沈阳建筑大学统计学实验报告超级完整版

1、精品文档i欢迎下载学号:实验报告课程名称： 统计学 学年、学期：2014年秋季实验学时：6 实验项目数：四实验人姓名：专业班级：精品文档实验一：统计软件Spss、Excel介绍；数据的图表展示实验日期:2014 年11 月20 日1君 十三 教学周主要实验内容统计软件Spss、Excel的应用介绍；利用软件进行统计数据的整理和绘制各种统计图表。作业：练习题 2.1、2.2、2.3、2.4实验操作记录：2.1 (1)用Excel绘制频数分布表：选择【插入】菜单中的【数据透视表或数据透视图】(2)用Excel绘制条形图：绘制好频数分布表，选择表中数据，然后选择【插入】中的【条形图】(3)用Exce

2、l绘制帕累托图：绘制好条形图，然后将条形图中的数据按升序或降序顺序重新排列(4)用Spass绘制饼图：【Graphs】 【Interactive-Pie-Clustered,第2步将某个分类艾重选入【Slice】点击【Pies 2.2 (1)用Excel生成定量数据的频数分布表：【数据】一一 【数据分析】一 【直方图】，选择【图表输出】单击【确定】(2)用Excel绘制直方图：输入输出区域，然后选择【数据】一一【数据分析】一 【直方图】(3)用 Spass 绘制圣叶图：【Analyze 】 Descriptive statistics-Explore】第 2 步：将变重选入【Variables

3、 2.3 (1)用Excel绘制环形图：绘制好频数分布表，选择表中数据，然后选择【插入】中的【环形图】 再选【环形图】(2)用Excel绘制雷达图：绘制好频数分布表，选择表中数据，然后选择【插入】中的【其他图表】 再选【雷达图】2.4 用Excel绘制箱线图：绘制好频数分布表，选择表中数据，然后选择【插入】中的【其他图表】再 选【箱线图】实验总结：通过此次试验，加深了我对Excel和Spass操作软件的应用了解，同时能更好的把实践与理论相结合。首先进行的就是对统计数据的输入与分析。这个输入过程，既要 细心也要用心。画图时，不仅是仔细的输入一组数据就可以，还要考虑到整个数据模型的 要求，合理而止

4、确的分配输入数据。教师评语：本次实验成绩项目预习实验过程作业报告书写出勤和课堂 纪律其他得分成绩合计：教师签字：批改日期：2.1 为评价家电行业售后服务的质量，随机抽取由io。个家庭构成的一个样 本。质量服务的等级分别表示为：A.好；B.较好；C.一般；D.较差；E.差。调 查结果如下：(数据略)(1)制作一张频数分布表。家电行业售后服务质量评价等级频数表评价等级频数所A1414%B2121%C3232%D1818%E1515%总计1001家电行业售后服务质量评价等级帕累托图 CBD IE BA（4）制作一张饼图，反映评价等级的构成。家电行业售后服务质量评价等级饼形图32%2.2 为确定灯泡的

5、使用寿命（单位：小时），在一批灯泡中随机抽取io。只 进行测试，所得数据如下：（数据略）（i）以组距为io进行分组，整理成频数分布表。灯泡使用寿命频数分布表650-66020.02660-67050.05670-68060.06680-690140.14690-700260.26700-710180.18710-720130.13720-730100.10730-74030.03740-75030.031001.00答：从直方图可以直观地看出，灯泡使用寿命的分布基本上是对称的，右边的尾部稍长一些，灯泡使用寿命接近正态分布。(3)制作茎叶图，并与直方图作比较。使用寿命 Stem-and-Leaf

6、 PlotFrequency Stem & Leaf1.00 Extremes (=<651)1.0065 . 82.0066 .143.0066 .5683.0067 .1343.0067 .6797.0068 .11233347.0068 .555889913.0069 . 001111222334413.0069 . 55666778888998.0070 . 0011223410.0070 . 56667788896.0071 .0022337.0071 .56778894.0072 .01226.0072 .5678991.0073 .32.0073 .561.0074

