统计物理h0什么意思

A. 物理问题

美国天文学家哈勃于1929年发现星系退行速度与其距离存在着正比的关系，即所谓“哈勃定律”：退行速度v=H0X距离d，其中H0就是哈勃常数。随着哈勃定律的提出，宇宙膨胀的观念逐渐确立。天文学家后来发现哈勃常数远超过当初哈勃所认知的内容。H0原来不单是量度宇宙膨胀的一个参数，而且还可以用来计算宇宙年龄、宇宙大小、宇宙中黑暗物质的数量、重子数目、轻元素丰度、甚至早期宇宙形成的结构等等。找寻H0的数值因此便成为近代天文学家的重要课题。事实上，哈勃太空望远镜的一个主要任务，以至其主镜大小的设计，都跟寻找H0有莫大关系。
我们可以从哈勃定律看到要寻找H0，先要测量出天体(主要是星系团)的退行速度和距离。哈勃本人在1929年给出第一个数值：H0=513km/s/Mpc，即一个距离我们一百万秒差距的天体，它的退行速度是每秒513公里(一秒差距=3.26光年)。哈勃于1953年逝世后不久，桑德奇将H0修正在50与100之间。若我们接受大爆炸理论，H0=50表示宇宙年龄介乎130到165亿年之间。若H0=100，即表示宇宙年龄介乎65到85亿年之间，而实际数字则取决于宇宙的物质密度。直至90年代哈勃太空望远镜升空前，天文学家从观测计算到的H0依然是介乎50与100之间。为甚么仍有两倍的不确定呢？原来测量H0有两个主要的误差：第一个是测量退行速度的误差，虽然天文学家利用光谱及多普勒效应，已经很准确地找到个别星系的退行速度，但由于与邻近星系及星系团的引力作用，这个退行速度便不完全是因宇宙膨胀而产生。第二个误差，也是最重要的一个误差，就是距离量度的不确定。
除了几百光年内的星体外，天文学家很主要倚靠测量造父变星来计算天体的距离，利用地面望远镜测量造父变星，可直接给出约二、三千万光年内星体的距离，而对于更遥远的星体，天文学家便要借助其它方法，但这些方法还是需要利用造父变星来作校正。哈勃太空望远镜的一个重点计划，就是要测量更多更远星系中的造父变星(远达6,500万光年)，从而更准确地校正其它测量遥远天体的方法，使我们更精确地把距离测量扩展至三亿二千万光年。此外，这个重点计划也会针对在室女座及天炉座两个星系团作仔细观测，从而得出更准确的H0数值。
以女天文学家费利曼为首的26人小组，是这个重点计划的主持人。虽然这个计划仍在进行中，但迄今已有不少成果。早于1994年这个重点计划落实的初期，这小组已从旋涡星系M100的观测中计算出H0=80±17，折算宇宙年龄大约在80亿至110亿年左右。当时曾掀起一场争论，因为从恒星演化理论得知，一些最老的球状星团可能已有150亿年的寿命，怎可能星体比宇宙更年老？随后几年的不断观测，特别是NGC925、NGC1023、NGC3351、M101、NGC7331、NGC4414及NGC1365，到1999年为止最新的H0是70±10，相对于宇宙年龄90亿至120亿年。同时从依巴谷卫星得出的资料显示，球状星团的距离可能更远一些，加上重新检视球状星团的理论模型，天文学家相信球状星团的年龄并不是最初估计的年老。这场争论的分歧因此便日益减少。
除了费利曼这个小组的工作外，桑德奇利用Ia型超新星爆炸作为计算距离的方法，测出H0=55-60，此外，埃利斯等天文学家利用统计方法算出H0介乎66至82之间。还有一些天文学家另创新方法来测量H0，例如利用引力透镜现象及微波背景辐射与星系团的热等离子体造成的散射现象等等。跟50年代H0数值的两倍不确定比较，今天在探求这个重要天文参数的数值工作上，已有了一定的进步。

B. 物理性质是什么意思

物理性质释义：物质不需要发生化学变化就表现出来的性质，如状态、颜色、气味、密度、硬度、沸点、溶解性等。

物质的物理性质如：颜色、气味、状态、是否易融化、凝固、升华、挥发，还有些性质如熔点、沸点、硬度、导电性、导热性、延展性等，可以利用仪器测知。还有些性质，通过实验室获得数据，计算得知，如溶解性、密度等。在实验前后物质都没有发生改变。这些性质都属于物理性质。

如水的蒸发；蜡烛质软，不易溶于水，一般石蜡成白色；纸张破碎等。不通过化学变化就可以表现出来的性质就是物理性质。经过化学变化表现出来的性质就是化学性质。

(2)统计物理h0什么意思扩展阅读：

物理性质属于统计物理学范畴，即物理性质是大量分子所表现出来的性质，不是单个原子或分子所具有的。

例如：物质的颜色是大量分子集体所具有的性质，是单个分子所不具有的。

通常用观察法和测量法来研究物质的物理性质，如可以观察物质的颜色、状态、熔点和溶解性；可以闻气味（实验室里的药品多数有毒，未经教师允许绝不能用鼻子闻和口尝）；也可以用仪器测量物质的熔点、沸点、密度、硬度、导电性、导热性、延展性、溶解性和挥发性、吸附性、磁性。

