2025年统计学期末考试题库：统计推断与检验习题精讲与解析

2025年统计学期末考试题库：统计推断与检验习题精讲与解析考试时间：______分钟总分：______分姓名：______一、单项选择题（本部分共20小题，每小题2分，共40分。在每小题列出的四个选项中，只有一项是最符合题目要求的，请将正确选项字母填在题后的括号内。）1.在进行假设检验时，如果原假设为真，但错误地拒绝了原假设，这种错误称为（）A.第二类错误B.第一类错误C.标准误差D.相关系数2.设总体服从正态分布，总体方差未知，样本容量为n，样本均值为x̄，样本标准差为s，要检验H0:μ=μ0，应选用哪种检验方法？（）A.Z检验B.t检验C.χ²检验D.F检验3.在假设检验中，显著性水平α表示的是（）A.接受原假设的概率B.拒绝原假设的概率C.原假设为真时拒绝原假设的概率D.原假设为假时接受原假设的概率4.设总体服从正态分布，总体方差已知，样本容量为n，样本均值为x̄，要检验H0:μ=μ0，应选用哪种检验方法？（）A.Z检验B.t检验C.χ²检验D.F检验5.在进行双尾检验时，拒绝域位于分布的（）A.左侧B.右侧C.双侧D.中心6.设总体服从正态分布，总体方差未知，样本容量为n，样本均值为x̄，样本标准差为s，要检验H0:μ≤μ0，应选用哪种检验方法？（）A.Z检验B.t检验C.χ²检验D.F检验7.在假设检验中，p值表示的是（）A.接受原假设的概率B.拒绝原假设的概率C.原假设为真时拒绝原假设的概率D.原假设为假时接受原假设的概率8.设总体服从正态分布，总体方差已知，样本容量为n，样本均值为x̄，要检验H0:μ≥μ0，应选用哪种检验方法？（）A.Z检验B.t检验C.χ²检验D.F检验9.在进行单尾检验时，拒绝域位于分布的（）A.左侧B.右侧C.双侧D.中心10.设总体服从正态分布，总体方差未知，样本容量为n，样本均值为x̄，样本标准差为s，要检验H0:μ=μ0，若检验结果为拒绝原假设，则说明（）A.样本均值的绝对值较大B.样本标准差的绝对值较大C.原假设一定为假D.原假设为真的可能性较小11.在进行假设检验时，如果原假设为假，但错误地接受了原假设，这种错误称为（）A.第二类错误B.第一类错误C.标准误差D.相关系数12.设总体服从正态分布，总体方差已知，样本容量为n，样本均值为x̄，要检验H0:μ≤μ0，若检验结果为拒绝原假设，则说明（）A.样本均值的绝对值较大B.样本标准差的绝对值较大C.原假设一定为假D.原假设为真的可能性较小13.在假设检验中，如果显著性水平α=0.05，则拒绝域的面积占分布总面积的（）A.5%B.10%C.95%D.100%14.设总体服从正态分布，总体方差未知，样本容量为n，样本均值为x̄，样本标准差为s，要检验H0:μ≥μ0，若检验结果为接受原假设，则说明（）A.样本均值的绝对值较小B.样本标准差的绝对值较小C.原假设一定为真D.原假设为真的可能性较大15.在进行假设检验时，如果显著性水平α减小，则（）A.第一类错误的概率减小B.第二类错误的概率减小C.样本容量减小D.检验的效力减小16.设总体服从正态分布，总体方差已知，样本容量为n，样本均值为x̄，要检验H0:μ=μ0，若检验结果为拒绝原假设，则说明（）A.样本均值的绝对值较大B.样本标准差的绝对值较大C.原假设一定为假D.原假设为真的可能性较小17.在假设检验中，如果显著性水平α=0.01，则拒绝域的面积占分布总面积的（）A.1%B.10%C.99%D.100%18.设总体服从正态分布，总体方差未知，样本容量为n，样本均值为x̄，样本标准差为s，要检验H0:μ≤μ0，若检验结果为接受原假设，则说明（）A.样本均值的绝对值较小B.样本标准差的绝对值较小C.原假设一定为真D.原假设为真的可能性较大19.在进行假设检验时，如果显著性水平α增大，则（）A.第一类错误的概率增大B.第二类错误的概率增大C.样本容量增大D.检验的效力增大20.设总体服从正态分布，总体方差已知，样本容量为n，样本均值为x̄，要检验H0:μ=μ0，若检验结果为接受原假设，则说明（）A.样本均值的绝对值较小B.