统计学(贾俊平第六版)课后思考题及答案.docx

《统计学(贾俊平第六版)课后思考题及答案.docx》由会员分享，可在线阅读，更多相关《统计学(贾俊平第六版)课后思考题及答案.docx（15页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第一章导论L什么是统计学统计学是收集、处理、分析、解释数据并从数据中得出结论的科学。2 .解释描述统计和推断统计描述统计研究的是数据收集、处理、汇总、图表描述、概括与分析等统计方法。推断统计是研究如何利用样本数据来推断总体特征的统计方法。3 .统计数据可以分为哪几种类型？不同类型的数据各有什么特点？分类数据：是只能归于某一类别的非数字型数据，它是对事物进行分类的结果，类孀表 现为类别，是用文字来表述的。顺序数据：是只能归于某一有序类别的非数字型数据。虽然也有列别，但这些类别是有 序的。数值型数据：是按数字尺度测量的观察值，其结果表现为具体的数值。4 .解释分类数据、顺序数据和数值型数据的含义分

2、类数据和顺序数据说明的是事物的品质特征，通常是用文字来表述的，其结果均表现 为类别，因此也可统称为定性数据或品质数据；数值型数据说明的是现象的数量特征，通常 是用数值来表现的，因此也可称为定量数据或数量数据。5 .举例说明总体、样本、参数、统计量、变量这几个概念总体是包含所研究的全部个体（数据）的集合；样本是从总体中抽取的一部分元素的集 合；参数是用来描述总体特征的概括性数字度量；统计量是用来描述样本特征的概括性数字 度量；变量是说明现象某种特征的概念。比如我们欲了解某市的中学教育情况，那么该市的 所有中学则构成一个总体，其中的每一所中学都是一个个体，我们若从全市中学中按某种抽 样规则抽出了

3、10所中学，则这10所中学就构成了一个样本。在这项调查中我们可能会对 升学率感兴趣，那么升学率就是一个变量。我们通常关心的是全市的平均升学率，这里这个 平均值就是一个参数，而此时我们只有样本的有关升学率的数据，用此样本计算的平均值就 是统计量。6 .变量可以分为哪几类分类变量：一个变量由分类数据来记录就称为分类变量。顺序变量：一个变量由顺序数据来记录就称为顺序变量。数值型变量：一个变量由数值型数据来记录就称为数值型变量。离散变量：可以取有限个值，而且其取值都以整位数断开，可以一一例举。连续变量：可以取无穷多个值，其取值是连续不断的，不能一一例举。（当离散变量的取值很多时，也可以将离散变量当作连

4、续变量来处理）7 .举例说明离散型变量和连续性变量离散型变量，只能取有限个值，取值以整数位断开，比如“企业数”。连续型变量，取之连续不断，不能一一列举，比如“温度”。8 .请列举出统计应用的几个例子人口普查，商场民意调查等。9 .请列举出应用统计的几个领域国民经济核算与研究；市场调查分析；社会公共事业统计领域；金融市场领域等第十章方差分析L什么是方差分析？它研究的是什么方差分析就是通过检验各总体的均值是否相等来判断分类型自变量对数值型因变量是 否有显著影响。它所研究的是分类变量（自变量）对数值型变量（因变量）的影响。2 .要检验多个总体均值是否相等时，为什么不作两两比较，而用方差分析方法作两两

5、比较十分繁琐，进行检验的次数较多，随着增加个体显著性检验的次数，偶然因 素导致差别的可能性也会增加。而方差分析方法则是同时考虑所有的样本，因此排除了错误 累积的概率，从而避免拒绝一个真实的原假设。3 .方差分析包括哪些类型？它们有何区别类型：单因素方差分析和双因素方差分析。区别：单因素方差分析研究的是一个分类型自变量对一个数值型因变量的影响，而双因 素涉及两个分类型自变量。4 .方差分析中有哪些基本假定每个总体都应服从正态分布；各个总体的方差。2必须相同；观测值是独立的5 .简述方差分析的基本思想它是通过对数据误差来源的分析来判断不同总体的均值是否相等，进而分析自变量对因 变量是否有显著影响。

6、6 .解释因子与处理的含义在方差分析中，所要检验的对象称为因素或因子，因素的不同表现称为水平或处理。7 .解释组内误差和组间误差的含义组内误差（SSE ）是指每个水平或组的各样本数据与其组平均值误差的平方和，反映了 每个样本内各观测值的离散状况。组内误差只含有随机误差；组间误差（SSA ）是指各组平 均值*与总平均值和误差平方和，反映各样本均值之间的差异程度。8 .解释组内方差和组间方差的含义组内方差（MSE ）指因素的同一水平（同一个总体）下样本数据的方差，组间方差（MSA ） 指因素的不同水平（不同总体）下各样本之间的方差。9 .简述方差分析的基本步骤（1）提出假设“0：1 = 2 =出=

