统计学(贾5)课后练答案(11-14章)

统计学(贾5)课后练 答案 八年级地理上册填图题岩土工程勘察试题省略号的作用及举例应急救援安全知识车间5s试题及答案 (11-14章)第11章一元线性回归 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 （1）散点图（略），产量与生产费用之间正的线性相关关系。（2）（3）检验统计量，拒绝原假设，相关系数显著。（1）散点图（略）。（2）（1）表示当时的期望值。（2）表示每变动一个单位平均下降个单位。（3）（1）（2）一家物流公司的管理人员想研究货物的运输距离和运输时间的关系，为此，他抽出了公司最近10个卡车运货 记录 混凝土 养护记录下载土方回填监理旁站记录免费下载集备记录下载集备记录下载集备记录下载 的随机样本，得到运送距离(单位：km)和运送时间(单位：天)的数据如下：运送距离x825215107055048092013503256701215运送时间y要求：(1)绘制运送距离和运送时间的散点图，判断二者之间的关系形态：(2)计算线性相关系数，说明两个变量之间的关系强度。(3)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。解：（1）可能存在线性关系。（2）相关性x运送距离（km）y运送时间（天）x运送距离（km）Pearson相关性1.949(**)显著性（双侧）　N1010y运送时间（天）Pearson相关性.949(**)1显著性（双侧）　N1010有很强的线性关系。（3）系数(a)模型非标准化系数标准化系数t显著性B标准误Beta1（常量）　x运送距离（km）回归系数的含义：每公里增加天。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：地区人均GDP(元)人均消费水平(元)北京辽宁上海江西河南贵州陕西224601122634547485154442662454973264490115462396220816082035要求：(1)人均GDP作自变量，人均消费水平作因变量，绘制散点图，并说明二者之间的关系形态。(2)计算两个变量之间的线性相关系数，说明两个变量之间的关系强度。(3)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。(4)计算判定系数，并解释其意义。(5)检验回归方程线性关系的显著性(a=。(6)如果某地区的人均GDP为5000元，预测其人均消费水平。(7)求人均GDP为5000元时，人均消费水平95％的置信区间和预测区间。解：（1）__可能存在线性关系。（2）相关系数：相关性人均GDP（元）人均消费水平（元）人均GDP（元）Pearson相关性1.998(**)显著性（双侧）　N77人均消费水平（元）Pearson相关性.998(**)1显著性（双侧）　N77有很强的线性关系。（3）回归方程：系数(a)模型非标准化系数标准化系数t显著性B标准误Beta1（常量）　人均GDP（元）回归系数的含义：人均GDP没增加1元，人均消费增加元。（4）模型摘要模型RR方调整的R方估计的标准差1.998(a)人均GDP对人均消费的影响达到%。（5）F检验：ANOVA(b)模型平方和df均方F显著性1回归81,444,181,444,1,.000(a)残差305,561,　　合计81,750,6　　　回归系数的检验：t检验系数(a)模型非标准化系数标准化系数t显著性B标准误Beta1（常量）　人均GDP（元）（6）某地区的人均GDP为5000元，预测其人均消费水平为元。（7）人均GDP为5000元时，人均消费水平95％的置信区间为[，]，预测区间为[，]。（1）散点图（略），二者之间为负的线性相关关系。（2）估计的回归方程为：。回归系数表示航班正点率每增加1%，顾客投诉次数平均下降次。（3）检验统计量（P-Value=<），拒绝原假设，回归系数显著。（4）（次）。（5）置信区间：（，）；预测区间：（，）。Excel输出的结果如下（解释与分析请读者自己完成）MultipleRRSquareAdjustedRSquare标准误差观测值20方差分析　dfSSMSFSignificanceF回归分析1残差18总计19　　　　Coefficients标准误差tStatP-valueLower95%Upper95%InterceptXVariable1某汽车生产商欲了解广告费用(x)对销售量(y)的影响，收集了过去12年的有关数据。通过计算得到下面的有关结果：方差分析表变差来源dfSSMSFSignificanceF回归1—09残差10——总计11———参数估计表Coefficients标准误差tStatP—valueInterceptXVariable1—09要求：(1)完成上面的方差分析表。