管理统计大作业

1、管理统计学实验报告院系 ：交通运输管理学院学生姓名：班级 ：学号 ：成绩 ：指导教师：作业一： 某地 101 例健康男子血清总胆固醇值测定结果如下，请绘制频数表、直方图、茎叶图、箱型图，计算均值、标准差、中位数、众数、标准差、方差、最小值、最大值、全距、四分位数。4.773.376.143.953.564.234.314.715.694.124.564.375.396.305.217.225.543.935.214.125.185.774.795.125.205.104.704.743.504.694.384.896.255.324.504.633.614.444.434.254.035.85

2、4.093.354.084.795.304.973.183.975.165.105.864.795.344.244.324.776.366.384.885.553.044.553.354.874.175.855.165.094.524.384.314.585.726.554.764.614.174.034.473.403.912.704.604.095.965.484.404.555.383.894.604.473.644.345.186.143.244.903.05步骤：输入数据 ：先点击变量，然后将名称、类型、宽度、小数、列、度量标准（度量级）再点击任意一个序号，回到原输入界面，将所给数据

3、输入分析 ：分析描述统计频率将“血清总胆固醇值”导入“变量”框中 选择统计量“百分位值”中的 “四分位数” ，“集中趋势” 中的 “均值、 中位数、 众数”， “离散”中的 “标准差、 方差、 范围 （得出全距） 、最小值、最大值”继续图表选项 “直方图” ，并在 “在直方图上显示正态曲线”打钩继续，返回确定分析 描述统计 探索 “血清胆固醇” 导入， 点击 “绘制”选择 “茎叶图” 和“直方图 （此处的直方图指的是箱型图） ” ， “继续” “确定”结果：频数表：2 / 30频率百分比有效百分比肩效 2.7011.01.03.0411.01.03.0511.01.03.1811.01.03.

4、2411.01.03.3522.02.03.3711.01.03.4011.01.03.5011.01.03.5611.01.03.6111.01.03.6411.01.03.8911.01.03.9111.01.03.9311.01.03.9511.01.03.9711.01.04.0322.02.0血清总胆固醇值累积百分比1.02.03.04.05.06.97.98.99.910.911.912.913.914.915.816.817.819.84 / 304.0811.01.04.0922.02.04.1222.02.04.1722.02.04.2311.01.04.2411.01.04

5、.2511.01.04.3122.02.04.3211.01.04.3411.01.04.3711.01.04.3822.02.04.4011.01.04.4311.01.04.4411.01.04.4722.02.04.5011.01.04.5211.01.04.5522.02.04.5611.01.020.822.824.826.727.728.729.731.732.733.734.736.637.638.639.641.642.643.645.546.56 / 304.5811.01.04.6022.02.04.6111.01.04.6311.01.04.6911.01.04.7011

6、.01.04.7111.01.04.7411.01.04.7611.01.04.7722.02.04.7933.03.04.8711.01.04.8811.01.04.8911.01.04.9011.01.04.9711.01.05.0911.01.05.1022.02.05.1211.01.05.1622.02.047.549.550.551.552.553.554.555.456.458.461.462.463.464.465.366.367.369.370.372.38 / 305.1822.02.05.2011.01.05.2122.02.05.3011.01.05.3211.01.0

7、5.3411.01.05.3811.01.05.3911.01.05.4811.01.05.5411.01.05.5511.01.05.6911.01.05.7211.01.05.7711.01.05.8522.02.05.8611.01.05.9611.01.06.1422.02.06.2511.01.06.3011.01.074.375.277.278.279.280.281.282.283.284.285.186.187.188.190.191.192.194.195.096.010 / 306.3611.01.097.06.3811.01.098.06.5511.01.099.07.2

8、211.01.0100.0合计101100.0100.0血清总胆固醇值&1.002 . 78.003 . 001233349.003.55668999924.004.233333334444425.004.555555666667777777778889917.005.3333349.005.5567788896.006.1123331.006.51.00(>=7.2)1.001 (s) 箱型图34 / 30计算均值、标准差、中位数、众数、标准差、方差、最小值、最大值、全距、四分位数。统计量血清总胆固醇值N后效101缺失0均值4.6995均值的标准误.08573中值4.6100a