7、k （自变量对因变量没有显著影响）Ho：出。=L2幻不全相等（自变量对因变量有显著影响）（2）构造检验统计量计算各样本的均值，计算全部观测值的总均值，计算各误差平方和，计算统计量。（3）统计决策将统计量的值F与给定的显著性水平a的临界值也进行比较，作出对原假设的）夬策。10 .方差分析中多重比较的作用是什么通过对总体均值之间的配对比较来进一步检验到底哪些均值之间存在差异。11 .什么是交互作用交互作用是指几个因素搭配在一起会对因变量产生一种新的效应的作用。12 .解释无交互作用和有交互作用的双因素方差分析在双因素方差分析中，如果两个因素对试验结果的影响是相互独立的，分别判断行因素和 列因素对试

8、验数据的影响，这时的双因素方差分析称为无交互作用的双因素方差分析或无重复 双因素方差分析；如果除了行因素和列因素对试验数据的单独影响外，两个因素的搭配还会对 结果产生一种新的影响，这时的双因素方差分析称为有交互作用的双因素方差分析或可重复 双因素方差分析。第十一章一元线性回归L解释相关关系的含义，说明相关关系的特点含义：变量之间存在的不确定的数量关系为相关关系特点：一个变量的取值不能由另一个变量唯一确定，当变量x取某个值时，变量y的取值 可能有几个；变量之间的相关关系不能用函数关系进行描述，但也不是无任何规律可循。通 常对大量数据的观察与研究，可以发现变量之间存在一定的客观规律。2 .相关分析

9、主要解决那些问题变量间是否存在关系；如果存在，是什么样的关系；变量之间的关系强度如何；样本所 反映的变量之间的关系能否代表总体变量之间的关系3 .相关分析中有哪些基本假定两个变量之间是线性关系；两个变量都是随机变量4 .简述相关系数的性质公式：r - nZxy-ZxZy7n 2 %2一（2 了7n E y2-（y y）2性质：；对称性，即： r的大小与久和y的原点及尺度无关；r仅仅是 %与y之间线性关系的一个度量，不能用于描述非线性关系；r虽然是两个变量之间线性关系 的一个度量5不意味着%和y一定有因果关系。5 .为什么要对相关系数进行显著性检验在对实际现象进行分析时，往往是利用样本数据计算相

10、关系数作为总体相关系数的估计 值，但由于样本相关系数具有一定的随机性，它能否说明总体的相关程度往往同样本容量有一 定关系。因此，为判断样本相关系数对总体相关程度的代表性，需要对相关系数进行显著性检 验。若在统计上是显著的，说明它可以作为总体相关程度的代表值，否则不能作为总体相关程 度的代表值。6 .简述相关系数显著性检验的步骤提出彳眼设：Ho： p= 0; Hi： pO计算检验的统计量：t = |r|V=t（n - 2）l-r2进行决策：确定显著性水平a，若I ta/2，拒绝原假设。7 .解释回归模型、回归方程、估计的回归方程的含义回归模型：描述因变量y如何依赖自变量X和误差项的方程称为回归模

11、型。表示：y =仅）+4 + 回归方程：描述因变量y的期望值如何依赖自变量X的方程称为回归方程。表示:E（y）=氏 + Bix估计的回归方程：根据样本数据求出的回归方程。表示:8 . 一元线性回归模型中有哪些基本假定因变量y与自变量x具有线性关系；在重复抽样中，自变量X的取值是固定的，即假定X是非随机的；误差项是一个期望值为0的随机变量；对于所有的X值，的都相同；误差项是一个服从正态分布的随机变量，且独立，即N（0,。2）。9 .简述参数最小二乘估计的基本原理对于X和y的n对观察值，用距离各观测点最近的一条直线来代表X与y之间的关系与实际 数据的误差比其它任何直线都小。根据这一思想求得直线中未

12、知常数的方法称为最小二乘 法，即使因变量的观察值与估计值之间的离差平方和达到最小来估计0和0的方法。0110 .解释总平方和、回归平方和、残差平方和的含义，并说明它们之间的关系总平方和：对一个具体的观测值来说，变差的大小可以用实际观测值y与其均值9差(y 一步昧示，而n次观察值的总变差可由这些离差的平方和来表示，称为总平方和(SST)o 回归平方和：由于自变量x的变化引起的y的变化，而其平方和反映了y的总变差中由于 x与y之间的线性关系引起的y的变化部分，它是可以由回归直线来解释的变差部分，称为回 归平方和(SSR)。残差平方和：除了x对y眼的线性影响之外的其他因素对y变差的作用，是不能由回归