(2)汽车销售量的变差中有多少是由于广告费用的变动引起的(3)销售量与广告费用之间的相关系数是多少(4)写出估计的回归方程并解释回归系数的实际意义。(5)检验线性关系的显著性(a＝。解：（2）R2=，汽车销售量的变差中有%是由于广告费用的变动引起的。（3）r=（4）回归系数的意义：广告费用每增加一个单位，汽车销量就增加个单位。（5）回归系数的t检验：p=—09＜α，回归系数不等于0，显著。回归直线的F检验：p=—09＜α，回归直线显著。(1)r=;(2)；(3)略；(4)；(5)。从20的样本中得到的有关回归结果是：SSR=60，SSE=40。要检验x与y之间的线性关系是否显著，即检验假设：。(1)线性关系检验的统计量F值是多少(2)给定显著性水平a＝，Fa是多少(3)是拒绝原假设还是不拒绝原假设(4)假定x与y之间是负相关，计算相关系数r。(5)检验x与y之间的线性关系是否显著解：（1）SSR的自由度为k=1；SSE的自由度为n-k-1=18；因此：F===27（2）==（3）拒绝原假设，线性关系显著。（4）r===，由于是负相关，因此r=（5）从F检验看线性关系显著。（1）。（2）。11.13；。略随机抽取7家超市，得到其广告费支出和销售额数据如下：超市广告费支出(万元)销售额(万元)ABCDEFGl24610142019324440525354要求：(1)用广告费支出作自变量x，销售额作因变量y，求出估计的回归方程。(2)检验广告费支出与销售额之间的线性关系是否显著(a＝。(3)绘制关于x的残差图，你觉得关于误差项的假定被满足了吗(4)你是选用这个模型，还是另寻找一个更好的模型解：（1）系数(a)模型非标准化系数标准化系数t显著性B标准误Beta1（常量）　广告费支出（万元）（2）回归直线的F检验：ANOVA(b)模型平方和df均方F显著性1回归1.021(a)残差5　　合计1,6　　　显著。回归系数的t检验：系数(a)模型非标准化系数标准化系数t显著性B标准误Beta1（常量）　广告费支出（万元）显著。（3）未标准化残差图：标准化残差图：学生氏标准化残差图：看到残差不全相等。（4）应考虑其他模型。可考虑对数曲线模型：y=b0+b1ln(x)=+(x)。第12章多元线性回归分析略根据下面Excel输出的回归结果，说明模型中涉及多少个自变量、少个观察值写出回归方程，并根据F，se，R2及调整的的值对模型进行讨论。SUMMARYOUTPUT回归统计MultipleRRSquareAdjustedRSquare标准误差观测值15方差分析dfSSMSFSignificanceF回归3残差11总计14453670Coefficients标准误差tStatP-valueInterceptXVariable1XVariable2XVariable3解：自变量3个，观察值15个。回归方程：=+拟合优度：判定系数R2=，调整的=，说明三个自变量对因变量的影响的比例占到63%。估计的标准误差=，说明随即变动程度为回归方程的检验：F检验的P=，在显著性为5%的情况下，整个回归方程线性关系显著。回归系数的检验：的t检验的P=，在显著性为5%的情况下，y与X1线性关系显著。的t检验的P=，在显著性为5%的情况下，y与X2线性关系不显著。的t检验的P=，在显著性为5%的情况下，y与X3线性关系显著。因此，可以考虑采用逐步回归去除X2，从新构建线性回归模型。根据两个自变量得到的多元回归方程为，并且已知n＝10，SST＝6，SSR＝6，，＝7。要求：(1)在a=的显著性水平下，与y的线性关系是否显著(2)在a＝的显著性水平下，是否显著(3)在a＝的显著性水平下，是否显著解：（1）回归方程的显著性检验：假设：H0：==0H1：，不全等于0SSE=SST-SSR=6=F====，F>，认为线性关系显著。（2）回归系数的显著性检验：假设：H0：=0H1：≠0t====，>，认为y与x1线性关系显著。（3）回归系数的显著性检验：假设：H0：=0H1：≠0t====，>，认为y与x2线性关系显著。一家电器销售公司的管理人员认为，每月的销售额是广告费用的函数，并想通过广告费用对月销售额作出估计。下面是近8个月的销售额与广告费用数据：月销售收入y(万元)电视广告费用工：x1(万元)报纸广告费用x2(万元)96909592959494945．02．04．02．53．03．52．53．02．01．53．32．34．22．5要求：(1)用电视广告费用作自变量，月销售额作因变量，建立估计的回归方程。(2)用电视广告费用和报纸广告费用作自变量，月销售额作因变量，建立估计的回归方程。