Stata操作講義資料

Stata操作講義

第一講Stata操作入門

第一節(jié)概況

Stata最初由美國(guó)計(jì)算機(jī)資源中心(ComputerResource

Center)研制，如今為Stata公司的產(chǎn)品，其最新版本為7.0版。

它操作靈敏、簡(jiǎn)潔、易學(xué)易用，是一個(gè)特別有特色的統(tǒng)計(jì)分析軟件，

如今已越來越受到人們的重視和歡送，并且和SAS、SPSS一起，被

稱為新的三大權(quán)威統(tǒng)計(jì)軟件。

Stata最為突出的特點(diǎn)是短小精悍、功能強(qiáng)大，其最新的7.0版

整個(gè)系統(tǒng)只有10M左右，但已經(jīng)包含了全部的統(tǒng)計(jì)分析、數(shù)據(jù)管理

和繪圖等功能，尤其是他的統(tǒng)計(jì)分析功能極為全面，比起1G以上大

小的SAS系統(tǒng)也毫不遜色。另外，由于Stata在分析時(shí)是將數(shù)據(jù)全

部讀入內(nèi)存，在計(jì)算全部完成后才和磁盤交換數(shù)據(jù)，因此運(yùn)算速度極

快。

由于Stata的用戶群始終定位于專業(yè)統(tǒng)計(jì)分析人員，因此他的操

作方式也獨(dú)具匠心，在Windows席卷天下的時(shí)代，他始終堅(jiān)持運(yùn)用

囑咐行/程序操作方式，拒不推出菜單操作系統(tǒng)。但是，Stata的囑

咐語(yǔ)句極為簡(jiǎn)潔明快，而且在統(tǒng)計(jì)分析囑咐的設(shè)置上又特別有條理，

它將一樣類型的統(tǒng)計(jì)模型均歸在同一個(gè)囑咐族下，而不同囑咐族又可

以運(yùn)用一樣功能的選項(xiàng)，這使得用戶學(xué)習(xí)時(shí)極易上手。更為令人嘆服

的是，Stata語(yǔ)句在簡(jiǎn)潔的同時(shí)又擁有著極高的靈敏性，用戶可以充

分發(fā)揮自己的聰慧才智，嫻熟應(yīng)用各種技巧，真正做到為所欲為。

除了操作方式簡(jiǎn)潔外,Stata的用戶接口在其他方面也做得特別簡(jiǎn)

潔，數(shù)據(jù)格式簡(jiǎn)潔，分析結(jié)果輸出簡(jiǎn)潔明快，易于閱讀，這一切都使

得Stata成為特別相宜于進(jìn)展統(tǒng)計(jì)教學(xué)的統(tǒng)計(jì)軟件。

Stata的另一個(gè)特點(diǎn)是他的很多高級(jí)統(tǒng)計(jì)模塊均是編程人員用其

宏語(yǔ)言寫成的程序文件（ADO文件），這些文件可以自行修改、添

加和下載。用戶可隨時(shí)到Stata網(wǎng)站找尋并下載最新的晉級(jí)文件。事

實(shí)上，Stata的這一特點(diǎn)使得他始終處于統(tǒng)計(jì)分析方法開展的最前

沿，用戶幾乎總是能很快找到最新統(tǒng)計(jì)算法的Stata程序版本，而這

也使得Stata自身成了幾大統(tǒng)計(jì)軟件中晉級(jí)最多、最常見的一個(gè)。

由于以上特點(diǎn)，Stata已經(jīng)在科研、教化領(lǐng)域得到了廣泛應(yīng)用，

WHO的探討人員如今也把Stata作為主要的統(tǒng)計(jì)分析工作軟件。

第二節(jié)Stata操作入門

一、Stata的界面

圖1即為Stata7.0啟動(dòng)后的界面，除了Windows版本的軟件

都有的菜單欄、工具欄，狀態(tài)欄等外，Stata的界面主要是由四個(gè)窗

口構(gòu)成，分述如下：

1.結(jié)果窗口

位于界面右上部，軟件運(yùn)行中的全部信息，如所執(zhí)行的囑咐、執(zhí)

行結(jié)果和出錯(cuò)信息等均在這里列出。窗口中會(huì)運(yùn)用不同的顏色區(qū)分不

同的文本，如白色表示囑咐，紅色表示錯(cuò)誤信息。

2.囑咐窗口

位于結(jié)果窗口下方，相當(dāng)于DOS軟件中的囑咐行，此處用于鍵入

須要執(zhí)行的囑咐，回車后即開場(chǎng)執(zhí)行，相應(yīng)的結(jié)果則會(huì)在結(jié)果窗口中

顯示出來。

3.囑咐回憶窗口

即review窗口，位于界面左上方，全部執(zhí)行過的囑咐會(huì)依次在該

窗口中列出，單擊后囑咐即被自動(dòng)拷貝到囑咐窗口中；假設(shè)須要重復(fù)

