值比較﹑相關(guān)分析﹑回歸分析﹑聚類(lèi)分析﹑假設(shè)檢驗(yàn)等 。已廣泛用于社會(huì)學(xué)﹑經(jīng)濟(jì)學(xué)﹑政治學(xué)﹑心理學(xué)﹑

3、管理學(xué)﹑市場(chǎng)營(yíng)銷(xiāo)等眾多領(lǐng)域的研究。,Spss基本知識(shí)Statistical Package for the Social Science,特點(diǎn)易用性統(tǒng)計(jì)分析解決方案結(jié)果的權(quán)威性,作用幫助人們整理大量的數(shù)據(jù)協(xié)助人們迅速的對(duì)大量數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析把分析結(jié)果以便于理解的方式展現(xiàn)出來(lái),Spss的窗口介紹,§1.1 數(shù)據(jù)編輯器窗口,,,數(shù)據(jù)視圖窗口,,數(shù)據(jù)顯示區(qū),,變量視圖窗口,,工具攔,Spss的窗口介紹,

4、67;1.2 變量視圖窗口,,變量定義功能攔,Spss的窗口介紹,結(jié)果管理窗口,§2 數(shù)據(jù)錄入—基本概念,變量名 可以輸入變量名如var1﹑var2 ﹑age ﹑sex等。變量名以字母為首，后跟A~Z﹑0~9字符(字符≤8)變量標(biāo)簽 對(duì)變量名的進(jìn)一步解釋說(shuō)明變量值標(biāo)簽 對(duì)變量取值的解釋說(shuō)明，即題項(xiàng)的數(shù)據(jù)化，用于對(duì)問(wèn)卷數(shù)據(jù)錄入時(shí)進(jìn)行編碼。例如：用1表示男，2表示女,數(shù)據(jù)錄入—基本概念,變量類(lèi)

5、型 常用的變量類(lèi)型主要有數(shù)值型、字符型和日期型缺失值 即存在明顯錯(cuò)誤、不合理數(shù)據(jù)或漏填數(shù)據(jù)。例如：年齡223歲,數(shù)據(jù)錄入—基本概念,度量標(biāo)準(zhǔn)統(tǒng)計(jì)學(xué)中，度量是指按照某種法則給現(xiàn)象、事物或事件分派一定的數(shù)字或符號(hào)，通過(guò)測(cè)度來(lái)看刻畫(huà)事物的特征或?qū)傩浴＠纾嚎梢杂?8公斤來(lái)度量一個(gè)人的體重、用172厘米度量他的身高等。,數(shù)據(jù)錄入—基本概念,按照度量的程度不同，spss將度量分為以下三種標(biāo)準(zhǔn)：定距數(shù)據(jù)(scale)度量

6、 不僅能夠區(qū)分出研究對(duì)象的不同類(lèi)別﹑不同等級(jí)，而且能確定不同等級(jí)之間的距離，即可以做加減法。如年齡變量。定序數(shù)據(jù)(Ordinal)有序 能夠區(qū)分出研究對(duì)象的不同類(lèi)別，而且可以區(qū)分出類(lèi)別之間的強(qiáng)弱﹑大小﹑高低。例如可以將人們的態(tài)度看作一個(gè)定序變量，將態(tài)度分為：非常贊成﹑較贊成﹑一般﹑較不贊成﹑很不贊成定類(lèi)數(shù)據(jù)(Nominal)名義 能區(qū)分現(xiàn)象﹑事物的不同性質(zhì)，而不能從規(guī)模大小等方面進(jìn)行區(qū)分。如性別﹑

7、婚姻狀況等。,數(shù)據(jù)錄入,單項(xiàng)選擇題處理：根據(jù)題項(xiàng)賦值多項(xiàng)選擇題的處理分類(lèi)法 估計(jì)多選項(xiàng)問(wèn)題最多可能出現(xiàn)的答案?jìng)€(gè)數(shù)，然后為估計(jì)的每個(gè)答案設(shè)置一個(gè)變量，變量取值為多選項(xiàng)問(wèn)題中的可選答案二分法 一般是將題中每個(gè)選項(xiàng)作為一個(gè)變量處理，采取“0，1”編碼，”1”表示即選擇了這項(xiàng)，”0”表示沒(méi)有選擇這一項(xiàng)開(kāi)放式問(wèn)題錄入 一般根據(jù)大意精簡(jiǎn)后直接輸入，數(shù)據(jù)類(lèi)型設(shè)為字符型 問(wèn)卷.xls,§ 3 數(shù)據(jù)

