商务与经济统计_第六版偶数题答案.docx

4a对于任意一个观测值，虚拟变量取值之和为1。因为方程包含一个截距项，所以存在完全多重共线性和虚拟变量陷阱。b b3衡量第 1 和第 4 季度需求的期望差异，其他保持不变。 b4衡量第 2 和第 4 季度需求的期望差异，其他保持不变。 b=+X5衡量第 3 和第 4 季度需求的期望差异，其他保持不变。6 Yib + b10X1ib2 2i+ b3X3ib+X4 4ib+ e+X5 5ii式中Y 人均谷物购置量；iX1谷物价格；X 2 竞争谷物的价格；X 3 人均收入均值；X 4 大学毕业生的百分比；X 5 年气温均值；X 6 年降雨量均值；X 7 1 为密西西比， 0 为其他；X8 1 为较高的人均收入， 0 为其他；X 9 1 为中等的人均收入， 0 为其他；X10 1 为西北地区， 0 为其他； X11 1 为西南地区， 0 为其他； X12 1 为东北地区， 0 为其他；X13 X1 X 7 为价格和密西西比东部城市的交叉项。模型的设定包括连续的自变量、二分指示变量 dichotomous indicator variables 以及斜率虚拟变量。而方程的形式可以是线性的，非线性的方程可以通过关系散点图的初始分析为根底引入。自变量之间较高的相关性也可以被检验出来，例如人均收入和大学毕业生的百分比可能具有非常好的共线性。对模型进行几次 迭代可以求得变量的最优组合。8定义以下的变量：Y 工人的补偿；X1经验年数；X 2 工作分类水平： 1学徒， 2专业人员， 3教师；X 3 个人能力；X 4 性别： 1男， 2女；X 5 种族： 1白人， 2黑人， 3拉丁人。根据工资数据可以构建两个不同的因变量。可以对根本补偿进行分析，还可以对增加的薪水进行分析。在分析工作分类对薪水的影响时需要引入虚拟变量。可以用性别和种族的虚拟变量的大小来衡量歧视。为了 防止虚拟变量陷阱，对于每个虚拟变量需要分成(k -1) 类。bbbb10aj = 3.03bj = 3.289cj = 5.556dj1-g1-g1-g1-g12= 6.515回归分析： Y 零售额与 X 可支配收入和 Y 的滞后值 1回归方程是： Y 零售额=1 752+0.367 X 可支配收入+0.053 Y 滞后值 1使用了 21 个滞后值， 1 个包含缺失值t = 0.2619 ， t18,0.=110.33 ，因此，在 20%的显著性水平下不能拒绝原假设。14回归分析： Y _普通股%与 X _收益， Y _普通股%的缺失值Y _普通股%=1.65+0.228 X _收益+0.950 Y _普通股%缺失值使用了 24 个滞后值， 1 个包含缺失值16回归分析： Y _出生与 X _第一次结婚， Y _出生的缺失值回归方程是： Y _出生=21 262+0.485 X _第一次结婚+0.192 Y _出生的缺失值使用了 19 个滞后值， 1 个包含缺失值18回归分析： Y _个人消费量的对数与 X _可支配收入的对数， Y _个人消费量的对数的滞后值回归方程是： Y _ 个人消费量的对数=0.405+0.373 X _ 可支配收入的对数+0.558 Y _个人消费量的对数滞后值使用了 28 个滞后值， 1 个包含缺失值20a在 x1 和 x2之间样本相关性等于 0 的特殊情况下，无论 x2是否包含在回归方程中 b1的估计值都是相同的。在 y 关于 x1 的简单线性回归中，在这些特殊的情况下截距项将包含x2对 y 的影响。b b= å(x- x )2 å(x- x )( y- y) - å(x- x )(x- x ) å(x- x )( y- y )2i21i11i1i12i22i2i1å(x- x )2 å(x- x )2 -å(x- x ) å(x- x )21i12i21i12i2如果 x1 和 x2 之间样本相关性等于 0，那么å(x1i - x1 )(x2i - x2 ) = 0 并且斜率系数方程可以进行化简。结果是å(x- x )( y- y )b =1i11i，它是 y 关于 x1的双变量线性回归估计的斜率系数。