執(zhí)行，用鼠標(biāo)雙擊相應(yīng)的囑咐即可。

4.變量名窗口

位于界面左下方，列出當(dāng)前數(shù)據(jù)與中的全部變量名稱。

除以上四個(gè)默認(rèn)翻開的窗口外，在Stata中還有數(shù)據(jù)編輯窗口、

程序文件編輯窗口、扶植窗口、繪圖窗口、Log窗口等，假設(shè)須要運(yùn)

用，可以用Window或Help菜單將其翻開。

二、數(shù)據(jù)的錄入與儲(chǔ)存

Stata為用戶供應(yīng)了簡(jiǎn)捷，但是特別完善的數(shù)據(jù)接口，熟識(shí)它的用

法是運(yùn)用Stata的第一步，在Stata中讀入數(shù)據(jù)可以有三種方式：干

脆從鍵盤輸入、翻開已有數(shù)據(jù)文件和拷貝、粘貼方式交互數(shù)據(jù)。

(1)從鍵盤輸入數(shù)據(jù)

在Stata中可以運(yùn)用囑咐行方式干脆建立數(shù)據(jù)集，首先運(yùn)用input

囑咐制定相應(yīng)的變量名稱，然后一次錄入數(shù)據(jù)，最終運(yùn)用end語(yǔ)句

說明數(shù)據(jù)錄入完畢。

例1在某試驗(yàn)中得到如下數(shù)據(jù)，請(qǐng)?jiān)赟tata中建立數(shù)據(jù)集。

觀測(cè)數(shù)據(jù)：X13579,F246810

解：此處須要建立兩個(gè)變量木匕分別錄入相應(yīng)數(shù)值，Stata中

的操作如下，其中劃線局部為操作者輸入局部。

.dropall

.inputxy

xy

1.12

2.34

3.56

4.78

5.91。

6.end

⑵用Stata的數(shù)據(jù)編輯工具

①進(jìn)入數(shù)據(jù)編輯器

進(jìn)入stata界面,在命令欄鍵入edit或在stata的window下拉菜單中單擊［dataeditoij

圖2

②數(shù)據(jù)編輯

Stata數(shù)據(jù)編輯器界面：此時(shí)進(jìn)入了數(shù)據(jù)全屏幕編輯狀態(tài)。

RFrl

圖3

在第一列輸入數(shù)據(jù)后，Stata第一列自動(dòng)命名為varl;在第二列

輸入數(shù)據(jù)后，第二列自動(dòng)命名為var2……依次類推。在輸入數(shù)據(jù)后,

雙擊縱格頂端的變量名欄（如：Vari或Var2處），可以更變更量名，

并可以在label欄中注釋變量名的含義，點(diǎn)擊國(guó)確認(rèn)（如圖4所示）。

仍沿用上例，雙擊視察值所在列頂端的變量名欄，更變更量名為x,

并在label欄中注明“7歲男童身高/cm”。

圖4

數(shù)據(jù)輸入完畢后，單擊國(guó)亟鍵確認(rèn)所輸數(shù)據(jù)，按關(guān)閉鍵X即可

退出編輯器。

^121211

數(shù)據(jù)輸入完畢后，單擊國(guó)亟認(rèn)所輸數(shù)據(jù)，按關(guān)閉鍵區(qū)即可退出

編輯器。

(3)拷貝、粘貼方式交互數(shù)據(jù)

Stata的數(shù)據(jù)編輯窗口是一個(gè)簡(jiǎn)潔的電子表格，可以運(yùn)用拷貝、粘

貼方式干脆和EXCEL等軟件交互數(shù)據(jù)，在數(shù)據(jù)量不大時(shí)，這種方式

操作極為便利。

例2如今EXCEL中已錄入了三個(gè)變量，共五條記錄，格式見下

圖，請(qǐng)將數(shù)據(jù)讀入Stata。

解：首先將EXCEL中的A1-C6全部18個(gè)單元格選中，選擇

菜單編輯?復(fù)制，將數(shù)據(jù)拷貝到剪貼板上；然后切換到Stata,選擇

菜單Window->DataEditor,翻開數(shù)據(jù)編輯窗口；再選擇

Edit->Paste,相應(yīng)的數(shù)據(jù)就會(huì)被干脆粘貼如數(shù)據(jù)編輯窗口中，并且

變量名、記錄數(shù)、變量格式等均會(huì)被自動(dòng)正確設(shè)置，見圖6和圖7。

ABc

1Xyz

212Q

334wqw

456e

578dfw

6910f

圖6在EXCEL中的數(shù)據(jù)格式圖7粘貼入Stata后的數(shù)據(jù)格式

(4)翻開已有的數(shù)據(jù)文件

Stata可以干脆翻開的數(shù)據(jù)文件只能是自身專用格式或者以符號(hào)