13、直 线来解释的变差部分，称为残差平方和(SSE )。关系：SST = SSR + SSE.1L简述判定系数的含义和作用含义：判定系数是对估计的归回方程拟合优度的度量。R2 = $的 一印SST23与作用：判定系数R2测度了回归直线对观测数据的拟合优度，取值范围0,1。越接近1， 表明回归平方和占总平方和的比例越大，拟合程度越好；反之，越接近于0，回归直线的拟合 程度就越差。12 .在回归分析中，F检验和t检验各有什么作用F检验：线性关系检验t检验：回归系数检验13 .简述线性关系检验和回归系数检验的具体步骤线性关系检验提出假设:Ho邙1 = 0； %邙1丰0SSR/计算检验统计量：F =/I

14、= MSRSSE/n 2MSE做出决策：确定显著性水1a，若F 尸。，拒绝原假设。回归系数检验提出假设:Ho邙i = 0；/邙1。0计算检验统计量:做出决策：确定显著性水平a，若t to/2，拒绝原假设。14 .怎样评价回归分析的结果所估计的回归系数硼勺符号是否与理论或事先预期一致；如果理论上认为y与x之间的关系不仅是正的，而且在统计上施(关系显著、系数显著)， 那么所建立的回归方程也应该如此；回归模型在多大程度上解释了因变量y取值的差异，可以用判定系数必来回答；考察关于误差项的正态性假定是否成立。15 .什么是置信区间估计和预测区间估计？二者有何区别置信区间估计：是对X的一个给定值，求出y的

15、平均值的区间估计。预测区间估计：是对x的一个给定值%。，求出y的一个个别值的区间估计。y +t c ji(%o-2一(置信区间)y tQ VTTJ 居一十(预测区间)0a/2?丫 - yn20a/21?n (x/-%)2乙 i=lt=l区别：预测区间要比置信区间宽一些。16 .简要说明残差分析在回归分析中的作用 判断对误差项由勺假定是否成立。第十二章多元线性回归1 .解释多元回归模型、多元回归方程、估计的多元回归方程的含义多元回归模型：设因变量为y，k个自变量分别为肛X2，丸，描述因变量y如何依赖于 自变量小,X2，益和误差项的方程成为多元回归模型。表示：y =夕0 + 夕2%2 H+ Bkk

16、 + 多元回归方程：描述因变量y的期望值与自变量%1,犯，丸之间关系的方程。表不：y =夕0 + 夕2%2 + + pkk估计的多元回归方程：用样本统讦量4去估计回归方程中的未知参数012 k价,Bl色，诙时就得到了估计的多元回归方程。表不：2S+S% +% h1-/?%01 12 2k k2 .多元线性回归模型中有哪些基本假定误差项是一个期望值为0的随机变量；对于自变量冗，丸的所有值Y的方差d都相同；误差项是一个服从正态分布的随机变量，且相互独立，即-N（0,愣）。3 解释多重判定系数和调整的多重判定系数的含义和作用多重判定系数：多元回归中的回归平方和占总平方和的比例。R2 = SSR =

17、1 SSESST SST作用：是度量多元回归方程拟合程度的一个统计量，反映了在因变量y的变差中被估计 的回归方程所解释的比例。Q九一1调整的多重判定系数：屋=1 -（1 - R2）（1）n-k-Y作用：用样本容量n和自变量的个数k去调整R2得到,这使得Rq2的值永远小于R2且R/ 的值不会由于模型中自变量个数的增加而越来越接近1，避免增加自变量而高估多重判定系 数。4 解释多重共线性的含义回归模型中两个或两个以上的自变量彼此相关时，称回归模型中存在多重共线性。5 .多重共线性对回归分析有哪些影响变量之间高度相关时，可能会使回归的结果混乱，甚至会把分析引入歧途；可能对参数估计值的正负号产生影响；

18、特别是用的正负号有可能同预期的正负号相反； 6.多重共线性的判别方法主要有哪些？模型中各对自变量之间显著相关；当模型的线性关系检验（F检验）显著时，几乎所有回归系数仪的t检验却不显著；回归系数的正负号与预期的相反；容忍度（1-R2）与方差扩大因子（VIF= 1）o容忍度越小，多重共线性越严重，1l-Ri2当小于0.1时，存在严重多重共线性。VIF越大，多重共线性越严重，一般认为VIF大于10 时，存在严重多重共线性。7 .多重共线性的处理方法有哪些将一个或多个相关的自变量从模型中剔除，使保留的自变量尽可能不相关；如果保留所有自变量，那就应该：避免根据t统计量对单个参数口进行检验；对因变量y值的

