2025年大学统计学期末考试题库-统计推断与检验在能源统计中的应用试卷

2025年大学统计学期末考试题库——统计推断与检验在能源统计中的应用试卷考试时间：______分钟总分：______分姓名：______一、填空题（本部分共20小题，每小题1分，共20分。请将答案填写在答题纸上，填错或未填均不得分。我看着这些空格，心里有点小紧张，毕竟填空题有时候挺磨人的，得一笔一划写清楚，可不能马虎。）1.在进行假设检验时，我们通常设定原假设为H0，备择假设为H1。如果检验结果拒绝了原假设，那么我们说这个检验是具有统计意义的。2.置信区间估计是统计推断中的一种重要方法，它能够给出参数的一个可能范围，而不是单一的估计值。这个范围通常以置信水平来表示，比如95%置信水平。3.在进行参数估计时，我们希望估计量是无偏的，也就是说它的期望值等于被估计的参数。此外，我们还希望估计量是有效的，即在所有无偏估计量中，它的方差最小。4.样本容量的大小对于统计推断的结果具有重要影响。样本容量越大，我们的估计就越精确，检验的效力也越高。但是，样本容量的增加也会带来成本的上升，所以在实际应用中需要权衡利弊。5.在进行假设检验时，我们可能会犯两种错误：第一类错误是指拒绝了实际上为真的原假设，第二类错误是指接受了实际上为假的原假设。我们希望这两种错误的概率都尽可能小。6.自由度是统计推断中一个非常重要的概念，它反映了样本数据的独立程度。在t检验和卡方检验中，自由度都是非常重要的参数。7.在进行回归分析时，我们通常希望模型能够拟合数据，也就是说模型的预测值与实际值之间的差异尽可能小。为了衡量模型的拟合程度，我们通常使用决定系数R²来表示。8.在进行方差分析时，我们希望检验不同组之间的方差是否有显著差异。方差分析的基本原理是将总方差分解为组内方差和组间方差，然后比较它们的比值。9.在进行时间序列分析时，我们通常希望模型能够捕捉数据的长期趋势和季节性变化。为了建立时间序列模型，我们需要对数据进行平稳性检验和白噪声检验。10.在进行非参数检验时，我们不需要对数据的分布做出假设。非参数检验通常用于小样本或者数据不满足参数检验条件的情况。11.在进行统计推断时，我们通常需要考虑样本的随机性。只有样本是随机的，我们才能保证统计推断的结果具有代表性。12.在进行置信区间估计时，我们通常需要选择一个合适的置信水平。置信水平越高，我们的估计就越可靠，但是置信区间的范围也会越大。13.在进行假设检验时，我们通常需要选择一个合适的检验统计量。检验统计量的选择取决于我们想要检验的参数类型和数据的分布情况。14.在进行回归分析时，我们通常需要考虑自变量和因变量之间的关系。如果自变量和因变量之间存在线性关系，我们可以使用线性回归模型来拟合数据。15.在进行方差分析时，我们通常需要考虑不同组之间的样本量是否相等。如果样本量不相等，我们需要使用Welch'st检验来比较不同组之间的均值。16.在进行时间序列分析时，我们通常需要考虑数据的季节性变化。如果数据存在季节性变化，我们需要使用季节性分解模型来拟合数据。17.在进行非参数检验时，我们通常需要选择一个合适的检验方法。常见的非参数检验方法包括符号检验、秩和检验和Kruskal-Wallis检验等。18.在进行统计推断时，我们通常需要考虑数据的正态性。如果数据不满足正态性假设，我们可以使用非参数方法或者对数据进行转换来满足正态性假设。19.在进行置信区间估计时，我们通常需要考虑参数的置信区间宽度。置信区间宽度越窄，我们的估计就越精确。20.在进行假设检验时，我们通常需要考虑检验的效力。检验的效力越高，我们越能够检测到真实存在的差异或关系。二、选择题（本部分共20小题，每小题1分，共20分。请将答案填写在答题纸上，多选、错选或未选均不得分。我看着这些选择题，心里暗自庆幸，选择题相对来说要简单一些，至少不需要自己组织语言，直接选出正确答案就行。）1.以下哪个选项是假设检验中常见的错误类型？（A）第一类错误（B）第二类错误（C）随机误差（D）系统误差2.在进行参数估计时，以下哪个选项是衡量估计量精确性的指标？（A）标准差（B）方差（C）置信区间宽度（D）样本容量3.以下哪个选项是样本容量增加时，统计推断结果通常会发生的？（A）估计量变得更不准确（B）检验的效力降低（C）估计量变得更精确（D）检验的效力不变4.在进行假设检验时，以下哪个选项是检验统计量的选择依据？（A）样本量大小（B）数据的分布情况（C）原假设的形式（D）备择假设的形式5.以下哪个选项是回归分析中常用的模型？（A）线性回归模型（B）逻辑回归模型（C）多项式回归模型（D）所有以上选项6.在进行方差分析时，以下哪个选项是衡量模型拟合程度的指标？