分隔的純文本格式，后者第一行可以是變量名，分述如下：

①點(diǎn)擊圖標(biāo)回，然后選擇途徑和文件名，可以翻開Stata專用

格式的數(shù)據(jù)文件，并且擴(kuò)展名為dta。

②翻開Dta數(shù)據(jù)文件：該格式文件是Stata的專用格式數(shù)據(jù)文件,

也運(yùn)用use囑咐即可翻開，例如要翻開數(shù)據(jù)文件“C:\dataLdta”，

則囑咐為：

.usec:\datal

即擴(kuò)展名可以省略，假設(shè)Stata中已經(jīng)修改或者建立了數(shù)據(jù)集，

則須要運(yùn)用clear選項(xiàng)去除原有數(shù)據(jù)，囑咐為：

.usec:\datal,clear

②讀入文本格式數(shù)據(jù)：須要運(yùn)用insheet囑咐實(shí)現(xiàn)，例如須要讀

入已建立好的文本格式數(shù)據(jù)文件“C:\datal.txt"，則囑咐為：

.insheetusingc:\datal.txt

該囑咐會(huì)自動(dòng)識(shí)別第一行是否為變量名，以與變量列間的分隔符

是tab、逗號(hào)還是其他字符。假設(shè)Stata中已經(jīng)修改或者建立了數(shù)據(jù)

集，則須要運(yùn)用clear選項(xiàng)去除原有數(shù)據(jù)，囑咐為：

.insheetusingc:\datal.txt,clear

(5)數(shù)據(jù)文件的保存

為了便利以后重復(fù)運(yùn)用，輸入Stata的數(shù)據(jù)應(yīng)存盤。Stata事實(shí)

上只能將數(shù)據(jù)存為自身專用的數(shù)據(jù)格式或者純文本格式，分述如下：

①點(diǎn)擊圖標(biāo)IW,然后選擇途徑和文件名，點(diǎn)擊畫。

②存為dta格式：可以干脆運(yùn)用文件菜單，也可以運(yùn)用save囑

咐操作，如欲將上面建立的數(shù)據(jù)文件存入“C:\”中，文件名為

Data1.dta,則囑咐為：

.savec:\datal

filec:\datal.dtasaved

該指令將在C盤根書目建立一個(gè)名為“dataLdta”的Stata數(shù)

據(jù)文件，后綴dta可以在囑咐中省略，會(huì)被自動(dòng)添加。該文件只能在

Stata中用use囑咐翻開。如所指定的文件已經(jīng)存在，則該囑咐將給

出如下信息：filec:\datal.dtaalreadyexists,告知用戶在該目的

盤與子書目中已有一樣的文件名存在。如欲覆蓋已有文件，則加選擇

項(xiàng)replace。囑咐與結(jié)果如下：

.savec:\datal.dta,replace

filec:\datal.dtasaved

3.存為文本格式：須要運(yùn)用。utsheet囑咐實(shí)現(xiàn)，該囑咐的根本

格式如下。

outsheet［變量名列表］using文件名［,nonamesreplace］

其中變量名列表假設(shè)省略，則將全部變量存入指定文件。如欲將

上面建立的數(shù)據(jù)文件存入文本文件“C:\datal.txt”中，則囑咐為：

.outsheetusingc:\datal.txt

此時(shí)建立的文件datal.txt第一行為變量名，第2-6行為變量值。

變量列間用Tab鍵分隔。假設(shè)不渴望在第一行存儲(chǔ)變量名，則可以

運(yùn)用nonames選項(xiàng)。假設(shè)文件已經(jīng)存在，則須要運(yùn)用replace選項(xiàng)。

第二講統(tǒng)計(jì)描繪入門

例調(diào)查某市1998年110名19歲男性青年的身高/cm資料如下,

計(jì)算均數(shù)、標(biāo)準(zhǔn)差、中位數(shù)、百分位數(shù)和頻數(shù)表。

173.1167.8173.9176.9173.8171.5175.1175.2176.7174.5

169.2174.7185.4175.8173.5175.9175.9173.2174.8177.2

171.9166.0177.3175.2179.8175.7180.8171.4178.9172.6

166.9170.8168.7175.0183.7171.6172.9173.6177.7172.4

181.2178.1173.3177.5173.0174.3174.5172.5171.3174.0

177.9170.7175.2178.5177.6183.3173.1170.9180.5176.8

179.6180.6176.6174.3168.7175.2179.5172.5173.0174.2

169.5177.0183.6170.3178.8181.1182.9177.8164.1169.1

176.3169.4171.1172.9177.0179.8178.2174.4169.2176.4

178.3165.0175.8181.0177.6177.4178.7175.1181.8171.3

174.8181.7177.3178.5179.3177.0175.8181.8177.5180.2

Stata數(shù)據(jù)構(gòu)造（讀者可以把數(shù)據(jù)干脆粘貼到Stata的Edit窗口）

在介紹統(tǒng)計(jì)分析囑咐之前，先介紹翻開一個(gè)保存統(tǒng)計(jì)分析結(jié)果的

文件操作:

點(diǎn)擊log圖標(biāo)，然后選擇路徑和輸入保存結(jié)果的文件

名，建議選擇擴(kuò)展名為log的文件，這樣以后統(tǒng)計(jì)分

析結(jié)果都將保存在這個(gè)文件中并且可以用word打開

和編輯.當(dāng)分析結(jié)束時(shí)，仍點(diǎn)擊該圖標(biāo)，關(guān)閉文件.

