2025年统计学期末考试题库：统计推断与t分布检验试题

2025年统计学期末考试题库：统计推断与t分布检验试题考试时间：______分钟总分：______分姓名：______一、选择题（本大题共10小题，每小题2分，共20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t分布检验时，样本量较小的情况下，下列哪种情况会导致t统计量的值增大？A.样本均值与总体均值之差增大B.样本均值与总体均值之差减小C.样本标准差增大D.样本标准差减小2.当自由度增加时，t分布的形状会发生什么变化？A.更加集中在0附近B.更加分散C.保持不变D.无法确定3.在单样本t检验中，如果零假设为真，那么t统计量的值应该接近于什么？A.0B.1C.-1D.无法确定4.在双样本t检验中，如果两个样本的方差相等，应该使用哪种公式计算t统计量？A.独立样本t检验公式B.配对样本t检验公式C.方差齐性t检验公式D.方差非齐性t检验公式5.在进行t分布检验时，如果p值小于显著性水平，我们应该做什么？A.接受零假设B.拒绝零假设C.无法确定D.需要更大的样本量6.在单样本t检验中，如果样本量较小，我们应该使用哪种分布来计算p值？A.标准正态分布B.t分布C.卡方分布D.F分布7.在双样本t检验中，如果两个样本的方差不相等，应该使用哪种公式计算t统计量？A.独立样本t检验公式B.配对样本t检验公式C.方差齐性t检验公式D.方差非齐性t检验公式8.在进行t分布检验时，如果样本量较大，我们可以近似使用哪种分布来计算p值？A.标准正态分布B.t分布C.卡方分布D.F分布9.在单样本t检验中，如果样本均值与总体均值之差较大，t统计量的值会发生什么变化？A.增大B.减小C.保持不变D.无法确定10.在双样本t检验中，如果两个样本的均值之差较大，t统计量的值会发生什么变化？A.增大B.减小C.保持不变D.无法确定二、填空题（本大题共5小题，每小题2分，共10分。请将答案填写在题中的横线上。）1.在进行t分布检验时，如果样本量较小，我们应该使用_________来计算p值。2.在单样本t检验中，如果样本均值与总体均值之差较大，t统计量的值会_________。3.在双样本t检验中，如果两个样本的方差相等，我们应该使用_________公式计算t统计量。4.在进行t分布检验时，如果p值小于显著性水平，我们应该_________零假设。5.在双样本t检验中，如果两个样本的方差不相等，我们应该使用_________公式计算t统计量。三、简答题（本大题共3小题，每小题5分，共15分。请将答案写在答题纸上。）1.简述t分布与标准正态分布的区别。2.解释什么是自由度，并说明在t分布检验中如何计算自由度。3.在进行双样本t检验时，如果两个样本的方差不相等，我们应该如何处理？四、计算题（本大题共2小题，每小题10分，共20分。请将答案写在答题纸上。）1.某教师想要了解学生们的数学成绩是否显著高于全国平均水平。他随机抽取了30名学生的数学成绩，样本均值为85分，样本标准差为10分。已知全国数学平均成绩为80分，显著性水平为0.05。请进行单样本t检验，并判断教师的假设是否成立。2.某公司想要比较两种广告策略的效果。他们随机选择了200名消费者，其中100名消费者接受了广告策略A，另外100名消费者接受了广告策略B。一个月后，他们发现接受广告策略A的消费者的平均满意度为4.5分（标准差为1分），接受广告策略B的消费者的平均满意度为4.0分（标准差为1.2分）。显著性水平为0.01。请进行双样本t检验，并判断两种广告策略的效果是否存在显著差异。三、简答题（本大题共3小题，每小题5分，共15分。