9、众数4.79标准差.86162、.、.广. 力左.742偏度.251偏度的标准误.240峰度.101峰度的标准误.476全距4.52极小值2.70极大值7.22和474.65百分位 254.1513b数504.6100755.2017a.利用分组数据进行计算。b.将利用分组数据计算百分位数。结果分析：均值：4.7035、标准差：0.85635、方差：0.733、中位数:4.6100、众数：4.79、极小值：2.70、极大值：7.22、全距：4.52作业二：某轮胎厂的质量分析报告中说明，该厂某轮胎的平均寿命在一定的载 重负荷与正常行驶条件下会大于 25000公里。平均轮胎寿命的公里数近似服从 正

10、态分布。现对该厂该种轮胎抽取一容量为15个的样本，数据如下表所示，试验结果得样本均值为27000公里。试分析：该厂产品与中报的质量标准是否相 符？（ a=0.05 ）单样本参数t检验在舁 厅P轮rnw命121000219000333000431500518500634000729000826000925000102800011300001228500132750014280001526000步骤:输入数据：将数据逐一录入 分析：分析一一比较均值一一单样本T检验 选择要分析的变量，导入右框中，在“检验值”中，填入总体均值假设 选项，将置信区间百分比95%继续,确定结果：单个样本统计量N均值标准差

11、均值的标准误轮胎寿命1527000.004636.8091197.219单个样本检验检验值=25000t.(双侧)均值差值差分的95%置信区间下限上限轮胎寿命1.67114.1172000.000-567.784567.78结果分析：均值为27000 t统计量= 1.671 ,双侧检验P =0.1170.05接受H0即该厂产品与申报的质量标准没有显著性差异，在 95%勺置信区间：(-567.78 , 4567.78)，断点为一负一正，接受H0,综上：该厂产品与申报的质量标准相符作业三：调查某厂的铅作业工人7人和非铅作业工人10人的血铅伯：（闻/100g）如下，血铅值含量服从正态分布。问两组工人

12、的血铅值有无差别？（=0.05 ）非铅作业组556791213151821铅作业组17182025344344两个独立独自样本参数t检验步骤：输入数据：设置两个变量，一个存放样本值，一个存放组标记值。（0,1分别代表血铅作业组和非血铅作业组）分析过程：分析,非参数检验 旧对话框2个独立样本（2） “效果” 导入到“检验变量列表”，“分组”加入到“分组变量” “定义组” 分别输入“0、1”检验类型“ U” “精确”，置信区间设置“95%”, 将样本组数 “17” 确定。结果：秩分组N秩均值秩和血铅值非铅作业105.9559.50铅作业713.3693.50总数17检验统计量c血铅值U4.500W

13、59.500Z-2.980渐近显著性（双侧）.003精确显著性2* （单侧显著性）.001a显著性（双侧）显著性.000b95%置信区间下限.000上限.162显著性（单侧）显著性.000b95%置信区间下限.000上限.162a.没有对结进行修正。b.基于17个具有起始种子2000000的采样表c.分组变量：分组结果分析：两个显著性概率0.162>0.05,表示两组工人的血铅值无显作业四：选甲型流感病毒血凝抑制抗体滴度（对数），共 24人，随机分为两组，每组12人。用甲型流感病毒活疫苗进行免疫，一组用气雾法，另一组用鼻腔雾法。免疫后一月后采学，分别测定血凝抑制抗体滴度。结果如下，试问两

14、种方法的效果有无差异？血凝抑制抗体滴度服从正态分布。（a=0.05 ）两组独立样本参数t检验气雾组（1） ： 40 20 30 25 10 15 25 30 40 10 15 30鼻腔雾组（2）: 50 40 30 35 60 70 30 20 25 70 35 25步骤：输入数据：变量分别命名为“免疫效果（表示血凝抑制抗体滴度）”“注射方法（表示分别用气雾法和鼻腔雾法）”数值小数个数改为“0”, 设置标签以及设定值“ 0”，“1”分别代表气雾组和鼻腔雾组，然后输 入数据。分析：分析,比较均值,独立1本T检验,选出“免疫效果”，导入“检 验变量”中，选出“注射方法”，导入分组变量中 >继