7、 .11.0074 .71.00 Extremes (>=749)Stem width:10Each leaf: 1 case(s)答：比较直方图与茎叶图：直方图的数据分布很方便，但原始数据看不到了, 茎叶图则不同，不仅可以看出数据的分布，还能保留原始数据的信息。2.3 甲、乙两班有40名学生，期末统计学考试成绩的分布如下：(1)画出两个班考试成绩的环形图，比较它们的构成。5%甲、乙两班考试成绩环形图15%20%23%10% 8%15%37%23%44% 优 良 中 及格 不及格13欠迎下载(2)画出雷达图，比较两个班考试成绩的分布是否相似甲、乙两班考试成绩雷达图20优 15 10不及格

8、人数甲班 一一人数乙班答：从图中可以看出甲、乙两班的成绩分布不相似，没有相似性。2.4 下表是我国10个城市2006年各月份的气温（° C）数据：（数据略） 绘制各城市月气温的箱线图，并比较各城市气温分布的特点403020-30-答：从箱线图可看出，这10个城市的月气温存在较大差异，离散程度高的城市 为沈阳、北京、关B州、武汉；离散程度低的为海口、昆明、广州。月气温较高 的城市主要为中位数较大的海口、广州，月气温较低的为城市中位数较小的沈 阳；月气温分布较对称的城市主要有北京、沈阳；月气温分布不对称的城市主 要有：海口；月气温存在极值的城市有沈阳、北京、重庆。实验二：用统计量描述数据

9、；概率分布；参数估计实验日期：2014 年11 月27 日第十四 教学周主要实验内容利用Spss、Excel软件对数据进行概括性度品、计算概率分布的概率及概率值，进行参数估计。作业：练习题 3.5、4.4、5.3、5.7实验操作记录：3.5用Excel计算描述统的 :【工具】一一 【数据分析】一 【描述统计】一一 【确 定】一一 输入区域】一一 【输出选项】一一 【汇总统计】4.4 用Spas公制正态上图：第 1步：【Analyze】【Descrictive Statistics 】【P-P Plot 】或【Q-Q Plot 5.3用Spass求置信区间：第1步：选择【Analyze 然后选择

10、 【Descriptive statistics-Explore 选项进入主对话框5.7用Spas/两个总体均值之差的区间估计：【Analyze】 CompareMeans-Paired-Samples T Test 将两个样本同时选入【Paired Variables 实验总结：实验二主要是对描述统计量的计算，像众数，中位数，标准误差，方差，峰度，偏度， 置信度等等。通过这次试验，我进一步熟悉了这些描述统计量的计算公式，懂得了该怎么算这些描述统 计量，此外，我还掌握了一些数据统计方面的技能：利用EXCELS行数据处理、描述性统计及区间借计。在具体的操作过程中，我感受到，合理并充分利用EXCE

11、LM我们进行数据统计具有很大的作用，能够使我们更加直观地看到数据，一目了然。教师评语：本次实验成绩项目预习实验过程练习题报告书写出勤和实验 纪律其他得分成绩合计：教师签字：批改日期：3.5 一种产品需要人工组装，现有3种可供选择的组装方法。为检验哪种方 法更好，随机抽取15个工人，让他们分别用3种方法组装。123平均165.6平均128.7333平均125.5333标准误差0.550325标准误差0.452155标准误差0.716251中位数165中位数129中位数126众数164众数128众数126标准差2.131398标准差1.75119标准差2.774029、.、.广. 力左4.5428

12、57、.、.广. 力左3.066667、.、.广. 力左7.695238峰度-0.1345峰度0.454621峰度11.66308偏度0.351371偏度-0.17448偏度-3.23793区域8区域7区域12最小值162最小值125最小值116最大值170最大值132最大值128求和2484求和1931求和1883观测数15观测数15观测数15答：(1)从集中度，离散度和分布形状三个角度统计量来评价。从集中度看,方法A勺平均水平最高，方法C最低；从离散程度看，方法A离散系数最小方法C最大;从分布形状看，方法 府口方法 而斜程度都不大，方法CM较大。(2)综合来看，应选择方法A,因为平均水平较