(3)上述(1)和(2)所建立的估计方程，电视广告费用的系数是否相同对其回归系数分别进行解释。(4)根据问题(2)所建立的估计方程，在销售收入的总变差中，被估计的回归方程所解释的比例是多少(5)根据问题(2)所建立的估计方程，检验回归系数是否显著(a=。解：（1）回归方程为：（2）回归方程为：（3）不相同，（1）中表明电视广告费用增加1万元，月销售额增加万元；（2）中表明，在报纸广告费用不变的情况下，电视广告费用增加1万元，月销售额增加万元。（4）判定系数R2=，调整的=，比例为%。（5）回归系数的显著性检验：　Coefficients标准误差tStatP-valueLower95%Upper95%下限%上限%Intercept电视广告费用工：x1(万元)报纸广告费用x2(万元)假设：H0：=0H1：≠0t====，>，认为y与x1线性关系显著。（3）回归系数的显著性检验：假设：H0：=0H1：≠0t====，>，认为y与x2线性关系显著。某农场通过试验取得早稻收获量与春季降雨量和春季温度的数据如下：收获量y(kg／hm2)降雨量x1(mm)温度x2(℃)2250345045006750720075008250253345105110115120681013141617要求：(1)试确定早稻收获量对春季降雨量和春季温度的二元线性回归方程。(2)解释回归系数的实际意义。(3)根据你的判断，模型中是否存在多重共线性解：（1）回归方程为：（2）在温度不变的情况下，降雨量每增加1mm，收获量增加22.386kg／hm2，在降雨量不变的情况下，降雨量每增加1度，收获量增加327.672kg／hm2。（3）与的相关系数=，存在多重共线性。下面是随机抽取的15家大型商场销售的同类产品的有关数据(单位：元)。企业编号销售价格y购进价格x1销售费用x2l23456789101112131415l238l266l200119311061303131311441286l084l120115610831263124696689444066479185280490577l51150585l659490696223257387310339283302214304326339235276390316要求：(1)计算y与x1、y与x2之间的相关系数，是否有证据表明销售价格与购进价格、销售价格与销售费用之间存在线性关系(2)根据上述结果，你认为用购进价格和销售费用来预测销售价格是否有用(3)用Excel进行回归，并检验模型的线性关系是否显著(a＝。(4)解释判定系数R2，所得结论与问题(2)中是否一致(5)计算x1与x2之间的相关系数，所得结果意味着什么(6)模型中是否存在多重共线性你对模型有何建议解：（1）y与x1的相关系数=，y与x2之间的相关系数=。对相关性进行检验：相关性销售价格购进价格销售费用销售价格Pearson相关性1显著性（双侧）　N151515购进价格Pearson相关性1(**)显著性（双侧）　N151515销售费用Pearson相关性(**)1显著性（双侧）　N151515可以看到，两个相关系数的P值都比较的，总体上线性关系也不现状，因此没有明显的线性相关关系。（2）意义不大。（3）回归统计MultipleRRSquareAdjustedRSquare标准误差观测值15方差分析　dfSSMSFSignificanceF回归分析2残差12总计14　　　　Coefficients标准误差tStatP-valueLower95%Upper95%下限%上限%Intercept购进价格x10.销售费用x20.从检验结果看，整个方程在5%下，不显著；而回归系数在5%下，均显著，说明回归方程没有多大意义，并且自变量间存在线性相关关系。（4）从R2看，调整后的R2=%，说明自变量对因变量影响不大，反映情况基本一致。（5）方程不显著，而回归系数显著，说明可能存在多重共线性。（6）存在多重共线性，模型不适宜采用线性模型。一家货物运输公司想研究运输费用与货物类型的关系，并建立运输费用与货物类型的回归模型，以此对运输费用作出预测。该运输公司所运输的货物分为两种类型：易碎品和非易碎品。下表给出了15个路程大致相同，而货物类型不同的运输费用数据。每件产品的运输费用y(元)货物类型x117．211．112．010．913．86．510．011．57．08．52．1l。33．47．52．0易碎品易碎品易碎品易碎品易碎品易碎品易碎品易碎品非易碎品非易碎品非易碎品非易碎品非易碎品非易碎品非易碎品111l1l110000000要求：(1)写出运输费用与货物类型之间的线性方程。(2)对模型中的回归系数进行解释。(3)检验模型的线性关系是否显著(a＝。