C. kg/cm2是什么意思

kg-cm2是压力单位，一公斤的力作用在一个平方厘米上。

压力单位，在物理学方面指垂直作用在物体表面上的力。单位为帕斯卡（简称帕字母为“Pa”）。（严格来说，压力单位应该为牛顿N。压强单位才是帕斯卡，生活中习惯将压强称为压力）

在中国，一般把气体的压力用“公斤”描述（而不是“斤”），单位“kg·f/cm2”，是一公斤压力就是一公斤的力作用在一个平方厘米上。

单位换算

1、1atm=0.1MPa=100kPa=1bar=10米水柱=14.5PSI=1kg/cm²为方便记忆，可以简化为如下规律：

2、1kPa=0.01bar=10mbar=7.5mmHg=0.3inHg=7.5torr=100mmH2O=4inH2

1GPa=1000MPa

1MPa=1000000Pa

1Pa=1N/m²

在中子星的形成条件中是能量密度达到临界压力，表示压力的单位与能量体积密度的单位相同。这个关系可以在统计物理学中推得。

D. 显着平准 统计学定义

大陆不叫这个。
significance level。显着性水平。
就是在原假设（H0）成立时检验统计量的值落在某个置信区间的概率值。通常用α表示，其值越小，则原假设被拒绝的可能性越小，原假设为假而未拒绝的可能性越小。其值越大，则原假设被拒绝的可能性越大，原假设为真而被否定的可能性也越大。
显着性水平=1 - 置信水平，显着性水平越低，置信水平越高，代表假设越可靠。

E. 统计物理中符号<>表示的求和平均到底是什么意思，具体的数学表达式是什么

比如<f>，那么f肯定是一个周期函数，<f>就是f在一个周期上的积分除以周期长度

F. 统计学常考的名词解释和简答有哪些

1、统计学：是运用数理统计的基本原理和方法研究预防医学和卫生事业管理中资料的收集，整理和分析的一门应用科学。具体地讲，是按照设计方案去收集、整理、分析数据，并对数据结果进行解释，从而做出比较正确的结论。

2、总体：是根据研究目的确定同质的所有观察单位某种变量的集合。

3、变异：同一性质的事物，其观察值（变量值）之间的差异。

4、抽样研究：从所研究的总体中随机抽取一部分有代表性的样本进行研究，用样本指标推论总体，最终达到了解总体的目的。这种用样本指标推论总体参数的方法称为抽样研究。

5、统计描述：用统计图表或计算统计指标的方法表达一个特定群体的某种现象或特征。

6、统计推断：根据样本资料的特性对总体的特性作估计或推论的方法称统计推断，常用方法是参数估计和假设检验。

7、概率：是指某事件出现可能性大小的度量，以符号P表示。

8、医学参考值范围：参考值范围又称正常值范围。医学上常把包括绝大多数人某项指标的数值范围称为该指标的参考值范围。

9、正态分布规律：实际工作中，经常需要了解正态曲线下横轴上的一定区域的面积占总面积的百分数，用以估计该区间的观察例数占总例数的百分数，或变量值落在该区间的频数或概率。

10、可比性：是指对研究结果有影响的非处理因素在各处理组之间尽可能相 同或相近。

11、动态数列：是一系列按时间顺序排列起来的统计指标，包括绝对数、相对数或平均数，用以说明事物在时间上的变化和发展趋势。

12、抽样误差：在同一总体中随机抽取样本含量相同的若干样本时，样本指标之间的差异以及样本指标与总体指标的差异。

13、标准误：表示样本均数间变异程度。

14、率的抽样误差：抽样过程中产生的同一总体中均数之间的差异称为均数的抽样误差，率之间的差异称为率的抽样误差。

15、参数估计：是指用样本指标（称为统计量）估计总体指标（称为参数）。

16、可信区间：总体参数的所在范围通常称为参数的可信区间或置信区间，即该区间以一定的概率（如95%或99%）包含总体参数。

17、I型错误：拒绝了实际撒谎能够成立的H0，这类“弃真”的错误称为I型错误。

18、II型错误：接受了实际撒谎能够不成立的H0，这类“存伪”的错误称为II型错误。

19、检验效能：1-b称为检验效能又称为把握度。它的含义是：当两总体确实有差别时，按规定的检验水准a，能够发现两总体间差别的能力。

20、四格表资料：两个样本率的资料又称为四格表资料，在四格表资料中两个样本的实际发生频数和实际未发生频数为基本数据，其他数据均可由这四个基本数据推算出来。

21、列联表资料：对同一样本资料按其两个无序分类变量（行变量和列变量）归纳成双向交叉排列的统计表，其行变量可分为R类，列变量可分为C类，这种表称为R*C列联表。

22、参数检验：是一种要求样本来自总体分布型是已知的（如正态分布），在这种假设的基础上，对总体参数（如总体均数）进行统计推断的假设检验。

23、非参数检验：是一种不依赖总体分布类型，也不对总体参数（如总体均数）进行统计推断的假设检验。

24、秩次：即通常意义上的序号，实际上就是将观察值按顺序由小到大排列，并用序号代替了变量值本身。

25、直线相关系数：它是说明具有直线关系的两个变量间，相关关系的密切程度与相关方向的统计指标。相关系数没有单位，取值范围是-1〈=r〈=1，r的绝对值越大表明两变量的关系越密切。