请将答案写在答题纸上。）1.简述t分布与标准正态分布的区别。哎，同学们，咱们来聊聊t分布和标准正态分布这俩“老朋友”到底有啥不一样。你想想啊，标准正态分布，咱们又熟悉又亲切，它就像个完美的模型，不管啥情况都适用，对吧？它的形状就是那个经典的钟形曲线，对称的，而且它的均值和标准差都固定是0和1。但t分布呢，它就像是标准正态分布的一个“学生版”，特别适合在样本量不太大的情况下使用。为啥这么说呢？因为当样本量小的时候，我们估计总体标准差的能力就差了，误差就大，这时候t分布的曲线就比标准正态分布“胖”一些，tails也更长，这意味着远离均值的值在t分布中出现的机会比在标准正态分布中出现的机会更大。这就像是咱们做实验的时候，样本量小，结果就有点“摇摆不定”，需要更大的差距才能说明有显著差异。所以你看，t分布就像是个更“谦虚”更“谨慎”的模型，它承认我们在小样本情况下没那么把握，给了我们更大的误差空间。只有当样本量非常大，比如超过30个，t分布的形状才会越来越接近标准正态分布。所以啊，记住这个关键点，t分布是样本量小的好伙伴，标准正态分布是大样本或者已知总体标准差时的“老大哥”。2.解释什么是自由度，并说明在t分布检验中如何计算自由度。好了，咱们接着说自由度。这个词听起来有点玄乎，但其实它就像是你做作业时，有固定数量的题目和空格，你得填满某些空格，剩下的空格的选择就受到了限制，对吧？自由度就是指在统计分析中，能够自由变化的变量值的个数。简单来说，就是你计算一个统计量时，有多少个独立的观测值可以自由取值。想象一下，你要计算一个班级的平均身高，你有30个学生的身高数据。如果你已经确定了29个学生的身高，那么第30个学生的身高就不再是自由选择的了，它必须等于总身高减去前29个人的身高除以29，这样才能保证算出来的平均身高是正确的。所以，在这种情况下，你只有29个学生可以自由地给出身高，这就是29个自由度。自由度在统计推断中非常重要，它影响着我们统计量的分布，比如t分布、卡方分布等等，都和自由度有关系。在t分布检验中，自由度的计算方式取决于你用哪种t检验。如果是单样本t检验，自由度等于样本量减去1，也就是n-1。为啥要减1呢？因为你在计算样本均值时，已经用掉了1个自由度来估计总体均值了。比如你有10个数据点，计算出样本均值后，你就只能自由地选择9个数据点来调整，第10个数据点就被均值固定住了。如果是独立样本t检验，计算自由度就稍微复杂一点，通常使用公式：自由度=n1+n2-2，其中n1和n2分别是两个样本的样本量。这是基于两个样本独立的假设，并且通常假设两个样本的方差相等时使用的。如果两个样本的方差不相等，计算自由度就会更复杂一些，需要用到Satterthwaite近似公式或者其他方法。如果是配对样本t检验，自由度等于样本对子的个数减去1，也就是n-1，这里的n是指配对的数量。所以你看，自由度就像是在做统计推断时，给我们设下的一个“规则”，它告诉我们能有多少“选择权”，这个“规则”的大小就是由我们的样本量和样本之间的关系决定的。3.在进行双样本t检验时，如果两个样本的方差不相等，我们应该如何处理？嗯，这个问题很实际，也是咱们在做双样本t检验时经常遇到的情况。你想想，如果两个样本的方差不相等，那我们还能像之前那样，用那个统一的公式来计算t统计量吗？显然不行，不然怎么叫方差不相等呢？如果强行用，计算出来的t值可能就不太准确，导致我们的结论也可能出错。这时候啊，咱们得用一种更“聪明”的方法，专门处理这种方差不等的情况。通常，我们有两种主要的选择。第一种方法是使用Welch'st检验，也叫不等方差t检验。这个方法比较常用，它不需要假设两个样本的方差相等，而是直接根据两个样本的方差和样本量来计算一个修正后的自由度，然后基于这个自由度去查找t分布表或者计算p值。