19、推断（估计或预测）限定在自变量样本值的范围内。8 .在多元线性回归中，选择自变量的方法有哪些向前选择；向后剔除；逐步回归；最优子集。第十三章时间序列分析和预测1 .简述时间序列的构成要素榛& (Trend)；季节性(Seasonality)；周期性(Cyclicity)；随机性(Irregularvariations)2 .利用增长率分析时间序列时应注意哪些问题当时间序列中的观察值出现0或负数时，不宜计算增长率；不能单纯就增长率论增长率，要注意增长率与绝对水平的综合分析；大的增长率背后， 其隐含的绝对值可能很小，小的增长率背后其隐含的绝对值可能很大。3 .简述平稳序列和非平稳序列的含义平稳序列

20、：基本上不存在趋势的序列，各观察值基本上在某个固定的水平上波动或虽有 波动，但并不存在某种规律，而其波动可以看成是随机的非平稳序列：是包含趋势、季节性或周期性的序列，它可能只含有其中的一种成分，也 可能是几种成分的组合。因此，非平稳序列又可以分为有趋势的序列、有趋势和季节性的序 列、几种成分混合而成的复合型序列。4 .简述时间序列的预测程序确定时间序列所包含的成分，也就是确定时间序列的类型；找出适合此类时间序列的预测方法；对可能的预测方法进行评估，以确定最佳预测方案；利用最佳预测方案进行预测。5 .简述指数平滑法的含义指数平滑法是指对过去的观察值加权平均进行预测的一种方法。该方法使得第t+1期

21、 的预测值等于t期的实际观察值与第t期预测值的加权平均值。指数平滑法是加权平均的一 种特殊形式，观察值时间越远，其权数也跟着呈指数的下降，因而称为指数平滑。指数平滑 法有一次指数平滑法、二次指数平滑法、三次指数平滑法。一次指数平滑法也可用于对时间 序列进行修匀，以消除随机波动，找出序列的变化趋势。6 .简述复合型序列预测的步骤确定并分离季节成分：计算季节指数，之后将各实际观察值分别初一相应的季节指 数，将季节指数从时间序列中分离出去；建立预测模型并进行预测：对消除了季节成分的时间序列建立适当预测模型，计算出 各期的预测值，用预测值乘以相应的季节指数，得到最终的预测值。7 .简述季节指数的计算步

22、骤计算移动平均值(季度数据采用4项移动平均，月份数据采用12项移动平均)，并将其 结果进行“中心化”处理，也就是将移动平均的结果再进行一次二项的移动平均，即得出“中心化 移动平均值(CMA)；计算移动平均的比值，也称为季节比率，即将序列的各观察值除以相应的中心化移动平 均值，然后再计算出各比值的季度(或月份)平均值；季节指数调整。各季节指数的平均数应等于1或ioa，若根据第二步计算的季节比率 的平均值不等于1时，则需要进行调整。具体方法是：将第二步计算的每个季节比率的平均值 除以它们的总平均值。第十四章指数1 .指数的含义和性质含义：广义上，是指任何两个数值对比形成的相对数；狭义上，是指用于测

23、定多个项目在 不同场合下综合变动的一种特殊相对数。实际应用中使用的主要是狭义的指数。性质：相对性；综合性；平均性；代表性；动态性2 .什么是同度量因素？同度量因素在编制加权综合指数中有什么作用含义：是指若干度量单位不同，不能直接相加的指标，过渡到可以加总和比较而使用的 媒介因素。作用：同度量因素在计算总指数的过程中，对各因素起着权衡轻重的作用，所以也叫权 数。3 .拉氏指数与帕氏指数各有什么特点拉氏指数：在计算综合指数时将作为权数的同度量因素固定在基期。（数量指数）帕氏指数：在计算综合指数时将作为权数的同度量因素固定在报告期。（质量指数）4 .加权平均指数与加权综合指数有何区别与联系加权平均指