13、高且离散程度小4.4由30辆汽车构成的一个随机样本，绘制正态概率图。Normal P-P Plot of 耗油MqoJd E=o PWS-ILIObserved Cum Prob答：由正态概率图可以看出，汽车耗油量基本服从正态分布。5.3某大学为了解学生每天上网的时间，在全校学生中随机抽取36人，调查他们每天上网的时间（单位：小时），得到数据如下：（数据略）求该校大学生平均上网时间的置信区间，置信水平分别为90% 95眩口 99%One-Sample StatisticsNMeanStd. DeviationStd. Error Mean加班时间1813.567.8011.839One-Sam

14、ple TestTest Value = 0tdfSig. (2-tailed)Mean Difference95% Confidence Interval of theDifferenceLowerUpper加班时间7.37317.00013.5569.6817.43、.、.广. 力左90%2.883.763.322.591.6195%2.793.8499%2.634.015.7 一家人才测评机构对随机抽取的io名小企业的经理人用两种方法进行 自信心测试，得到自信心测试分数如下：(数据略)构建两种方法平均自信心得分之差Kd= w 1- w 2的95%勺置信区间。Paired Samples

15、StatisticsMeanNStd. DeviationStd. Error MeanPair 1方法172.601014.0734.450方法261.601014.7594.667Paired Samples CorrelationsNCorrelationSig.Pair 1方法1 &方法210.898.000Paired Samples TestPaired DifferencestdfSig.(2-tailed)MeanStd.DeviationStd. ErrorMean95% Confidence Interval of the DifferenceLowerUpperP

16、air 1 方法1 -方法211.0006.5322.0666.32715.6735.3259.000答：从表中可以看出两种方法平均自信心得分之差wd=p1-区2的95%勺置信区间为(6.327,15.673 )实验二：假设检验； 分类变量的推断；方差分析与实验设计实验日期2014 年12月4 日1君十五 教学周主要实验内容利用Spss、Excel软件对数据进行假设检验、分类变量的推断、方差分析与实验设计。作业：练习题 6.9、7.2、7.4、8.3、8.6实验操作记录：6.9 (1) 1)用Excelt-检验：双样本等方差假设：第 1步：将原始数据输入到Excel工作表格中，选【工具】一一

17、【数据分析】一一 【t-检验：双样本等力差假设】2)用Excelt-检验：双样本异方差假设：第 1步：将原始数据输入到Excel工作表格中，选【工具】一一 【数据分析】一一 【t-检验：双样本异方差假设】(2)用Excelt-检验：F检验 双样本方差:第 1步：工具】一一 【数据分析】一一 【F检 验双样本方差】7.2 Spass期望频数不等拟合优度：先指定"频数"变量，Analyze 一【NonparametricTest】一【ChiSquare 将频数变量选入【Test Variable List7.4 Spass 独立性检验：将列联表中的数据转换为原始数据形式，Ana

18、lyze】一 DescriptiveStatistics-Crosstabs,行变量【Row(s)】,列选入【Column(s)8.3 Excel单因素方差分析：选择 工具”下拉菜单，【数据分析】，然后选择【单因素方差分析】选择【确定】，出现对话框8.6 Excel:可重复双因子分析：选择工具”下拉菜单，并选择【数据分析】选项，在分析工具中选择【方差分析：可重复双因子分析】Spass :可重复双因子分析：选择【 Analyze ,并选择【General Linear Model-Univaiate进入主对话框。实验总结：实验三是对正态整体的均值，比例和方差进行假设检验，在实验过程中，许多地方让