样本标准差的绝对值较小C.原假设一定为真D.原假设为真的可能性较大二、多项选择题（本部分共10小题，每小题3分，共30分。在每小题列出的五个选项中，有多项是最符合题目要求的，请将正确选项字母填在题后的括号内。每小题选出所有正确选项后，用逗号隔开，如ABD。）1.在进行假设检验时，以下哪些因素会影响检验的结论？（）A.显著性水平αB.样本容量nC.样本均值x̄D.样本标准差sE.总体分布形状2.设总体服从正态分布，总体方差已知，样本容量为n，样本均值为x̄，要检验H0:μ=μ0，以下哪些情况会导致拒绝原假设？（）A.样本均值的绝对值较大B.样本标准差的绝对值较大C.检验统计量的p值小于αD.检验统计量的绝对值较大E.显著性水平α减小3.在假设检验中，以下哪些是正确的陈述？（）A.显著性水平α是拒绝原假设的最大概率B.p值是原假设为真时观察到当前样本结果的概率C.第一类错误是原假设为真时拒绝原假设的错误D.第二类错误是原假设为假时接受原假设的错误E.检验的效力是原假设为假时拒绝原假设的概率4.设总体服从正态分布，总体方差未知，样本容量为n，样本均值为x̄，样本标准差为s，要检验H0:μ≤μ0，以下哪些情况会导致接受原假设？（）A.样本均值的绝对值较小B.样本标准差的绝对值较小C.检验统计量的p值大于αD.检验统计量的绝对值较小E.显著性水平α增大5.在进行假设检验时，以下哪些因素会影响检验的效力？（）A.显著性水平αB.样本容量nC.样本均值x̄D.样本标准差sE.总体分布形状6.设总体服从正态分布，总体方差未知，样本容量为n，样本均值为x̄，样本标准差为s，要检验H0:μ=μ0，以下哪些情况会导致接受原假设？（）A.样本均值的绝对值较小B.样本标准差的绝对值较小C.检验统计量的p值大于αD.检验统计量的绝对值较小E.显著性水平α增大7.在假设检验中，以下哪些是错误的陈述？（）A.显著性水平α是接受原假设的最大概率B.p值是原假设为假时观察到当前样本结果的概率C.第一类错误是原假设为假时拒绝原假设的错误D.第二类错误是原假设为真时接受原假设的错误E.检验的效力是原假设为假时接受原假设的概率8.设总体服从正态分布，总体方差已知，样本容量为n，样本均值为x̄，要检验H0:μ≥μ0，以下哪些情况会导致拒绝原假设？（）A.样本均值的绝对值较大B.样本标准差的绝对值较大C.检验统计量的p值小于αD.检验统计量的绝对值较大E.显著性水平α减小9.在进行假设检验时，以下哪些因素会影响第一类错误的概率？（）A.显著性水平αB.样本容量nC.样本均值x̄D.样本标准差sE.总体分布形状10.设总体服从正态分布，总体方差未知，样本容量为n，样本均值为x̄，样本标准差为s，要检验H0:μ≤μ0，以下哪些情况会导致拒绝原假设？（）A.样本均值的绝对值较大B.样本标准差的绝对值较大C.检验统计量的p值小于αD.检验统计量的绝对值较大E.显著性水平α减小三、简答题（本部分共5小题，每小题5分，共25分。请将答案写在答题纸上。）1.简述假设检验的基本步骤。在咱们平常讲课的时候，我经常跟同学们说，假设检验这事儿啊，得一步一步来，不能瞎忙活。首先呢，你得有个原假设，也就是你想检验的那个“看起来是这样”的假设，记作H0。然后呢，得有个备择假设，也就是你想找证据支持的“可能不是这样”的假设，记作H1。选定假设之后，得挑个合适的检验方法，这得看你的数据是啥样，样本量大不大，总体方差知不知道，这些条件都不一样，用的方法也不一样，比如大样本用Z检验，小样本用t检验。选定方法后，就得算个检验统计量，这个统计量得能反映你的样本数据和你假设的差距有多大。接下来，得定个显著性水平α，这就像定个“容忍度”，一般咱们用0.05，意思就是最多能接受5%的“冤枉”判决，也就是最多能犯第一类错误。然后根据α和你的检验统计量，找出拒绝域，也就是那些让咱们拒绝原假设的统计量的值域。最后，就把算出来的检验统计量跟拒绝域比一比，如果在拒绝域里，就拒绝原假设；不在的话，就接受原假设。整个过程啊，得有理有据，不能凭感觉。2.解释什么是第一类错误和第二类错误，并说明它们之间的关系。这个问题啊，我经常用“抓坏人”来比喻。