8、預(yù)處理,數(shù)據(jù)的合并 點(diǎn)擊Data → Merge File →Add cases ：出現(xiàn)Read file對(duì)話(huà)框→找到問(wèn)卷示例.sav →點(diǎn)擊”打開(kāi)” →彈出對(duì)話(huà)框 Add Case From,,Read file對(duì)話(huà)框,數(shù)據(jù)預(yù)處理—數(shù)據(jù)合并,當(dāng)出現(xiàn)Add case from的對(duì)話(huà)框時(shí)，我們應(yīng)觀(guān)察左側(cè)對(duì)話(huà)框與右側(cè)對(duì)話(huà)框變量是否匹配，左側(cè)為不能匹配的變量，右側(cè)為可以匹配的變量。見(jiàn)下圖。,,Add case from的對(duì)話(huà)框,數(shù)據(jù)

9、預(yù)處理—數(shù)據(jù)排序,數(shù)據(jù)排序 點(diǎn)擊Data →select case 選項(xiàng)→打開(kāi)select case 對(duì)話(huà)框，出現(xiàn)以下界面。,排序個(gè)案,數(shù)據(jù)預(yù)處理—數(shù)據(jù)排序,注意：數(shù)據(jù)排序是整行排序，而不是只對(duì)某列排序多重排序中指定排序變量的次序很關(guān)鍵，排序時(shí)先指定的變量?jī)?yōu)先于后指定變量，按某個(gè)變量升序的同時(shí)可以按其他變量降序數(shù)據(jù)排序后，原有數(shù)據(jù)的排列順序必然被打亂，應(yīng)注意備份原始數(shù)據(jù),§4 用頻數(shù)做數(shù)據(jù)匯總,§4.

10、1 如何得到一張頻次表 步驟：第一步：打開(kāi)問(wèn)卷示例1.sav數(shù)據(jù)界面→單擊Analyze →Descriptive Statistics（描述統(tǒng)計(jì)） →Frequencies →打開(kāi)Frequencies（頻率） 對(duì)話(huà)框 第二步：點(diǎn)選目前職業(yè)這一變量到variable框內(nèi)→單擊OK按鈕,,Frequencies 對(duì)話(huà)框,用頻數(shù)做數(shù)據(jù)匯總,SPSS頻次分析的統(tǒng)計(jì)量選項(xiàng) 百分比計(jì)算 集中趨勢(shì)測(cè)量 離散趨勢(shì)

11、測(cè)量 數(shù)據(jù)分布描述,§5 多選項(xiàng)分析,對(duì)多選項(xiàng)做普通頻數(shù)分析的困難,您一般在什么情況下送禮(選擇最經(jīng)常送禮的兩個(gè)場(chǎng)合)（1）婚嫁 (2)生日 (3)搬遷新居 (5)探親 (4)中國(guó)傳統(tǒng)節(jié)日 (7)探病 (8)西方節(jié)日?qǐng)龊?(9)生子 (10)畢業(yè) （11）其他這里采用分類(lèi)法分解，只能得到兩個(gè)變量，采用普通頻數(shù)分析，也只能得到兩個(gè)變量的相對(duì)重要性，不能全面了解調(diào)查者看重因素的整體情況，如下圖：,多

12、選項(xiàng)分析—基本操作步驟,第一步：定義選擇變量集Analyze→單擊multiple response（多重響應(yīng)） →define sets（定義變量集）,多選項(xiàng)分析—基本操作步驟,第二步：采用多選項(xiàng)頻數(shù)分析進(jìn)行數(shù)據(jù)分析單擊Analyze →multiple response →frequencies （頻率）→打開(kāi)如下對(duì)話(huà)框,§6 交互分析,§6.1 如何得到一張交互表交互分析主要用于分析多變量的聯(lián)合分布