24、数：以个体指数为基础，通过对个体指数进行加权平均来编制的指数。力口权综合指数：通过加权来测定一组项目的综合变动，有加权数量指数和加权质量指 数。区别：思路上，加权综合指数是先综合，后对比，而加权平均指数是先对比，后综 合；运用资料上，加权综合指数需要研究总体的全面资料，加权平均指数对资料要求比较 灵活；经济分析中的具体作用上，加权指数方法主要用于价格指数的计算。联系：加权平均指数和加权综合指数的联系主要表现为在一定的权数条件下，两类指 数间有变形关系。5 .什么是指数体系？它有什么作用含义：是指由总量指数及其若干个因素指数构成的数量关系式。作用：指数体系是进行因素分析的根据；利用各指数之间的联

25、系进行指数间的相互推算； 用综合指数法编制总指数时，指数体系也是确定同度量因素时期的根据之一。6 .试述平均数指数体系总平均水平指数：/=&=登山江上xf X0X xo/o/S/o组水平变动指数：/=/1 =工山“而 2 xo/i/S fi结构变动指数：/ =&f XQ Xxofo/Xfo总平均水平指数二组水平变动指数x结构变动指数（“f= % X ）fi _E NiZi/工 h xfiZ xo/o/S fo 2 xo/i/Z fi 2 xo/o/ fo总水平变动额=各组水平变动影响额+结构变动影响额（%i -猊=（/-居）+ （“-猊）（Zi/E f 1 - xof o/ fo） = （Ef

26、 1-2 of i/Z /D + （ o/i/Z /1 - of o/Z f o）7 .构建综合评价指数时需要考虑哪些方面的问题建立综合评价指标体系；确定各项指标的评价标准；确定各项评价指标的权重；选择评价 指标的合成方式。第二章数据的收集L什么是二手资料？使用二手资料应注意什么问题二手资料：与研究内容有关、曲人调查和试验而来、已经存在并会被我们利用的资料。问题：使用时要进行评估，要考虑到资料的原始收集人、收集目的、收集途径、收集时 间且使用时要注明数据来源。2 .比较概率抽样和非概率抽样的特点，指出各自适用情况概率抽样：也称为随机抽样，是指遵循随机原则进行的抽样，总体中每个单位都有一定 的机

27、会被选入样本。当用样本对总体目标量进行估计时，要考虑到每个单位样本被抽到的概 率。技术含量和成本都比较高。如果调查目的在于掌握和研究对象总体的数量特征，得到总体 参数的置信区间，就使用概率抽样。非概率抽样：指抽取样本时不是依据随机原则，而是根据研究目的对数据的要求，采用 某种方式从总体中抽出部分单位对其实施调查。操作简单，时效快，成本低，而且对于抽样 中的统计学专业技术要求不是很高。它适合探索性的研究，调查结果用于发现问题，为更深 入的数量分析提供准备。它同样使用市场调查中的概念测试（不需要调查结果投影到总体的 情况）3 .除了自填式，面访式和电话式还有什么搜集数据的办法试验式和观察式等4自填

28、式、面访式,、电话式调查各有什么利弊自填式优点：调查组织者管理容易；成本低，可进行大规模调查；减少被调查者回答敏 感问题压力。缺点：返回率低；不适合结构复杂的问卷，调查内容有限；调查周期长；在数 据搜集过程中遇见问题不能及时调整。面访式优点：回答率高；数据质量高；在调查过程中遇见问题可以及时调整。缺点：成 本比较高；搜集数据的方式对调查过程的质量控制有一定难度；对于敏感问题，被访者会有 压力。电话式优点：速度快；对调查员比较安全；对访问过程的控制比较容易。缺点：实施地 区有限；调查时间不能过长；使用的问卷要简单；被访者不愿回答时，不易劝服。6 .如何控制调查中的回答误差对于理解误差，我会去学习

29、一定的心理学知识；对于记忆误差，我会尽量去缩短所涉及 的时间范围；对于有意识误差，我要做好被调查者的心理工作，要遵守职业道德，为被调查 者保密，尽量在问卷中不涉及敏感问题。7 .怎样减少无回答对于随机误差，要提高样本容量；对于系统误差，只有做好准备工作并做好补救措施。 比如说要一百份的问卷回复，就要做好一百二十到一百三十的问卷准备，进行面访式的时候要 尽量的劝服不愿意回答的被访者，以小物品的馈赠提高回复率。第三章数据的图表展示1 .数据预处理包含哪些内容数据审核（对于原始数据：完整性和准确性；对于二手数据：适用性和时效性），数据 筛选和数据排序。2 .分类数据和顺序数据的整理和图示方法各有哪些