26、完全负相关：这是一种极为特殊的负相关关系，从散点图上可以看出，由x与y构成的散点完全分布在一条直线上，x增加，y相应减少，算得的相关系数r=-1。

27、正相关：它是说明具有直线关系的两个变量间，存在有正的相关方向，即当x增加时，y有相应增大的趋势，所算得的相关系数r为正值。

28、等级相关：是对等级数据作相关分析，它又称为秩相关，是一种非参数统计方法。

29、评价：是通过对某些标准来判断观测结果，并赋予这种结果以一定的意义和价值的过程。

30、综合评价：是指人们根据不同的评价目的，选择相应的评价形式，据此选择多个因素或指标，并通过一定的数学模型，将多个评价因素或指标转化为能反映评价对象总体特征的信息。

31、优序法：为了比较某几个事物或方案的优劣，在选定各项评价指标后，将待评价的对象或方案就各项评价指标的测量值大小分别排列，并分别对各序号（等级）以相应的评分值即优序数，然后综合诸评价指标，分别计算评价对象的总赋优序数，并按总赋优序大小评定其优顺序的方法即优序法。

32、Topsis：Topsis法常用于系统工程中有限方案多目标决策分析，此外，也可用于效益评价、卫生决策和卫生事业管理等多领域。

33、根本死因：WHO规定，根本死因是指：“（a）引起直接导致死亡的一系列病态事件的那些疾病或损伤，或者（b）造成致命损伤的事故或暴力的情况。”

34、卫生服务需要：是指人们因疾病影响健康，引起人体正常活动的障碍，实际应当接受各种卫生服务的需要（如预防保健、治疗、康复）。

35、卫生服务调查统计：是卫生统计的主要内容之一，卫生服务调查统计是从卫生服务资料的设计、收集、整理、分析的角度，来阐述卫生服务研究的特点、研究方法和注意事项，以便使卫生服务研究服务更具有科学性。

36、卫生服务调查：是指对卫生服务状况、人群健康的危险因素、人群卫生服务的需求和利用、卫生服务资源的分配和利用所进行的一种社会调查。

37、统计表：是以表格的形式列出统计指标，它是对资料进行统计描述时的一种常用手段。

38、统计图：是以各种几何图形（如点、线、面或立体）显示数据的大小、升降、分布以及关系等，它也是对资料进行统计描述时的一种常用手段。

39、均数的抽样误差：统计学上，对于抽样过程中产生的同一总体中均数之间的差异称为均数的抽样误差。

统计学概述
统计学是应用数学的一个分支，主要通过利用概率论建立数学模型，收集所观察系统的数据，进行量化的分析、总结，并进而进行推断和预测，为相关决策提供依据和参考。它被广泛的应用在各门学科之上，从物理和社会科学到人文科学，甚至被用来工商业及政府的情报决策之上。
统计学主要又分为描述统计学和推断统计学。给定一组数据，统计学可以摘要并且描述这份数据，这个用法称作为描述统计学。另外，观察者以数据的形态建立出一个用以解释其随机性和不确定性的数学模型，以之来推论研究中的步骤及母体，这种用法被称做推论统计学。这两种用法都可以被称作为应用统计学。另外也有一个叫做数理统计学的学科专门用来讨论这门科目背后的理论基础。
[编辑本段]统计学的发展历程
统计学的英文statistics最早是源于现代拉丁文statisticum collegium (国会)以及意大利文 statista (国民或政治家)。 德文Statistik，最早是由Gottfried Achenwall(1749)所使用，代表对国家的资料进行分析的学问，也就是“研究国家的科学”。在十九世纪统计学在广泛的数据以及资料中探究其意义，并且由John Sinclair引进到英语世界。
统计学是一门很古老的科学，一般认为其学理研究始于古希腊的亚里斯多德时代，迄今已有两千三百多年的历史。它起源于研究社会经济问题，在两千多年的发展过程中，统计学至少经历了“城邦政情”，“政治算数”和“统计分析科学”三个发展阶段。所谓“数理统计”并非独立于统计学的新学科，确切地说它是统计学在第三个发展阶段所形成的所有收集和分析数据的新方法的一个综合性名词。概率论是数理统计方法的理论基础，但是它不属于统计学的范畴，而属于数学的范畴。
统计学的发展过程的三个阶段
第一阶段称之为“城邦政情”(Matters of state)阶段
“城邦政情”阶段始于古希腊的亚里斯多德撰写“城邦政情”或“城邦纪要”。他一共撰写了一百五十馀种纪要，其内容包括各城邦的历史，行政，科学，艺术，人口，资源和财富等社会和经济情况的比较，分析，具有社会科学特点。“城邦政情”式的统计研究延续了一两千年，直至十七世纪中叶才逐渐被“政治算数”这个名词所替代，并且很快被演化为“统计学”(Statistics)。统计学依然保留了城邦(state)这个词根。
第二阶段称之为“政治算数”(Politcal arthmetic)阶段
与“城邦政情”阶段没有很明显的分界点，本质的差别也不大。
“政治算数”的特点是统计方法与数学计算和推理方法开始结合。分析社会经济问题的方式更加注重运用定量分析方法。
1690年英国威廉·配弟出版 (政治算数)一书作为这个阶段的起始标志.
威廉·配弟用数字，重量和尺度将社会经济现象数量化的方法是近代统计学的重要特征。因此，威廉？配弟的(政治算数)被后来的学者评价为近代统计学的来源，威廉？配弟本人也被评价为近代统计学之父。
配弟在书中使用的数字有三类：
第一类是对社会经济现象进行统计调查和经验观察得到的数字.因为受历史条件的限制，书中通过严格的统计调查得到的数据少，根据经验得出的数字多；
第二类是运用某种数学方法推算出来的数字。其推算方法可分为三种：
“(1)以已知数或已知量为基础，循着某种具体关系进行推算的方法；
(2)通过运用数字的理论性推理来进行推算的方法；
(3)以平均数为基础进行推算的方法”；
第三类是为了进行理论性推理而采用的例示性的数字.配弟把这种运用数字和符号进行的推理称之为“代数的算法”。从配弟使用数据的方法看，“政治算数”阶段的统计学已经比较明显地体现了“收集和分析数据的科学和艺术”特点，统计实证方法和理论分析方法浑然一体，这种方法即使是现代统计学也依然继承。
第三阶段称之为“统计分析科学”(Science of statistical analysis)阶段
在“政治算数”阶段出现的统计与数学的结合趋势逐渐发展形成了“统计分析科学”。
十九世纪末，欧洲大学开设的“国情纪要”或“政治算数”等课程名称逐渐消失，代之而起的是“统计分析科学”课程.当时的“统计分析科学”课程的内容仍然是分析研究社会经济问题。
“统计分析科学”课程的出现是现代统计发展阶段的开端. 1908年，“学生”氏(William Sleey Gosset的笔名Student)发表了关于t分布的论文，这是一篇在统计学发展史上划时代的文章。它创立了小样本代替大样本的方法，开创了统计学的新纪元。
现代统计学的代表人物首推比利时统计学家奎特莱(Adolphe Quelet)，他将统计分析科学广泛应用于社会科学，自然科学和工程技术科学领域，因为他深信统计学是可以用于研究任何科学的一般研究方法.
现代统计学的理论基础概率论始于研究赌博的机遇问题，大约开始于1477年。数学家为了解释支配机遇的一般法则进行了长期的研究，逐渐形成了概率论理论框架。在概率论进一步发展的基础上，到十九世纪初，数学家们逐渐建立了观察误差理论，正态分布理论和最小平方法则。于是，现代统计方法便有了比较坚实的理论基础。