15、续,输入变量值 “0”和“1”，“继续” > “选项”置信区间为“ 95% > “确定”。结果：组统计量分组N均均标准差均值的标准误效果气雾组鼻腔雾组121224.1740.8310.40817.5593.0055.069效假设方差3.865.062-2.8222.010-16.65.893-28.8-4.44果相等867876假设方差-2.8217.88.011-16.65.893-29.0-4.28不相等8067521分析结果：f的显著性概率0.062>0.05 ,方差齐性成立。即两个实 验组的效果的方差没有明显差异。t统计量的显著性概率0.010<0.05 ,即t

16、假设检验拒绝H0,说明两个实验组的效果有明显 差异。作业五：某单位研究饮食中缺乏维生素 E与肝中维生素A含量的关系，将同种 属的大白鼠按性别相同，年龄、体重相近者配成对子，共8对，并将每对中的两 头动物随机分到正常饲料组和维生素 E缺乏组，过一定时期将大白鼠杀死，测得 其肝中维生素A的含量，结果如表所示。问不同饲料的大白鼠肝中维生素A含量有无差别？假设两组的大白鼠肝中维生素 A含量均服从正态分布。（a=0.05 ）配对样本t检验不同饲料组大白鼠维生素 A含量数据表大白鼠对号12345678正常饲料组35502000300039503800375034503050维生素A缺乏组245024001

17、80032003250270025001750步骤：输入数据：变量分别命名为“ A”，“B （分为两组分别是正常饲料和缺乏E饲料）”，数值的小数个数 “0”，标签以及设定值“ 0”，“1”分别代表“正常饲料”和“缺乏 E饲料”，数 据输入。分析：分析一一比较均彳1配对样本 T检验选出“A”和“B”变量导入右边框中 > “选 项”，置信区间百分比为 95> “确定”。结果：成对样本统计量均值N标准差均值的标准误对1Afi3318.758632.420223.594Bfi2506.258555.130196.268成对样本相关系数N相关系数.对 1Afi & B值8.584.1

18、29成对样本检验成对差分t.（双侧）均值标准差均值的标准误差分的95%置信区间下限 上限成对样本检验成对差分t.（双侧）均值标准差均值的标准误差分的95%置信区间下限上限对1 A值-B值812.500546.253193.130355.8211269.1794.2077.004结果分析：T检验的最后结果（0.004<0.05）显示：两组实验有显著性差异即不同饲料的大白鼠肝中维生素 A含量有差别作业六：对小白鼠喂以A、B、C三种不同的营养素，目的是了解不同营养素 增重的效果。采用随机区组设计方法，以窝别作为划分区组的特征，以消除遗传 因素对体重增长的影响。现将同品系同体重的 24只小白鼠分

19、为8个区组，每个 区组3只小白鼠。三周后体重增量结果（克）列于下表，问小白鼠经三种不同营养素喂养后所增体重有无差别？ （ a=0.05）（双因素方差分析）可设3个变量 （1-8）;（营养素1-3）;（重量）区组号12345678A营养素50.1047.8053.1063.5071.2041.4061.9042.40B营养素58.2048.5053.8064.2068.4045.7053.0039.80C营养素64.5062.4058.6072.5079.3038.4051.2046.20步骤:输入数据：设置名称（区组号、营养素、重量）、类型（数值、字符串、数值）、宽度、小数（0、0、2）、歹h

20、度量标准（名义级、名义级、度量级）；数据输入分析：分析 一般线T模型 单变量 选择重量导入“因变量”；选择“区组号”和“营养素” 导入“固定因子” “模型” “设定”；构建项，“主效应”选类型；选择要分析的变量，“区 组号、营养素类型”导入“模型”选择“平方和”的处理方法，接受系统的默认值类型选定“在模型中包含截距”，若不取消此项，等于假设数据过原点 点击“继续” 点击“确7E o结果：重量区组号营养素 (0.05)营养素区组号.方差的单变量分析主体间因子N区组号 12345678营养素 ABC33333333888 .主体间效应的检验因变量：重量源型平方和均方F.校正模型2515.432a9