30、分类数据：制作频数分布表，用比例（部分与整体比值）、百分比（比例乘100、比率（不同类别之间比值）等进行描述性分析。可用条形图、帕累托图、饼图和环形图进行图示 分析。顺序数据：制作频数分布表，用比例，百分比，比率。累计频数和累计频率等进行描述 性分析。可用条形图，帕累托图和饼图，累计频数分布图和环形图进行图示分析。3 .数值型数据的分组方法和组距分组的步骤分组方法：单变量值分组和组距分组，组距分组又分为等距分组和异距分组。分组步骤：1确定组数（5-15） ； 2确定各组组距；3根据分组整理成频数分布表。4 .直方图和条形图的区别条形图使用图形的长度表示各类别频数的多少，其宽度固定；直方图用面积

31、表示各组频 数，矩形的高度表示每一组的频数或频率，宽度表示组距。直方图各矩形连续排列，条形图 分开排列。条形图主要展示分类数据；直方图主要展示数值型数据。5 .绘制线图应注意哪些问题时间在横轴，观测值绘在纵轴。一般是长宽比例10 : 7的长方形，纵轴下端一般从0开 始，数据与0距离过大的话用折断符号折断。6 .饼图和环形图有什么不同饼图只能显示一个样本或总体各部分所占比例，环形图可以同时绘制多个样本或总体的 数据系列，其图形中间有个“空洞，每个样本或总体的数据系类为一个环。7 .茎叶图比直方图的优势，他们各自的应用场合茎叶图既能给出数据的分布情况，又能给出每一个原始数据，即保留了原始数据的信息

32、。 在应用方面，直方图通常适用于大批量数据，茎叶图适用于小批量数据。8 .鉴别图标优劣的准则显示数据；精心设计，有助于洞察问题的本质；使复杂的观点得到简明、确切、高效的阐 述；能在最短的时间内以最少的笔墨给读者提供大量的信息；多维的；表述数据的真实情况。9 .制作统计表应该注意哪几个问题合理安排统计表结构；表头一般包括表号，总标题和表中数据的单位等内容；表中的上 下两条横线一般用粗线，中间的其他用细线；在使用统计表时，必要时可在下方加注释，注 明数据来源。第四章数据的概括性度量L 一组数据的分布特征可以从哪几个方面进行测度分布的集中趋势：反映各数据向其中心值靠拢或集中的程度；分布的离散程度，反

33、映各数据远离其中心值的趋势；分布的形状，反映数据分布的偏态和峰态。2 .怎样理解平均数在统计学中的地位平均数在统计学中具有重要的地位，是集中趋势的最主要的测度，主要适用于数值型数 据，而不适用于分类数据和顺序数据。3 .简述四分位数的计算方法四分位数是一组数据排序后处于25愉口754位置上的值。根据未分组数据计算四分位数 时，首先对数据进行排序，然后确定四分位数所在的位置，该位置上的数值就是四分位数。4 .对于比率数据的平均为什么采用几何平均在实际应用中，对于比率数据的平均采用几何平均要比算数平均更合理。从公式(1 +G)三n1 + Q中也可看出，G就是平均增长率。5 .简述众数、中位数和平均

34、数的特点和应用场合众数是一组数据分布的峰值，不受极端值的影响，缺点是具有不唯一性。众数只有在数据 量较多时才有意义，数据量较少时不宜使用。主要适合作为分类数据的集中趋势测度值。中位数是一组数据中间位置上的代表值不受极端值的影响。当数据的分布偏斜较大时， 使用中位数也许不错。主要适合作为顺序数据的集中趋势测度值。平均数对数值型数据计算的，而且利用了全部数据信息，在实际应用中最广泛。当数据 呈对称分布或近似对称分布时，三个代表值相等或相近，此时应选择平均数。但平均数易受极 端值的影响，对于偏态分布的数据，平均数的代表性较差，此时应考虑中位数或众数。6 .简述异众比率、四分位差、方差或标准差的适用场

35、合对于分类数据，主要用异众比率来测量其离散程度；对于顺序数据，虽然也可以计算异 众比率，但主要使用四分位差来测量其离散程度；对于数值型数据，虽然可以计算异众比率 和四分位差，但主要使用方差或标准差来测量其离散程度。7 .标准分数有哪些用途标准分数给出了一组数据中各数值的相对位置。在对多个具有不同量纲的变量进行处理 时，常需要对各变量进行标准化处理。它还可以用来判断一组数据是否有离群数据。8 .为什么要计算离散系数方差和标准差是反映数据分散程度的绝对值，一方面其数值大小受原变量值本身水平高 低的影响，也就是与变量的平均数大小有关；另一方面，它们与原变量的计量单位相同，采用 不同计量单位的变量值，