19、我卡住了，后来通过与老师的交流得知了正确的方法，这才知道是课本知识掌握 的不够好。除此之外，实验三还进行了方差分析 ，这与之前的实验比较相似，都是用到数 据分析这个工具，主要的工作量集中在数据的输入和数据的分析方面，比较难的就是就是 在根据输入的数据作出数据表，然后要进行数据分析。教师评语：本次实验成绩项目预习实验过程练习题报告书写出勤和实验 纪律其他得分成绩合计：教师签字：批改日期：精品文档6.9为比较新旧两种肥料对产量的影响，以便决定是否采用新肥料。研究者选择了面积、土壤等条件相同的 40块田地，分别施用新旧两种肥料，得到的产量数据如下：（数据略）去显著性水平 =0.05,检验：（1）新肥

20、料获得的平均产量是否显著地高于旧肥料？假设条件为：1）两种肥料产量的方差未知但相等，即（T 12=（7 22。2）两种肥料产量的方差未知且不相等，即（T 12?（T 22。解：（1）设区1=新肥料，w 2=旧肥料。H0: w1-w2A0;H1: p1-2<0。t-检验：双样本等方差假设平均 万差 观测值 合并方差 假设平均差 df变量1100.724.115789472028.73684211 038变量2109.933.3578947420t StatP（T<=t）单尾t单尾临界P（T<=t）双尾 t双尾临界-5.4271060291.73712E-061.68595446

21、3.47424E-062.0243941641） t=-5.427,P=1.73712E-06,拒绝原假设，新肥料获得的平均产量显著地高于旧肥料。t-检验：双样本异方差假设平均 万差 观测值 假设平均差 dft Stat变量1100.724.1157894720 037-5.427106029变量2109.933.3578947420P(T<=t)单尾t单尾临界P(T<=t)双尾t双尾临界1.87355E-061.687093623.74709E-062.026192463F-检验双样本方差分析2) P=1.87355E-06,拒绝原假设，新肥料获得的平均产量显著地高于旧肥料17欠

22、迎下载变量2109.933.357894742019变量1平均万差观测值dfFP(F<=f)单尾F单尾临界100.724.1157894720190.7229409910.2431096550.461201089(2)提出假设：H0: (T 12/(r22=1;H1:6 12/ 622=1由于P=0.243109655>0.025，不拒绝原假设，没有证据表明两种肥料的方差有显 著差异。7.2 一家电视台为了解观众对某档娱乐节目的喜欢程度，对不同年龄段的男女观众进行了调查。男性Observed NExpected NResidual557.0-2.06628.1-22.1121213

23、.2-1.2161610.55.525255.319.7Total64Test Statistics男性Chi-Squaredf94.942 ：4精品文档,symp. Sig.000a. 0 cells (.0%) have expected frequencies less than 5. The minimum expected cell frequency is 5.3.解：提出假设：HQ男性观众喜欢该档娱乐节目的比例和女性一致；H1:男性观众喜欢该档娱乐节目的比例和女性不一致由于P=0.858>0.05,不拒绝原假设，表明男性观众喜欢该档娱乐节目的比例和 女性一致。7.4 为分析

24、不同地区的消费者与所购买的汽车价格是否有关，一家汽车企业的销售部门对东部地区、中部地区和西部地区的四百个消费者做抽样调查，检 查地区与 所购买的汽车价格是否有关。Case Processing SummaryCasesValidMissingTotalNPercentNPercentNPercent汽车价格*地区400100.0%0.0%40C100.0%ValuedfAsymp. Sig. (2-sided)Pearson Chi-Square29.991 a6.000Likelihood Ratio30.6836.000N of Valid Cases400a. 0 cells (.0%)

25、 have expected count less than 5. The minimum expected count is 21.00.汽车价格*地区Crosstabulation地区Total东部地区西部地区中部地区汽车价格1020万元Count505060160Expected Count56.048.056.0160.010万元以下Count204040100Expected Count35.030.035.0100.02030万元Count30202070Expected Count24.521.024.570.030万元以上CountExpected Count4024.5102