第一类错误，咱们管它叫“冤枉好人”，就是原假设其实是对的，结果咱们把它给拒绝了，这就好比本来是个好人，咱们却把他抓起来了。犯第一类错误的概率就是显著性水平α。第二类错误呢，就是“放跑坏人”，就是原假设其实是不对的，结果咱们没把它拒绝，就接受了原假设，这就好比本来是个坏人，咱们却把他放走了。犯第二类错误的概率咱们用β来表示。这两者之间啊，是有矛盾的，你想啊，你把α调小了，也就是你更严格了，不容易冤枉好人，那犯第一类错误的概率就小了，但是！你这样做的话，可能会把更多的坏人给放跑，也就是犯第二类错误的概率β会变大。反之，如果你把α调大了，就容易冤枉好人，犯第一类错误的概率就大了，但犯第二类错误的概率β就会小一些。所以啊，这俩家伙是此消彼长的关系，你得根据实际情况来平衡一下，不能只顾一个，忽略了另一个。在咱们做研究的时候，得想想哪个错误后果更严重，然后尽量控制它。3.在什么情况下你会选择使用Z检验而不是t检验？这个问题其实很简单，关键在于看你的数据满足哪个条件。Z检验呢，它要求总体方差是已知的，而且样本容量得足够大，一般来说，n大于30就够用了。为啥样本大就行呢？因为根据中心极限定理，样本量够大的时候，样本均值的分布就越来越像正态分布了，这时候就算总体不是正态分布，咱们用Z检验也问题不大。而且，Z检验用的是已知的总体方差，这个更精确一些。但是呢，现实情况是，很多时候总体方差是不知道的，而且样本量又不大，这时候再用Z检验就不太合适了，因为误差太大。这时候，咱们就得用t检验了，t检验用的是样本标准差来估计总体方差，虽然不太精确，但好在它对样本量的要求不高，小样本也能用。所以啊，只要满足Z检验的条件，也就是总体方差已知且样本量大，我当然会选择用Z检验，因为它更准确，结果也更可靠。4.解释p值的意义，并说明如何根据p值和显著性水平α来做出检验决策。p值啊，这个东西很重要，我每次上课都强调它的重要性。p值到底是个啥意思呢？它就是在你原假设为真的情况下，观察到当前样本结果或者更极端结果的概率。换句话说，就是你看到现在的数据，如果原假设是真的，那这种数据出现的可能性有多大。p值小，说明这种数据在原假设为真的情况下出现的可能性很小，这就意味着你的数据跟原假设不太兼容，你就有理由怀疑原假设是不是真的了。p值大呢，说明这种数据在原假设为真的情况下出现的可能性很大，那就说明你的数据跟原假设没啥矛盾，你还不能轻易怀疑原假设。所以啊，p值就是衡量你的数据跟原假设冲突程度的指标。那怎么用它来做决策呢？很简单，你先得有个显著性水平α，这就是你的“底线”，是你最多能容忍的犯第一类错误的概率。然后，你把算出来的p值跟α比一比。如果p值小于α，说明你的数据跟原假设冲突太严重了，你就拒绝原假设；如果p值大于等于α，说明你的数据跟原假设没啥冲突，你就接受原假设。这个过程啊，就像是给原假设设个门槛，p值得跨过这个门槛才能让你拒绝它。这个门槛的高度就是α。5.假设你正在检验一个新药是否比现有药物更有效。你选择了显著性水平α=0.05，检验结果是p=0.03。请问你是否会拒绝原假设？为什么？这个问题啊，是个很典型的应用场景。假设你正在检验一个新药，你想知道它到底行不行，是不是比现有药物更有效。你选了α=0.05，这就是说，你最多只能接受5%的“假阳性”，也就是最多只能有5%的可能性把一个效果不好的药当成好药。检验结果是p=0.03，这个p值是什么意思呢？它就是在新药和现有药物效果一样的情况下（这就是原假设），你观察到现在这种效果或者更好的效果的的可能性是3%。现在，你把p值和α比一比，p=0.03，α=0.05，0.03小于0.05，这说明啥？说明你看到现在的效果，如果新药和现有药物其实没啥区别的话，这种效果出现的可能性只有3%，这个概率太低了，低到只有5%的情况下才会发生。所以啊，你就有理由相信，新药和现有药物可能是有区别的，而且这种区别不太可能是偶然发生的。因此，在这个显著性水平下，你会拒绝原假设，也就是认为新药比现有药物更有效。当然，做出这个结论的前提是，你的检验方法是合适的，样本数据也是可靠的。四、计算题（本部分共4小题，每小题10分，共40分。