36、其离散程度的测度值也就不同。因此，为消除变量值水平高低和计量 单位不同对离散程度测度值的影响，需要计算离散系数。9 .测度数据分布形状的统计量有哪些对分布形状的测度有偏态和峰态。测度偏态的统计量是偏态系数，测度峰态的统计 量是峰态系数。第五章概率与概率分布1 .频率与概率有什么关系在相同条件下随机试验n次，某事件A出现m次，则比值m/n称为事件A发生的频 率。随着n的增大，该频率围绕某一常数p波动，且波动幅度逐渐减小，趋于稳定，这个频 率的稳定值即为该事件的概率。2 .独立性与互斥性有什么关系互斥事件一定是相互依赖（不独立）的，但相互依赖的事件不一定是互斥的。不互斥事件可能是独立的，也可能是不

37、独立的，但独立事件不可能是互斥的。3 .根据自己的经验体会举几个服从泊松分布的随机变量的实例如某种仪器每月出现故障的次数、一本书一页中的印刷错误、某一医院在某一天内的急诊 病人数等4 .根据自己的经验体会举几个服从正态分布的随机变量的实例如某班某次的考试成绩、某地区成年男性的身高、某公司年销售量、同一车间产品的质量 等第六章统计量及其抽样分布1.什么是统计量？为什么要引进统计量？统计量为什么不含任何未知参数统计量：设X1,X2X几是从总体X中抽取的容量为n的一个样本，如果由此样本构造一 个函数T(Xi,X2，,Xn)，不依赖于任何未知参数，则称函数T(Xi,X2，,XQ是一个统计量。原因：由样

38、本构造具体的统计量，实际上是对样本所有的总体信息按某种要求进行加工 处理，把分撒在样本信息集中到统计量的取值上，因此统计推断问题就由样本信息推断总体 特征转变为由样本构成的统计量推断总体参数，而且对于不同的统计推断问题可以根据同一 样本构造不同的统计量进行研究。由于样本已经抽出，所以统计量总是知道的，故统计量不含 任何未知参数。3 .什么是次序统计量设Xi,X2，X几是从总体X中抽取的一个样本，X(t)称为第i个次序统计量，它是样本 (Xi, X2，Xn)满足如下条件的函数：每当样本得到一组观察值%1, %2，益时，其由小到大的 排序%工阳2)工4%(i)4%(n)中5第i个值霓就作为次序统计

39、量X)的观测值，而 x,x,，X。称为次序统计量。其中，x和x(m分别为最小和最大次序统计量。4 .什么是充分统计量统计量加工过程中一点信息都不损失的统计量为充分统计量5什么是自由度自由度指的是计算某一统计量时，取值不受限制的变量个数。通常”=71 k。其中九 为样本数量，k为被限制的条件数或变量个数，或计算某一统计量时用到其它独立统计量的 个数。自由度通常用于抽样分布中。6 .简述%2分布、t分布、F分布及正态分布之间的关系正态分布:Z = t、N(O,1)，则XN(pO心分布：设随机变量X1,X2，X九相互独立，且Xi(i = 1,2，n)服从标准正态分布N(O,1), 则它们的平方和E空

40、2服从自由度为口的%2分布。七分布：设随机变量XN(O,1)，Y/，且X与Y独立，则弋=工。其分布称为/:分布，记为。尸分布：设随机变量x与Z相互独立，且Y和Z分别服从自由度为m和n的%2分布，随机变量 X有表达式：X =生=上，则非服从第一自由度为m第二自由度为n的F分布。记为F(7n,7i)。Z/n mZ7 .什么是抽样分布在总体X的分布类型已知时，若对任一自然数九，都能导出统计量T = T(X1,X2，XQ的 分布的数学表达式，这种分布成为精确的抽样分布。8 .简述中心极限定理及其意义中心极限定理：设从均值为，方差为戒的一个任意总体中抽取容量为n的样本，当n充2分大时，本均值的抽样分布近

41、似服从均值为“、方差为 /九的正态分布。意义：是数理统计学和误差分析的理论基础,指出了大量随机变量之和近似服从正态分 布的条件。第七章参数估计L解释估计量和估计值估计量：用于估计总体参数的随机变量。估计值：估计参数时计算出来的统计量的具体值。2 .评价估计量好坏的标准无偏性：估计量抽样分布的数学期望等于被估计的总体参数。有效性：对同一总体参数的两个无偏点估计量，有更小标准差的估计量更有效。一致性：随着样本容量的增大，估计量的值越来越接近被估计的总体参数。3 .怎样理解置信区间由样本统计量所构造的总体参数的估计区间。4 .解释951的置信区间用某种方法构造的所有区间中有95、的区间包含总体参数的