計(jì)算樣本的均數(shù)、標(biāo)準(zhǔn)差、最大值和最小值

囑咐l：su變量名（可以多個(gè)變量：即：SU變量名1變量名2…

變量名m）

囑咐2:su變量名,d（可以多個(gè)變量:即：su變量名1變量名

2…變量名m,d）

本例囑咐sux

PercentilesSmallest

1%165164.1

5%168.7165

10%169.45166Obs110

25%172.9166.9SumofWgt.110

50%175.2Mean175.3655

LargestStd.Dev.4.222297

75%178.1183.3

90%180.9183.6Variance17.82779

95%181.8183.7Skewness1756947

99%183.7185.4Kurtosis2.895843

本例囑咐.sux,d

結(jié)果說明

Smallest最小值Obs110樣本量

164.1第1最小值SumofWgt.110加權(quán)和（即每個(gè)

165第2最小值記錄的權(quán)是1）

166第3最小值Mean175.3655均效

166.9第4最小值Std.Dev.4.222297標(biāo)準(zhǔn)差

Largest最大值Variance17.82779方差

183.3第4最大值Skewness1756947偏度系數(shù)

183.6第3最大值Kurtosis2.895843峰度系數(shù)

183.7第2最大值

185.4第1最大值

百分位數(shù)

Percentiles

1%=E

165

5%*

168.7

10%

169.45

百分位數(shù)月表示樣本中的數(shù)據(jù)小于等2

25%=Bs

并且（loo—M%的數(shù)據(jù)大于等于月.

172.9

特別：當(dāng)就是中位數(shù)，表示一半的數(shù)據(jù)小于

等于它，另一半的數(shù)據(jù)大于等于它.本例：

50%=/so

4=175.2

175.2

樣本量obS=110,因此有55個(gè)數(shù)據(jù)小于等

于175.2,另有55個(gè)數(shù)據(jù)大于等于175.2

75%=&

178.1

90%;兄

180.9

95%出

181.8

99%二凡9

183.7

計(jì)算百分位數(shù)還可以用專用囑咐centileo

centile變量名（可以多個(gè)變量），centile（要計(jì)算的百分位數(shù)）例如

計(jì)算巳.5,a7.5等centile變量名,centile（2.597.5）

本例計(jì)算三,5,87.5,P50'＞「25,075。

本例囑咐.centilex,centile(2.525507597.5)

-Binom.Interp.一

Variable|ObsPercentileCentile[95%Conf.Interval]

x11102.5165.775164.1168.7*

125172.825171.3314173.6267

150175.2174.5176.6789

175178.125177.3179.4371

197.5183.6225181.8185.4*

*Lower(upper)confidencelimitheldatminimum(maximum)ofsample

結(jié)果說明

PercentileCentile百分位數(shù)

2.5165.775=^z.s

25172.825

50175.2=&仲位數(shù))

75178.125二Rs

97.5183.6225=&s

制作頻數(shù)表，組距為2,從164開場(chǎng)，

genf=int((x-164)/2)*2+164其中int()表示取整數(shù)

tabf頻數(shù)匯總和頻率計(jì)算

頻數(shù)頻率累積頻率

f1Freq.PercentCum.

164|21.821.82

166|32.734.55

168|76.3610.91

170|1110.0020.91

172|1614.5535.45

174|2320.9156.36

176|2018.1874.55

178|1311.8286.36

180|109.0995.45

182|43.6499.09

184|10.91100.00

Total|110100.00

作頻數(shù)圖

囑咐graph變量,bin(#)norm

其中#表示頻數(shù)圖的組數(shù);norm表示畫一條相應(yīng)的正態(tài)曲線(可以

不要)

本例囑咐為graphx,bin(8)norm

必4

為了使坐標(biāo)更清晰地在圖上顯示，可以輸入下列囑咐

graphx,bin(8)xlabelnormylabel

圖形可以從Stata中復(fù)制到word中來，操作如下:

IntercooledStata7.0

點(diǎn)擊Edit

后，再點(diǎn)擊

CopyGre0

edit

sux

sux,d

centilex,centile(2.5

然后到Word中粘貼和編輯，便可以得到所須要的圖形。

計(jì)算幾何均數(shù)可以用means變量名（可以多個(gè)變量：即:means

變量1…變量m）

meansx

Variable|TypeObsMean[95%Conf.Interval]

x|Arithmetic110175.3655174.5676176.1634

Geometric110175.3149174.5168176.1166

Harmonic110175.2642174.4657176.07

Arithmetic（算術(shù)均數(shù)）Geometric（幾何均數(shù)）調(diào)和均數(shù)

