统计学第二版课后答案(2)

6.5 （1）检验统计量z ，在大样本情形下近似服从标准正态分布；

s/n

（2）如果z z0.05，就拒绝H0；

（3）检验统计量z＝2.94>1.645，所以应该拒绝H0。 6.6 z＝3.11，拒绝H0。 6.7 z＝1.93，不拒绝H0。 6.8 z＝7.48，拒绝H0。 6.9 2＝206.22，拒绝H0。 6.10 z＝-5.145，拒绝H0。 6.11 t＝1.36，不拒绝H0。 6.12 z＝-4.05，拒绝H0。 6.13 F＝8.28，拒绝H0。 6.14 （1）检验结果如下：

t-检验: 双样本等方差假设

平均 方差 观测值 合并方差 假设平均差 df t Stat P(T<=t) 单尾 t 单尾临界 P(T<=t) 双尾

变量 1

100.7

24.11578947

20

28.73684211

0 38

-5.427106029 1.73712E-06 1.685953066 3.47424E-06

变量 2

109.9

33.35789474

20

t 双尾临界 2.024394234

变量 2

109.9

33.35789474

20

100.7

24.11578947

20 0 37

-5.427106029 1.87355E-06 1.687094482 3.74709E-06 2.026190487

变量 1

100.7

24.11578947

20 19

0.722940991 0.243109655 0.395811384

变量 2

109.9

33.35789474

20 19

t-检验: 双样本异方差假设

平均 方差 观测值 假设平均差 df t Stat P(T<=t) 单尾 t 单尾临界 P(T<=t) 双尾 t 双尾临界

变量 1

（2）方差检验结果如下：

F-检验 双样本方差分析

平均 方差 观测值 df F

P(F<=f) 单尾 F 单尾临界

第7章 方差分析与试验设计

7.1 F 4.6574 F0.01 8.0215(或P value 0.0409 0.01)，不能拒绝原假设。 7.2 F 17.0684 F0.05 3.8853(或P value 0.0003 0.05)，拒绝原假设。

A B 44.4 30 14.4 LSD 5.85，拒绝原假设； A C 44.4 42.6 1.8 LSD 5.85，不能拒绝原假设； B C 30 42.6 12.6 LSD 5.85，拒绝原假设。

7.3

F 1.478 F0.05 3.554131(或P value 0.245946 0.05)，不能拒绝原假设。

7.4 有5种不同品种的种子和4种不同的施肥方案，在20快同样面积的土地上，分别采用5种

种子和4种施肥方案搭配进行试验，取得的收获量数据如下表：

F种子 7.2397 F0.05 3.2592(或P value 0.0033 0.05)，拒绝原假设。 F施肥方案 9.2047 F0.05 3.4903(或P value 0.0019 0.05)，拒绝原假设。

7.5 F地区 0.0727 F0.05 6.9443(或P value 0.9311 0.05)，不能拒绝原假设。

F包装方法 3.1273 F0.05 6.9443(或P value 0.1522 0.05)，不能拒绝原假

设。

7.6 F广告方案 10.75 F0.05 5.1432(或P value 0.0104 0.05)，拒绝原假设。

F广告媒体

3 F0.05 5.9874(或P value 0.1340 0.05)，不能拒绝原假设。

F交互作用 1.75 F0.05 5.1432(或P value 0.2519 0.05)，不能拒绝原假设。

第8章 相关与回归分析

8.1（1）利用Excel计算结果可知,相关系数为 rXY 0.948138，说明相关程度较高。 （2）计算t统计量

t

2.6817390.317859

8.436851

给定显著性水平=0.05，查t分布表得自由度n-2=10-2=8的临界值t 为2.306，

显然t t 2，表明相关系数 r 在统计上是显著的。 8.2 利用Excel中的”数据分析”计算各省市人均GDP和第一产业中就业比例的相关系数为:-0.34239，这说明人均GDP与第一产业中就业比例是负相关，但相关系数只有-0.34239，表明二者负相关程度并不大。 相关系数检验：