[编辑本段]统计学历史中的学派
一、18－19世纪——统计学的创立和发展
德国的斯勒兹曾说过：“统计是动态的历史，历史是静态的统计。”可见统计学的产生与发展是和生产的发展、社会的进步紧密相联的。
（1）统计学的创立时期
统计学的萌芽产生在欧洲。17世纪中叶至18世纪中叶是统计学的创立时期。在这一时期，统计学理论初步形成了一定的学术派别，主要有国势学派和政治算术学派。
1、国势学派
国势学派又称记述学派，产生于17世纪的德国。由于该学派主要以文字记述国家的显着事项，故称记述学派。其主要代表人物是海尔曼·康令和阿亨华尔。康令第一个在德国黑尔姆斯太特大学以“国势学”为题讲授政治活动家应具备的知识。阿亨华尔在格丁根大学开设“国家学”课程，其主要着作是《近代欧洲各国国势学纲要》，书中讲述“一国或多数国家的显着事项”，主要用对比分析的方法研究了解国家组织、领土、人口、资源财富和国情国力，比较了各国实力的强弱，为德国的君主政体服务。因在外文中“国势”与“统计”词义相通，后来正式命名为“统计学”。该学派在进行国势比较分析中，偏重事物性质的解释，而不注重数量对比和数量计算，但却为统计学的发展奠定了经济理论基础。但随着资本主义市场经济的发展，对事物量的计算和分析显得越来越重要，该学派后来发生了分裂，分化为图表学派和比较学派。
2、政治算术学派
政治算术学派产生于19世纪中叶的英国，创始人是威廉·配第（1623-1687），其代表作是他于1676年完成的《政治算术》一书。这里的“政治”是指政治经济学，“算术”是指统计方法。在这部书中，他利用实际资料，运用数字、重量和尺度等统计方法对英国、法国和荷兰三国的国情国力，作了系统的数量对比分析，从而为统计学的形成和发展奠定了方法论基础。因此马克思说：“威廉·佩第——政治经济学之父，在某种程度上也是统计学的创始人。”
政治算术学派的另一个代表人物是约翰·格朗特（1620-1674）。他以1604年伦敦教会每周一次发表的“死亡公报”为研究资料，在 1662年发表了《关于死亡公报的自然和政治观察》的论着。书中分析了60年来伦敦居民死亡的原因及人口变动的关系，首次提出通过大量观察，可以发现新生儿性别比例具有稳定性和不同死因的比例等人口规律；并且第一次编制了“生命表”，对死亡率与人口寿命作了分析，从而引起了普遍的关注。他的研究清楚地表明了统计学作为国家管理工具的重要作用。
（2）统计学的发展时期
18世纪末至19世纪末是统计学的发展时期。在这时期，各种学派的学术观点已经形成，并且形成了两主要学派，即数理统计学派和社会统计学派。
1、数理统计学派
在18世纪，由于概率理论日益成熟，为统计学的发展奠定了基础。19世纪中叶，把概率论引进统计学而形成数理学派。其奠基人是比利时的阿道夫·凯特勒（1796-1874），其主要着作有：《论人类》、《概率论书简》、《社会制度》和《社会物理学》等。他主张用研究自然科学的方法研究社会现象，正式把古典概率论引进统计学，使统计学进入一个新的发展阶段。由于历史的局限性，凯特勒在研究过程中混淆了自然现象和本质区别，对犯罪、道德等社会问题，用研究自然现象的观点和方法作出一些机械的、庸俗化的解释。但是，他把概率论引入统计学，使统计学在“政治算术”所建立的“算术”方法的基础上，在准确化道路上大大跨进了一步，为数理统计学的形成与发展奠定了基础。
2、社会统计学派
社会统计学派产生于19世纪后半叶，创始人是德国经济学家、统计学家克尼斯（1821-1889），主要代表人物主要有恩格尔（1821- 1896）、梅尔（1841-1925）等人。他们融合了国势学派与政治算术学派的观点，沿着凯特勒的“基本统计理论”向前发展，但在学科性质上认为统计学是一门社会科学，是研究社会现象变动原因和规律性的实质性科学，以此同数理统计学派通用方法相对立。社会统计学派在研究对象上认为统计学是研究体而不是个别现象，而且认为由于社会现象的复杂性和整体性，必须地总体进行大量观察和分析，研究其内在联系，才能揭示现象内在规律。这是社会统计学派的“实质性科学”的显着特点。
社会经济的发展，要求统计学提供更多的统计方法；社会科学本身也不断地向细分化和定量化发展，也要求统计学能提供更有效的调查整理、分析资料的方法。因此，社会统计学派也日益重视方法论的研究，出现了从实质性方法论转化的趋势。但是，社会统计学派仍然强调在统计研究中必须以事物的质为前提和认识事物质的重要性，这同数理统计学派的计量不计质的方法论性质是有本质区别的。
二、20世纪——迅速发展的统计学
20世纪初以来，科学技术迅猛发展，社会发生了巨大变化，统计学进入了快速发展时期。归纳起来有以下几个方面。
1、由记述统计向推断统计发展。记述统计是对所搜集的大量数据资料进行加工整理、综合概括，通过图示、列表和数字，如编制次数分布表、绘制直方图、计算各种特征数等，对资料进行分析和描述。而推断统计，则是在搜集、整理观测的样本数据基础上，对有关总体作出推断。其特点是根据带随机性的观测样本数据以及问题的条件和假定（模型），而对未知事物作出的，以概率形式表述的推断。目前，西方国家所指的科学统计方法，主要就是指推断统计来说的。