（Harmonic）

作Pie圖描繪構(gòu)成比：每一類的頻數(shù)用一個(gè)變量表示，囑咐:

graph各類頻數(shù)變量名,pie

例：下列有2個(gè)地區(qū)的血型頻數(shù)分布數(shù)據(jù)，請(qǐng)用Pie描繪：

頻數(shù)

地區(qū)AB0AB

第1地區(qū)area=l10012024075

第2地區(qū)area=2807020050

Stata數(shù)據(jù)格式

ab0abarea

1100120240751

28070200502

第1地區(qū)血型構(gòu)成比的Pie圖的囑咐和圖

graphaboabifarea==l,pie

19%A

22%B

留意邏輯表達(dá)式中ifarea==l是兩個(gè)等號(hào)。

第2地區(qū)血型構(gòu)成比的Pie圖的囑咐和圖

graphaboabifarea==2,pie

20%A

18%B

兩個(gè)地區(qū)合并后的血型構(gòu)成比的Pie圖的囑咐和圖

19%A

20%B

正態(tài)性檢驗(yàn).swilk變量名1變量名2-??變量名m

在上例中的11。名19歲男性青年的身高資料正態(tài)性檢驗(yàn)如下:

.swilkx

Shapiro-WilkWtestfornormaldata

Variable|ObsWVzProb>z

XI1100.995000.447-1.7970.96381

無效假設(shè)品:資料聽從正態(tài)分布

備選假設(shè)?。嘿Y料不聽從正態(tài)分布

設(shè)a=O.O5（樣本比擬大時(shí)，a取0.05,樣本很小時(shí)，a取0.1）

Prob>z戶值

.96381=產(chǎn)值>0.05

因此可以認(rèn)為資料近似聽從正態(tài)分布。

計(jì)量資料統(tǒng)計(jì)描繪的主要策略小結(jié)

若資料近似正態(tài)分布，則用均數(shù)土標(biāo)準(zhǔn)差描繪

若資料偏態(tài)分布(頻數(shù)圖明顯不對(duì)稱)，則用中位數(shù)(呂5一尸75)描

繪

P25---尸75稱為四分位數(shù)范圍(Inter-quartilerange,IQR)

但在一些臨床試驗(yàn)資料統(tǒng)計(jì)分析時(shí)，往往給出樣本均數(shù)、標(biāo)準(zhǔn)差、

中位數(shù)、四分位數(shù)范圍、最小值和最大值，但對(duì)結(jié)果的主要說明依據(jù)

上述策略進(jìn)展進(jìn)展。

第三講概率分布和抽樣分布

概率分布累積函數(shù)

1.標(biāo)準(zhǔn)正態(tài)分布累積函數(shù)norm(A)

2.1分布右側(cè)累積函數(shù)ttail(d/,因，其中以是自由度

3."分布累積函數(shù)chi2(",因，其中也是自由度

4.4分布右側(cè)累積函數(shù)chi2tail(d7,A),其中"是自由度

5.斤分布累積函數(shù)F(d〃，df2,困，d〃為分子自由度，df2為

分母自由度

6.F分布右側(cè)累積函數(shù)網(wǎng)df2,因，d〃為分子自由度，df2

為分母自由度

累積函數(shù)的計(jì)算運(yùn)用

正態(tài)分布計(jì)算

x服從可。,1)，計(jì)算概率尸(X<1.9。

.displaynorm(L9。

.9750021即概率P(X<1.96)=0.9750021

display可簡(jiǎn)寫為di,如：dinortn(1.96).同樣可以得到上述結(jié)果.

X服從兇8，?計(jì)算概率F(X>1.96),貝U

.dil-norm(1.96)

.0249979即癖P(X>1,96)=0.0249979

X服從NdQ2)，則y=4二巴~笈(0,1),因此對(duì)其他正態(tài)分布只要在函數(shù)括號(hào)中插入一個(gè)

上述表達(dá)式就可以得到相應(yīng)概率.

例如：X服從陽(yáng)100,62),計(jì)算概率在年111.76),則操作如下

.dinonn((lll.76-100)/6)

,9750021即：P(X<111,76)=0.9750021

又如X服從100,6)計(jì)算概率玳為90)，操作如下

.dil-nomn((90-100)/6)

.95220965

爐分布累積概率計(jì)算

設(shè)X服從自由度為1的爐分布，計(jì)算概率也心3.84),則操作如下

.dil-chi2(l,3.84)

.05004353概率P(X>3.84)=0.05004353

設(shè)X服從自由度為3的寸分布，計(jì)算概率P(X5),則操作如下一

.dichi2(3,5)

.82820288概率P(X<5)=0.82820288

戶分布右側(cè)累積概率計(jì)算

設(shè)X服從自由度為1的寸分布，計(jì)售概率也G3.84),則操作如下

.dichi2tail(l,3.84)

.05004353概率P(X>3.84)=0.05004353

設(shè)萬服從自由度為3的爐分布，計(jì)算概率尸(X<5),則操作如下

.dichi2(3,5)