1x1xå(-)21i22初始回归分析模型包含所有说明的自变量：回归分析：住宅市场价格与商业财产的百分比、 住宅的百分比、工业财产的百分比、住宅房间数的中位数、人均收入 72回归方程是：住宅的百分比 =19.026.4 商业财产的百分比12.1 住宅的百分比15.5 工业财产的百分比 +7.22 房屋大小 +0.004 08 人均收入 72Citydat 输出结果最先剔除不显著的变量Homper 和 Indper ，然后剔除住宅房间数的中位数房屋大小 ，得到最终的模型：回归分析：住宅市场价格与商业财产的百分比和人均收入72回归方程是：住宅的百分比=4.6920.4 商业财产的百分比+0.005 85 人均收入 72注意两个模型的商业房地产百分比的系数都是负数， 但是在剔除了住宅房间数中位数变量的第二个模型中更大一些。24事实上如果 y 受 x2 的影响非常大，在回归方程中剔除x2 将导致严重设定偏差。不是把变量剔除而是认识到当一组变量作为整体具有明显影响时，在某种精确度下，数据不包含能够将每个自变量各自的影响分开 的信息。26a异方差性的图形检查说明异方差性没有强有力的证据。b辅助回归是： e2 = -63 310.41 +13.75 ynnR= 22 ， R2 = 0.6954 ，2 = 1.5299 < 2.71 = c 2 ，在 10%的显著性水平下，不能拒绝误差项具有常数方差1,1的原假设。28a123回归分析： Y 与 X 、 X 、 X123回归方程是： Y = 0.2 + 0.000 406X + 4.84X -1.55Xb异方差性的图形检查说明异方差性没有强有力的证据。c辅助回归是： e2 = 20.34 - 0.201y1,1n = 50 ， R2 = 0.003 22 ， nR2 = 0.161 < 2.71 = c 2 ，在 10%的显著性水平下，不能拒绝误差项具有常数方差的原假设。30 d = 0.50 ， a = 0.50 : dL = 1.26 ， dU = 1.56 ； a = 0.01: dL = 1.04 ， dU = 1.32 。在 5%和 1%的显著性水平下，依据德宾 -沃森检验拒绝原假设。自相关系数的估计值为： 0.75 。LLa d = 0.80 ， a = 0.50 : d1.26 ， d=U= 1.56 ； a = 0.01: d1.04 ， d=U= 1.32 。在 5%和 1%的显著性水L平下，依据德宾 -沃森检验拒绝原假设。自相关系数的估计值为： 0.60 。Lb d = 1.10 ， a = 0.50 : d1.26 ， d=U= 1.56 ； a = 0.01: d1.04 ， d=U= 1.32 。在 5%的显著性水平下，依据德宾-沃森检验拒绝原假设。在1%的显著性水平下检验是非决定性的。自相关系数的估计值为：0.45 。LLc d = 1.25 ， a = 0.50 : d1.26 ， d=U= 1.56 ； a = 0.01: d1.04 ， d=U= 1.32 。在 5%的显著性水平下，L依据德宾-沃森检验拒绝原假设。在 1%的显著性水平下检验是非决定性的。Ld d = 1.70 ， a = 0.50 : d1.26 ， d=U= 1.56 ； a = 0.01: d1.04 ， d=U= 1.32 。在 5%或 1%的显著性水平下，依据德宾 -沃森检验都不能拒绝原假设。在1%的显著性水平下检验是非决定的。自相关系数的估计值为： 0.45 。没有充分的证据说明残差存在自相关性。32给定 Var(e ) = Kx2 (K > 0)iiVar(e / x ) = 1 Var(e ) = 1 Kx2 = Kiix2iix2i ii如果可以求出误差项的方差和 xi 之间存在平方关系， 例如 Var(ei ) = Kx2 ，可以通过在回归方程两边同时除以 x 将异方差问题剔除。i34本章练习 13 的回归分析模型包含因变量的滞后值作为自变量。当一个滞后因变量作为自变量时，德宾-沃森统计量不再有效。