黃斌斌3210090127第二次上機(jī)

1、黃斌斌32100901277.03 某大學(xué)為了解學(xué)生每天上網(wǎng)的時(shí)間，在全校7500名學(xué)生中采取不重復(fù)抽樣方法隨機(jī)抽取36人，調(diào)查他們每天上網(wǎng)的時(shí)間（單位：小時(shí)） ，得到的數(shù)據(jù)見book7.03。 求該校大學(xué)生平均上網(wǎng)時(shí)間的置信區(qū)間，置信概率分別為90%、95%和99%。 列1列1列1平均3.316667平均3.316667平均3.316667標(biāo)準(zhǔn)誤差0.268225標(biāo)準(zhǔn)誤差0.268225標(biāo)準(zhǔn)誤差0.268225中位數(shù)3.25中位數(shù)3.25中位數(shù)3.25眾數(shù)5.4眾數(shù)5.4眾數(shù)5.4標(biāo)準(zhǔn)差1.609348標(biāo)準(zhǔn)差1.609348標(biāo)準(zhǔn)差1.609348方差2.59方差2.59方差2.59峰度-0.

2、8877峰度-0.8877峰度-0.8877偏度0.211009偏度0.211009偏度0.211009區(qū)域5.9區(qū)域5.9區(qū)域5.9最小值0.5最小值0.5最小值0.5最大值6.4最大值6.4最大值6.4求和119.4求和119.4求和119.4觀測(cè)數(shù)36觀測(cè)數(shù)36觀測(cè)數(shù)36最大(1)6.4最大(1)6.4最大(1)6.4最小(1)0.5最小(1)0.5最小(1)0.5置信度(90.0%)0.453185置信度(95.0%)0.544525置信度(99.0%)0.730592置信上限4.062156置信上限4.383936置信上限5.19794置信下限2.571177置信下限2.249398

3、置信下限1.43539310.01 從三個(gè)總體中各抽取容量不同的樣本數(shù)據(jù)，得到數(shù)據(jù)見book10.01。 檢驗(yàn)3個(gè)總體的均值之間是否有顯著差異？(a=0.01)方差分析：?jiǎn)我蛩胤讲罘治鯯UMMARY組觀測(cè)數(shù)求和平均方差列 1579015861.5列 2460015036.66667列 33507169121方差分析差異源SSdfMSFP-valueF crit組間618.91672309.45834.65740.0408778.021517組內(nèi)598966.44444總計(jì)1216.91711檢驗(yàn)：假設(shè)： 總體均值之間沒有顯著影響 不全相等，總體均值之間有顯著影響檢驗(yàn)結(jié)果由圖表可知：因?yàn)镕=4.

4、6574<=8.021517，不拒絕原假設(shè)，所以總體的均值之間沒有顯著性影響。10.02 某家電制造公司準(zhǔn)備購(gòu)進(jìn)一批5#電池，現(xiàn)有A、B、C三個(gè)電池生產(chǎn)企業(yè)愿意供貨，為比較它們生產(chǎn)的電池質(zhì)量，從每個(gè)企業(yè)各隨機(jī)抽取5只電池，經(jīng)試驗(yàn)得其壽命（小時(shí)）數(shù)據(jù)見book10.02。 試分析三個(gè)企業(yè)生產(chǎn)的電池的平均壽命之間有無顯著差異？ (a=0.05)方差分析：?jiǎn)我蛩胤讲罘治鯯UMMARY組觀測(cè)數(shù)求和平均方差列 1522244.428.3列 251503010列 3521342.615.8方差分析差異源SSdfMSFP-valueF crit組間615.62307.817.068390.000313