2、由社会、经济统计向多分支学科发展。在20世纪以前，统计学的领域主要是人口统计、生命统计、社会统计和经济统计。随着社会、经济和科学技术的发展，到今天，统计的范畴已覆盖了社会生活的一切领域，几乎无所不包，成为通用的方法论科学。它被广泛用于研究社会和自然界的各个方面，并发展成为有着许多分支学科的科学。
3、统计预测和决策科学的发展。传统的统计是对已经发生和正在发生的事物进行统计，提供统计资料和数据。20世纪30年代以来，特别是第二次世界大战以来，由于经济、社会、军事等方面的客观需要，统计预测和统计决策科学有了很大发展，使统计走出了传统的领域而被赋予新的意义和使命。
4、信息论、控制论、系统论与统计学的相互渗透和结合，使统计科学进一步得到发展和日趋完善。信息论、控制论、系统论在许多基本概念、基本思想、基本方法等方面有着共同之处，三者从不同角度、侧面提出了解决共同问题的方法和原则。三论的创立和发展，彻底改变了世界的科学图景和科学家的思维方式，也使统计科学和统计工作从中吸取了营养，拓宽了视野，丰富了内容，出现了新的发展趋势。
5、计算技术和一系列新技术、新方法在统计领域不断得到开发和应用。近几十年间，计算机技术不断发展，使统计数据的搜集、处理、分析、存贮、传递、印制等过程日益现代化，提高了统计工作的效能。计算机技术的发展，日益扩大了传统的和先进的统计技术的应用领域，促使统计科学和统计工作发生了革命性的变化。如今，计算机科学已经成为统计科学不可分割组成部分。随着科学技术的发展，统计理论和实践深度和广度方面也不断发展。
6．统计在现代化管理和社会生活中的地位日益重要。随着社会、经济和科学技术的发展，统计在现代化国家管理和企业管理中的地位，在社会生活中的地位，越来越重要了。人们的日常生活和一切社会生活都离不开统计。英国统计学家哈斯利特说：“统计方法的应用是这样普遍，在我们的生活和习惯中，统计的影响是这样巨大，以致统计的重要性无论怎样强调也不过分。”甚至有的科学有还把我们的时代叫做“统计时代”。显然，20世纪统计科学的发展及其未来，已经被赋予了划时代的意义。
[编辑本段]统计学现状
在科学技术飞速发展的今天，统计学广泛吸收和融合相关学科的新理论，不断开发应用新技术和新方法，深化和丰富了统计学传统领域的理论与方法，并拓展了新的领域。今天的统计学已展现出强有力的生命力。在我国，社会主义市场经济体制的逐步建立，实践发展的需要对统计学提出了新的更多、更高的要求。随着我国社会主义市场经济的成长和不断完善，统计学的潜在功能将得到更充分更完满的开掘。
第一，对系统性及系统复杂性的认识为统计学的未来发展增加了新的思路。由于社会实践广度和深度迅速发展，以及科学技术的高度发展，人们对客观世界的系统性及系统的复杂性认识也更加全面和深入。随着科学融合趋势的兴起，统计学的研究触角已经向新的领域延伸，新兴起了探索性数据的统计方法的研究。研究的领域向复杂客观现象扩展。21世纪统计学研究的重点将由确定性现象和随机现象转移到对复杂现象的研究。如模糊现象、突变现象及混沌现象等新的领域。可以这样说，复杂现象的研究给统计开辟了新的研究领域。
第二，定性与定量相结合的综合集成法将为统计分析方法的发展提供新的思想。定性与定量相结合的综合集成方法是钱学森教授于1990年提出的。这一方法的实质就是将科学理论、经验知识和专家判断相结合，提出经验性的假设，再用经验数据和资料以及模型对它的确实性进行检测，经过定量计算及反复对比，最后形成结论。它是研究复杂系统的有效手段，而且在问题的研究过程中处处渗透着统计思想，为统计分析方法的发展提供了新的思维方式。
第三，统计科学与其他科学渗透将为统计学的应用开辟新的领域。现代科学发展已经出现了整体化趋势，各门学科不断融合，已经形成一个相互联系的统一整体。由于事物之间具有的相互联系性，各学科之间研究方法的渗透和转移已成为现代科学发展的一大趋势。许多学科取得的新的进展为其他学科发展提供了全新的发展机遇。模糊论、突变论及其他新的边缘学科的出现为统计学的进一步发展提供了新的科学方法和思想。将一些尖端科学成果引入统计学，使统计学与其交互发展将成为未来统计学发展的趋势。统计学也将会有一个令人振奋的前景。今天已经有一些先驱者开始将控制论、信息论、系统论以及图论、混沌理论、模糊理论等方法和理论引入统计学，这些新的理论和方法的渗透必将会给统计学的发展产生深远的影响。
统计学产生于应用，在应用过程中发展壮大。随着经济社会的发展、各学科相互融合趋势的发展和计算机技术的迅速发展，统计学的应用领域、统计理论与分析方法也将不断发展，在所有领域展现它的生命力和重要作用。
[编辑本段]学科分支
一些学科大量地利用了应用统计学，以至它们自己已经各自独立成为一门学科。