Welch'st检验的好处是，它比较稳健，即使样本量不是很大，或者两个样本的方差差异不是特别大，结果也相对可靠。第二种方法是使用Behrens-Fisher问题处理方法，但这个方法比较复杂，计算起来比较麻烦，而且结果可能不太稳定，所以在实际应用中不太常用。还有一种思路是，如果我们认为两个样本的方差差异可能比较大，我们可以先尝试对数据进行变换，比如取对数、开方等等，看看是否能使得变换后的数据方差变得相等或者更接近，然后再进行t检验。但如果数据变换后不满足t检验的其他假设，比如正态性，那这个方法也就不适用了。还有一种方法是，我们可以选择使用非参数检验方法，比如Mann-WhitneyU检验，这种检验方法不需要假设数据服从正态分布，也不需要假设方差相等，它比较适合处理各种异常情况。但非参数检验的统计效力通常比参数检验要低一些，也就是说，在样本量相同的情况下，参数检验更容易检测到真实的差异。所以，在实际操作中，我们一般优先考虑使用Welch'st检验，因为它既考虑了方差的差异，又相对简单易行。当然，具体用哪种方法，还要根据我们的数据情况、样本量大小以及我们对统计效力要求的严格程度来综合考虑。总之，遇到双样本方差不等的情况，别慌，咱们有备选方案，关键是要选对方法，保证我们的结论是可靠的。四、计算题（本大题共2小题，每小题10分，共20分。请将答案写在答题纸上。）1.某教师想要了解学生们的数学成绩是否显著高于全国平均水平。他随机抽取了30名学生的数学成绩，样本均值为85分，样本标准差为10分。已知全国数学平均成绩为80分，显著性水平为0.05。请进行单样本t检验，并判断教师的假设是否成立。好的，这道题咱们来一步步做。首先，咱们得明确一下要检验的假设。这位教师想知道学生们的数学成绩是否显著高于全国平均水平，也就是说，他想知道样本均值85分这个结果，是不是真的比已知的全国平均成绩80分要高，还是只是因为抽样误差导致的。所以，我们的零假设H0就是：学生的数学成绩均值等于全国平均水平，也就是μ=80分。备择假设H1就是：学生的数学成绩均值大于全国平均水平，也就是μ>80分。这是一个单尾检验，因为教师只关心学生成绩是否“高于”全国平均水平，不关心是否“低于”或者“不同”。那么，接下来咱们计算t统计量。公式是：t=(x̄-μ)/(s/√n)，其中x̄是样本均值，μ是总体均值（这里是已知的），s是样本标准差，n是样本量。咱们代入数据：x̄=85,μ=80,s=10,n=30。计算得到：t=(85-80)/(10/√30)=5/(10/5.477)=5/1.825=2.739。现在，咱们需要查找t分布表或者使用统计软件来得到这个t值的p值。因为这是一个单尾检验，我们需要查找自由度为n-1=29的t分布表，找到t=2.739对应的p值。或者用软件计算，比如在Excel里可以用T.DIST.RT(2.739,29)，得到p值约为0.0066。这个p值表示，如果零假设是真的，那么观察到这么大的样本均值（或者更大的）的概率是0.0066。最后，咱们将p值和显著性水平α=0.05进行比较。因为p值（0.0066）小于α（0.05），所以我们有足够的证据拒绝零假设。这意味着，我们可以有95%的信心认为，学生的数学成绩显著高于全国平均水平。所以，这位教师的假设是成立的。2.某公司想要比较两种广告策略的效果。他们随机选择了200名消费者，其中100名消费者接受了广告策略A，另外100名消费者接受了广告策略B。一个月后，他们发现接受广告策略A的消费者的平均满意度为4.5分（标准差为1分），接受广告策略B的消费者的平均满意度为4.0分（标准差为1.2分）。显著性水平为0.01。