替代它的是德宾 h 统计量：d1.65271- 27 ´ 0.0160cH0: r = 0 ， H1: r > 0 ， r = 1 - 2 = 1 - 2 = 0.175 ， s 2 = (0.1266)2 = 0.0160n1- n(s 2 )ch = r= 0.175= 1.21， z= 1.28 ，在10%的显著性水平下不能拒绝原假设。1L36 d = 0.85 ， a = 0.05 : d1.01 ， d=U= 1.78 ； a = 0.01: d0.80 ， d=U= 1.53。在 5%的显著性水平下拒绝L原假设，在 1%的显著性水平下检验是非决定性的。L38 d = 0.88 ， a = 0.01: d1.05 ， d=U= 1.21 ；在 1%的显著性水平下拒绝原假设，因此包含一个遗漏变量的误设回归模型会导致残差自相关性的出现。40a虚拟变量：当一个因素不可以计量时就可以使用虚拟变量。例如，如果我们想确定贸易壁垒对产出增长率的影响时，我们可以引入一个虚拟变量，当设定贸易壁垒时虚拟变量取值为1，否那么为 0。这可以用于区别不同水平的贸易壁垒。b. 滞后因变量：当分析时间序列数据时滞后因变量非常有用。例如，某人可能期望在模型中用滞后的增 长率来解释产出的变化。c. 对数转化：对数转化从本质上使得线性统计技术如最小二乘回归等能够估计非线性函数。例如， 在本钱函数是典型的非线性函数时，它是关于产出的某个函数。对数转化使得我们能够用线性的形式 描述非线性关系，因此用线性估计技术估计模型。42表述不正确。几个二元简单线性回归模型的和不能等同于从多元回归分析得出的结果。因此，当别离 自变量时可能会得出单个结果的统计显著性的信息， 但将自变量合在一起时不能得出关于自变量对因变量影响的任何信息。最好认识到当一组变量作为整体的影响是显著的，但在某种精确度下，数据不能提供将每个自变量各自影响分开的充分的信息。44a t = 1.179 ，因为 t = 1.282 » t84, 0.1，所以在 10%的显著性水平下不能拒绝原假设。b t = 0.495 ，因为 t = 1.282 » t84,0.1，所以在 10%的显著性水平下不能拒绝原假设。c结果的差异可能是由于每股收益 x 和每股资金流量 x 之间存在多重共线性。1246没有得到任何结论，因为 c5和 c 的估计的系数是条件显著的，因此，模型的估计是不正确的。648a其他保持不变，新的企业价值排名每增加1%，经营失败的企业数量将减少 0.82%。Lb d = 0.49 ， a = 0.01: d1.01 ， d=U= 1.42 ，在 1%的显著性水平下拒绝原假设。c如果残差是自相关的， b 的假设检验结果是不正确的。模型必须考虑自相关的误差并进行重新估计。d r = 0.75550a在 95%的置信水平下： 0.035 < b < 0.471b. 当期增加 0.253 美元，下一期将增加 0.138 美元，再下一期将增加 0.75 美元，等等。预计总的增加量为 0.557 美元。1c. 注意，由于一个滞后因变量作为自变量的出现，德宾h 统计量是相关的。 h = 0.564 49 ， z = 1.28 ，因此在 10%的显著性水平下不能拒绝原假设。52回归分析： Y 的对数与 X1 的对数、 X 2 的对数12回归方程是： logY = -2.14 + 0.909log X + 0.195log X54d = 1.67 ， a = 0.05 : d = 0.95 ， d = 1.54 ，在 5%的显著性水平下不能拒绝原假设。LU回归分析： Y 的对数与 X1 的对数、 X 2 的对数、 Y 滞后值的对数12回归方程是： logY = 0.435 - 0.101log X + 0.237log X + 0.666log Y 的缺失值 1 使用了 34 个滞后值， 1 个包含缺失值h = -0.8798 ， p -值=0.3788 ，在任何一般的显著性水平下不能拒绝原假设。