42、真值。5 .Z叫岩的含义是什么Za/异标准正态分布上侧面积为0/2的Z值，公式是统计总体均值时的边际误差（估计误 差）。6 .解释独立样本和匹配样本的含义独立样本：如果两个样本是从两个总体中独立抽取的，即一个样本中的元素与另一个样 本中的元素相互独立。匹配样本：一个样本中的数据与另一个样本中的数据相对应。7 .在对两个总体均值之差的小样本估计中，对两个总体和样本都有哪些假定两个总体都服从正态分布；两个随即样本独立地分别抽自两个总体8 .简述样本量与置信水平、总体方差、估计误差的关系3/）202n =一3一样本量与置信水平成正比；与总体方差成正比；与估计误差的平方成反比。第八章假设检验L假设检验

43、和参数估计有什么相同点和不同点参数估计和假设检验是统计推断的两个组成部分，它们都是利用样本对总体进行某种推 断，然而推断的角度不同。参数估计讨论的是用样本统计量估计总体参数的方法，总体参数 在估计前是未知的。而在假设检验中，则是先对的值提出一个假设，然后利用样本信息去 检验这个假设是否成立。2 .什么是假设检验中的显著性水平？统计显著是什么意思显著性水平是指当原假设正确时却被拒绝的概率和风险。统计显著等价拒绝Ho，指求 出的值落在小概率的区间上，一般是落在0.05或比0.05更小的显著水平上。3 .什么是假设检验中的两类错误假设检验的结果可能是错误的，所犯的错误有两种类型：一类错误是原假设Ho

44、为真却 被我们拒绝了，犯这种错误的概率用以表示，所以也称废错误或弃真错误；另一类错误是原 假设为伪我们却没有拒绝，犯这种错误的概论用0表示，所以也称。错误或取伪错误。4 .两类错误之间存在什么样的数量关系在假设检验中，1与B是此消彼长的关系。如果减小优错误，就会增大犯B错误的机会； 若减小0错误，也会增大犯猿错误的机会。5 .解释假设检验中的P值P值就是当原假设为真时所得到的样本观察结果或更极端结果出现的概率。（它的大小 取决于三个因素：一个是样本数据与原假设之间的差异；一个是样本量；再一个是被假设参数 勺总体分布 ）6 .显著性水平与P值有何区别显著性水平是原假设为真时，拒绝原假设的概率，是

45、一个概率值，被称为抽样分布的拒 绝域，大小由研究者事先确定，一般为0.05。而P值只是原假设为真时所得到的样本观察结 果或更极端结果出现的概率，被称为观察到的（或实测的）显著性水平 7.假设检验依据的基本原理是什么假设检验依据的基本原理是“小概率原理，即发生概率很小的随机事件在一次试验中是 几乎不可能发生的。根据这一原理，可以作出是否拒绝原假设的决定。8.在单侧检验中原假设与备择假设的方向应该如何确定将研究者想收集证据予以支持的假设作为备择假设Hi，将研究者想收集证据证明其不 正确的假设作为原假设Ho，先确立备择假设Hi，备择假设的方向与想要证明其正确性的方 向一致，原假设与备择假设是互斥的，

46、等号总在原假设上。第九章分类数据分析L简述列联表的构造与列联表的分布构造：列联表是由两个以上的变量进行交叉分类的频数分布表。分布：列联表的分布可以从两个方面来看：T星观察值的分布；T回望值的分布。观察值：条件频数、行边缘频数、列边缘频数、百分比期望值分布：根据比例求出的各个变量的期望值。一般情况下，任何一个单元中频数的期望值：/s X -二RTXCT e n nn其中：RT为给定单元格所在行的合计，仃为给定单元格所在列的合计，讷观察值总个 数，即样本容量。3 .说明计算/统计量的步骤之若用f表示观察值频数，用f表示期望值频数，/统计量可为：.=?06fe步骤一：计算fo- fe步骤二：计算(九一八/步骤三：计算af e步骤四：计算X2 = E (/o/e)2f e4 .简述p系数、c系数、V系数各自的特点8相关系数：2是描述2x2列联表数据相关程度最常用的一种相关系数，计算公式为：叩二/九此时8系数的取值是在01之间，且p的绝对值越大，说明变量的相关程度越大。但当 列联表的行数R或列数C大于2时，p系数将随着R或C的变动而增大，且叩值没有上限。列联相关系数：2简称c系数，主要用于大于2x2列联表的情况，计算公式为：c = 7口y2 +九相互独立时，系数为0，不可能大于1，其可能的最大值依赖于列联表的行数和列数， 且随着R和C的增大而增大。