G. 化学性质是什么意思

化学性质是物质在化学变化中表现出来的性质。如所属物质类别的化学通性：酸性、碱性、氧化性、还原性、热稳定性及一些其它特性。

化学性质与化学变化是任何物质所固有的特性，如氧气这一物质，具有助燃性为其化学性质；同时氧气能与氢气发生化学反应产生水，为其化学性质。任何物质就是通过其千差万别的化学性质与化学变化，才区别于其它物质；化学性质是物质的相对静止性。

(7)统计物理h0什么意思扩展阅读

如可燃性、稳定性、不稳定性、热稳定性、酸性、碱性、氧化性、助燃性、还原性、络合性、毒性、腐蚀性、金属性、非金属性跟某些物质起反应呈现的现象等。用使物质发生化学反应的方法可以得知物质的化学性质。

例如，碳在空气中燃烧生成二氧化碳；盐酸与氢氧化钠反应生成氯化钠和水；加热KClO3到熔化，可以使带火星的木条复燃，表明KClO3受热达较高温度时，能够放出O2。因此KClO3具有受热分解产生O2的化学性质。

化学性质的特点是测得物质的性质后，原物质消失了。如人们可以利用燃烧的方法测物质是否有可燃性，可以利用加热看其是否分解的方法，测得物质的稳定性。物质在化学反应中表现出的氧化性、还原性、各类物质的通性等，都属于化学性质。

化学性质与化学变化是两个不同的概念，性质是物质的属性，是变化的内因，性质决定变化；而变化是性质的具体表现，在化学变化中才能显出化学性质来。例如，酒精具有可燃性，所以点燃酒精，就能发生酒精燃烧的化学变化；而酒精的可燃性（化学性质）是通过无数次酒精燃烧现象得出的结论。