56回归分析： Y 的对数与 X1 的对数、 X 2 的对数、 X 3 的对数123回归方程是： logY = 2.72 - 0.0252log X + 0.315log X + 0.379Xd = 1.75 ， a = 0.05 : d = 1.00 ， d = 1.68 ， a = 0.01: d = 0.77 ， d = 1.41 在 1%或 5%的显著性水平下LULU都不能拒绝原假设。58a回归分析： CSH 与 GDPH回归方程是： CSH=207+0.417GDPH使用了 214 个滞后值， 4 个包含缺失值d = 0.11，a = 0.01: d = 1.52 ， d = 1.56 ，在 1%的显著性水平下拒绝原假设，接受备择假设即残差之LU间存在正的自相关的显著性是最大的。模型说明解释的有效性非常高 R2 = 99.8% ，但是，残差之间存在显著的自相关性 d = 0.11 。b回归分析： CSH 与 GDPH、FBPR、CSH 滞后值CSH=4.30+0.017 8GDPH0.504FBPR+0.965CSH 滞后值使用了 210 个滞后值， 8 个包含缺失值r = 0.17 ， s2 = 0.000116 ， h = 2.494 ， p -值=0.0128 ，在 1%的显著性水平下不能拒绝原假设，在5%c的显著性水平下拒绝原假设。因变量滞后值作为随机变量降低了残差的自相关性，但是自变量之间可能出现多重共线性。60a回归分析：住宅市场价值与房屋大小、财产税率、城市效劳的总支出、商业财产百分比回归方程：住宅市场价值 =23.4+9.21 房屋大小001 城市效劳的总支出20.4 商业财产百分比178 财产税率+0.000因为所有的自变量都是统计显著的，在回归模型中保存所有的自变量。b. 辅助回归回归分析： ResiSq 与 FITS1回归方程是： ResiSq=15.1+1.24FITS1nRe2 = -15.1+1.24 y ， n = 90 ， R2 = 0.052 ，2 = 4.68 > 3.84 = c 21,0.05，在 5%的显著性水平下拒绝误差项具有常数方差的原假设，经济学家是正确的即异方差可能是一个问题。c. 利用人口数量作为权重将变量进行转化得到多元回归模型。回归分析：房屋市场价格与房屋大小、财产税率等回归方程：住宅市场价值 =0.000 570+4.58 房屋大小158 财产税率0.000 002 城市效劳的总支出24.5 商业财产百分比R2从 52.9% 变为 86.3%，除了城市效劳总支出变量外，所有自变量都是显著的。第 15 章2 H0: P = 0.50 参加这个工程不能全面提高阅读理解水平1H : P > 0.50 参加这个工程能够提高阅读理解水平n = 9 ，有 8 人在在参加工程之后分数增加了，对于单侧检验，P( X8) = 0.0176 + 0.002 = 0.0196 ，在任何 a 大于 1.96% 的显著性水平下都可以拒绝原假设。4 H0: P = 0.50 正收益和负收益的次数是相等的H: P > 0.50 正收益的次数更多1p = 0.6842 ， m = 28.5 ， s = 3.7749 ， z = 2.65因此在任何 a 大于 0.40% 的显著性水平下都可以拒绝原假设。p-值=0.0040 。6 H0: P = 0.50 经济学教授中认为通货膨胀率增加和不增加的人数相等1H : P ¹ 0.50 相反p = 0.5918 ， m = 24.5 ， s = 3.50 ， z = 1.14p-值=0.2542 。因此在任何 a 大于 25.42% 的显著性水平下都可以拒绝原假设。8 H : 对于国产和进口啤酒没有偏好。H : 更喜欢进口啤酒。01威尔科克森符号秩检验：差异 _15.8检验中位数=0.000 000 和中位数<0.000 000N差异_15.810检验的 N 9威尔科克森统计量7.0P 0.038估计的中位数1.500n = 9 ， T = 7.0 ， T0.05= 9 ，因此在任何 a 大于 3.8% 的显著性水平下都可以拒绝原假设。10 H0: 这两门课程感兴趣程度是相等的。H : 对统计学更感兴趣。