13、特征，進(jìn)而分析變量之間的相互影響和關(guān)系。例如，需要了解不同文化程度的調(diào)查對(duì)象其職業(yè)情況有什么不同，進(jìn)而分析文化程度與其職業(yè)是否存在一定的關(guān)聯(lián)性。 單擊Analyze →Descriptive Statistics（描述統(tǒng)計(jì)） →Crosstabs （交互分析）→打開(kāi)Crosstabs對(duì)話(huà)框。,,Crosstabs對(duì)話(huà)框,交互分析,Row (s)：交互表中的行變量，一般放置因變量Column (s)：交互表中的列變量，一般放置自

14、變量 例如：以問(wèn)卷示例1.sav為例，要分析不同文化程度的調(diào)查者的職業(yè)情況怎么樣？ 步驟：第一步：Analyze →Descriptive Statistics →Crosstabs →打開(kāi)Crosstabs對(duì)話(huà)框。 第二步：點(diǎn)選目前職業(yè)到Row (s)框內(nèi)，點(diǎn)選文化程度到Column (s)框內(nèi)→單擊Cells 第三步：點(diǎn)選Percentages下面的Row﹑ Column和total →co

15、ntinue →OK,交互分析,§6.2 兩個(gè)變量之間是否相關(guān) 例如：檢查目前職業(yè)和文化程度是否相關(guān)(定類(lèi)—定類(lèi)) 步驟：第一步：Analyze →Descriptive Statistics →Crosstabs →點(diǎn)選目前職業(yè)到Row (s)框內(nèi)，點(diǎn)選文化程度到Column (s)框內(nèi)→單擊Statistics →打開(kāi)Crosstabs： Statistics 對(duì)話(huà)框，見(jiàn)下圖,,Crosstabs： S

16、tatistics 對(duì)話(huà)框,交互分析,第二步：點(diǎn)選上圖中的Chi-square→單擊continue →單擊OK按鈕。輸出以下結(jié)果,,結(jié)論。其顯著性sig.小于.01（1-置信水平），所以，職業(yè)和文化程度之間是相關(guān)的,在置信水平中設(shè)置了為99%,§7 T檢驗(yàn)的應(yīng)用,§7.1 單個(gè)樣本T檢驗(yàn) 主要利用來(lái)自總體的樣本數(shù)據(jù)推斷該總體的均值是否與指定的檢驗(yàn)值之間存在顯著差異，它是對(duì)總體均值的假設(shè)檢驗(yàn)。

17、 例如：我們要根據(jù)被調(diào)查者一次的送禮花費(fèi)來(lái)推斷總體一次送禮的平均花費(fèi)是否為200元。 步驟：第一步，單擊Analyze→ Compare Means（比較均值） →One -Sample T Test （單樣本T檢驗(yàn)）打開(kāi)One -Sample T Test 主對(duì)話(huà)框，見(jiàn)下圖,T檢驗(yàn)的應(yīng)用,第二步：點(diǎn)選一次送禮的花費(fèi)這一變量到Test Variable（檢驗(yàn)值）框→在Test Value處輸入200 →單擊OK按鈕，輸出以

18、下結(jié)果。,結(jié)果分析：顯著性檢驗(yàn)的p值為0，小于0.05，因此拒絕原假設(shè)，認(rèn)為 一次性送禮的花費(fèi)與200有顯著差異。,T檢驗(yàn)的應(yīng)用,獨(dú)立樣本T檢驗(yàn) 主要用來(lái)檢驗(yàn)來(lái)自?xún)蓚€(gè)總體的獨(dú)立樣本，推斷兩個(gè)總體的均值是否存在顯著差異 例如：我們要檢驗(yàn)不同性別的平均一次送禮花費(fèi)是否存在差異 步驟：第一步，單擊Analyze→ Compare Means →Independent -Sample T Tes

19、t（獨(dú)立樣本T檢驗(yàn)） 打開(kāi)Independent -Sample T Test 主對(duì)話(huà)框，見(jiàn)下圖,T檢驗(yàn)的應(yīng)用,第二步：點(diǎn)選一次送禮的花費(fèi)這一變量到Test Variable框→點(diǎn)選性別變量到Grouping Variable框→單擊Define Groups 按鈕→打開(kāi)Define Groups 對(duì)話(huà)框，見(jiàn)下圖,,Define Groups 對(duì)話(huà)框,T檢驗(yàn)的應(yīng)用,第三步：在定義好以后，單擊continue→返回Independent