H. 懂统计的请进来帮帮忙！

1:
一、函数关系与相关关系
（一）、函数关系：指客观现象之间确实存在的，且在数量上表现为确定性的相互依存关系。
（二）、相关关系： 指客观现象之间确实存在的，但在数量上表现为不确定的相互依存关系。
（三）、区别与联系：
1、区别：相关关系数量不确定，函数关系数量是确定的；
2、联系：函数关系往往通过相关关系表现出来，相关关系的研究中常常使用函数关系的方式。
二、相关关系的种类：
（一）、按相关程度划分：
1、 完全相关：指某变量的变化，另一变量有一确定的值对它对应。（函数）；
2、 不完全相关：指两个变量之间有数量联系，但是数量是不确定的关系。
3、 零相关：指两个现象在数量上完全独立，在一定的形式下，互不影响，互不相干的关系。
（“零相关”不能称为“不相关”，因为事物的联系是绝对的，而孤立是相对的，只有在某种形式下它才能互不影响，互不相干。）
（二）、按相关的方向划分：
1、正相关：指两个变量按照相同的变量变化。或者说某个现象的数量增加，另一个现象的数量增加的现象。
2、负相关：指两个变量按照相反的方向变化，或者说某个现象的数量增加，另一个现象的数量减少的现象。
（三）、按相关形式划分：
1、线性相关：指两个变量之间呈线性关系的相关。
1、 非线性相关：指变量之间的关系为非线性的相关关系。
（四）、按变量多少划分：单相关；复相关；偏相关。
1、单相关：指两个因素之间的相关关系。
2、复（多）相关：指三个或三个以上的因素之间的相关关系。
2、 偏相关：指在某一现象和多种现象相关的场合，假定其他变量不变，而对其中的两个变量的相关关系。
（五）、按相关性质划分：
1、真实相关：现象之间的相关确定具有内在联系的相关。
2、虚假相关：现象之间只是表面存在，实质上并没有内在联系的相关
2:
相关系数是变量之间相关程度的指标。样本相关系数用r表示,总体相关系数用ρ表示,相关系数的取值一般介于-1～1之间。相关系数不是等距度量值,而只是一个顺序数据。计算相关系数一般需大样本。

相关系数 又称皮（尔生）氏积矩相关系数，说明两个现象之间相关关系密切程度的统计分析指标。
相关系数用希腊字母γ表示，γ值的范围在-1和+1之间。
γ＞0为正相关，γ＜0为负相关。γ＝0表示不相关；
γ的绝对值越大，相关程度越高。
两个现象之间的相关程度，一般划分为四级：
如两者呈正相关，r呈正值，r=1时为完全正相关；如两者呈负相关则r呈负值，而r=-1时为完全负相关。完全正相关或负相关时，所有图点都在直线回归线上；点子的分布在直线回归线上下越离散，r的绝对值越小。当例数相等时，相关系数的绝对值越接近1，相关越密切；越接近于0，相关越不密切。当r=0时，说明X和Y两个变量之间无直线关系。
相关系数的计算公式为：

其中xi为自变量的标志值；i＝1，2，…n；■为自变量的平均值，

为因变量数列的标志值；■为因变量数列的平均值。

为自变量数列的项数。对于单变量分组表的资料，相关系数的计算公式为：

其中fi为权数，即自变量每组的次数。在使用具有统计功能的电子计算机时，可以用一种简捷的方法计算相关系数，其公式为：

使用这种计算方法时，当计算机在输入x、y数据之后，可以直接得出n、■、∑xi、∑yi、∑■、∑xiy1、γ等数值，不
必再列计算表。
3:
1. 显着性检验的的原理是什么？显着性检验的基本步骤是什么？
答：显着性检验的原理就是“小概率事件实际不可能性原理”来接受或否定假设。其基本步骤如下：
第一：提出统计假设H0和HA。
第二：构造统计量t，并根据样本资料计算t值。
第三：根据t分布的自由度，确定理论临界值t0.05和t0.01。
第四：作出判断。
2. 什么是配对法？什么是成组法？两种方法有何区别？
答：将起始条件一致的两个试验个体配成对，并设有多个配对，每对个体分别随机地给予不同处理。则所得的结果即为配对资料。
非配对资料又称成组资料，是指一组数据与另一组数据没有任何关系，也就是说两样本资料是相互独立的，是对两组平均数进行差异显着性检验。
配对法与成组法之间的差别一是在于试验材料的不同，二是检验的方法上的不同。
4:
统计指数的概念

