《统计学-基于SPSS》（第4版）-课后习题答案

贾俊平著《统计学—基于SPSS》（第4版）：习题答案25/25PAGE《统计学—基于SPSS》（第4版）###各章习题答案###

第1章数据与统计学（S4）（1）数值变量。（2）无序类别变量。（3）数值变量。（4）有序类别变量。（5）无序类别变量。（1）总体是“所有IT从业者”，样本是“所抽取的1000名IT从业者”，样本量是1000。（2）数值变量。（3）名义值类别变量。（1）总体是“所有的网上购物者”。（2）名义值类别变量。（1）分层抽样。（2）100。提示：使用【选择个案】抽取随机样本。每次运行都会得到不同的结果。##———————————————————————————————————####———————————————————————————————————##第2章数据的描述性分析：图表展示（S4）（1）频数分布表如下：（2）条形图如下：（3）饼图如下：（1）频数分布表如下：100只灯泡使用寿命的频数分布按使用寿命分组（小时）灯泡个数（只）频率（%）650~66022660~67055670~68066680~6901414690~7002626700~7101818710~7201313720~7301010730~74033740~75033合计=SUM(ABOVE)100=SUM(ABOVE)100（2）直方图如下：从直方图可以看出，灯泡使用寿命的分布基本上是对称的。（3）茎叶图如下：茎叶图与直方图所反映的数据分布是一致的，不同的是茎叶图中保留了原始数据。箱线图如下：垂线图如下：误差图如下：从上述各图可以看出，10个城市中气温变化最小的是昆明，最大的是沈阳。从中位数来看，多数靠近上四分位数，说明多数城市的气温分布都有一定的左偏。散点图如下（分析略）：轮廓图如下：##———————————————————————————————————####———————————————————————————————————##第3章数据的描述性分析：概括性度量（S4）网民年龄的描述统计量如下：从集中度来看，网民平均年龄为24岁，中位数为23岁。从离散度来看，标准差在为6.65岁，极差达到26岁，说明离散程度较大。从分布的形状上看，年龄呈现右偏，而且偏斜程度较大。（1）x=7（岁）；s=0.71（2）v1=0.274；（3）选方法二，因为平均等待时间短，且离散程度小。（1）通过计算标准化值来判断，zA=1，3种方法的主要描述统计量如下：（1）从集中度、离散度和分布的形状三个角度的统计量来评价。从集中度看，方法A的平均水平最高，方法C最低；从离散度看，方法A的离散系数最小，方法C最大；从分布的形状看，方法A和方法B的偏斜程度都不大，方法C则较大。（2）综合来看，应该选择方法A，因为平均水平较高且离散程度较小。##———————————————————————————————————####———————————————————————————————————##第4章随机变量的概率分布（S4）（1）0.724。（2）0.171。（3）0.105。（1）0.375。（2）0.6875。（1）0.3849。（2）0.1844。（3）0.0918。正态概率图如下：由正态概率图可以看出，汽车耗油量基本服从正态分布。（1）200。（2）5。（3）近似正态分布。（1）0.4。（2）0.0219。（3）近似正态分布。##———————————————————————————————————####———————————————————————————————————##第5章参数估计（S4）（1）σx=2.14。（2）（1）（8647，9153）。（2）（8734，9066）。（3）（8761，9039）。（4）（8682，9118）。（2.88，3.76）；(2.80，3.84)；(2.63，4.01)。（1）（51.37%，76.63%）。（2）62。（1）（0.33，0.87）。（2）（1.25，3.33）。（3）第一种排队方式更好。（1）（1.86，17.74）。（2）（0.19，19.41）。（3）（-3.34，22.94）。（6.33，15.67）。（1）（3.02%，16.98%）。（2）（1.68%，18.32%）。（4.06，24.35）。139。57。769。##———————————————————————————————————####———————————————————————————————————##第6章假设检验（S4）H0:μ≤6.70 , H1:μ>6.70，z＝3.11，H0:μ≥82 , H1:μ<82，z＝-2.39，H0:μ=25 , H1:μ≠25，t=1.04，H0:π≤17% , H1:π>17%，z=2.25，H0:μ1−μ2=5 , H设μ1=看后，μ2=看前。H0:μ1−μH0:μ1−μ2=0 , 设π1=男经理，π2=女经理。H0:π1（1）设μ1=新肥料，μ2=旧肥料。H0:μ1（2）P=1.8736E-06，拒绝H（2）H0:σ12σ2H0:σ12σ22=1，H##———————————————————————————————————####———————————————————————————————————##第7章类别变量的分析（S4）提出假设。H0：销售量服从均匀分布；H由SPSS输出的检验结果如下：由于P值接近于0，拒绝原假设，表明各月份的销售量不服从均匀分布。提出假设。H0H1由SPSS输出的检验结果如下：由于P=0.159，步拒绝原假设，表明逃课3与学生性别独立。提出假设。H0H1由SPSS输出的检验结果如下：由于P值接近于0，拒绝原假设，表明上市公司的类型与对股价波动的关注程度不独立。提出假设。H0：地区与所购买的汽车价格独立；H由SPSS输出的检验结果如下：由于P值接近于0，拒绝原假设，表明地区与所购买的汽车价格不独立。由SPSS输出的检验结果如下：三个系数的检验结果均不显著，表明上市公式的类型与对股价波动的关注程度之间有显著的关系。由SPSS输出的检验结果如下：三个系数的检验结果均不显著，表明地区与所购买的汽车价格之间有显著的关系。##———————————————————————————————————####———————————————————————————————————##第8章方差分析（S4）（1）方差分析表如下：由于P=0.001<α=0.01，拒绝H0，（2）多重比较结果如下：根据HSD方法比较，若α=0.01，机器1与基期3之间的差异显著。