怎样用spss算出误差
spss怎么产生正态随机数？
spss怎么产生正态随机数？
inverse CDF，直接利用累积分布函数（CDF）的反函数生成随机数，但计算中牵扯到比较复杂的误差函数erf（非初等函数）
spss上如何看最小理论频数？
最小理论频数是行最小×列最小
卡方检验统计样本的实际观测值与理论推断值之间的偏离程度，实际观测值与理论推断值之间的偏离程度就决定卡方值的大小，如果卡方值越大，二者偏差程度越大；反之，二者偏差越小；若两个值完全相等时，卡方值就为0，表明理论值完全符合。
pvalue的计算方法？
假设检验是推断统计中的一项重要内容。 用SAS、SPSS等专业统计软件进行假设检验，在假设检验中常见到P 值方法( P-Value，Probability，Pr)，这是由于它更容易应用于计算机软件中。 统计学根据显著性检验方法所得到的P 值，一般以P 0.05 为显著， P 0.01 为非常显著，其含义是样本间的差异由抽样误差所致的概率小于0.05 或0.01。
实际上，P 值不能赋予数据任何重要性，只能说明某事件发生的机率。P 0.01 时样本间的差异比P 0.05 时更大，这种说法是错误的。 统计结果中显示Pr F，也可写成Pr( F)，P P{ F0.05 F}或P P{ F0.01 F}。 下面的内容列出了P值计算方法。 (1) P值是：
1) 一种概率，一种在原假设为真的前提下出现观察样本以及更极端情况的概率。
2) 拒绝原假设的最小显著性水平。
3) 观察到的(实例的) 显著性水平。
4) 表示对原假设的支持程度，是用于确定是否应该拒绝原假设的另一种方法。 5)注意：p值不是给定样本结果时原假设为真的概率，而是给定原假设为真时样本结果出现的概率。
(2) P 值的计算：
一般地，用X 表示检验的统计量，当H0 为真时，可由样本数据计算出该统计量的值C ，根据检验统计量X 的具体分布，可求出P 值。
具体地说: 左侧检验的P 值为检验统计量X 小于样本统计值C 的概率，即: P P{ X C} 右侧检验的P 值为检验统计量X 大于样本统计值C 的概率: P P{ X C} 双侧检验的P 值为检验统计量X 落在样本统计值C 为端点的尾部区域内的概率的2 倍: P 2P{ X C} (当C 位于分布曲线的右端时) 或P 2P{ X C} (当C 位于分布曲线的左端时) 。
若X 服从正态分布和t 分布，其分布曲线是关于纵轴对称的，故其P 值可表示为P P{| X| C} 。 计算出P 值后，将给定的显著性水平α与P 值比较，就可作出检验的结论: 如果α P 值，则在显著性水平α下拒绝原假设。
如果α ≤ P 值，则在显著性水平α下接受原假设。
在实践中，当α P 值时，也即统计量的值C 刚好等于临界值，为慎重起见，可增加样本容量，重新进行抽样检验。