5、.885294組內(nèi)216.41218.03333總計(jì)83214檢驗(yàn)：假設(shè)： 三個(gè)企業(yè)生產(chǎn)的電池的平均壽命之間沒有顯著影響 不全相等， 三個(gè)企業(yè)生產(chǎn)的電池的平均壽命之間有顯著影響檢驗(yàn)結(jié)果由圖表可知：因?yàn)镕=17.06839>=3.885294,所以拒絕原假設(shè)，表明三個(gè)企業(yè)生產(chǎn)的電池的平均壽命之間有顯著影響10.03 某企業(yè)準(zhǔn)備用三種方法組裝一種新的產(chǎn)品，為確定哪種方法每小時(shí)生產(chǎn)的產(chǎn)品數(shù)量最多，隨機(jī)抽取了30名工人，并指定每個(gè)人使用其中的一種方法。通過對(duì)每個(gè)工人生產(chǎn)的產(chǎn)品數(shù)進(jìn)行方差分析得到下面的結(jié)果1) 方差分析表方差分析表差異源SSdfMSFP-ValueF-crit組距42022101.

6、4781020.2459463.354131組間383627142.0741總計(jì)4256292) 檢驗(yàn)三種方法組裝的產(chǎn)品數(shù)量之間是否有顯著差異？ (a=0.05)檢驗(yàn)：假設(shè)： 三種方法組裝的產(chǎn)品數(shù)量之間沒有顯著性差異 不全相等，三種方法組裝的產(chǎn)品數(shù)量之間有顯著性差異檢驗(yàn)結(jié)果由圖表可知：因?yàn)镕=1.478102<=3.354131，不拒絕原假設(shè)，所以三種方法組裝的產(chǎn)品數(shù)量之間沒有顯著性差異。10.04 有5種不同品種的種子和4種不同的施肥方案，在20快同樣面積的土地上，分別采用5種種子和4種施肥方案搭配進(jìn)行試驗(yàn)，取得的收獲量數(shù)據(jù)見book10.04。 檢驗(yàn)種子的不同品種對(duì)收獲量的影響是否有

7、顯著差異？不同的施肥方案對(duì)收獲量的影響是否有顯著差異？ (a=0.05)方差分析：無重復(fù)雙因素分析SUMMARY觀測(cè)數(shù)求和平均方差行 1441.610.41.286667行 2447.211.82.966667行 3449.112.2752.0825行 4452.713.1751.189167行 5451.512.8751.169167列 1567.213.440.913列 2561.312.263.563列 3559.811.961.133列 4553.810.761.133方差分析差異源SSdfMSFP-valueF crit行19.06744.766757.2397160.0033153

8、.259167列18.181536.06059.2046580.0019493.490295誤差7.901120.658417總計(jì)45.149519行因素：假設(shè)： 種子的不同品種對(duì)收獲量的影響沒有顯著差異 不全相等，種子的不同品種對(duì)收獲量的影響有顯著差異檢驗(yàn)結(jié)果由圖表可知：F=7.239716>=3.259167,拒絕原假設(shè)，所以種子的不同品種對(duì)收獲量的影響有顯著差異。列因素：假設(shè)： 不同的施肥方案對(duì)收獲量的影響沒有顯著差異 不全相等，不同的施肥方案對(duì)收獲量的影響有顯著差異檢驗(yàn)結(jié)果由圖表可知：F=9.204658>=3.490295，拒絕原假設(shè)，所以不同的施肥方案對(duì)收獲量的影響有顯

9、著差異。10.05 為研究食品的包裝和銷售地區(qū)對(duì)其銷售量是否有影響，在某周的三個(gè)不同地區(qū)中用三種不同包裝方法進(jìn)行銷售，獲得的銷售量數(shù)據(jù)見book10.05。 檢驗(yàn)不同的地區(qū)和不同的包裝方法對(duì)該食品的銷售量是否有顯著影響？ (a=0.05)方差分析：無重復(fù)雙因素分析SUMMARY觀測(cè)數(shù)求和平均方差行 1315050525行 2314046.6666733.33333行 3315050225列 1313043.3333358.33333列 2319063.33333158.3333列 3312040100方差分析差異源SSdfMSFP-valueF crit行22.22222211.111110.