解：　dfSSMSFSignificanceF回归分析1残差13总计14　　　　Coefficients标准误差tStatP-valueLower95%Upper95%下限%上限%Interceptx1（1）回归方程为：（2）非易碎品的平均运费为元，易碎品的平均运费为元，易碎品与非易碎品的平均运费差为元。（3）回归方程的显著性检验：假设：H0：=0H1：不等于0SSR=，SSE=，F===P=<，或者=，F>，认为线性关系显著。或者，回归系数的显著性检验：假设：H0：=0H1：≠0t===P=<，或者==，>，认为y与x线性关系显著。为分析某行业中的薪水有无性别歧视，从该行业中随机抽取15名员工，有关数据如下：月薪y(元)工龄x1性别(1=男，0＝女)x2l548l6291011l229l7461528l0181190l551985l6101432121599015853．23．82．73．43．64．13．83．43．33．23．52．93．32．83．5ll00l100l0ll00l要求：用Excel进行回归，并对结果进行分析。解：回归统计MultipleRRSquareAdjustedRSquare标准误差观测值15方差分析　dfSSMSFSignificanceF回归分析2残差12总计141021912　　　　Coefficients标准误差tStatP-valueLower95%Upper95%下限%上限%Intercept工龄x1性别(1=男，0＝女)x2拟合优度良好，方程线性显著，工龄线性不显著，性别线性显著。第13章时间序列分析和预测下表是1981年—1999年国家财政用于农业的支出额数据年份支出额（亿元）年份支出额（亿元）1981199119821992198319931984199419851995198619961987199719881998198919991990　　（1）绘制时间序列图描述其形态。（2）计算年平均增长率。（3）根据年平均增长率预测2000年的支出额。详细答案：（1）时间序列图如下：　　从时间序列图可以看出，国家财政用于农业的支出额大体上呈指数上升趋势。（2）年平均增长率为：。（3）。下表是1981年—2000年我国油彩油菜籽单位面积产量数据（单位：kg/hm2）年份单位面积产量年份单位面积产量1981145119911215198213721992128119831168199313091984123219941296198512451995141619861200199613671987126019971479198810201998127219891095199914691990126020001519（1）绘制时间序列图描述其形态。（2）用5期移动平均法预测2001年的单位面积产量。（3）采用指数平滑法，分别用平滑系数a=和a=预测2001年的单位面积产量，分析预测误差，说明用哪一个平滑系数预测更合适？详细答案：（1）时间序列图如下：（2）2001年的预测值为：|（3）由Excel输出的指数平滑预测值如下表：指数平滑预测指数平滑预测a=误差平方1981145119821372198311681984123219851245198612001987126019881020198910951990126019911215199212811993130919941296199514161996136719971479199812721999146920001519合计———2001年a=时的预测值为：a=时的预测值为：比较误差平方可知，a=更合适。下面是一家旅馆过去18个月的营业额数据月份营业额（万元）月份营业额（万元）129510473228311470332212481435513449528614544637915601738116587843117644942418660（1）用3期移动平均法预测第19个月的营业额。（2）采用指数平滑法，分别用平滑系数a=、a=和a=预测各月的营业额，分析预测误差，说明用哪一个平滑系数预测更合适？（3）建立一个趋势方程预测各月的营业额，计算出估计标准误差。详细答案：（1）第19个月的3期移动平均预测值为：（2）预测预测预测a=误差平方1295　　　　　　22833322435552866379738184319424104731147012481134491454415601165871764418660合计————50236由Excel输出的指数平滑预测值如下表：a=时的预测值：，误差均方＝。a=时的预测值：，误差均方＝.。a=时的预测值：，误差均方＝50236。比较各误差平方可知，a=更合适。