会计简答题.doc

1、直方图与条形图的不同点 首先，条形图是用条形的长度表示各类别频数的多少，其宽度（表示类别）则是固定的； 直方图是用面积表示各组频数的多少，矩形的高度表示每一组的频数或频率，宽度则表示各组的组距，因此其高度与宽度均有意义。 其次，由于分组数据具有连续性，直方图的各矩形通常是连续排列，而条形图则是分开排列。 最后，条形图主要用于展示分类数据，而直方图则主要用于展示数据型数据 2、茎叶图与直方图相比有什么优点？它们的应用场合是什么？ 茎叶图类似于横置的直方图，与直方图相比，茎叶图既能给出数据的分布状况，又能给出每一个原始数值，即保留了原始数据的信息。而直方图虽然能很好的显示数据的分布，但不能保留原始数据的数值。在应用方面，直方图通常适用于大批量数据，茎叶图通常适用于小批量数据。1、简述众数、中位数和平均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。其缺点是不具有唯一性，一组数据可能有一个众数，也可能有两个或多个众数，也可能没有众数。数据偏斜程度较大且有明显峰值时应用，众数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，不受数据极端值的影响。数据分布偏斜程度较大时应用，主要适合作为顺序数据的集中趋势测度值。 平均数是针对数值型数据计算的，而且利用了全部数据信息，它是实际中应用最广泛的集中趋势测度值。其缺点是易受数据极端值的影响，对于偏态分布的数据，平均值的代表性较差。对称分布或接近对称分布时应用。2、标准分数有哪些用途？作为一种相对量数，用途很多。首先是比较不同单位和不同质数据的位置。其次是和正态分布结合起来，求得概率和标准分值之间的对应关系。还有就是在假设检验和估计中应用。3、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，其数值的大小一方面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，变量值绝对水平高的，离散程度的测度值自然也就大，绝对水平低的离散程度的测度值自然也就小；另一方面，它们与原变量值的计量单位相同，采用不用计量单位的变量值，其离散程度的测度值也就不同。因此，对于平均水平不同或计量单位不同的不同组别的变量值，是不能用标准差直接比较其离散程度的。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，需要计算离散程度。1、什么是假设检验中的两类错误？一类错误是原假设H为真却被我们拒绝了，犯这种错误的概率用表示，所以也称错误或弃真错误；另一类错误是原假设为伪我们却没有拒绝，犯这种错误的概率用表示，所以也称错误或取伪错误。2、两类错误之间存在什么样的数量关系？对于一定的样本量n，不能同时做到犯这两类错误的概率都很小。如果减少弃真错误，就会增大犯取伪错误的机会；若减少取伪错误，也会增大犯弃真错误的机会。3、解释假设检验的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。如果P值很小，说明这种情况发生的概率很小，我们就有理由拒绝原假设，P越小，我们拒绝原假设的理由就越充分。4、显著性水平与P值有何区别？当显著性水平a从5%增大到10%，引起拒绝域变宽，即冒风险的概率增大，H0越容易被拒绝。p值是一个条件概率数值，他越小，即否定H0的统计证据越强.5、假设检验依据的基本原理是什么？假设检验是除参数估计之外的另一类重要的统计推断问题、即先对u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。它的基本思想可以用小概率原理来解释。所谓小概率原理，就是认为小概率事件在一次试验中是几乎不可能发生的。也就是说，对总体的某个假设是真实的，那么不利于或不能支持这一假设的事件A在一次试验中是几乎不可能发一的；要是在一次试验中事件A竟然发生了，我们就有理由怀疑这一假设的真实性，拒绝这一假设。1、简述方差分析的基本思想 方差分析的基本思想是根据研究目的和设计类型，将总变异中的离均差平方和SS及其自由度分别分解成相应的若干部分，然后求各相应部分的变异；再用各部分的变异与组内（或误差）变异进行比较，得出统计量F值；最后根据F值的大小确定P值，作出统计推断2、解释因子和处理的含义 因子：所要检验的对象 处理或水平：因素的不同表现3、解释组内误差和组间误差的含义 组内误差：来自水平内部的数据误差，只含有随机误差 组间误差：来自不同水平之间的数据误差，可能是由抽样本身形成的随机误差，也可能是由行业本身的系统性因素造成的系统误差。4、解释组内方差和组间方差的含义组内方差为每个水平或组的各样本与其组均值的误差平方和除以它所对应的自由度；组间方差为各组均值与总均值的误差平方和除以它所对应的自由度1、简述相关系数的性质相关系数是根据样本数据计算的两个变量之间的线性关系强度的统计量。(1)r的取值范围在-1到1之间，即-1r1（2）r具有对称性；（3）r数值大小与x和y的原点及尺度无关（4） r仅仅是x和y之间线性关系的一个度量，它不能用于描述非线性关系；(5)r虽然是两个变量之间线性关系的一个度量，却不一定意味着x与y一定有因果关系。2、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与其均值之差来表示，而n次观察值的总变差可由这些离差的平方和来表示； 回归平方和：y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yi变差部分 残值平方和：除了x对y的线性影响之外的其他因素对y变差的作用，是不能由回归直线来解释的yi变差部分 关系: 总平方和(SST)= 回归平方和(SSR)+ 残值平方和(SSE)3、简述判定系数的含义和作用 判定系数：回归平方和占总平方和的比例R2=SSR/SST作用：取值范围是【0,1】，越接近于1，表明回归平方和占总平方和的比例越大，回归直线与各观测值越接近，用x的变化来解释y值变差的部分就越多，回归直线的拟合程度就越好；反之。越接近于0，回归直线的拟合程度就越差。4、在回归分析中，F检验和t检验各有什么作用?F=当原假设成立时，MSR/MSE的值应接近1，但如果原假设不成立，MSR/MSE将变得无