请进行双样本t检验，并判断两种广告策略的效果是否存在显著差异。好的，这道题咱们要比较两种广告策略的效果，看看它们的平均满意度是否有显著差异。首先，咱们还是得明确假设。零假设H0就是：两种广告策略的满意度均值没有差异，也就是μA=μB。备择假设H1就是：两种广告策略的满意度均值存在差异，也就是μA≠μB。这是一个双尾检验，因为公司关心的是两种策略的效果是否“不同”，不管哪种策略更好或者更差。接下来，咱们需要判断两个样本的方差是否相等。如果相等，咱们就用那个比较简单的公式来计算t统计量；如果不等，咱们就得用Welch'st检验。咱们先计算两个样本的方差：sA²=1²=1,sB²=1.2²=1.44。比较一下，1.44比1大，差异不算特别悬殊，但也不是特别小。为了保险起见，咱们先用假设方差相等的公式来计算一下，看看结果怎么样。公式是：t=(x̄A-x̄B)/sqrt(sP²*(1/nA+1/nB))，其中x̄A和x̄B是两个样本的均值，nA和nB是两个样本的样本量，sP²是合并方差，计算公式是：((nA-1)sA²+(nB-1)sB²)/(nA+nB-2)。代入数据：x̄A=4.5,x̄B=4.0,nA=100,nB=100,sA²=1,sB²=1.44。计算合并方差：sP²=((100-1)*1+(100-1)*1.44)/(100+100-2)=(99+143.64)/198=242.64/198≈1.224。现在计算t统计量：t=(4.5-4.0)/sqrt(1.224*(1/100+1/100))=0.5/sqrt(1.224*0.02)=0.5/sqrt(0.02448)=0.5/0.1564≈3.195。现在，咱们需要计算这个t值的自由度，公式是：df=nA+nB-2=100+100-2=198。查找t分布表或者使用软件，找到自由度为198，t=3.195对应的p值。或者用软件计算，比如在Excel里可以用T.DIST.2T(3.195,198)，得到p值约为0.0014。这个p值表示，如果两种策略的满意度没有差异（零假设是真的），那么观察到这么大的均值差异（或者更大的）的概率是0.0014。最后，咱们将p值和显著性水平α=0.01进行比较。因为p值（0.0014）小于α（0.01），所以我们有足够的证据拒绝零假设。这意味着，我们可以有99%的信心认为，两种广告策略的满意度均值存在显著差异。所以，该公司可以认为两种广告策略的效果是不同的。不过呢，咱们刚才用的是假设方差相等的公式，虽然结果看起来挺明显，但为了更严谨，咱们也可以用Welch'st检验来计算一下，看看结果是否一致。用Welch'st检验计算得到的t值和自由度会跟用假设方差相等的公式计算的结果略有不同，但p值应该差不多，仍然会小于0.01，结论是相同的。这样，咱们就比较完整地分析了这个问题。本次试卷答案如下一、选择题1.A解析：在t分布检验中，t统计量的值是由样本均值与总体均值之差（x̄-μ）和样本标准差（s）决定的，公式为t=(x̄-μ)/(s/√n)。当样本均值与总体均值之差增大时，t统计量的绝对值也会增大，从而更容易拒绝零假设。样本标准差增大则会导致t统计量的值减小，更难拒绝零假设。2.A解析：t分布的形状随着自由度的增加而越来越接近标准正态分布。当自由度较小时，t分布的曲线比标准正态分布“胖”，tails更长，这意味着远离均值的值在t分布中出现的机会比在标准正态分布中出现的机会更大。随着自由度的增加，t分布的曲线逐渐变窄，tails变短，最终趋近于标准正态分布。3.A解析：在单样本t检验中，如果零假设为真，即样本来自的总体均值等于假设的总体均值，那么样本均值x̄与总体均值μ之差应该接近于0。