请将答案写在答题纸上，并写出计算过程。）1.某公司声称其生产的灯泡平均寿命为1000小时，标准差为200小时。为了检验这一说法，随机抽取了30个灯泡，测得样本平均寿命为980小时。假设灯泡寿命服从正态分布，请以α=0.05的显著性水平检验该公司的说法是否可信。这个问题啊，得先搞清楚你要检验啥。公司说灯泡平均寿命是1000小时，这就是原假设，H0:μ=1000。备择假设呢，就是公司说的不对，可能是多了也可能是少了，所以是H1:μ≠1000。这明显是个双侧检验。然后呢，得看用啥检验方法。样本量是30，不算小，而且总体标准差已知，所以用Z检验。计算过程是这样的：首先算检验统计量Z，公式是Z=(x̄-μ)/(σ/√n)，这里x̄是样本均值，μ是假设的总体均值，σ是总体标准差，n是样本容量。带入数据就是Z=(980-1000)/(200/√30)=-1.8257。然后，查标准正态分布表，或者用计算器，找出α=0.05时双侧检验的临界值，也就是Zcrit，这个值是±1.96。最后，比较算出来的Z和临界值，-1.8257在-1.96和1.96之间，所以不拒绝原假设。结论就是，在α=0.05的显著性水平下，没有足够的证据拒绝公司的说法，也就是可以认为公司的说法是可信的。当然，这个结果只是基于样本数据，不能保证100%准确，总有抽样误差。2.某学校声称其学生的平均身高为170厘米。为了检验这一说法，随机抽取了25名学生，测得样本平均身高为168厘米，样本标准差为5厘米。假设学生身高服从正态分布，请以α=0.01的显著性水平检验该学校的说法是否可信。这个问题啊，和上一个类似，也是检验均值。学校说平均身高是170厘米，这就是原假设，H0:μ=170。备择假设是学校说的不对，H1:μ≠170。这是双侧检验。但是呢，这次样本量是25，比较小，而且总体标准差不知道，是用样本标准差来估计的，所以得用t检验。计算过程是这样的：首先算检验统计量t，公式是t=(x̄-μ)/(s/√n)，这里x̄是样本均值，μ是假设的总体均值，s是样本标准差，n是样本容量。带入数据就是t=(168-170)/(5/√25)=-2。然后，查t分布表，自由度是n-1=24，α=0.01时双侧检验的临界值，也就是tcrit，这个值是±2.797。最后，比较算出来的t和临界值，-2在-2.797和2.797之间，所以不拒绝原假设。结论就是，在α=0.01的显著性水平下，没有足够的证据拒绝学校的说法，也就是可以认为学校的说法是可信的。这个结果跟第一个问题类似，也是基于样本数据，不能保证100%准确。3.某工厂声称其产品的次品率为5%。为了检验这一说法，随机抽取了200件产品，发现其中有14件次品。请以α=0.05的显著性水平检验该工厂的说法是否可信。这个问题啊，是检验比例，不是均值。工厂说次品率是5%，这就是原假设，H0:p=0.05。备择假设是工厂说的不对，H1:p≠0.05。这是双侧检验。样本量比较大，n=200，而且np=200*0.05=10，n(1-p)=200*0.95=190，都大于5，所以可以用Z检验来近似。计算过程是这样的：首先算检验统计量Z，公式是Z=(p̂-p)/(√(p(1-p)/n))，这里p̂是样本比例，p是假设的总体比例，n是样本容量。带入数据，p̂=14/200=0.07，Z=(0.07-0.05)/(√(0.05*0.95/200))=1.65。然后，查标准正态分布表，或者用计算器，找出α=0.05时双侧检验的临界值，也就是Zcrit，这个值是±1.96。最后，比较算出来的Z和临界值，1.65在-1.96和1.96之间，所以不拒绝原假设。结论就是，在α=0.05的显著性水平下，没有足够的证据拒绝工厂的说法，也就是可以认为工厂的说法是可信的。这个结果说明，根据抽样结果，工厂的次品率5%这个说法是站得住脚的。4.某研究人员声称某种教学方法能提高学生的考试成绩。为了检验这一说法，随机抽取了40名学生，采用这种教学方法，他们的平均成绩为85分，标准差为8分。另一组40名学生采用传统教学方法，他们的平均成绩为80分，标准差为10分。