26、1.02024.57C70.0TotalCount140120140400Expected Count140.0120.0140.0400.0解：提出假设：HQ地区与所购买的汽车价格独立；H1:地区与所购买的汽车价格不独立由于P直接近于0,拒绝原假设，表明地区与所购买的汽车价格不独立。.3某家电制造公司准备购进一批5#电池，现有A、R C三个电池生产企19欠迎下载业愿意供货，为比较它们生产的电池质量，从每个企业各随机抽取5只电池,经试验得其寿命（单位：h）数据如下。试分析三个企业生产的电池的平均寿命之间有无显著差异间有差异？%=0.05）。如果有差异，试用多重比较检验哪些企业之解：单因素方差分

27、析：提出假设:H0:%1=o2=o3 ; H1: %1,幺，o3 不全为 0SUMMARY组观测数求和平均方差列1列2列3522244.428.351503010521342.615.8方差分析差异源SSdfMSFP-valueF crit组问615.62组内216.412307.817.068390.000313.88529418.03333总计83214由于F=17.07 >F0.05（2 , 12） =3.89 ,因此拒绝原假设H0,即三个企业生产的电池的平均寿命之间有显著差异。精品文档多重比较检验：一：提出假设：检验 1: H0: / =o2 H1: %1? 2检验 2: H0:

28、 / =o3 H1: %1? 3检验 3: H0: o2=o3 H1:包丰 3二：计算检验的统计量：| y1-y2 | =14.4| y1-y3 | =1.8| y2-y3 | =12.6三：计算LSD根据方差分析表可知，MSE=18.03333 t分布的自由度为n-k=12 ,根据LSD#算公式计算LSD=5.85四：做出决策| y1-y2 | =14.4 >5.85,拒绝H0, A企业和B企业的电池的平均寿命之间有显著差异| y1-y3 | =1.8<5.85,不拒绝H0 ,A企业和C企业的电池的平均寿命之间没有 显著差异.6| y2-y3 | =12.6>5.85拒绝H

29、0, B企业和C企业的电池的平均寿命之间有显著 差异。城市道路交通管理部门为研究不同的路段和不同的时段对行车时间的影 响，让一名交通警察分别在3个路段的高峰期与非高峰期亲自驾车进行试验, 通过试验共获得30个行车时间的数据单位：分。试分析路段、时段以及路段和时段的交互作用对行车时间的影响 =0.05Exel:方差分析：可重复双因素分析SUMMARY高峰期123观测数55515求和181.4151.8172.2505.4平均36.2830.3634.4433.69333、.、.广. 力左2.2672.5182.7238.702095非高峰期观测数 求和 平均、.、.广. 力左5150305.26

30、5512124.26.0255141.428.285.79715412.4 27.49333 11.22067总计观测数101010求和331.4272.8313.6平均33.1427.2831.36、.、.广. 力左14.3026714.3373314.32711方差分析差异源SSdfMSFP-valueF crit行355.7787939.5309623.008884.18E-082.456281列180.5147290.2573352.534023.06E-083.554557误差30.92533181.718074总计567.218729解：H0:无影响 H1:有影响1 .路段对行车时

31、间的影响P=4.18E-08行0.05,表明路段对行车时间的影响显著2 .时段以对行车时间的影响P=3.06E-08行0.05,表明时段以对行车时间的影响显著。3 .路段和时段的交互作用对行车时间的影响F=0.026956 F crit=3.885294 ,表明路段和时段的交互作用对行车时间的影响18f迎下载精品文档显著。Spass:Between-Subjects FactorsN时段非高峰期高峰期路段路段1路段2路段31515101C10Tests of Between-Subjects EffectsDependent Variable:行车时间SourceType III Sum of

32、 SquaresdfMean SquareFSig.Corrected Model468.815 a3156.27241.290.000Intercept28078.561128078.5617418.830.000时段288.3001288.30076.174.000路段180.515290.25723.848.000Error98.404263.785Total28645.78030Corrected Total567.21929a. R Squared = .827 (Adjusted R Squared = .806)实验四：一兀线性回归；多兀线性回归；时间序列预测及对实际数据进行分析