20、-Sample T Test 主對(duì)話(huà)框→單擊OK，輸出以下結(jié)果。,,,結(jié)果分析：F統(tǒng)計(jì)量的概率為0.079大于顯著性水平0.05，認(rèn)為兩總體方差無(wú)顯著差異，因此，分析第一行方差相等下的t統(tǒng)計(jì)量，其概率為0，小于0.05，認(rèn)為男女性送禮費(fèi)用有顯著差別。,§8 相關(guān)分析,相關(guān)分析 主要用于揭示事物之間線(xiàn)性關(guān)系的強(qiáng)弱程度，包括簡(jiǎn)單相關(guān)和偏相關(guān)兩種類(lèi)型?；痉椒ǎ合嚓P(guān)系數(shù)r(-1<=r<=1) r絕對(duì)值大于0

21、.8,有較強(qiáng)的線(xiàn)性關(guān)系；若小于0.3，兩變量間存在較弱的線(xiàn)性關(guān)系。 Pearson相關(guān)系數(shù)：適用定距變量 Spearman相關(guān)系數(shù)：適用定序變量 Kendall相關(guān)系數(shù)：采用非參數(shù)檢驗(yàn)方法，度量定序變量間的線(xiàn)性關(guān)系,相關(guān)分析—簡(jiǎn)單相關(guān),例如，要檢驗(yàn)?zāi)挲g、文化程度和收入之間是否有顯著的線(xiàn)性關(guān)系 單擊Analyze→ correlste（相關(guān)）→ bivariate（雙變量）→打開(kāi)對(duì)話(huà)框，見(jiàn)下圖,相關(guān)分析—簡(jiǎn)單相關(guān),將參加計(jì)

22、算的相關(guān)系數(shù)的變量選到variables中，選擇Pearson系數(shù)，并選擇雙尾p值在options按鈕中的statistics選項(xiàng)中選擇輸出各種方差和離差。結(jié)果如圖：,結(jié)果分析：年齡和收入的相關(guān)系數(shù)為-0.078，接近于0，其線(xiàn)性相關(guān)性很弱，即認(rèn)為年齡和收入沒(méi)有很強(qiáng)的線(xiàn)性關(guān)系，文化程度和收入的相關(guān)系數(shù)為0.379，有較弱的線(xiàn)性關(guān)系，即認(rèn)為文化程度越高收入越高。,相關(guān)分析—偏相關(guān),偏相關(guān)關(guān)系： 它是指在諸多相關(guān)的變量中，控制其

23、中一個(gè)或若干個(gè)變量的影響后，兩個(gè)變量間的相關(guān)關(guān)系。 例如：檢驗(yàn)?zāi)挲g和文化程度對(duì)收入的線(xiàn)性關(guān)系中，控制了年齡對(duì)收入的影響后，看文化程度對(duì)收入的影響。 步驟：，單擊Analyze→ correlste→ partial（偏相關(guān)）→打開(kāi)對(duì)話(huà)框→點(diǎn)選參與分析的文化程度和收入到variable框內(nèi)→點(diǎn)選年齡到controlling for（控制）框內(nèi)，選擇雙尾p值，對(duì)話(huà)框如下：,相關(guān)分析—偏相關(guān),結(jié)果分析：在控制年齡因素下，文化程

24、度和收入的相關(guān)系數(shù)為0.372，即文化程度與收入有較弱的正相關(guān)關(guān)系，文化程度越高，收入也越高。,偏相關(guān)分析結(jié)果:,§9 聚類(lèi)分析,“物以類(lèi)聚，人以群分”。聚類(lèi)分析（Cluster Analysis）是依據(jù)研究對(duì)象的個(gè)體的特征，對(duì)其進(jìn)行分類(lèi)的方法。如通過(guò)對(duì)一些大學(xué)的基本情況（如總體規(guī)模、聲源、研究生比例、科研成果等）的對(duì)比分析，可以把特征相近的學(xué)校歸入一個(gè)類(lèi)型。聚類(lèi)分析實(shí)質(zhì)是建立一種分類(lèi)的方法，它能夠?qū)⒁慌鷺颖緮?shù)據(jù)（或變量