.82820288WP(X<5)=0.82820288

，分布右側(cè)累積概率計(jì)算

設(shè)才服從自由度為10的？分布，計(jì)算概率共>22),操作如下

.dittail(10,2.2)

,02622053概率P(t>2.2)=0.02622053(注意：這是右累積函數(shù))

設(shè)才服從自由度為10的上分布，計(jì)算概率%<一外操作如下

.dil-ttail(10,-2)

.03669402概率P(t<-2)=0.03669402

支分布累積概率計(jì)算

設(shè)尸月颯川(3,27),計(jì)算概率廣陰》操作如下:

.diF(3,27,l)注意這里的函數(shù)是大寫'F,stata軟件中是區(qū)分大小寫的

.59208514概率(F<1)=0.59208514

設(shè)9月颯產(chǎn)(4,40),計(jì)算概率尸(尸>3),操作如下:

.dil-F(4,40,3)

.02954694WP(F>3)=0.02954694

產(chǎn)分布右側(cè)累積概率計(jì)算

設(shè)歹服從歹口,27),計(jì)算概率操作如下：

.di1-Ftail(3,27,l)注意這里的函數(shù)是大寫F,stata軟件中是區(qū)分大小寫的

.59208514概率P(Fv1)=0.59208514

設(shè)尸服此”4,40),計(jì)算概率操作如下：

.diFtail(4,40,3)

.02954694WP(F>3)=0.02954694

t分布的臨界值計(jì)算函數(shù)invchi2tail(也0)

例如計(jì)算自由度為28的右側(cè)累積概率為0.025的臨界值5.a操作如下

.diinvttail(28,0.025)

2.0484071臨界值t物廣2.0484071

然分布的臨界值計(jì)算函數(shù)invchi2(以為或invchi2tail(瓶月

例如：計(jì)算自由度為1的/右側(cè)累積概率為0.05的臨界值/。步操作如下：

.diinvchi2(l,0.95)

3.8414591臨界值e)a=3.8414591

或者操作如下：一

.diinvchi2tail(l,0.05)

3.8414591臨界值%%必=3.84145gl

產(chǎn)分布的臨界值計(jì)算函數(shù)inv巴切，攔產(chǎn))或inv網(wǎng)切，羽門

例如計(jì)算分子自由度為3和分母自由度27的右側(cè)累積概率為(W5的臨界值，操作如下:

.diinvF(3,27,0.95)

2.9603513臨界值FOJ05(3,27)=2.9603513

產(chǎn)生隨機(jī)數(shù)

計(jì)算機(jī)所產(chǎn)生的隨機(jī)數(shù)是通過一串很長(zhǎng)的序列數(shù)模擬隨機(jī)數(shù)，故

稱為偽隨機(jī)數(shù)，在實(shí)際應(yīng)用這些隨機(jī)數(shù)時(shí)，這些隨機(jī)數(shù)一般都能具有

真實(shí)隨機(jī)數(shù)的全部概率性質(zhì)和統(tǒng)計(jì)性質(zhì)，因此可以產(chǎn)生許很多多的序

列偽隨機(jī)數(shù)，一個(gè)序列的第一個(gè)隨機(jī)數(shù)對(duì)應(yīng)一個(gè)數(shù)，這個(gè)數(shù)稱為種子

數(shù)(seed),因此可以利用種子數(shù)，使隨機(jī)數(shù)重復(fù)實(shí)現(xiàn)。

設(shè)置種子數(shù)的囑咐為setseed數(shù)。每次設(shè)置同一種子數(shù)，則產(chǎn)生

的隨機(jī)序列是一樣的。

產(chǎn)生(0,1)區(qū)間上的勻整分布的隨機(jī)數(shù)uniform()

例如產(chǎn)生種子數(shù)為100的20個(gè)在(0,1)區(qū)間上的勻整分布的隨機(jī)

數(shù)，則操作如下:

clear去除內(nèi)存

setseed100設(shè)置種子數(shù)為100

setobs20設(shè)置樣本量為20

genr=uniform()產(chǎn)生20個(gè)在(0,1)區(qū)間上勻整分布的隨機(jī)數(shù)。

list顯示這些隨機(jī)數(shù)