1z = -1.73 ，p-值=0.0418 。因此在任何大于 4.18% 的显著性水平下都可以拒绝原假设。12 H0: 时间分配相等。H : 时间分配不相等。1z = -0.57 ， p -值=0.5686 。因此在任何一般的显著性水平下都不能拒绝原假设。14 H0: 收益没有差异。H : “应该购置的股票收益率更高单侧检验 。1“应该购置股票秩的和 =137 ， z = -2.42 ，p-值=0.0078 。因此在任何大于 0.78% 的显著性水平下都可以拒绝原假设。16 H0: 对市场营销和财务专业的应聘者没有偏好。H : 偏好招财务专业的应聘者单侧检验。1z = -0.234 ， p -值=0.4090 。因此在任何大于 40.9% 的显著性水平下都可以拒绝原假设。18 H0: 总体收益率是相等的。H : 评分最高的基金实现的收益率较高。1z = 0.64 ， p -值=0.2611 。因此在任何大于 26.11% 的显著性水平下都可以拒绝原假设。20 H0: 得到无保存意见审计报告的和得到保存意见的公司年末花费在准备初步利润报告上的时间是相等的。H : 得到保存意见审计报告的公司花费的时间更长。1z = 1.86 ，p -值=0.0314 。因此在任何大于 3.14% 的显著性水平下都可以拒绝原假设。22a得到两个变量的秩笔试的秩工程的秩笔试的秩工程的秩65.521.013.038.042.074.055.5910.0109.087.0因此变量秩之间的皮尔逊相关系数是斯皮尔曼秩相关系数：相关性：笔试的秩和工程的秩笔试的秩和工程的秩的皮尔逊相关系数 =0.717b H0: 笔试分数和工程的分数之间没有关系。H : 有关系双侧检验。1rn =10，s, 0.025=0.648 ，rs, 0.010=0.745 ，因此，在 0.05 的显著性水平下拒绝笔试分数和工程的分数之间没有关系的原假设，但在0.02 的显著性水平下不能拒绝原假设双侧检验。124非参数检验不假设总体的分布。这些检验的优点是对假设的限制较少，检验比拟容易计算，可以用于定类 数据和顺序数据的检验。非参数检验赋予异常值一个较小的权重。26 H0: P = 0.50 下一年的销售量和今年相等H : P ¹ 0.50 相反n = 9 ，2 个赞成，双侧检验P(2X7) = 0.1798 ，因此任何 a 大于 17.98% 的显著性水平下都可以拒绝原假设。28 H0: P = 0.50 更多的学生期望生活标准会更高1H : P < 0.50 更多的学生期望生活标准比其父母的生活标准会更低z = -0.79 ，p-值=0.2148 。因此任何 a 大于 21.48% 的显著性水平下都可以拒绝原假设。30 H0: 公司分析师对他们公司前景比宏观经济更乐观。H : 相反单侧检验。1T = 11 ，根据表 A-10，得到 T0.10= 9 。因此在 10%显著性水平下不能拒绝原假设。第 16 章2 H0: 基金表现落入 5 个可能表现等级的概率是相等的。H : 基金表现落入 5 个可能表现等级的概率是不相等的。1基 金前 20%第 2 个 20%第 3 个 20%第 4 个 20%第 5 个 20%合 计观测值数132018111375概率0.20.20.20.20.21期望数量151515151575卡方的计算0.266 6671.666 6670.601.066 6670.266 6673.866 7=c 23.8667 ， c 2(4, 0.1)= 7.78 ，因此在 10%显著性水平下不能拒绝原假设。4 H0: 该星期生产的产品质量与平时的模式一致。H : 该星期生产的产品质量与平时的模式不一致。1电子元件观测值数458无瑕疵有 1 处瑕疵30大于 1 处瑕疵12合 计500概率期望数量 卡方的计算0.934650.105 376 3440.052510.02100.415001.505 376=c 21.505 ， c 2(2, 0.05)5.99 ， c 2=(2, 0.10)= 4.61 ，在 10%和 5%的显著性水平下不能拒绝原假设。