2025年统计学期末考试题库：统计推断与检验题型试题试卷

2025年统计学期末考试题库：统计推断与检验题型试题试卷考试时间：______分钟总分：______分姓名：______一、单项选择题（本大题共15小题，每小题2分，共30分。在每小题列出的四个选项中，只有一项是符合题目要求的，请将正确选项的字母填在题后的括号内。）1.在假设检验中，如果接受了原假设，那么意味着（）。A.原假设一定是正确的B.原假设可能是正确的C.原假设一定是错误的D.原假设可能不正确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（）。A.Z检验B.t检验C.χ²检验D.F检验3.在一个正态分布的总体中，样本容量为100，样本均值为50，样本标准差为5，要检验H0：μ=52，显著性水平为0.05，检验统计量的值为（）。A.2B.4C.8D.104.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（）。A.Z检验B.t检验C.χ²检验D.F检验5.在假设检验中，第二类错误的概率是指（）。A.原假设为真时，拒绝原假设的概率B.原假设为假时，接受原假设的概率C.原假设为假时，拒绝原假设的概率D.原假设为真时，接受原假设的概率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，显著性水平为0.01，临界值为（）。A.t分布的临界值B.Z分布的临界值C.χ²分布的临界值D.F分布的临界值7.在假设检验中，显著性水平α是指（）。A.原假设为真时，拒绝原假设的概率B.原假设为假时，接受原假设的概率C.原假设为假时，拒绝原假设的概率D.原假设为真时，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，显著性水平为0.05，检验统计量的值为（）。A.ZB.tC.χ²D.F9.在一个正态分布的总体中，样本容量为50，样本均值为100，样本标准差为10，要检验H0：μ=105，显著性水平为0.01，检验统计量的值为（）。A.2B.3C.5D.710.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（）。A.Z检验B.t检验C.χ²检验D.F检验11.在假设检验中，第一类错误的概率是指（）。A.原假设为真时，拒绝原假设的概率B.原假设为假时，接受原假设的概率C.原假设为假时，拒绝原假设的概率D.原假设为真时，接受原假设的概率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，显著性水平为0.05，临界值为（）。A.Z分布的临界值B.t分布的临界值C.χ²分布的临界值D.F分布的临界值13.在一个正态分布的总体中，样本容量为30，样本均值为80，样本标准差为8，要检验H0：μ=85，显著性水平为0.05，检验统计量的值为（）。A.2B.3C.4D.514.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（）。A.Z检验B.t检验C.χ²检验D.F检验15.在假设检验中，p值是指（）。A.原假设为真时，观察到当前数据或更极端数据的概率B.原假设为假时，观察到当前数据或更极端数据的概率C.原假设为假时，拒绝原假设的概率D.原假设为真时，接受原假设的概率二、多项选择题（本大题共10小题，每小题3分，共30分。在每小题列出的五个选项中，有多项是符合题目要求的，请将正确选项的字母填在题后的括号内。每小题选出正确选项后，用括号把它们依次填在题干的横线上。多选、少选或错选均不得分。）1.假设检验的基本步骤包括（）。A.提出原假设和备择假设B.选择检验统计量C.计算检验统计量的值D.确定显著性水平E.做出统计决策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，可能用到的分布有（）。A.Z分布B.t分布C.χ²分布D.F分布E.