結(jié)果如下

1..7185296

2..1646728

3.,9258041

4.,1833736

5..0067327

6..7413361

7..3599943

8..1634543

9.,445553

10..6489049

11..3799431

12..5964895

13..0251346

14..2164402

15.,6848479

16..1270018

17..6466258

18.,1869288

19..4522384

20..067132

利用勻整分布隨機(jī)數(shù)進(jìn)展隨機(jī)分組：

例：某試驗(yàn)要把20只大鼠隨機(jī)分為2組，每組10只，請(qǐng)制定隨

機(jī)分組方案和措施。

第一步、把20只大鼠編號(hào)，1,2,3,4,5,6,7,8,9,10,

11,12,13,14,15,16,17,18,19,20。并且標(biāo)明。

第二步、用Stata軟件制定隨機(jī)分組方案，操作如下:

clear清除內(nèi)存

setseed200設(shè)置種子數(shù)為200

setobs20設(shè)置樣本量為20

rangeno120建立編號(hào)1至20

gent^=uniform()產(chǎn)生在(0,1)均勻分布的隨機(jī)數(shù)

gengroup=l設(shè)置分組變量group的初始值為1

sortr對(duì)隨機(jī)數(shù)從小到大排序

replacegroup=2in11/20設(shè)置最大的10個(gè)隨機(jī)數(shù)所對(duì)應(yīng)的記錄為第2組，即：

最小的10個(gè)隨機(jī)數(shù)所對(duì)應(yīng)的記錄為第1組

sortno按照編號(hào)排序

list顯示隨機(jī)分組的結(jié)果

結(jié)果如下:

norgroup

1.95120072

2,52498762

3

3.51299861

4.4,1264391

5.5,58661612

6.

6,70592092

7&.7,26332861

8,56446882

9.9.11710331

10.

11.10.9540652

1211,48228631

12.33477361

13

113.56789022

14.14.79944312

5.15.11805031

16.

178.16.98342992

1017,28078741

C

1518.0952451

219,94460512

20.34675241

隨機(jī)分組整理如下

第一蛆

編號(hào)3479111215171820

第二組

編號(hào)125681013141619

N產(chǎn)生服從正態(tài)分布（〃，GJ》的隨機(jī)數(shù)invnorm（unifonn（））cr+.例如產(chǎn)生10個(gè)服從正

態(tài)分布#。00,D2）的隨機(jī)數(shù)，操作如下：

clear清除內(nèi)存

setseed200設(shè)置種子數(shù)為200

setobs10設(shè)置樣本量為10

genxMnvnorm(uniform())*6+100產(chǎn)生服從曾（100，62）的隨機(jī)數(shù)

list顯示隨機(jī)數(shù)

結(jié)果如下:

1.109.9397

2.100.3761

3.100.1955

4.93.13968

5.101.3131

6.103.249

7.96.2013

8.100.9739

9.92.86244

10.110.1137

教學(xué)應(yīng)用：考察樣本均數(shù)的分布。

由于個(gè)體變異的緣由，樣本均數(shù)刀的抽樣誤差（其定義為樣本均數(shù)

與總體均數(shù)的差值）是不行避開的，并且樣本均數(shù)的抽樣誤差是呈隨

機(jī)變更的。對(duì)于一次抽樣而言，無法考察樣本均數(shù)的抽樣誤差的規(guī)律

性，但當(dāng)大量地重復(fù)抽樣，計(jì)算每次抽樣的樣本均數(shù)刀,發(fā)考察樣

本均數(shù)的隨機(jī)分布規(guī)律性和統(tǒng)計(jì)特征。舉例如下：

利用計(jì)算機(jī)模擬產(chǎn)生1OOOOO個(gè)聽從正態(tài)分布川100,6。的樣本,

樣本量分別為刀=4,n=9,n=16,n=36,每個(gè)樣本計(jì)算樣本均

數(shù)。這里關(guān)鍵處是要清晰什么是樣本量（每次抽樣所視察的對(duì)象個(gè)數(shù),

也就是每個(gè)樣本的個(gè)體數(shù)n）、什么是樣本個(gè)數(shù)（指抽樣的次數(shù)），現(xiàn)以

刀=4為例，一條記錄存放一個(gè)樣本，樣本量力=4,也就是每個(gè)樣本

的第1個(gè)數(shù)據(jù)放在第1歹IJ,第2個(gè)數(shù)據(jù)放在第2列，第3個(gè)數(shù)據(jù)放

在第3列，第4個(gè)數(shù)據(jù)放在第4歹！J,因此第1行是第一個(gè)樣本，第

2行是第2個(gè)樣本，第100000行是第100000個(gè)樣本，計(jì)算樣本

均數(shù)放在第5歹因此共有100000個(gè)樣本均數(shù)。具體操作如下：

clear清除內(nèi)存

setmemory60m擴(kuò)大虛擬內(nèi)存為60M

setobs100000設(shè)置記錄數(shù)為100000

setseed200設(shè)置種子數(shù)為200

genx1MnvnornXunifomi())*6+100產(chǎn)生第1個(gè)隨機(jī)數(shù)據(jù)

genx2=invnorm(uniform0)*6+100產(chǎn)生第2個(gè)隨機(jī)數(shù)據(jù)

genx3=dnvnonn(uniforrn())*6+100產(chǎn)生第3個(gè)隨機(jī)數(shù)據(jù)

genx4=invnorm(unifbnnO)*6+100產(chǎn)生第4個(gè)隨機(jī)數(shù)據(jù)