6 H0: 学生对商务课程的观点与所有其他课程一样。H : 学生对商务课程的观点与所有其他课程不一样。1观 点观测值数非常有用有 用6818无 用合 计14100概率期望数量 卡方的计算0.6601.066 666 6670.2200.20.2201.811003.066 667=c 23.067 ， c 2(2, 0.10)= 4.61 ，在 10%的显著性水平下不能拒绝原假设。8 H : 消费者对这 5 种品牌软饮料的偏好是相同的。 H : 消费者对这 5 种品牌软饮料的偏好是不同的。01饮 料ABCDE合 计观测值数2025281527115概率0.20.20.20.20.21期望数量2323232323115卡方的计算0.391 3040.173 9131.086 9572.782 6090.695 6525.130 435=c 25.103 ， c 2(4, 0.10)= 7.78 ，在 10%的显著性水平下不能拒绝原假设。10 H : 统计学教授对 4 种软件包的偏好是相同的。H : 统计学教授对 4 种软件包的偏好是不同的。01软 件MESP合 计观测值数100803535250概率0.250.250.250.251期望数量62.562.562.562.5250卡方的计算22.54.912.112.151.6=c 251.6 ， c 2(3, 0.005)= 12.84 ，在 5%的显著性水平下拒绝原假设。12 H : 每分钟到达的车辆数服从泊松分布。H : 每分钟到达的车辆数不服从泊松分布。01到达数0123大于 4合 计观测值数102635245100概率0.149 60.284 20.270.1710.125 21期望数量14.9628.422717.112.52100卡方的计算1.644 50.206 12.370 42.784 24.516 811.522c 2 = 11.25 ， c 2(3, 0.01)11.34 ， c 2=(3, 0.005)= 12.84 ，因此，在 1%的显著性水平下拒绝原假设，但在 0.5% 的显著性水平下不能拒绝原假设。14 H0: 电子元件的电阻服从正态分布。H1: 电子元件的电阻不服从正态分布。B = 9.625，根据表 16-7 鲍曼-谢尔顿统计量的显著点： 5%的点 n = 100 是 4.29。因此，在 5%的显著性水平下拒绝原假设。16 H0: 信用卡持有者所持有的某种信用卡月账户余额服从正态分布。H : 信用卡月账户余额不服从正态分布。1B = 6.578，根据表 16-7 鲍曼-谢尔顿统计量的显著点： 5%的点 n = 125 是 4.34。因此，在 5%的显著性水平下拒绝原假设。18a H : GPA 和专业之间没有关系。H : GPA 和专业之间有关系。01卡方 = 0.226+0.276+0.341+0.417+2.227+2.722=6.20920a自由度=2， -值=0.045 ， c 2p(2, 0.05)= 5.99 ，在 5%的显著性水平下拒绝没有关系的原假设。了解产品的方法朋友广告求和小于 213020502135603090大于 35184260行之和10892200年 龄b H : 了解产品的方法与年龄没有关系。H : 了解产品的方法与年龄有关系。01卡方 = 0.333+0.391+2.674+3.139+6.400+7.513=20.451p自由度=2， -值=0.000， c 2(2, 0.005)= 10.6 ，在 0.5%的显著性水平下拒绝没有关系的原假设。22 H : 资产账面价值的低估与兼并活动没有关系。H : 资产账面价值的低估与兼并活动有关系。01卡方 = 0.527+0.286+0.514+0.279=1.607自由度=1，p-值=0.205 ， c 2(1, 0.10)= 2.71 ，在 10%的显著性水平下不能拒绝原假设。24 H : 个人评级与大学专业没有关系。H : 个人评级与大学专业有关系。