10、0727270.9310566.944272列955.55562477.77783.1272730.1521556.944272誤差611.11114152.7778總計(jì)1588.8898行因素：假設(shè)： 不同的地區(qū)對(duì)該食品的銷售量沒有顯著性影響 不全相等，不同的地區(qū)對(duì)該食品的銷售量有顯著性影響檢驗(yàn)結(jié)果由圖表可知：因?yàn)镕=0.072727<=6.944272，不拒絕原假設(shè)，所以不同的地區(qū)對(duì)該食品的銷售量沒有顯著性影響。列因素：假設(shè)： 不同的包裝方法對(duì)該食品的銷售量沒有顯著性影響 不全相等，不同的包裝方法對(duì)該食品的銷售量有顯著性影響檢驗(yàn)結(jié)果由圖表可知：因?yàn)镕=3.127273<=6.9

11、44272，不拒絕原假設(shè)，不同的包裝方法對(duì)該食品的銷售量沒有顯著性影響。11.01  從某行業(yè)中隨機(jī)抽取12企業(yè)，對(duì)其產(chǎn)量和生產(chǎn)費(fèi)用進(jìn)行調(diào)查，數(shù)據(jù)見book11.01。1) 根據(jù)數(shù)據(jù)繪制散點(diǎn)圖，判斷產(chǎn)量與生產(chǎn)費(fèi)用之間的關(guān)系形態(tài)；2) 計(jì)算產(chǎn)量與生產(chǎn)費(fèi)用之間的相關(guān)系數(shù)；產(chǎn)量生產(chǎn)費(fèi)用產(chǎn)量1生產(chǎn)費(fèi)用0.92023213) 對(duì)相關(guān)系數(shù)的顯著性進(jìn)行檢驗(yàn)（a=0.05），并說明二者之間的關(guān)系密切程度。假設(shè)： 由圖可知，拒絕原假設(shè)，所以兩者存在顯著的正線性相關(guān)關(guān)系。因?yàn)?.8,兩者成高度線性關(guān)系。11.02  7個(gè)地區(qū)2000年的人均國(guó)內(nèi)生產(chǎn)總值（GDP）和人均消費(fèi)水

12、平的統(tǒng)計(jì)數(shù)據(jù)見book11.02。1) 人均GDP作自變量，人均消費(fèi)水平作因變量，繪制散點(diǎn)圖，并說明二者之間的關(guān)系形態(tài)。兩者形態(tài)成正線性相關(guān)。2)計(jì)算兩個(gè)變量之間的線性相關(guān)系數(shù)，說明兩個(gè)變量之間的關(guān)系強(qiáng)度。SUMMARY OUTPUT回歸統(tǒng)計(jì)Multiple R0.998128R Square0.996259Adjusted R Square0.995511標(biāo)準(zhǔn)誤差247.3035觀測(cè)值7方差分析dfSSMSFSignificance F回歸分析181444969814449691331.6922.91E-07殘差530579561159.01總計(jì)681750764Coefficie

13、nts標(biāo)準(zhǔn)誤差t StatP-valueLower 95%Upper 95%下限 95.0%上限 95.0%Intercept734.6928139.54035.2650940.003285375.99311093.393375.99311093.393X Variable 10.3086830.00845936.492362.91E-070.2869390.3304270.2869390.330427由圖可知兩者的線性相關(guān)系數(shù)，所以兩者高度線性相關(guān)。3)利用最小二乘法求出估計(jì)的回歸方程，并解釋回歸系數(shù)的實(shí)際意義。估計(jì)回歸方程：=734.6928+0.308683734.6928表示估計(jì)的回歸