（3）根据最小二乘法，利用Excel输出的回归结果如下：回归统计　　　　　MultipleR　　　　　RSquare　　　　　AdjustedRSquare　　　　　标准误差　　　　　观测值18　　　　　　　　　　　　方差分析　　　　　　　dfSSMSFSignificanceF　回归分析1　残差16　　　总计17　　　　　　　　　　　　Coefficients标准误差tStatP-valueLower95%Upper95%InterceptXVariable1。估计标准误差。下表是1981年—2000年我国财政用于文教、科技、卫生事业费指出额数据年份支出（万元）年份支出（万元）19811991198219921983199319841994198519951986199619871997198819981989199919902000（1）绘制时间序列图描述其趋势。（2）选择一条适合的趋势线拟合数据，并根据趋势线预测2001年的支出额。详细答案：（1）趋势图如下：（2）从趋势图可以看出，我国财政用于文教、科技、卫生事业费指出额呈现指数增长趋势，因此，选择指数曲线。经线性变换后，利用Excel输出的回归结果如下：回归统计　　　　　MultipleR　　　　　RSquare　　　　　AdjustedRSquare　　　　　标准误差　　　　　观测值20　　　　　　　　　　　　方差分析　　　　　　　　dfSSMSFSignificanceF　回归分析1　残差18　　　总计19　　　　　　　　　　　　　　　　Coefficients标准误差tStatP-valueLower95%Upper95%InterceptXVariable1，；，。所以，指数曲线方程为：。2001年的预测值为：。我国1964年～1999年的纱产量数据如下（单位：万吨）：年份纱产量年份纱产量年份纱产量196419761988196519771989196619781990196719791991196819801992196919811993197019821994197119831995197219841996197319851997197419861998197519871999（1）绘制时间序列图描述其趋势。（2）选择一条适合的趋势线拟合数据，并根据趋势线预测2000年的产量。详细答案：（1）趋势图如下：（2）从图中可以看出，纱产量具有明显的线性趋势。用Excel求得的线性趋势方程为：2000年预测值为：=（万吨）。对下面的数据分别拟合线性趋势线、二阶曲线和阶次曲线。并对结果进行比较。时间t观测值Y时间t观测值Y1372193602370203573374213564375223525377233486377243537374253568372263569373273561037228359113692936012367303571336731357143653235515363333561635934363173583536518359　　详细答案：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：直线二阶曲线三阶曲线InterceptInterceptInterceptXVariable1XVariable1XVariable1　　XVariable2XVariable2　　　　XVariable3各趋势方程为：线性趋势：二阶曲线：三阶曲线：。根据趋势方程求得的预测值和预测误差如下表：时间t观测值Y直线二阶曲线三阶曲线预测误差平方预测误差平方预测误差平方1372237033744375537763777374837293731037211369123671336714365153631635917358183591936020357213562235223348243532535626356273562835929360303573135732355333563436335365合计————不同趋势线预测的标准误差如下：直线：二阶曲线：三阶曲线：比较各预测误差可知，直线的误差最大，三阶曲线的误差最小。从不同趋势方程的预测图也可以看出，三阶曲线与原序列的拟合最好。下表是1981—2000年我国的原煤产量数据年份原煤产量（亿吨）年份原煤产量（亿吨）19811991198219921983199319841994198519951986199619871997198819981989199919902000（1）绘制时间序列图描述其趋势。（2）选择一条适合的趋势线拟合数据，并根据趋势线预测2001年的产量。详细答案：（1）原煤产量趋势图如下：从趋势图可以看出，拟合二阶曲线比较合适。（2）用Excel求得的二阶曲线趋势方程为：2001年的预测值为：。一家贸易公司主要经营产品的外销业务，为了合理地组织货源，需要了解外销订单的变化状况。下表是1997—2001年各月份的外销定单金额（单位：万元）。