黄斌斌3210090127第二次上机

1、黄斌斌32100901277.03 某大学为了解学生每天上网的时间，在全校7500名学生中采取不重复抽样方法随机抽取36人，调查他们每天上网的时间（单位：小时） ，得到的数据见book7.03。 求该校大学生平均上网时间的置信区间，置信概率分别为90%、95%和99%。 列1列1列1平均3.316667平均3.316667平均3.316667标准误差0.268225标准误差0.268225标准误差0.268225中位数3.25中位数3.25中位数3.25众数5.4众数5.4众数5.4标准差1.609348标准差1.609348标准差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区域5.9区域5.9区域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观测数36观测数36观测数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 从三个总体中各抽取容量不同的样本数据，得到数据见book10.01。 检验3个总体的均值之间是否有显著差异？(a=0.01)方差分析：单因素方差分析SUMMARY组观测数求和平均方差列 1579015861.5列 2460015036.66667列 33507169121方差分析差异源SSdfMSFP-valueF crit组间618.91672309.45834.65740.0408778.021517组内598966.44444总计1216.91711检验：假设： 总体均值之间没有显著影响 不全相等，总体均值之间有显著影响检验结果由图表可知：因为F=4.

4、6574<=8.021517，不拒绝原假设，所以总体的均值之间没有显著性影响。10.02 某家电制造公司准备购进一批5#电池，现有A、B、C三个电池生产企业愿意供货，为比较它们生产的电池质量，从每个企业各随机抽取5只电池，经试验得其寿命（小时）数据见book10.02。 试分析三个企业生产的电池的平均寿命之间有无显著差异？ (a=0.05)方差分析：单因素方差分析SUMMARY组观测数求和平均方差列 1522244.428.3列 251503010列 3521342.615.8方差分析差异源SSdfMSFP-valueF crit组间615.62307.817.068390.000313

5、.885294组内216.41218.03333总计83214检验：假设： 三个企业生产的电池的平均寿命之间没有显著影响 不全相等， 三个企业生产的电池的平均寿命之间有显著影响检验结果由图表可知：因为F=17.06839>=3.885294,所以拒绝原假设，表明三个企业生产的电池的平均寿命之间有显著影响10.03 某企业准备用三种方法组装一种新的产品，为确定哪种方法每小时生产的产品数量最多，随机抽取了30名工人，并指定每个人使用其中的一种方法。通过对每个工人生产的产品数进行方差分析得到下面的结果1) 方差分析表方差分析表差异源SSdfMSFP-ValueF-crit组距42022101.

6、4781020.2459463.354131组间383627142.0741总计4256292) 检验三种方法组装的产品数量之间是否有显著差异？ (a=0.05)检验：假设： 三种方法组装的产品数量之间没有显著性差异 不全相等，三种方法组装的产品数量之间有显著性差异检验结果由图表可知：因为F=1.478102<=3.354131，不拒绝原假设，所以三种方法组装的产品数量之间没有显著性差异。10.04 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，取得的收获量数据见book10.04。 检验种子的不同品种对收获量的影响是否有

7、显著差异？不同的施肥方案对收获量的影响是否有显著差异？ (a=0.05)方差分析：无重复双因素分析SUMMARY观测数求和平均方差行 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方差分析差异源SSdfMSFP-valueF crit行19.06744.766757.2397160.0033153

8、.259167列18.181536.06059.2046580.0019493.490295误差7.901120.658417总计45.149519行因素：假设： 种子的不同品种对收获量的影响没有显著差异 不全相等，种子的不同品种对收获量的影响有显著差异检验结果由图表可知：F=7.239716>=3.259167,拒绝原假设，所以种子的不同品种对收获量的影响有显著差异。列因素：假设： 不同的施肥方案对收获量的影响没有显著差异 不全相等，不同的施肥方案对收获量的影响有显著差异检验结果由图表可知：F=9.204658>=3.490295，拒绝原假设，所以不同的施肥方案对收获量的影响有显

9、著差异。10.05 为研究食品的包装和销售地区对其销售量是否有影响，在某周的三个不同地区中用三种不同包装方法进行销售，获得的销售量数据见book10.05。 检验不同的地区和不同的包装方法对该食品的销售量是否有显著影响？ (a=0.05)方差分析：无重复双因素分析SUMMARY观测数求和平均方差行 1315050525行 2314046.6666733.33333行 3315050225列 1313043.3333358.33333列 2319063.33333158.3333列 3312040100方差分析差异源SSdfMSFP-valueF crit行22.22222211.111110.