33、实验日期2014 年 11 月 11 E1君十六 教学周主要实验内容利用Spss、Excel软件进行一元线性回归、多元线性回归、时间序列预测及对实际数据进行综合分析。作业：练习题 9.2、9.3、11.1、11.3实验操作记录：9.2 :选择【Analyze】Correlate - Bivariate】，将两个变量（本例为销售收入和广告费用）分别选入【Variables】，点击【OK。9.3 :选择【工具】下拉菜单，并选择【数据分析】选项在分析工具中选择【回归】，选择【确定】。11.1 :选择【工具】一数据分析。在分析工具中选择【移动平均】，单击确定。11.3:选择【Analyze-Forec

34、asting Create models,进入主对话框，将预测变量选入Dependent Variables在【Method】下选择Exponential Smoothing】，点击Criteria 】，在【Model Type下选择【Simple （进行简单指数平滑预测），点击【Continue】返回主 对话框。实验总结：通过本次实验，我不仅仅是掌握操作步骤完成了实验任务，更重要的是在实 验中验证自己的所学知识的掌握和运用。统计学的学习就是对数据的学习，而通过实验可 以加强我们对统计数据的认知和运用，更好的学习统计学的知识。经过了几节课的实验， 我发现做实验有许多需要注意的地方，尤其输入数据

35、时不能出错，只有掌握了这些技巧才 能让实验结果变的更加准确和方便。教师评语：本次实验成绩项目预习实验过程练习题报告书写出勤和实验 纪律其他得分成绩合计：教师签字：批改日期：9.2 下面是7个地区2000年的人均国内生产总值(GDP和人均消费水平的 统计数据：(数据略)(1)绘制散点图，计算相关系数，说明二者之间的关系。(2)以人均GDP作自变量，人均消费水平作因变量，利用最小二乘法求出估计的回归方程，并解释回归系数的实际意义。(3)计算判定系数和估计标准误差，并解释其意义。(4)检验回归方程线性关系的显著性。(q=0.05)(5)如果某地区的人均GDP为5 0 0 0元，预测其人均消费水平。(

36、6)求人均GDP为5 0 0 0元时，人均消费水平9 5 %的置信区间和预测 区间。人均GDPW人均消费水平的散点图14000>元l平水费消均人120001000080006000400020000010000200003000040000人均GDP （元）Model SummarybModelRR SquareAdjusted R SquareStd. Error of the Estimate1.998 a.996.996247.303a. Predictors: （Constant）, 人均 GDP （元）Model SummarybModelRR SquareAdjusted R

37、 SquareStd. Error of the Estimate1a. a.998.996.996247.303a. Predictors: （Constant）, 人均 GDP （元）b. Dependent Variable: 人均消费水平（元）bANOVAModelSum of SquaresdfMean SquareFSig.1Regression8.144E718.144E71331.692.000Residual305795.034561159.007Total8.175E76a. Predictors: （Constant）,人均 GDP（元）b. Dependent Vari

38、able:人均消费水平（元）CoefficientsaModelUnstandardized CoefficientsStandardizedCoefficientstSig.BStd. ErrorBeta1（Constant）人均GDP（元）734.693.309139.540.008.9985.26536.492.003.000a. Dependent Variable:人均消费水平（元）Residuals StatisticsaMinimumMaximumMeanStd. DeviationNPredicted Value1556.4111398.764515.573684.3137St

39、d. Predicted Value-.8031.868.0001.0007Standard Error of Predicted Value93.871210.510127.36838.2097Adjusted Predicted Value1539.1711011.394473.543583.0767Residual-341.707290.035.000225.7567Std. Residual-1.3821.173.000.9137Stud. Residual-1.6121.268.0531.0947Deleted Residual-464.815534.61342.035350.168

40、7Stud. Deleted Residual-2.0791.376.0061.2377Mahal. Distance.0073.490.8571.1847Cook's Distance.0101.693.359.6087Centered Leverage Value.001.582.143.197725欢迎下载精品文档Model SummarybModelRR SquareAdjusted R SquareStd. Error of the Estimate1a. a.998.996.996247.303a. Predictors: （Constant）, 人均 GDP （元）a.