（A）F统计量（B）t统计量（C）R²（D）p值7.以下哪个选项是时间序列分析中常用的模型？（A）ARIMA模型（B）季节性分解模型（C）移动平均模型（D）所有以上选项8.在进行非参数检验时，以下哪个选项是常用的检验方法？（A）符号检验（B）秩和检验（C）Kruskal-Wallis检验（D）所有以上选项9.在进行统计推断时，以下哪个选项是考虑数据正态性的重要指标？（A）偏度（B）峰度（C）Kolmogorov-Smirnov检验（D）Shapiro-Wilk检验10.在进行置信区间估计时，以下哪个选项是影响置信区间宽度的因素？（A）置信水平（B）样本容量（C）标准差（D）所有以上选项11.在进行假设检验时，以下哪个选项是衡量检验效力的指标？（A）检验统计量（B）p值（C）检验效力（D）样本容量12.以下哪个选项是回归分析中常用的诊断方法？（A）残差分析（B）方差分析（C）相关性分析（D）回归系数检验13.在进行方差分析时，以下哪个选项是处理样本量不相等情况的方法？（A）F检验（B）t检验（C）Welch'st检验（D）ANOVA14.在进行时间序列分析时，以下哪个选项是处理季节性变化的方法？（A）季节性分解模型（B）ARIMA模型（C）移动平均模型（D）所有以上选项15.在进行非参数检验时，以下哪个选项是常用的检验方法？（A）符号检验（B）秩和检验（C）Kruskal-Wallis检验（D）所有以上选项16.在进行统计推断时，以下哪个选项是考虑数据正态性的重要指标？（A）偏度（B）峰度（C）Kolmogorov-Smirnov检验（D）Shapiro-Wilk检验17.在进行置信区间估计时，以下哪个选项是影响置信区间宽度的因素？（A）置信水平（B）样本容量（C）标准差（D）所有以上选项18.在进行假设检验时，以下哪个选项是衡量检验效力的指标？（A）检验统计量（B）p值（C）检验效力（D）样本容量19.以下哪个选项是回归分析中常用的诊断方法？（A）残差分析（B）方差分析（C）相关性分析（D）回归系数检验20.在进行方差分析时，以下哪个选项是处理样本量不相等情况的方法？（A）F检验（B）t检验（C）Welch'st检验（D）ANOVA三、简答题（本部分共5小题，每小题4分，共20分。请将答案填写在答题纸上，字数要求在150-200字左右。我拿起笔，深吸一口气，开始思考第一个简答题。哎呀，这简答题得好好组织一下语言，要把关键点都说到，但又不能太啰嗦，得抓住重点，简洁明了地表达出来。）1.请简述假设检验的基本步骤。在进行假设检验时，我们首先需要提出原假设H0和备择假设H1。然后，选择一个合适的检验统计量，并确定其分布。接着，根据样本数据计算检验统计量的值，并确定其对应的p值。最后，根据预设的显著性水平α，比较p值与α的大小，如果p值小于α，则拒绝原假设；否则，不拒绝原假设。2.请简述置信区间估计的原理。置信区间估计是统计推断中的一种重要方法，它能够给出参数的一个可能范围，而不是单一的估计值。这个范围通常以置信水平来表示，比如95%置信水平。置信区间的计算基于样本数据和参数的抽样分布，它提供了一个估计参数的置信范围，而不是一个确切的值。置信区间的宽度受到样本容量、置信水平和参数的方差等因素的影响。3.请简述回归分析中多重共线性问题的影响。多重共线性是指回归分析中自变量之间存在高度线性相关关系的情况。多重共线性会导致回归系数的估计不稳定，方差增大，从而使得回归模型的解释力下降。在严重的情况下，多重共线性甚至会导致回归系数的符号与预期相反。为了处理多重共线性问题，可以采取增加样本容量、删除共线性较强的自变量、使用岭回归等方法。4.请简述时间序列分析中季节性分解的步骤。时间序列分析中季节性分解的步骤主要包括：首先，对时间序列数据进行平滑处理，以消除随机波动。然后，使用移动平均法或其他方法估计时间序列的趋势成分。接着，通过差分或其他方法消除趋势成分，得到季节成分。最后，将趋势成分和季节成分相加，得到分解后的时间序列。季节性分解可以帮助我们更好地理解时间序列数据的结构和变化规律，为预测和决策提供依据。5.请简述非参数检验的优点。非参数检验是一种不依赖于数据分布的统计方法，它对数据的分布假设较少，因此适用范围更广。非参数检验的优点包括：首先，非参数检验对数据的要求较低，可以处理非正态分布、小样本等数据。其次，非参数检验的计算相对简单，容易理解和操作。此外，非参数检验在样本量较小的情况下，也能提供可靠的统计推断结果。四、计算题（本部分共3小题，每小题10分，共30分。请将答案填写在答题纸上，要求步骤清晰，书写工整。计算题啊，这可是重头戏，得一步一步来，不能跳步，也不能算错，不然前面的努力都白费了。）