根据LSD方法比较，若α=0.01，方差分析表如下：P=0.001<α=0.05，拒绝H0，方差分析表如下：由于P值接近0，拒绝H0，多重比较结果如下：由P值可知：企业A与企业B之间、企业B与企业C之间差异显著。方差分析表中所缺的数值如下表：差异源SSdfMSFP-valueFcrit组间42022101.4780.2459463.354131组内383627142.07———总计425629————由于P=0.245946>α=0.05，不拒绝原假设，3种方法组装的产品数量之间有显著差异。方差分析表如下：P品种=0.003<α=0.05，拒绝原假设，种子的不同品种对收获量的影响显著。方差分析表如下：P时段接近0，拒绝原假设，时段对行车时间有显著影响。P路段接近0，拒绝原假设，路段对行车时间有显著影响。P交互=0.997，方差分析表如下：P广告方案=0.010<α=0.05，拒绝原假设，广告方案对销售量有显著影响。P广告媒体##———————————————————————————————————####———————————————————————————————————##第9章一元线性回归（S4）（1）散点图如下：相关分析结果如下：相关关系显著，且关系强度较高。（2）回归结果如下：模型显著，R2（1）散点图如下：（2）相关分析结果如下：结论：线性关系显著。（1）回归结果如下：回归系数β1（2）检验回归系数的P=0.001<α=0.05，拒绝原假设，回归系数显著。（3）y80（1）方差分析表中所缺的数值如下：方差分析表变差来源dfSSMSFSig.回归11422708.61422708.6354.2772.17E-09残差1040158.074015.807——总计111642866.67———（2）R2（3）r=R（4）y=363.6891+1.420211x。回归系数β（5）SignificanceF＝2.17E-09<α=0.05，线性关系显著。（1）回归结果如下：（2）Sig.＝0.02<α=0.05，线性关系显著。（3）残差图如下：（4）虽然线性关系通过了显著性检验，但从残差图来看，关于x与y之间存在线性关系的假设仍只得怀疑。因此可考虑选用非线性模型。##———————————————————————————————————####———————————————————————————————————##第10章多元线性回归（S4）（1）y=88.6377+1.6039（2）y=83.2301+2.2902x1+1.3010x（3）不相同。方程（1）中的回归系数β1=1.6039表示电视广告费用每变动1万元，月销售额平均变动1.6039万元；方程（2）中的回归系数（4）方程（1）的R2=65.26二元线性回归方程为：y=−0.591+22.386x1+327.672x2。Sig.=7.53E-05，表明线性关系显著。回归系数检验的逐步回归得到的两个模型的各回归系数及其检验如下表（最后应选择模型2）：用房产估价和使用面积两个预测变量的二元回归方程得到的预测值、95%的置信区间和预测区间如下表：回归结果如下（分析：略）：##———————————————————————————————————####———————————————————————————————————##第11章时间序列预测（S4）（1）预测结果如下：（2）实际值和预测值的图形如下：（3）残差图如下：在求二阶曲线和三阶曲线时，首先将其线性化，然后用最小二乘法按线性回归进行求解。用Excel求得的趋势直线、二阶曲线和三阶曲线的系数如下：各趋势方程为：线性趋势：Y二阶曲线：Y三阶曲线：Y=372.562+1.003t−0.160根据趋势方程求得的预测值和预测误差如下表（比较：略）：时间t观测值Y直线二阶曲线三阶曲线预测误差预测误差预测误差137.237.35-0.1537.99-0.7937.34-0.14237.037.29-0.2937.81-0.8137.40-0.40337.437.230.1737.65-0.2537.42-0.02437.537.170.3337.490.0137.420.08537.737.110.5937.340.3637.400.30637.737.050.6537.190.5137.360.34737.436.990.4137.050.3537.300.10837.236.930.2736.920.2837.22-0.02937.336.860.4436.790.5137.120.181037.236.800.4036.670.5337.020.181136.936.740.1636.560.3436.900.001236.736.680.0236.460.2436.77-0.071336.736.620.0836.360.3436.640.061436.536.56-0.0636.270.2336.51-0.011536.336.50-0.2036.180.1236.37-0.071635.936.43-0.5336.10-0.2036.23-0.331735.836.37-0.5736.03-0.2336.10-0.301835.936.31-0.4135.97-0.0735.97-0.071936.036.25-0.2535.910.0935.840.162035.736.19-0.4935.86-0.1635.73-0.032135.636.13-0.5335.81-0.2135.63-0.032235.236.07-0.8735.78-0.5835.54-0.342334.836.00-1.2035.75-0.9535.46-0.662435.335.94-0.6435.72-0.4235.40-0.102535.635.88-0.2835.70-0.1035.370.232635.635.82-0.2235.69-0.0935.350.252735.635.76-0.1635.69-0.0935.360.242835.935.700.2035.690.2135.390.512936.035.640.3635.700.3035.450.553035.735.570.1335.72-0.0235.550.15