正态分布3.在假设检验中，影响检验统计量分布的因素有（）。A.样本容量B.总体方差C.总体均值D.显著性水平E.检验类型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，可能用到的分布有（）。A.Z分布B.t分布C.χ²分布D.F分布E.正态分布5.在假设检验中，显著性水平α是指（）。A.原假设为真时，拒绝原假设的概率B.原假设为假时，接受原假设的概率C.原假设为假时，拒绝原假设的概率D.原假设为真时，接受原假设的概率E.检验统计量的值6.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，可能用到的分布有（）。A.Z分布B.t分布C.χ²分布D.F分布E.正态分布7.在假设检验中，第二类错误的概率是指（）。A.原假设为真时，拒绝原假设的概率B.原假设为假时，接受原假设的概率C.原假设为假时，拒绝原假设的概率D.原假设为真时，接受原假设的概率E.检验统计量的值8.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，可能用到的分布有（）。A.Z分布B.t分布C.χ²分布D.F分布E.正态分布9.在假设检验中，p值是指（）。A.原假设为真时，观察到当前数据或更极端数据的概率B.原假设为假时，观察到当前数据或更极端数据的概率C.原假设为假时，拒绝原假设的概率D.原假设为真时，接受原假设的概率E.检验统计量的值10.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，可能用到的分布有（）。A.Z分布B.t分布C.χ²分布D.F分布E.正态分布三、简答题（本大题共5小题，每小题6分，共30分。请将答案写在答题纸上。）1.简述假设检验的基本思想。在咱们日常做统计推断的时候，啊，你想想，是不是经常遇到这种情况？你手里有一堆数据，你想知道这数据背后隐藏的总体特征，比如说，你想知道这个班的学生平均成绩是不是真的比全校的平均成绩高。这时候你就得搞个假设检验。假设检验啊，它其实就是一个反证法的过程。你先假设一个你想要推翻的命题，这个命题就是原假设，比如说你假设这个班学生的平均成绩和全校的一样高。然后你根据样本数据，算出一个检验统计量，看看这个统计量在原假设成立的情况下，发生的概率有多大。如果这个概率很小，比如说小于你设定的显著性水平α，那你就觉得，哎呀，这么小的概率都发生了，那说明你的原假设可能不对，于是你就拒绝原假设。反之，如果这个概率不小，那你就不能拒绝原假设，至少目前证据还不够充分，不能说它肯定不对。就这么个道理，是不是挺有意思的？你得先假设一个东西，然后看看证据能不能说服你推翻它。2.解释什么是显著性水平，并说明其在假设检验中的作用。嗨，显著性水平α，你想想，它其实就像是咱们在做决定时的一个“容忍度”或者叫“临界点”。比如说，你在做假设检验的时候，设定了显著性水平α为0.05，这0.05就是5%，意味着你愿意承担5%的风险，去拒绝一个实际上是正确的原假设。你想想，这就像是在打官司，你作为原告，得拿出足够的证据来证明被告有罪，如果证据不够充分，虽然被告可能真的有罪，但你因为证据不足也得判他无罪。这个“证据不足”的概率，在假设检验里，就是显著性水平α。α越小，你要求证据越充分，犯“冤枉好人”的错误（也就是第一类错误）的可能性就越小。但它也意味着，如果你设定的α太小了，有时候你反而容易犯“放过坏人”的错误，也就是第二类错误。所以啊，选α这事儿，得根据具体情况权衡利弊。它在假设检验中的作用，就是提供了一个客观的标准，帮助我们判断观察到的数据差异是纯属偶然，还是真的反映了总体存在差异。3.什么是p值？如何利用p值进行假设检验的决策？好家伙，p值这玩意儿，真是挺关键的。它告诉你的是，在原假设这个“假设”成立的前提下，你能够观测到当前这个数据结果，或者比这个结果更极端（更有利于备择假设）的数据结果的概率有多大。简单来说，p值就是衡量当前证据“力度”的一个指标。