因此，t统计量的值应该接近于0，因为t=(x̄-μ)/(s/√n)，当x̄-μ接近0时，t值也接近0。4.A解析：在双样本t检验中，如果两个样本的方差相等（方差齐性），通常使用独立样本t检验公式来计算t统计量。这个公式考虑了两个样本均值之差以及两个样本的方差和样本量。如果方差不等，则通常使用Welch'st检验或其他方法来处理。5.B解析：在进行t分布检验时，如果p值小于显著性水平（α），意味着观察到当前样本结果的概率小于预设的显著性水平，因此有足够的证据拒绝零假设。反之，如果p值大于或等于显著性水平，则没有足够的证据拒绝零假设。6.B解析：在单样本t检验中，如果样本量较小，由于样本标准差对总体标准差的估计不够准确，因此应该使用t分布来计算p值，而不是标准正态分布。t分布考虑了样本量对标准差估计的影响，提供了更准确的p值。7.D解析：在双样本t检验中，如果两个样本的方差不相等（方差非齐性），应该使用方差非齐性t检验公式，即Welch'st检验，来计算t统计量。这个方法不假设两个样本的方差相等，因此可以更准确地处理方差不等的情况。8.A解析：在进行t分布检验时，如果样本量较大，根据中心极限定理，样本均值的分布将趋近于正态分布，即使原始数据不服从正态分布。因此，可以近似使用标准正态分布来计算p值。这是因为在样本量足够大的情况下，t分布与标准正态分布非常接近。9.A解析：在单样本t检验中，如果样本均值与总体均值之差较大，t统计量的值会增大。这是因为t统计量的计算公式中，分子是样本均值与总体均值之差，分母是样本标准差除以样本量的平方根。当分子增大时，t值也会增大，更容易拒绝零假设。10.A解析：在双样本t检验中，如果两个样本的均值之差较大，t统计量的值会增大。这是因为t统计量的计算公式中，分子是两个样本均值之差，分母是合并标准差除以样本量的平方根的倒数之和的平方根。当分子增大时，t值也会增大，更容易拒绝零假设。二、填空题1.t分布解析：在单样本t检验中，如果样本量较小，由于样本标准差对总体标准差的估计不够准确，因此应该使用t分布来计算p值。t分布考虑了样本量对标准差估计的影响，提供了更准确的p值。2.增大解析：在单样本t检验中，如果样本均值与总体均值之差较大，t统计量的值会增大。这是因为t统计量的计算公式中，分子是样本均值与总体均值之差，分母是样本标准差除以样本量的平方根。当分子增大时，t值也会增大，更容易拒绝零假设。3.独立样本t检验解析：在双样本t检验中，如果两个样本的方差相等（方差齐性），通常使用独立样本t检验公式来计算t统计量。这个公式考虑了两个样本均值之差以及两个样本的方差和样本量。4.拒绝解析：在进行t分布检验时，如果p值小于显著性水平（α），意味着观察到当前样本结果的概率小于预设的显著性水平，因此有足够的证据拒绝零假设。反之，如果p值大于或等于显著性水平，则没有足够的证据拒绝零假设。5.Welch'st检验解析：在双样本t检验中，如果两个样本的方差不相等（方差非齐性），应该使用Welch'st检验来计算t统计量。这个方法不假设两个样本的方差相等，因此可以更准确地处理方差不等的情况。三、简答题1.t分布与标准正态分布的区别在于，t分布的形状随着自由度的增加而越来越接近标准正态分布。当自由度较小时，t分布的曲线比标准正态分布“胖”，tails更长，这意味着远离均值的值在t分布中出现的机会比在标准正态分布中出现的机会更大。随着自由度的增加，t分布的曲线逐渐变窄，tails变短，最终趋近于标准正态分布。此外，t分布的均值为0，方差为自由度，而标准正态分布的均值为0，方差为1。2.自由度是指在统计分析中，能够自由变化的变量值的个数。在t分布检验中，自由度的计算方式取决于你用哪种t检验。如果是单样本t检验，自由度等于样本