21、279.49211.473.000截距74381.800174381.8003053.283.000营养素144.216272.1082.960.085区组号2371.2167338.74513.905.000误差341.0571424.361总计77238.29024校正的总计2856.49023主体间效应的检验因变量：重量源型平方和均方F.校正模型2515.432a9279.49211.473.000截距74381.800174381.8003053.283.000营养素144.216272.1082.960.085区组号2371.2167338.74513.905.000误差341.05

22、71424.361总计77238.29024校正的总计2856.49023a. R 方=.881（调整R方=.804)结果分析：第一列：注明了变差来源；第二列：常规的变差；第三列：自由度；第四列：方差（变差与相应自由度之比）；第五列：F统计量的值； 第六列：F统计量的显著性水平。.代表白是P值，其中营养素的 0.085>0.05 ,所以在两种因素的不同水平的不同组合中， 仅营养素效 果有显著差异。所以小白鼠经三种不同营养素喂养后所增体重有无差 别.作业七：设3台机器生产同一产品，4名工人操作机器各一天，日产量（单位: 件）服从正态分布，日产量数据如下表所示：1234A50474753B6

23、3545758C52424148问:机器之间、工人之间在日产量上是否有显著差异？ （a=0.05 ）（不重复实验的双因素方差分析）步骤：输入数据：添加变量分别为“机器”、“工人（共4人）”、“产量”。“机器”和“工人”的数值小数个数为“0”。 “机器”的值“1 （A机器）”“2 （B机器）” “3 （C机器）"，设置1-4分别代表工人，数据录入。分析：“分析” > “一般线性模型” > “单变量” > “因变量” “日产量”导入因变量 > “机器”和“工人”导入“固定因子” > “模型” >“自定义” > “构建项”的“类型” > “主

24、效应” > “机器”和“工人”导入“模型” >选择平方和的处理方法，接受系统的默认值 >选定“把截距项包括在模型中”，若不取消此项，等于假设数据过原点 >“继续” > “确定”结果:主体间因子值标签N机器1a42b43c4工人 113223333443主体间效应的检验源型平方和F.校正模型433.167 a586.63315.831.002截距31212.00131212.005703.71.000006机器318.5002159.25029.102.001工人114.667338.2226.985.022误差32.83365.472总计31678.00120校正

25、的总466.00011计a. R 方=.930 （调整 R 方=.871 ）结果分析：第一列：注明了变差来源；第二列：常规的变差；第三列：自由度；第四列：方差（变差与相应自由度之比）；第五列：F统计量的值；第六列：F统计量的显著性水平。.代表的是P值，机器：0.001<0.005, 表示机器之间在日产量上无差异； 工人：0.022>0.005,表示工人之间 在日产量上有差异。作业/I:某实验室观察局部温热治疗小鼠移植月中瘤的疗效，以生存日数作为观 察指标，实验结果如下表所示，试用非参数检验两组小鼠生存日数有无差别？（“=0.05 ）非参数置和检验组别生存日数N实验组10121515

26、161718202390对照组234567891011121312步骤：输入数据：变量：“生存日数”和“组别”，“组别”的值设置为 0 （实验组）和1 （对照组），小数个数：0分析：分析一一非参数检验一一旧对话框一一 2个独立样本一一生存 日期导入检验变量，组别导入分组变量一一定义组一一设定组别 （“ 0” 和“1”代表“实验组”和“对照组”）个一“检验类型”：U个一“精 个”一一选择 .置信区间：“95%”，样本数12。 “继续”确定。结果:检验秩分组N秩均值秩和效果实验组1017.85178.50对照组137.5097.50总数23检验统计量b效果UWZ渐近显著性（双侧）精确显著性2*（单