年/月19971998199920002001123456789101112（1）根据各年的月份数据绘制趋势图，说明该时间序列的特点。（2）要寻找各月份的预测值，你认为应该采取什么方法（3）选择你认为合适的方法预测2002年1月份的外销订单金额。详细答案：（1）趋势图如下：从趋势图可以看出，每一年的各月份数据没有趋势存在，但从1997—2001年的变化看，订单金额存在一定的线性趋势。（2）由于是预测各月份的订单金额，因此采用移动平均法或指数平滑法比较合适。（3）用Excel采用12项移动平均法预测的结果为：。用Excel采用指数平滑法（a=）预测的预测结果为：。1993—2000年我国社会消费品零售总额数据如下（单位：亿元）月/年19931994199519961997199819992000123456789101112（1）绘制时间序列线图，说明该序列的特点。（2）利用分解预测法预测2001年各月份的社会消费品零售总额。详细答案：（1）趋势图如下：从趋势图可以看出，我国社会消费品零售总额的变具有明显的季节变动和趋势。（2）利用分解法预测的结果如下：2001年/月时间编号季节指数回归预测值最终预测值1972983994100510161027103810491051010611107121081995年～2000年北京市月平均气温数据如下（单位：）：月/年199519961997199819992000123456789101112（1）绘制年度折叠时间序列图，判断时间序列的类型。（2）用季节性多元回归模型预测2001年各月份的平均气温。详细答案：（1）年度折叠时间序列图如下：从年度折叠时间序列图可以看出，北京市月平均气温具有明显的季节变动。由于折线图中有交叉，表明该序列不存在趋势。（2）季节性多元回归模型为：设月份为。则季节性多元回归模型为：虚拟变量为：，，……，。由Excel输出的回归结果如下：系数b0b1M1M2M3M4M5M6M7M8M9M10M11季节性多元回归方程为：2001年各月份平均气温的预测值如下：年/月时间虚拟变量预测M1M2M3M4M5M6M7M8M9M10M11173100000000002740100000000037500100000000476000100000005770000100000067800000100000779000000100008800000000100098100000000100108200000000010118300000000001128400000000000下表中的数据是一家大型百货公司最近几年各季度的销售额数据（单位：万元）。对这一时间序列的构成要素进行分解，计算季节指数、剔除季节变动、计算剔除季节变动后趋势方程。年/季12341991199219931994199519961997199819992000详细答案：各季节指数如下：1季度2季度3季度4季度季节指数季节变动图如下：根据分离季节因素后的数据计算的趋势方程为：。下表中的数据是一家水产品加工公司最近几年的加工量数据（单位：t）。对该序列进行分解，计算季节指数、剔除季节变动、计算剔除季节变动后趋势方程。年/月19971998199920002001123456789101112详细答案：各月季节指数如下：1月2月3月4月5月6月7月8月9月10月11月12月季节变动图如下：根据分离季节因素后的数据计算的趋势方程为：。第14章指数（1）产值总指数：产值变动的绝对额：（2）单位成本指数：由于单位成本变动影响产值的绝对量：经济意义：由于单位成本平均上涨了%，使总产值增加了1425元。（3）产量指数：由于产量变动影响产值的绝对量：经济意义：由于产量平均增长%，使总产值增长10850元。（4）相对分析：绝对量分析：经济意义（分析说明）:由于三种产品的产量平均增长了%,使总产值增长了1085元；又由于三种产品的单位成本平均上涨了%,使总产值增加了1425元。它们共同作用的结果，使报告期总产值比基期增加了%,增加的绝对量为2510元.（1）总平均劳动生产率指数：该企业总平均劳动生产率变动量为：（元/件）（2）各个车间职工人数结构变动对总平均劳动生产率变动的影响：（元/件）（3）各个车间劳动生产率变动对总平均劳动生产率变动的影响：（元/件）（4）相对分析：绝对分析：=+经济意义：由于三个车间职工人数变化，使总平均劳动生产率价格提高了%，即平均每人增长了万元，又由于三个车间劳动生产率的变化，使总平均劳动生产率降低了%，即平均每人减少万元，两者共同的影响，使总平均劳动生产率下降了%，即平均每人减少万元。CTRL+A全选可调整字体属性及字体大小-CAL-FENGHAI.NetworkInformationTechnologyCompany.2020YEAR