陈首瑞统计学报告

统计学课程实验报告专业： 工业工程 班级： 34060201 姓名： 陈首瑞 学号： 2013040602016 机电工程学院工业工程一、描述统计实验3二、假设检验实验4三、方差分析实验5四、相关分析与回归分析实验6一、 描述统计实验实验日期：_3月25日_实验目的：（1）掌握软件的基本操作； （2）掌握 Frequencies、Descriptives、Means常用描述统计的基本内容、作用、方法；（3）熟悉软件的结果输出界面，掌握各输出统计量的统计学含义。实验过程及结果分析：1、定义变量，录入你的姓名、学号、年龄、民族、政治面貌等数据2、参照指导书给出数据资料“edu.sav”中“教育概论”课（学号对应的“教育概况”分数改为100）的次数（频数）分布表、带曲线的直方图。给出次数（频数）分布表中各项的中文解释，分析直方图所反应的偏度及峰度。中文解释：N Valid:有效样本容量位30Missing：缺失值为0Mean：均值为82.03Median：中位数为82.00Mode：众数为78Std.deviation：标准差为8.002Skewness：偏度系数为0.421Std.error of skewness：偏度系数的误差为0.427Kurtosis:峰度系数为0.225Std.error of Kurtosis：峰度系数的误差为0.833Minimum:最小值为66Maximum：100Percentiles:百分位Frequency：频数Percent:各组频数占总例数的百分比 Valid percent：各组频数占总例数的有效百分比Cumlative percent：各组频数占总例数的累计百分比直方图的偏度和峰度：教育概况的偏度为0.4210，说明同正态分布相比为右偏，峰度系数为0.2250，说明为尖峰分布，表明数据分布的陡峭程度比正态分布大。3、根据数据资料：“6章_数据1.sav”，分析每天的看报时间（学号对应的“看报时间”时间改为100分钟）大约有多少分钟（Dependent List）、性别（Independent List），给出统计表中各项的中文解释，给出所得出的结论。Included:Excluded:Total:男性每天平均看报时间为43.11，女性每天平均看报时间为38.11二、 假设检验实验实验日期：_4月1日_实验目的：掌握假设检验的基本内容、原理、步骤，掌握详细的软件操作过程，熟悉软件的结果输出界面，掌握各输出统计量的统计学含义。实验过程及结果分析：1、简述假设检验的步骤：1) 陈述原假设H0和备择假设2) 从所研究的总体中抽出一个随机样本3) 确定一个适当的检验统计量，并利用样本数据算出其具体数值4) 确定一个适当的显著性水平（显著性水平是指当原假设正确时人们却将它拒绝的概率），并计算出其临界值，指定拒绝域5) 将统计量的值与临界值进行比较，做出决策6) 统计量的值落在拒绝域，拒绝H0，否则不拒绝H02、检验数据资料edu.sav中“教育概况”课程成绩与预测的81分有否显著差异（学号对应的“教育概况”分数改为100）？给出并分析统计表，给出统计表中各项的中文解释；结果分析：Sig. (2-tailed)=0.6950.05 与预测的81分大致相当中文解释：表一题目one-sample statistics 为 单样本统计，与第一个实验中的中文解释相同。表二题目 one-sample test 为单样本T检验过程 t：统计量为0.395df:自由度为29sig.:双侧差异性显著的检验值为0.695mean difference：均值差值为0.53395% confidence interval of the difference:差分的95%置信区间Lower：下限Upper：上限 3、根据数据资料：6章_数据1.sav，分析男女每天的看报时间有否显著差异（学号对应的“看报时间”时间改为100分钟）？给出并分析统计表，给出统计表中各项的中文解释。1) 方差相等检验：Sig=0.0490.05，拒绝方差相等的原假设2) 由上面结论，再看第一行的Sig. (2-tailed)=0.0450.05 基本满足单因素方差分析时方差相等的假定要求；结果分析：Sig.=0.0510.05 两种教学方法对两个班的成绩无显著差异中文解释：df：自由度，F：F分布值，Sig：F值的相伴概率（P值）3、 根据10章_数据1.sav（三组形声字、反应时i、错误率i）（学号对应的错误率i改为15），考察不同类型字对汉字识别时间（迅速准确读出该字时间）是否有影响。方差齐次检验：Sig.=0.009 0.05方差非齐次；四、 相关分析与回归分析实验实验日期：_5月6日_实验目的：掌握相关分析的基本内容、作用、方法，掌握详细的软件操作过程，熟悉软件的结果输出界面，掌握各输出统计量的统计学含义。_实验过程及结果分析：1、 什么是相关分析与回归分析，并说明它们的区别。回归分析（regression analysis)是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法相关分析（correlation analysis），相关分析是研究现象之间是否存在某种依存关系，并对具体有依存关系的现象探讨其相关方向以及相关程度，是研究随机变量之间的相关关系的一种统计方法。.相关分析与回归分析的区别相关分析是回归分析的基础和前提，回归分析则是相关分析的深入和继续。相关分析需要依靠回归分析来表现变量之间数量相关的具体形式，而回归分析则需要依靠相关分析来表现变量之间数量变化的相关程度。在具体应用过程中，只有把相关分析和回归分析结合起来，才能达到研究和分析的目的。二者的区别：(1)相关分析主要通过相关系数观察变量间相关关系的密切程度和方向，不能估计推算变量间相互关系的具体形式;而回归分析则是研究变量之间相互关系的具体形式，确定一个相关的数学表达式，用自变量数值推算因变量的估计值。(2)相关关系中两个变量可以都是随机变量，且变量之间不必区别自变量和因变量。而回归分析研究一个随机变量(Y)与另一个非随机变量(X)之间的相互关系，且变量之间必须区别自变量和因变量。2、 根据数据资料“civil.sav”求解“民航客运量（万人）”和“国民收入(亿元)”的相关系数（将表中1978年民航客运量231万人改为“200+学号后两位”），说明其相关关系.给出统计表中各项的+结果分析：相关系数分别为 0.989者正向高相关。结果分析：民航客运量与国民收入呈高度线性相关关系中文解释：descriptive statistics：描述性统计Mean：均值为9611.69和1159.25Std.deviation：标准差为6643.54和961.716N：容量Pearson correlation: 皮尔逊相关系数Sig.:差异性显著的检验值3、 根据数据资料“civil.sav”，对“民航客运量（万人）”和“国民收入(亿元)”间的关系进行回归分析（将表中1978年民航客运量231万人改为“200+学号后两位”）。给出统计表中各项的中文解释。结果分析：模型摘要(Model Summary)给出了相关系数(R)，判定系数(R Square，R2)，调整判定系数(Adjusted R Square)，估计值的标准误(Std. Error of the Estimate )。方差分析(ANOVA)。给出了回归模型的方差分析结果。回归的均方(Mean Square)=13583641.13、剩余的均方(Residual Mean Square)=20701.848。F=656.156，Sig.=00.01，说明模型与数据拟合成很好。