27、侧显著性）6.50097.500-3.633.000.000aa.没有对结进行修正。b.分组变量：分组结果分析U统计值5.000, W统计值83.000,两个P<0.05,所以两组小鼠生存日数有显著差异作业九：某地一年级12名女大学生的体重（）x与肺活量（L） y数据如下表所示，试分析二者的相关性，并用直线回归方程描述其关系在舁 厅P体重（）x肺活量（L） y1422.552422.203462.754462.405462.806502.817503.418503.109523.4610522.85111583.5012583.00步骤:输入数据：将体重（）作为自变量X,肺活量（L）作为

28、因变量y分 别输入数据区域。分析：“分析”，“回归”，“线性”，将“体重”选入自变量框中，将“肺活量”选入因变量框中 在复选框中选入“估计”和“置信区”， 置信区间水平“95%”，选择右侧的“模拟拟合度”，点击“继续 单击“确定”，输出结果结果：相关性体重肺活量体重相关性显著性（双侧）N112* .749.00512肺活量相关性显著性（双侧）N_ . _ *.749.00512.112相关性体重肺活量体重相关性1.749显著性（双侧）.005N1212肺活量相关性.7491显著性（双侧）.005N1212*.在.01水平（双侧）上显著相关。模型汇总模型RR方调整R方标准估计的误差1.749a.

29、562.518.28775a.预测变量：（常量），体重。模型平方和均方F.1回归1.06111.06112.817.005a残差.82810.083总计1.88911a.预测变量：（常量），体重。b.因变量：肺活量系数模型非标准化系数标准系数t.B标准误差试用版1（常量）体重.000.059.815.016.749.0013.5801.000.005a.因变量：肺活量结果分析：0.749a、R2=0.562、修正的R2=0.518。为回归分析中的方 差分析表。F统计量的显著性概率0.005<0.05,表明回归效果是好的。系数表，B列是普通最小二乘法的回归系数。标准回归系数：0.749,回

30、归系数中的常数项的1>0.05,母体的常数项与0无显著性差异。回 归方程：0.794x作业十：29例儿童的血液中血红蛋白（）与钙（x1）、镁（x2）、铁（x3）、 钮（x4）及铜（x5）的含量如下表所示，用逐步回归方法筛选对血红蛋白有显著作用的微量元素（）在舁 厅Pyx1x2x3x4x5113.5054.8930.86448.700.0121.010213.0072.4942.61467.300.0081.640313.7553.81 二52.86425.610.0041.220414.0064.74 139.18469.800.0051.220514.2558.8037.67456.5

31、50.0121.010612.7543.67 26.18395.780.0010.594712.5054.89130.86448.700.9121.010812.2586.1243.79440.130.0171.770912.0060.3538.20394.400.0011.4401011.7554.0434.23405.600.0081.3001111.5061.2337.35446.000.0221.3801211.2560.1733.67383.200.0010.9141311.0069.6940.01416.700.0121.3501410.7572.2840.12430.800.00

32、01.2001510.5055.1333.02445.800.0120.9181610.2570.08 :36.80409.800.0121.9901710.0063.0535.07384.100.0000.853189.7548.7530.53342.900.0180.924199.5052.28 127.14326.290.0040.817209.2552.2136.18388.540.0241.020219.0049.7025.43331.100.0120.897228.7561.02 129.27258.940.0161.190238.5053.6828.79292.600.0481.

33、320248.2550.2229.17292.600.0061.040258.0065.34 129.99312.800.0061.030267.8056.3929.29283.000.0161.350277.5066.1231.93344.200.0000.689287.2573.89 ；32.94312.500.0641.150297.0047.3128.55294.700.0050.838步骤：数据输入：变量名分别为V、Xi、X2、X3、X4、X5,数据录入。分析：“分析”-> “回归”一一线性一一Y导入因变量，Xi、X2、X3、X4、X5导入自变量一一“方法”改为“逐步”选定“估计”置信区间:95%、一一模型拟合度、个案诊断一一继续一一绘制一一勾选直方图， 正态概率图，*导入Y, *导入X中一一继续一一确定输出结果。结果:输入/移去的变量a模型输入的变量移去的变量方法1铁x3.步进（准则：的 概率 <=.050, 的概率