01卡方 = 0.186+0.010+0.188+0.943+0.008+1.867+0.620+0.843+0.022+4.814+0.543+3.605=13.648自由度=6，p-值=0.034 ， c 2(6, 0.05)= 12.59 ，在 5%的显著性水平下拒绝原假设。26 H : 研究生学习与大学专业没有关系。H : 研究生学习与大学专业有关系。01卡方 = 8.000+1.815+1.667+8.000+1.815+1.667=22.963自由度=2，p-值=0.000 ， c 2(2, 0.05)= 10.60 ，在 0.5% 的显著性水平下拒绝原假设。28 H : 初次选举候选人偏好与投票地区没有关系。H : 初次选举候选人偏好与投票地区有关系。01卡方 = 0.660+0.168+1.565+0.578+0.098+3.235+1.174+0.117+0.196+0.878+0.065+0.743=9.478p自由度=6， -值=0.148 ， c 2(6, 0.10)= 10.64 ，在 10%的显著性水平下不能拒绝原假设。30 H : 经验年数与每小时生产的部件数没有关系。H : 经验年数与每小时生产的部件数有关系。01卡方 = 0.000+5.000+5.000+0.000+0.000+0.000+0.000+5.000+5.000=20.000p自由度=4， -值=0.000 ， c 2(4, 0.005)= 14.86 ，在 0.5% 的显著性水平下拒绝原假设。32aH : 包裹重量与包裹来源没有关系。H : 包裹重量与包裹来源有关系。01卡方= 0.123+0.313+1.201+24.779+1.429+21.420+43.973+0.068+70.301+2.635+1.500+11.852 =179.594pDF=6 ， -值=0.000 ， c 2(6, 0.05)= 18.55 ，因此在 0.5% 的显著性水平下拒绝原假设。b频数的观测值和期望值之间相差最大的两个组合：工厂与1175 磅的包裹的组合，工厂与 3 磅以下的包裹的组合。34 H0: 公司的经营时间与所有者对数字签名有效性的观点无关。H : 公司的经营时间与所有者对数字签名有效性的观点有关。1卡方 = 1.070+0.533+0.478+2.796+1.987+0.311+0.489+0.542+0.016=8.222pDF=4 ， -值=0.084 ，c 2(4, 0.05)9.49 ，c 2=(4, 0.10)= 7.78 ，因此在 5%和 10%的显著性水平下都不能拒绝原假设。36 H : 搬到佛罗里达州与行业类型无关。H : 搬到佛罗里达州与行业类型有关。01卡方=2.858+0.386+3.320+1.156+0.321+0.887+7.495+1.424+7.362=25.210pDF=4 ， -值=0.000 ， c 2(4, 0.005)= 14.86 ，因此在 0.5% 的显著性水平下拒绝原假设。38 H0: 答复者对广告控制的观点与他们曾经使用过快速减肥产品没有关系。H : 答复者对广告控制的观点与他们曾经使用过快速减肥产品有关系。1卡方=6.700+7.086+9.410+9.952=33.148pDF=1 ， -值=0.000 ， c 2(1, 0.005)= 7.88 ，因此在 0.5% 的显著性水平下拒绝原假设。40 H : 消费者现在的偏好与过去没有区别。0H : 消费者现在的偏好与过去有区别。1ABCD观测频数567028126期望频数5692.45675.6(O - E )2 / E05.431433.6iii卡方统计量=53.03 ， c 2(3, 0.005)= 12.84 ，因此在 0.5% 的显著性水平下拒绝原假设。42aH : 学生的年级与延长图书馆开放时间之间没有关系。0H : 学生的年级与延长图书馆开放时间之间有关系。1在这里我们使用 Minitab ，处理 340 学生对延长图书馆开放时间的答复。c2(3, 0.025)= 9.35因 此 在 2.5% 的 显 著 性 水 平 下 不 能 拒 绝 原