简单地说，统计指数就是相对数，我们在第四章中学习的六种相对数从广义的角度来讲均可称为指数。

对由复杂现象构成的总体，计算其总体数量变动程度的相对数，就是通常意义上讲的统计指数，即狭义的统计指数概念。

狭义的统计指数是指数分析的主要方面，特别是复杂现象总体的动态指数应用更多,在此只介绍动态指数。

（二）指数的分类

1、指数按其反映的对象范围不同，分为个体指数和总指数。

2、指数按其反映的指标性质不同，分为数量指标指数和质量指标指数。

二、指数的作用

1、研究现象数量变动的方向及变动的幅度。

2、揭示复杂现象的变动趋势及规律。

3、对现象变动的原因进行因素分析。

4、对社会经济现象进行综合评价和测定

一、个体指数的编制方法

个体指数是反映个别现象（即简单现象总体）数量变动的相对数，按指数化指标的性质不同可分为数量指标个体指数和质量指标个体指数。

例8-1：某工厂生产两种产品，2005年7、8月份单位产品成本和产量资料如下表：

表8-1

产品
单位
单位成本（元）
产量

7月份
8月份
7月份
8月份

甲
件
50
45
520
600

乙
公斤
120
110
200
500

如例8-1，要反映甲产品的产量及单位成本8月份比7月份的变化情况，则需分别编制甲产品的产量个体指数和甲产品的单位成本个体指数。

甲产品的产量个体指数:Kq= = 115.38%

说明甲产品产量8月份比7月份增长15.38%

绝对值增长：600-520=80（件）

甲产品的单位成本个体指数:Kp= = 90%

说明甲产品单位成本8月份比7月份降低10%（90%-100=-10%）。

单位成本变化绝对值：45-50=-5元，即甲产品的单位成本8月份比7月份下降5元。

同样可编制乙产品的产量个体指数和单位成本个体指数。

乙产品的产量个体指数：:Kq= = =250%，说明乙产品产量8月份比7月份增长250%-1=150%，绝对值增长：500-200=300（公斤）

乙产品的单位成本个体指数:Kp= = 92%，单位成本变化绝对值：110-120=-10（元），即乙产品的单位成本8月份比7月份下降10元。

在编制个体指数时要注意分子采用报告期数值，分母采用基期数值，指数数值表明报告期水平是基期水平的多少，通常用百分数表示。

二、综合指数的编制方法及特点

（一）综合指数的概念及编制方法

1、综合指数的概念

凡是一个总量指标（价值指标）可以分解为两个或两个以上的因素指标时，将其中的一个或一个以上的因素指标（即同度量因素）固定下来，仅观察其中一个因素指标（指数化指标）的变动程度，这样所编制的总指数称为综合指数。

2、产量总指数---数量指标指数的编制方法

拉氏产量指数=
例8-1中，产量指数= = = =180%

说明该企业生产的两种产品产量8月份比7月份综合增长了80%

=90000-50000 =40000（元）

其含义是由于产量的增长使总成本的绝对额增加了40000元。

3、单位成本总指数----质量指标指数的编制方法。

派氏指数=

例8-1中，单位成本总指数= = = =92%

说明该企业生产的两种产品单位成本8月份比7月份综合下降了8%（=92%-1）

=82000-90000=-8000

其含义是由于单位成本的下降使总成本的绝对额减少了8000元。

在编制数量指标指数时，指数化指标是数量指标，以基期的质量指标作为同度量因素；编制质量指标综合数时，指数化指标是质量指标，以计算期的数量指标为同度量因素。

总结：以上编制总指数的方法是先综合后对比，即首先解决不同度量单位的问题，使得不能直接相加的现象变得可以相加，然后再进行对比分析，因此，把这类总指数称为综合指数。

综合指数的编制方法有两个特点：第一，编制综合指数要从现象之间的联系中，确定与所要研究的现象有关联的同度量因素；第二，将引进的同度量因素固定，以便消除其变化，来测定我们所要研究的那个因素即指数化指标的变动，从而解决对比问题。

数量指标指数公式的计算结果说明复杂现象总体数量指标综合变动的方向和程度。分子与分母的差额说明由于数量指标的变动对价值量指标影响的绝对额。

质量指标指数公式的计算结果说明复杂现象总体质量指标综合变动的方向和程度。分子与分母的差额说明由于质量指标的变动对价值量指标影响的绝对额。

5:什么是抽样误差
在抽样检查中，由于用样本指标代替全及指标所产生的误差可分为两种：一种是由于主观因素破坏了随机原则而产生的误差，称为系统性误差；另一种是由于抽样的随机性引起的偶然的代表性误差。抽样误差仅仅是指后一种由于抽样的随机性而带来的偶然的代表性误差，而不是指前一种因不遵循随机性原则而造成的系统性误差。

总的说来，抽样误差是指样本指标与全及总体指标之间的绝对误差。在进行抽样检查时不可避免会产生抽样误差，因为从总体中随机抽取的样本，其结构不可能和总体完全一致。例如样本平均数与总体平均数之差，样本成数与总体成数之差 | p − P | 。虽然抽样误差不可避免，但可以运用大数定律的数学公式加以精确地计算，确定它具体的数量界限，并可通过抽样设计加以控制。

抽样误差也是衡量抽样检查准确程度的指标。抽样误差越大，表明抽样总体对全及总体的代表性越小，抽样检查的结果越不可靠。反之，抽样误差越小，说明抽样总体对全及总体的代表性越大，抽样检查的结果越准确可靠。在统计学中把抽样误差分为抽样平均误差和抽样极限误差，下面就这两种误差分别进行阐释。为使推理过程简化，这里不对属性总体进行分析，而仅对变量总体进行分析计算。

[编辑]抽样误差的计算
1、表现形式：平均数指标抽样误差；成数（比重）抽样误差。

2、平均数指标的抽样误差

1）重复抽样的条件下：

2)不重复抽样的条件下：

3、成数指标的抽样误差

1）重复抽样的条件下：

2）不重复抽样的条件下：

[编辑]抽样误差的控制措施
抽样误差则是不可避免的，但可以减少，其措施有：

1、增加样本个案数。

2、适应选择抽样方式。

6: 假设检验是数理统计学中根据一定假设条件由样本推断总体的一种方法。具体作法是：根据问题的需要对所研究的总体作某种假设，记作H0；选取合适的统计量，这个统计量的选取要使得在假设H0成立时，其分布为已知；由实测的样本，计算出统计量的值，并根据预先给定的显着性水平进行检验，作出拒绝或接受假设H0的判断。常用的假设检验方法有u—检验法、t—检验法、X2检验法、F—检验法等
第6个的参考资料网址给你