p值越小，说明在原假设成立的情况下，出现这么好的（或者更好的）样本结果的运气越差，也就是说，当前样本证据就越反对原假设。那么怎么利用p值做决策呢？很简单，你把算出来的p值和你事先定的显著性水平α比较。如果p值小于或等于α，说明这个证据足够强，你有理由拒绝原假设；如果p值大于α，说明这个证据不够强，你还不能拒绝原假设。这就像是比较你找到的“证据”有多硬，才能决定要不要“起诉”原假设。p值提供了一种更灵活、更直接的方式来报告检验结果，避免了因为预设α值不同而导致的争议。4.在假设检验中，第一类错误和第二类错误的定义分别是什么？它们之间有什么关系？嗯，咱们得搞清楚这两类错误。第一类错误，也叫做“弃真错误”，就是你本来原假设是对的，结果你却把它给拒绝了。这就像是在打官司，本来被告是无罪的，结果你因为证据稍微有点问题（或者运气不好），判他有罪了。犯第一类错误的概率，就是咱们前面说的显著性水平α。第二类错误，也叫做“取伪错误”，就是你本来原假设是错的，结果你却把它给接受了，没把它拒绝。这就像是在打官司，本来被告是有罪的，结果你因为证据不够充分或者程序有点瑕疵，判他无罪了。犯第二类错误的概率，通常用β来表示。它们之间的关系嘛，就像是在一个天平的两头。你想要减少犯第一类错误的概率（也就是减小α），那往往会导致犯第二类错误的概率（β）增大；反之，你想要减少犯第二类错误的概率（增大检验的功率），那往往又会意味着犯第一类错误的概率（α）会升高。这事儿啊，挺让人头疼的，你不可能让两边都变得特别好，得根据具体情况，看看你更不能容忍哪种错误。比如说，在医疗药品审批中，如果你拒绝了有效的药（第一类错误），那可能就浪费了资源；但如果你接受了无效甚至有害的药（第二类错误），那后果可能就严重多了。所以啊，得权衡着来。5.简述假设检验中，样本容量n对检验结果的影响。样本容量n这东西，可太重要了！它对假设检验的结果影响挺大的。你想啊，样本容量越大，你获得的信息就越多，对总体的估计就越精确，就像你盖房子，砖头越多，盖得越结实。在假设检验里，样本容量大了，检验统计量的分布就会更集中，其方差会减小。这意味着什么呢？意味着你的检验会更“灵敏”！也就是说，对于同样大小的真实差异，样本容量越大，你更容易检测出来。这就像你的眼睛，样本容量小，视力差，看东西模糊；样本容量大，视力就好，能看清细节。同时，样本容量增大，也会使得犯第二类错误的概率β减小，检验的“功率”提高。但是呢，样本容量也不能无限大。样本容量太大，收集数据成本会高得吓人，而且有时候过大的样本容量可能会检测出一些本身并不重要、微不足道的差异（就是“小题大做”），反而显得结果不显著。所以啊，在确定样本容量的时候，得综合考虑检验的精度要求、成本限制以及实际可行性，找到一个平衡点。这事儿，得有经验，也得懂点统计学。四、计算分析题（本大题共3小题，每小题10分，共30分。请将答案写在答题纸上。）1.某工厂生产一种零件，其长度服从正态分布。过去经验表明，该零件的平均长度为10厘米。为了检验该厂现在生产的零件长度是否有变化，随机抽取了36个零件，测得样本平均长度为9.8厘米，样本标准差为0.5厘米。设显著性水平α=0.05，试检验该厂现在生产的零件平均长度是否显著降低？好嘞，这题得用t检验。首先，你看，总体是正态分布，但方差不知道，样本量36，这条件够用t检验了。咱们先定假设：原假设H0：μ=10（就是说，平均长度没变），备择假设H1：μ<10（就是说，平均长度变短了）。因为你想检验的是平均长度是否“降低”，所以这是个左尾检验。显著性水平α=0.05。然后，算检验统计量。样本均值x̄=9.8，总体均值μ0=10，样本标准差s=0.5，样本容量n=36。t统计量的公式是t=(x̄-μ0)/(s/sqrt(n))。代入数字，t=(9.8-10)/(0.5/sqrt(36))=-0.2/(0.5/6)=-0.2/0.0833≈-2.4。接下来，查t分布表。自由度df=n-1=36-1=35。在α=0.05的显著性水平下，查左尾临界值，t(0.05,35)≈-1.69。最后，做决策。比较算出来的t值和临界值。因为-2.4<-1.69，所以拒绝原假设H0。