25、）按照它們?cè)谛再|(zhì)上的親疏程度在沒(méi)有先驗(yàn)知識(shí)的情況下自動(dòng)進(jìn)行分類(lèi)。,聚類(lèi)分析,例如：要對(duì)被調(diào)查者根據(jù)婚姻狀況進(jìn)行分類(lèi)，其步驟如下： 單擊Analyze→ cluster（分類(lèi)） →mean cluster（K均值聚類(lèi)） →打開(kāi)對(duì)話(huà)框，見(jiàn)下圖：,聚類(lèi)分析,選擇case作為分類(lèi)對(duì)象，并在options中指定輸出信息。其結(jié)果如下：,結(jié)果分析：將所有樣本分為兩類(lèi)，一類(lèi)為已婚，一類(lèi)為未婚，其中未婚個(gè)數(shù)為154，已婚個(gè)數(shù)為28.,§

26、8 方差分析,§8.1 單因素方差分析 所謂方差分析：主要用于兩個(gè)及兩個(gè)以上樣本均值差別的顯著性檢驗(yàn) 單擊Analyze→ Compare Means→ One Way ANOVA→打開(kāi)One Way ANOVA對(duì)話(huà)框，見(jiàn)下圖,方差分析,Dependent list 放置因變量，要求因變量是定距變量Factor 放置自變量，要求是定類(lèi)變量Contrast 用于比較和分析均值

27、的特性，一元分析，一般不用Options 擇統(tǒng)計(jì)量和缺失值處理方式,方差分析,POST HOC 它是方差相等或不相等情況下的檢驗(yàn)選項(xiàng) 例如：檢驗(yàn)被調(diào)查者不同的文化程度，其平均年收入是否存在差異 步驟：第一步，單擊Analyze→ Compare Means→ One Way ANOVA→打開(kāi)One Way ANOVA對(duì)話(huà)框→點(diǎn)選年收入到Dependent list框內(nèi)→點(diǎn)選文化程度到Factor框內(nèi)

28、 第二步：同方差性檢驗(yàn) 點(diǎn)選Homogeneity of variance →單擊Continue按鈕，輸出以下結(jié)果。,方差分析,方差分析,從上知：方差不相等且均值存在差異 第三步：檢查差異到底存在哪？ 點(diǎn)選Equal variance not assumed下面的Dunnett’s →單擊OK，輸出以下結(jié)果。,方差分析,結(jié)論：被調(diào)查者文化程度不同，其平均年收入有顯著差異，其中大專(zhuān)以上的與其他學(xué)歷的調(diào)查

29、者存在顯著差異。,§10 線(xiàn)性回歸分析,線(xiàn)性回歸分析是一種應(yīng)用廣泛的數(shù)量分析方法。它用于分析事物之間的統(tǒng)計(jì)關(guān)系，側(cè)重考察變量之間的數(shù)量變化規(guī)律，反映一個(gè)事物如何隨其他事物的變化而變化。與相關(guān)分析相比，它具有更強(qiáng)的數(shù)量關(guān)系。線(xiàn)性回歸的一般步驟：1、確定回歸方程中的解釋變量和被解釋變量2、通過(guò)觀(guān)察散點(diǎn)圖確定回歸模型3、建立回歸方程4、對(duì)回歸方程進(jìn)行各種檢驗(yàn)5、利用回歸方程進(jìn)行預(yù)測(cè)和控制,線(xiàn)性回歸分析,例：分析被調(diào)查者

30、年送禮花費(fèi)與年收入之間的線(xiàn)性關(guān)系 單擊Analyze→ Regression（回歸） →Linear（線(xiàn)性回歸） →打開(kāi)Linear Regression對(duì)話(huà)框，見(jiàn)下圖：,線(xiàn)性回歸分析,選擇被解釋變量進(jìn)入dependent（因變量）框，多個(gè)解釋變量進(jìn)入indepenDent（自變量）框，并選擇相應(yīng)的統(tǒng)計(jì)量，要輸出的殘差分析圖表，其對(duì)話(huà)框?yàn)椋?線(xiàn)性回歸分析,結(jié)果分析：調(diào)整的判定系數(shù)為0.163小于0.3，因此線(xiàn)性關(guān)系很弱，擬合優(yōu)度不高，