在总体相关系数 0的原假设下，计算t统计量：

t

0.34239 1.9624

查t分布表，自由度为31-2=29，当显著性水平取 0.05时，t 2=2.045；当显著性水平取 0.1时，t 2=1.699。

由于计算的t统计量的绝对值1.9624小于t 2=2.045，所以在 0.05的显著性水平下，不能拒绝相关系数 0的原假设。即是说，在 0.05的显著性水平下不能认为人均GDP与第一产业中就业比例有显著的线性相关性。

但是计算的t统计量的绝对值1.9624大于t 2=1.699，所以在 0.1的显著性水平下,可以拒绝相关系数 0的原假设。即在 0.1的显著性水平下，可以认为人均GDP与第一产业中就业比例有一定的线性相关性。

8.3 设当年红利为Y，每股帐面价值为X

建立回归方程 Yi 1 2Xi ui

^

75估计参数为 Yi 0.4797 0.07X2876i

参数的经济意义是每股帐面价值增加1元时，当年红利将平均增加0.072876元。

序号6的公司每股帐面价值为19.25元，增加1元后为20.25元，当年红利可能为：

^

Yi 0.479775 0.072876 20.25 1.955514(元)

8.4 （1）数据散点图如下：

（2）根据散点图可以看出，随着航班正点率的提高，投诉率呈现出下降的趋势，两者之间存在着一定的负相关关系。

（3）设投诉率为Y，航班正点率为X

建立回归方程 Yi 1 2Xi ui

^

估计参数为 Yi 6.017 8

0X.07i

（4）参数的经济意义是航班正点率每提高一个百分点，相应的投诉率（次/10万名乘客）下降0.07。

（5）航班按时到达的正点率为80%，估计每10万名乘客投诉的次数可能为：

6.0178 0.07 80 0.4187（次/10万） Yi

8.5 由Excel回归输出的结果可以看出： （1）回归结果为

^

9 Yi 32.99300.07X16 192i0.X16 87273iX30 i.179042

（2）由Excel的计算结果已知： 1, 2, 3, 4 对应的 t 统计量分别为0.51206、4.853871、4.222811、3.663731 ,其绝对值均大于临界值t0.025(22 4) 2.101 ,所以各个自变量都对Y有明显影响。

由F=58.20479, 大于临界值F0.05(4 1,22 4) 3.16，说明模型在整体上是显著的。

8.6 （1）该回归分析中样本容量是14+1=15

（2）计算RSS=66042-65965=77

ESS的自由度为k-1=2，RSS的自由度 n-k=15-3=12

042（3）计算：可决系数 R 65965/66

2

0 .9988

0. 9986

修正的可决系数 R 1

2

15 115 3

(1 0.9988 )

（4）检验X2和X3对Y是否有显著影响

F

ESS/(k 1)RSS/(n k)

65965/277/12

329826.4166

5140.11

(5) F统计量远比F临界值大，说明X2和X3联合起来对Y有显著影响，但并不能确定X2和X3各自对Y的贡献为多少。

8.7

8.8 （1）用Excel输入Y和X数据，生成X2和X3的数据，用Y对X、X2、X3回归，估计参数结果为

^

Yi 1726.73 7.879646874Xi 0.00895X 3.71249E 06X

t=(-1.9213) (2.462897) (-2.55934) (3.118062) R2 0.9736 6 9 R2 0.9637 64

（2）检验参数的显著性：当取 0.05时，查t分布表得t0.025(12 4) 2.306，与t统计

量对比，除了截距项外，各回归系数对应的t统计量的绝对值均大于临界值，表明在这样的显著性水平下，回归系数显著不为0。

（3）检验整个回归方程的显著性：模型的R2 0.973669,R2 0.963794，说明可决系数较高，对样本数据拟合较好。由于F=98.60668，而当取 0.05时，查F分布表 …… 此处隐藏：3225字，全部文档内容请下载后查看。喜欢就下载吧 ……