14、直線在y軸上的截距，0.308683表示估計(jì)的線性方程直線的斜率，表示每當(dāng)X變動(dòng)一個(gè)單位時(shí)，Y的平均變動(dòng)值為0.308683。4)計(jì)算判定系數(shù)，并解釋其意義。判定系數(shù)，在人均GOP取值變差中，有99.6259%的誤差可以由人均GDP和人均消費(fèi)水平之間的想性關(guān)系來解釋，二者具有較強(qiáng)的線性關(guān)系。5） 檢驗(yàn)回歸方程線性關(guān)系的顯著性 （a=0.05）假設(shè)： 由圖可知，拒絕原假設(shè)，所以兩者存在顯著的正線性相關(guān)關(guān)系。11.03  隨機(jī)抽取的10家航空公司，對(duì)其最近一年的航班正點(diǎn)率和顧客投訴次數(shù)進(jìn)行了調(diào)查，所得數(shù)據(jù)見book11.03。1)繪制散點(diǎn)圖，說明二者之間的關(guān)系形態(tài)。二者成負(fù)線性

15、相關(guān)關(guān)系。5） 用航班正點(diǎn)率作自變量，顧客投訴次數(shù)作因變量，求出估計(jì)的回歸方程，并解釋回歸系數(shù)的意義。SUMMARY OUTPUT回歸統(tǒng)計(jì)Multiple R0.868643R Square0.75454Adjusted R Square0.723858標(biāo)準(zhǔn)誤差3.490228觀測(cè)值10方差分析dfSSMSFSignificance F回歸分析1299.5705299.570524.591870.001108殘差897.4535112.18169總計(jì)9397.024Coefficients標(biāo)準(zhǔn)誤差t StatP-valueLower 95%Upper 95%下限 95.0%上限 95.0%In

16、tercept87.674212.62561433.391897.06E-1081.6195393.7288981.6195393.72889X Variable 1-0.160520.032369-4.959020.001108-0.23516-0.08588-0.23516-0.08588由圖可知估計(jì)的回歸方程：，87.67421表示估計(jì)的回歸直線在y軸上的截距，-0.16052表示估計(jì)的線性方程直線的斜率，每當(dāng)X變動(dòng)一個(gè)單位時(shí)，Y的平均變動(dòng)值為-0.16052。5） 檢驗(yàn)回歸系數(shù)的顯著性 （a=0.05）假設(shè)： 由圖可知，拒絕原假設(shè)，所以航班正點(diǎn)率是影響顧客投訴次數(shù)的一個(gè)顯著因素.5）0

17、.0.0.0.0.0.0.555 20個(gè)城市寫字樓出租率和每平方米月租金的數(shù)據(jù)數(shù)據(jù)見book11.04。 設(shè)月租金為自變量，出租率為因變量，用Excel進(jìn)行回歸，并對(duì)結(jié)果進(jìn)行解釋和分析。 回歸統(tǒng)計(jì)Multiple R0.79508R Square0.632151Adjusted R Square0.611715標(biāo)準(zhǔn)誤差2.685819觀測(cè)值20方差分析dfSSMSFSignificance F回歸分析1223.1403223.140330.933182.8E-05殘差18129.84527.213622總計(jì)19352.9855Coefficients標(biāo)準(zhǔn)誤差t StatP-valueLower

18、 95%Upper 95%下限 95.0%上限 95.0%Intercept49.317683.80501612.961231.45E-1041.3236457.3117241.3236457.31172X Variable 10.2492230.044815.5617612.8E-050.155080.3433650.155080.343365由圖可知：，其絕對(duì)值<0.8，所以月租金和租金率的線性中度相關(guān)。估計(jì)的線性回歸方程為。由于，所以在月租金取值的變差中，0.635121的誤差可以由月租金與出租率之間的線性關(guān)系來解釋。假設(shè)： 由圖可知，拒絕原假設(shè)，所以回歸系數(shù)具有顯著性。11.05  某汽車生產(chǎn)商欲了解廣告費(fèi)用(x)對(duì)銷售量(y)的影響，收集了過去12年的有關(guān)數(shù)據(jù)。通過計(jì)算得到下面的有關(guān)結(jié)果：1）完成上面的方差分析表。變差來源dfSSMSFSignificance F回歸11602708.61602708.6399.12.17E-09殘差1040158.074015.807總計(jì)111642866.67 2）汽車銷售量的變差中有多