41、Dependent Variable:人均消费水平（元）(1)由excel的CORREL数计算相关系数=0.998128,说明人均GD所口人均 消费水平高度相关。(2) ? 8 1=0.308683 , ? 8 0=734.6928y =734.6928+0.308683x回归系数的含义：人均GDP®增力口 1元，人均消费增加0.309元。(3)判定系数R2=0.996,估计标准误差=247.303意义：人均GDP寸人均消费水平的影响达到99.6%。(4)设H0: (3 1=0,人均消费水平与人均 GDP1间的线性关系不显著。F=1331.6921, Fc=6.61, F>Fa

42、,拒绝原假设，即线性关系显著。(5) y =734.6928+0.308683x=734.6928+0.308683 X 5000=2278.1078(元)(6)置信区间为(1990.74915,2565.46399 )9.3 随机抽取10家航空公司，对其最近一年的航班正点率和顾客投诉次数金子那个调查，所得数据如下：(数据略)(1)用航班正点率作自变量，顾客投诉次数作因变量，求出估计的回归方程，并解释其意义。检验回归系数的显著性。(a=0.05)(3)如果航班白正点率为80%估计顾客的投诉次数。Model SummarybModelRR SquareAdjusted R SquareStd.

43、Error of the Estimate1.869 a.755.72418.887a. Predictors: （Constant）, 航班正点率（%b. Dependent Variable:投诉次数（次）ANOVbAModelSum of SquaresdfMean SquareFSig.1Regression8772.58418772.58424.592.001Residual2853.8168356.727Total11626.4009a. Predictors: （Constant）,航班正点率（%b. Dependent Variable:投诉次数（次）Coefficientsa

44、ModelUnstandardized CoefficientsStandardizedCoefficientstSig.BStd. ErrorBeta1(Constant)航班正点率(为430.189-4.70172.155.948-.8695.962-4.959.000.001a. Dependent Variable:投诉次数（次）Residuals StatisticsaMinimumMaximumMeanStd. DeviationNPredicted Value.55108.2073.6031.22110Std. Predicted Value-2.3401.108.0001.00

45、010Standard Error of Predicted Value5.97515.8957.9572.98810Adjusted Predicted Value-41.80102.9969.4942.14410Residual-24.67824.615.00017.80710Std. Residual-1.3071.303.000.94310Stud. Residual-1.4511.710.0751.12710Deleted Residual-30.42559.8044.11528.04710Stud. Deleted Residual-1.5812.009.1001.22010Mah

46、al. Distance.0015.474.9001.65710Cook's Distance.0013.551.4411.09610Centered Leverage Value.000.608.100.18410a. Dependent Variable:投诉次数（次）(1) y=430.189-4.701x回归系数的意义：回归系数-4.701表示航班正点率每增加1%顾客投诉次数平均下降4.7次(2)检验回归系数显著性：P=0.0011<0.05,表明回归系数显著，即航班正点 率对投诉次数有显著影响。(3)航班正点率为80%寸估计投诉次数为54.139;航班正点率为80%寸，

47、平均投诉次数预测区间为(54.139 ±16.479);航班正点率为80%寸，某一特定航空公司投诉次数预测区间为(54.13 士46.567);11.1下表是1991-2008年我国小麦产量(单位：万吨)数据：(数据略)(1)分别采用3期移动平均法和指数平滑法(a =0.3)预测2009年的小麦产量。将实际值和预测值绘图进行比较。(2)分析预测误差，说明哪种方法预测更合适？解：(1)19919595.3199210158.79595.3563.4199310639.010131.0508.09764.3874.719949929.710242.5-312.810026.7-97.01

48、99510220.710263.1-42.49997.6223.1199611056.910402.4654.510064.5992.4199712328.911202.21126.710362.21966.7199810972.611452.8-480.210952.220.4199911388.011563.2-175.210958.4429.620009963.610774.7-811.111087.2-1123.620019387.310246.3-859.010750.2-1362.920029029.09460.0-431.010341.3-1312.320038648.89021.7-372.99947.6-1298.820049195.28957