结论：在α=0.05的显著性水平下，有足够的证据认为该厂现在生产的零件平均长度显著降低了。2.某医生声称一种新药能降低血压。为了检验这种说法，随机选取了20名高血压患者，服用该药一个月后，测得他们的血压降低了12.5mmHg，样本标准差为4.8mmHg。假设血压降低量服从正态分布。设显著性水平α=0.01，试检验该新药能否显著降低血压？嘿，这题也得用t检验。总体是正态分布，方差不知道，样本量20，够条件。假设：原假设H0：μ=0（就是说，药没用，血压没降），备择假设H1：μ>0（就是说，药有用，血压降了）。你想检验的是药是否“能降低”血压，所以这是个右尾检验。显著性水平α=0.01。算检验统计量。样本均值x̄=12.5，总体均值μ0=0，样本标准差s=4.8，样本容量n=20。t统计量的公式还是t=(x̄-μ0)/(s/sqrt(n))。代入数字，t=(12.5-0)/(4.8/sqrt(20))=12.5/(4.8/4.472)=12.5/1.0755≈11.64。查t分布表。自由度df=n-1=20-1=19。在α=0.01的显著性水平下，查右尾临界值，t(0.01,19)≈2.539。做决策。比较算出来的t值和临界值。因为11.64>2.539，所以拒绝原假设H0。结论：在α=0.01的显著性水平下，有足够的证据支持该医生的说法，认为该新药能显著降低血压。3.某大学为了比较新旧两种教学方法的效果，随机抽取了100名学生，将他们随机分成两组，每组50人。第一组用旧方法教学，第二组用新方法教学。一段时间后，对两组学生进行统一考试，成绩如下：旧方法组平均成绩82分，标准差7分；新方法组平均成绩85分，标准差8分。假设两组成绩均服从正态分布，且方差相等。设显著性水平α=0.05，试检验新教学方法是否显著优于旧教学方法？哇，这题稍微复杂点，得用两个独立样本的t检验，而且要假设方差相等。首先，假设：原假设H0：μ1=μ2（就是说，两种方法效果一样），备择假设H1：μ1<μ2（就是说，新方法更好）。你想检验的是新方法“是否优于”旧方法，所以这是个左尾检验。显著性水平α=0.05。样本量n1=n2=50。旧方法组：x̄1=82,s1=7。新方法组：x̄2=85,s2=8。因为假设方差相等，得先合并估计方差。合并方差s_p^2=[(n1-1)s1^2+(n2-1)s2^2]/(n1+n2-2)=[(49*49)+(49*64)]/98=[2401+3136]/98=5537/98≈56.5163。合并标准差s_p=sqrt(56.5163)≈7.52。然后，计算检验统计量。t=(x̄1-x̄2)/[s_p*sqrt(1/n1+1/n2)]。代入数字，t=(82-85)/[7.52*sqrt(1/50+1/50)]=-3/[7.52*sqrt(2/50)]=-3/[7.52*0.4472]=-3/3.369≈-0.89。接下来，查t分布表。自由度df=n1+n2-2=50+50-2=98。在α=0.05的显著性水平下，查左尾临界值，t(0.05,98)≈-1.660。最后，做决策。比较算出来的t值和临界值。因为-0.89>-1.660，所以不能拒绝原假设H0。结论：在α=0.05的显著性水平下，没有足够的证据认为新教学方法显著优于旧教学方法。本次试卷答案如下一、单项选择题答案及解析1.答案：B解析：在假设检验中，接受原假设并不意味着它一定正确，只是当前证据不足以拒绝它。接受原假设只是说明没有足够的证据表明原假设是错误的。2.答案：B解析：当总体方差未知时，应使用t检验来估计总体均值。t检验考虑了样本标准差，因此更适用于小样本或总体方差未知的情况。3.答案：A解析：计算检验统计量t=(x̄-μ0)/(s/sqrt(n))=(50-52)/(5/sqrt(100))=-2/0.5=-4。在α=0.05的显著性水平下，对于双侧检验，临界值为±1.96。由于-4小于-1.96，因此拒绝原假设。4.答案：A解析：当总体方差已知时，应使用Z检验来估计总体均值。Z检验基于总体标准差，适用于大样本或总体方差已知的情况。5.答案：B解析：第二类错误的概