假设两组学生的成绩都服从正态分布，且方差相等，请以α=0.05的显著性水平检验该研究人员的说法是否可信。这个问题啊，是检验两组均值是否有差异，而且知道两组方差相等，但是样本量不同，所以得用t检验来合并两组方差。首先，算出两组的合并方差s_p^2，公式是s_p^2=((n1-1)s1^2+(n2-1)s2^2)/(n1+n2-2)，这里n1和n2是两组样本容量，s1和s2是两组样本标准差。带入数据，s_p^2=((40-1)8^2+(40-1)10^2)/(40+40-2)=829.47，所以合并标准差s_p=28.8。然后，算检验统计量t，公式是t=(x̄1-x̄2)/(s_p√(1/n1+1/n2))，这里x̄1和x̄2是两组样本均值。带入数据，t=(85-80)/(28.8√(1/40+1/40))=1.77。接着，查t分布表，自由度是n1+n2-2=78，α=0.05时双侧检验的临界值，也就是tcrit，这个值是±2.00。最后，比较算出来的t和临界值，1.77在-2.00和2.00之间，所以不拒绝原假设。结论就是，在α=0.05的显著性水平下，没有足够的证据支持研究人员的说法，也就是不能认为这种教学方法能显著提高学生的考试成绩。这个结果说明，根据抽样结果，两种教学方法的效果似乎没有显著差异。本次试卷答案如下一、单项选择题答案及解析1.B解析：原假设为真时拒绝原假设的错误称为第一类错误。2.B解析：总体方差未知且样本容量较小，应选用t检验。3.C解析：显著性水平α是原假设为真时拒绝原假设的概率。4.A解析：总体方差已知且样本容量较大，应选用Z检验。5.C解析：双尾检验时，拒绝域位于分布的两侧。6.B解析：总体方差未知且样本容量较小，应选用t检验。7.C解析：原假设为真时拒绝原假设的错误称为第一类错误。8.A解析：总体方差已知且样本容量较大，应选用Z检验。9.B解析：单尾检验时，拒绝域位于分布的右侧。10.D解析：拒绝原假设说明原假设为真的可能性较小。11.A解析：原假设为假时接受原假设的错误称为第二类错误。12.B解析：总体方差未知且样本容量较小，应选用t检验。13.A解析：显著性水平α=0.05，则拒绝域的面积占分布总面积的5%。14.D解析：接受原假设说明原假设为真的可能性较大。15.A解析：显著性水平α减小，第一类错误的概率减小。16.C解析：拒绝原假设说明原假设为真的可能性较小。17.A解析：显著性水平α=0.01，则拒绝域的面积占分布总面积的1%。18.D解析：接受原假设说明原假设为真的可能性较大。19.A解析：显著性水平α增大，第一类错误的概率增大。20.A解析：接受原假设说明原假设为真的可能性较大。二、多项选择题答案及解析1.ABCDE解析：显著性水平α、样本容量n、样本均值x̄、样本标准差s以及总体分布形状都会影响检验的结论。2.CD解析：检验统计量的p值小于α以及检验统计量的绝对值较大都会导致拒绝原假设。3.ACD解析：显著性水平α是拒绝原假设的最大概率，第一类错误是原假设为真时拒绝原假设的错误，检验的效力是原假设为假时拒绝原假设的概率。4.CD解析：检验统计量的p值大于α以及检验统计量的绝对值较小都会导致接受原假设。5.AB解析：显著性水平α和样本容量n会影响检验的效力。6.CD解析：检验统计量的p值大于α以及检验统计量的绝对值较小都会导致接受原假设。7.ABC解析：显著性水平α是接受原假设的最大概率，p值是原假设为真时观察到当前样本结果的概率，第二类错误是原假设为假时接受原假设的错误。8.CD解析：检验统计量的p值小于α以及检验统计量的绝对值较大都会导致拒绝原假设。9.AB解析：显著性水平α和样本容量n会影响第一类错误的概率。10.CD解析：检验统计量的p值小于α以及检验统计量的绝对值较大都会导致拒绝原假设。三、简答题答案及解析1.答案：假设检验的基本步骤包括：提出原假设和备择假设；选择合适的检验方法；计算检验统计量；确定拒绝域；做出检验决策。解析：首先，根据研究问题提出原假设H0和备择假设H1。然后，根据数据的特征和检验条件选择合适的检验方法，如Z检验、t检验等。接着，根据样本数据计算检验统计量的值。然后，根据显著性水平α和检验统计量的分