31、收入對(duì)一年送禮花費(fèi)的線(xiàn)性影響不大。,輸出結(jié)果1,線(xiàn)性回歸分析,結(jié)果分析：統(tǒng)計(jì)量F的p值為0，小于顯著性水平0.05，所以被解釋變量與解釋變量有顯著的線(xiàn)性關(guān)系。,輸出結(jié)果2,線(xiàn)性回歸分析,結(jié)果分析：由殘差直方圖可以知道其總體上服從均值為0的正態(tài)分布，且由于只有一個(gè)變量，其變量間不存在多重共線(xiàn)性，條件索引都小于10.,輸出結(jié)果3,線(xiàn)性回歸分析,結(jié)果分析：其t檢驗(yàn)統(tǒng)計(jì)量的p值為0，小于顯著水平，所以拒絕原假設(shè)，認(rèn)為收入和年送禮花費(fèi)有線(xiàn)性關(guān)系，

32、且其回歸方程應(yīng)為： 年送禮費(fèi)用=1957.706+0.022*年收入,輸出結(jié)果4,總體均值和方差的點(diǎn)估計(jì),例題：某工廠(chǎng)隨機(jī)從生產(chǎn)部門(mén)抽出8件電子元器件，測(cè)得使用壽命分別為：10，12，13，12，15，13，12，13年，試對(duì)該工廠(chǎng)電子元件的平均使用壽命和方差進(jìn)行估計(jì)。,總體均值的區(qū)間估計(jì),設(shè)X1、X2、X3….是來(lái)自總體的一個(gè)樣本，θ是總體未知參數(shù)。對(duì)給定的a，如能確定兩個(gè)統(tǒng)計(jì)量c1和c2，滿(mǎn)足P{c1<θ&

33、lt;c2}=1-a；則稱(chēng)(c1,c2) 是θ的置信度為1-a的置信區(qū)間。1-a為置信度或置信概率，反映置信區(qū)間包含總體參數(shù)的可靠度，通常的值為99%，95%，90%。a 稱(chēng)為顯著性水平，反映置信區(qū)間未包含總體參數(shù)的概率，通常的值為0.01,0.05,0.1。,總體均值的區(qū)間估計(jì),樣本均值的抽樣分布定理：當(dāng)總體服從正態(tài)分布X ~ N(μ,σ2 )時(shí)，來(lái)自該總體的所有容量為n 的樣本的均值X’也服從正態(tài)分布，且X’的數(shù)學(xué)期望為μ，

34、方差為σ2/n，即：X’ ～ N(μ,σ2/n)；中心極限定理：從一任意總體（總體均值為μ、方差為σ2）中抽取容量為n 的樣本，當(dāng)n 充分大時(shí)，樣本均值X’的抽樣分布近似服從均值為μ 、方差為σ2/n的正態(tài)分布。即： X’ ～ N(μ,σ2/n)；,總體均值的區(qū)間估計(jì),抽樣均值平均誤差：估計(jì)量的標(biāo)準(zhǔn)差即樣本均值的標(biāo)準(zhǔn)差=均值的抽樣平均誤差均值抽樣極限誤差：1-α置信水平下抽樣誤差的可能范圍，稱(chēng)為抽樣極限誤差或允許誤差。,總體

35、均值的區(qū)間估計(jì),例題：某專(zhuān)業(yè)大學(xué)生的體重服從標(biāo)準(zhǔn)差為5.4kg的正態(tài)分布。隨機(jī)抽取36名，測(cè)得他們的平均體重為65kg，在95%的置信度下，對(duì)總體平均體重進(jìn)行估計(jì)的抽樣平均誤差和抽樣極限誤差為多少？并求其置信區(qū)間。其中，Za/2=1.96。,總體均值的區(qū)間估計(jì),假定某商場(chǎng)某袋裝食品總量呈正態(tài)分布，現(xiàn)隨機(jī)抽取10袋，測(cè)得重量分別為789、780、794、762、802、813、770、785、810、806 （克） ，要求以95％的置信度