什么是连续性数据？什么是离散型数据？二这有什么区别？ 连续型数据是有规律的，离散型数据是没有规律的
以下五个命题： 根据标准差越大，则反映样本数据的离散程度越大，∴①错误；根据两个随机变量相关性越强，则相关系数的绝对值越接近1，∴②错误；根据回归直线方程的系数，判断③正确；随机变量K2的观测值k越大，“X与Y有关系”的把握程度越大，∴④错误；根据回归分析基本思想，残差平方和越小，拟合效果越好，∴⑤正确．故答案是③⑤
SPSS 中我想对两个离散性变量进行相关性分析，如何来做？ 如果是看读某本书和性别之间是否有关系用关卡方检验
失业率和收入算离散数据还是连续数据？他俩之间的相关性用皮尔逊相关系数算好还是斯皮尔曼相关系数算好？ 一般按照连续数据来做分析使用皮尔逊相关系数更好因为皮尔逊相关系数高且更加平稳
如何统计分析连续型变量与离散型变量间的相关性？随机变量之间的相关性跟其是否为连续型和离散型无关。只是因为连续型和离散型随机变量便以计算，所以对绝大多数工科人来说。
如何统计分析连续型变量与离散型变量间的相关性 随机变量之间的相关性跟其是否为连续型和离散型无关。只是因为连续型和离散型随机变量便以计算，所以对绝大多数工科人来说，好像随机变量只有连续型和离散型。从概率论的角度看，如果知道两个随机变量的联合分布，则可以按照相关系数的公式计算出其相关系数，根据相关系数的大小判断二者是否相关若不知道两个随机变量的联合分布，只有数据的话，则可以从统计的角度，用检验的方法进行判断其是否存在相关性，至于检验的方法，你可以查一下相关的统计书即可
描述数据集中趋势和离散程度的指标分别有哪些？各自的适用情况是什么？ 集中趋势指标：算术均2113数，5261几何均数，中位数4102和百分位数。集中趋势适用情况：对称分布1653或偏度不大的资料，尤其适合正态分布资料。离散趋势指标：极差，方差，标准差，四分位数间距。离散趋势适用情况：均数相差不大，单位相同的资料。在统计学中，集中趋势或中央趋势，在口语上也经常被称为平均，表示一个机率分布的中间值。最常见的几种集中趋势包括算数平均数、中位数及众数。集中趋势可以由有限的数组中或理论上的机率分配中求得。计量资料的频数分布有集中趋势和离散趋势两个主要特征。仅仅用集中趋势来描述数据的分布特征是不够的，只有把两者结合起来，才能全面地认识事物。我们经常会碰到平均数相同的两组数据其离散程度可以是不同的。扩展资料：各指标计算方法：极差又称全距，是指一组数据的观察值中的最大值和最小值之差。极差的计算较简单，但是它只考虑了数据中的最大值和最小值，而忽略了全部观察值之间的差异。两组数据的最大值和最小值可能相同，于是它们的极差相等，但是离散的程度可能相当不一致。平均差是指一组数据中的各数据对平均数的离差绝对值的平均数。一组数据中的各数据对平均数的离差有正有负，其和为零，因此平均差必须。