10、0727270.9310566.944272列955.55562477.77783.1272730.1521556.944272误差611.11114152.7778总计1588.8898行因素：假设： 不同的地区对该食品的销售量没有显著性影响 不全相等，不同的地区对该食品的销售量有显著性影响检验结果由图表可知：因为F=0.072727<=6.944272，不拒绝原假设，所以不同的地区对该食品的销售量没有显著性影响。列因素：假设： 不同的包装方法对该食品的销售量没有显著性影响 不全相等，不同的包装方法对该食品的销售量有显著性影响检验结果由图表可知：因为F=3.127273<=6.9

11、44272，不拒绝原假设，不同的包装方法对该食品的销售量没有显著性影响。11.01  从某行业中随机抽取12企业，对其产量和生产费用进行调查，数据见book11.01。1) 根据数据绘制散点图，判断产量与生产费用之间的关系形态；2) 计算产量与生产费用之间的相关系数；产量生产费用产量1生产费用0.92023213) 对相关系数的显著性进行检验（a=0.05），并说明二者之间的关系密切程度。假设： 由图可知，拒绝原假设，所以两者存在显著的正线性相关关系。因为0.8,两者成高度线性关系。11.02  7个地区2000年的人均国内生产总值（GDP）和人均消费水

12、平的统计数据见book11.02。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。两者形态成正线性相关。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。SUMMARY OUTPUT回归统计Multiple R0.998128R Square0.996259Adjusted R Square0.995511标准误差247.3035观测值7方差分析dfSSMSFSignificance F回归分析181444969814449691331.6922.91E-07残差530579561159.01总计681750764Coefficie

13、nts标准误差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由图可知两者的线性相关系数，所以两者高度线性相关。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。估计回归方程：=734.6928+0.308683734.6928表示估计的回归

14、直线在y轴上的截距，0.308683表示估计的线性方程直线的斜率，表示每当X变动一个单位时，Y的平均变动值为0.308683。4)计算判定系数，并解释其意义。判定系数，在人均GOP取值变差中，有99.6259%的误差可以由人均GDP和人均消费水平之间的想性关系来解释，二者具有较强的线性关系。5） 检验回归方程线性关系的显著性 （a=0.05）假设： 由图可知，拒绝原假设，所以两者存在显著的正线性相关关系。11.03  随机抽取的10家航空公司，对其最近一年的航班正点率和顾客投诉次数进行了调查，所得数据见book11.03。1)绘制散点图，说明二者之间的关系形态。二者成负线性

15、相关关系。5） 用航班正点率作自变量，顾客投诉次数作因变量，求出估计的回归方程，并解释回归系数的意义。SUMMARY OUTPUT回归统计Multiple R0.868643R Square0.75454Adjusted R Square0.723858标准误差3.490228观测值10方差分析dfSSMSFSignificance F回归分析1299.5705299.570524.591870.001108残差897.4535112.18169总计9397.024Coefficients标准误差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由图可知估计的回归方程：，87.67421表示估计的回归直线在y轴上的截距，-0.16052表示估计的线性方程直线的斜率，每当X变动一个单位时，Y的平均变动值为-0.16052。5） 检验回归系数的显著性 （a=0.05）假设： 由图可知，拒绝原假设，所以航班正点率是影响顾客投诉次数的一个显著因素.5）0

17、.0.0.0.0.0.0.555 20个城市写字楼出租率和每平方米月租金的数据数据见book11.04。 设月租金为自变量，出租率为因变量，用Excel进行回归，并对结果进行解释和分析。 回归统计Multiple R0.79508R Square0.632151Adjusted R Square0.611715标准误差2.685819观测值20方差分析dfSSMSFSignificance F回归分析1223.1403223.140330.933182.8E-05残差18129.84527.213622总计19352.9855Coefficients标准误差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由图可知：，其绝对值<0.8，所以月租金和租金率的线性中度相关。估计的线性回归方程为。由于，所以在月租金取值的变差中，0.635121的误差可以由月租金与出租率之间的线性关系来解释。假设： 由图可知，拒绝原假设，所以回归系数具有显著性。11.05  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：1）完成上面的方差分析表。变差来源dfSSMSFSignificance F回归11602708.61602708.6399.12.17E-09残差1040158.074015.807总计111642866.67 2）汽车销售量的变差中有多