genmean=(x1+x2+x3+x4)/4計(jì)算平均數(shù)，并且存放在變量名為

mean

sumean以樣本均數(shù)為數(shù)據(jù)，計(jì)算其平均值和

標(biāo)準(zhǔn)差

結(jié)果

Variable|ObsMeanStd.Dev.MinMax

mean|10000099.983883.00222587.97424112.0461

現(xiàn)共有100000個(gè)樣本，每個(gè)樣本計(jì)算一個(gè)樣本均數(shù)，因此有

100000個(gè)樣本均數(shù)，如今把一個(gè)樣本均數(shù)發(fā)視為一個(gè)數(shù)據(jù)，把

100000個(gè)樣本均數(shù)視為一個(gè)樣本量為100000的新樣本（這個(gè)樣本

里有100000個(gè)刀）,計(jì)算這100000個(gè)3的平均值和標(biāo)準(zhǔn)差：得

到：

這100000個(gè)刀的平均值=99.98388特別接近總體均數(shù)口=100

這100000個(gè)了的標(biāo)準(zhǔn)差=3.002225(理論上可以證明樣本均數(shù)的

總體均數(shù)與樣本所在的總體的總體均數(shù)一樣，樣本均數(shù)的標(biāo)準(zhǔn)差

樣本所在總體的總體標(biāo)準(zhǔn)差

=赤)

再考察這100000個(gè)刀的頻數(shù)圖

graphmean,bin(50)xlabelylabelnorm

可以覺察正態(tài)分布的樣本均數(shù)仍呈正態(tài)分布，峰的位置在4=

100o再考察這100000個(gè)發(fā)的百分位數(shù)

—Binom.Interp.一

Variable|ObsPercentileCentile[95%Conf.Interval]

mean|1000002.594.1122494.0593494.15675

|595.0483195.0075895.08677

|5099.9767299.95568100.0002

|95104.9248104.8881104.9571

|97.5105.8656105.8161105.9181

比較理論上的百分位數(shù)

百分位數(shù)Stata操作理論百分位數(shù)模擬百分位數(shù)

PKSdi100+invnorm（0.025）*394.12010894.11224

Rdi100+invnorm（0.05）*395.06543995.04831

di100+invnorm（0.5）*310099.97672

Rsdi100+invnorm（0.95）*3104.93456104.9248

di100+invnorm（0.975）*3105.87989105.8656

P,T.5

可以覺察理論上的百分位數(shù)與模擬數(shù)據(jù)的百分位數(shù)特別接近?？?/p>

以證明：樣本量越大，這種刀的誤差小的可能性越大。

由于在實(shí)際探討中，只有一個(gè)樣本，因此只有一個(gè)樣本均數(shù)，無

法如模擬數(shù)據(jù)一樣計(jì)算樣本均數(shù)的標(biāo)準(zhǔn)差，但是一個(gè)樣本的數(shù)據(jù)可以

計(jì)算樣本的標(biāo)準(zhǔn)差S近似d利用樣本均數(shù)的標(biāo)準(zhǔn)差關(guān)系，間接

估計(jì)得到樣本均數(shù)的標(biāo)準(zhǔn)差估計(jì)為，為了區(qū)分樣本的標(biāo)準(zhǔn)差和樣

本均數(shù)的標(biāo)準(zhǔn)差，故稱為標(biāo)準(zhǔn)誤。

為了扶植大家便利地進(jìn)展模擬實(shí)習(xí)，特地編制的相應(yīng)的Stata模

擬程序:模擬正態(tài)分布的樣本均數(shù)分布的模擬程序simumean.ado

復(fù)制到Stata軟件安裝的書目下的子書目ado'base。例如：Stata

軟件安裝在D:\stata,則simumean.ado復(fù)制到

d:\stata\ado\base然后啟動(dòng)Stata軟件后，輸入連接囑咐:netset

adod:\stata\ado\base

若Stata安裝在其他書目下，則相應(yīng)變更上述途徑便是（這是一次

性操作，以后無需再重復(fù)進(jìn)展）。這是模擬抽10000個(gè)正態(tài)分布的樣

本，具體說明如下：

舉例說明

simumean樣本量均數(shù)標(biāo)準(zhǔn)差

例如模擬抽1000。個(gè)正態(tài)分布的樣本，樣本量為4、總體均數(shù)是

20、標(biāo)準(zhǔn)差為6,則操作如下：

simumean4206

得到下列結(jié)果（隨機(jī)的）

Variable|ObsMeanStd.Dev.MinMax

mean|1000019.993522.9906168.34450631.40937

ssdI100005.5114692.346368.25849615.51934

即10000個(gè)樣本均數(shù)（視為一個(gè)新的樣本數(shù)據(jù)）的平均值為19.99352*總體均數(shù)20,10000

個(gè)樣本均數(shù)的標(biāo)準(zhǔn)差=2.990616級(jí)A=總體可準(zhǔn)差=3?

變量樣本量%百分位數(shù)

-Binom.Interp.一一

VariableIObsPercentileCentile[95%Conf.Interval]

mean|100002.514.1962914.0139214.31436

1515.0889914.9628115.2017

150