1.假设某城市随机抽取了100户家庭，调查其月均能源消费支出，样本均值为800元，样本标准差为100元。请以95%的置信水平估计该城市家庭月均能源消费支出的置信区间。首先，根据题意，我们知道样本均值μ=800元，样本标准差s=100元，样本容量n=100户。由于样本容量较大（n≥30），我们可以使用Z分布来近似正态分布。95%的置信水平对应的Z值为1.96。因此，置信区间的计算公式为：μ±Z*(s/√n)。代入数据，得到置信区间为：800±1.96*(100/√100)=800±19.6。所以，该城市家庭月均能源消费支出的95%置信区间为[780.4元,819.6元]。2.假设某公司想要检验其新生产的节能灯泡的寿命是否显著高于传统灯泡的寿命。随机抽取了50个节能灯泡和50个传统灯泡进行寿命测试，得到样本均值分别为1200小时和1100小时，样本标准差分别为150小时和100小时。请以α=0.05的显著性水平进行假设检验。首先，提出原假设H0：μ1=μ2，即新生产的节能灯泡的寿命与传统灯泡的寿命没有显著差异。备择假设H1：μ1>μ2，即新生产的节能灯泡的寿命显著高于传统灯泡的寿命。由于样本容量较大（n1=n2≥30），我们可以使用Z检验。根据样本数据，计算检验统计量Z的值：Z=(μ1-μ2)/√((s1^2/n1)+(s2^2/n2))=(1200-1100)/√((150^2/50)+(100^2/50))=10/√((22500/50)+(10000/50))=10/√(450+200)=10/√650≈0.39。由于这是单尾检验，α=0.05对应的Z值为1.645。由于计算得到的Z值0.39小于1.645，因此我们不能拒绝原假设。即，没有足够的证据表明新生产的节能灯泡的寿命显著高于传统灯泡的寿命。3.假设某研究人员想要检验三种不同能源政策对家庭能源消耗的影响。随机抽取了30户家庭，并将它们随机分为三组，每组10户，分别实施不同的能源政策。经过一段时间后，得到各组的能源消耗数据如下：政策A组：30,35,40,45,50,55,60,65,70,75；政策B组：25,30,35,40,45,50,55,60,65,70；政策C组：20,25,30,35,40,45,50,55,60,65。请以α=0.05的显著性水平进行假设检验。首先，提出原假设H0：μA=μB=μC，即三种能源政策对家庭能源消耗没有显著影响。备择假设H1：至少有两种能源政策对家庭能源消耗有显著影响。由于样本容量较小（n=10），且数据不满足正态性假设，我们可以使用Kruskal-Wallis检验。首先，将三个组的能量消耗数据合并并排序，得到秩次：1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30。然后，计算每个组的秩和：RA=1+2+3+4+5+6+7+8+9+10=55，RB=11+12+13+14+15+16+17+18+19+20=145，RC=21+22+23+24+25+26+27+28+29+30=245。接着，计算Kruskal-Wallis统计量H的值：H=12/(nk(nk+1))Σ(Ri^2/n)-3(nk+1)。代入数据，得到H=12/(30*10*31)×(55^2/10+145^2/10+245^2/10)-3×(30*10+1)=12/(30*10*31)×(3025/10+21025/10+60025/10)-930=12/(30*10*31)×(240.5+2102.5+6002.5)-930=12/(9300)×8355.5-930≈1.099-930≈1.099。由于这是单尾检验，α=0.05对应的临界值为5.991。由于计算得到的H值1.099小于5.991，因此我们不能拒绝原假设。即，没有足够的证据表明三种能源政策对家庭能源消耗有显著影响。五、论述题（本部分共2小题，每小题15分，共30分。请将答案填写在答题纸上，要求论点明确，论据充分，逻辑清晰，书写工整。论述题啊，这可是考察综合能力的题目，得好好构思，把观点表达清楚，还得有理有据，不能光说不练，得拿出实际例子来支撑自己的观点，这样才显得有说服力。）1.请论述统计推断在能源统计中的应用价值。统计推断在能源统计中的应用价值主要体现在以下几个方面：首先，统计推断可以帮助我们了解能源消耗的现状和趋势。通过抽样调查和样本推断，我们可以得到能源消耗的总体估计，从而了解能源消耗的现状和趋势。例如，通过调查家庭的能源消耗情况，我们可以得到家庭能源消耗的总体均值和方差，从而了解家庭能源消耗的现状和趋势。其次，统计推断可以帮助我们评估能源政策的实施效果。通过比较不同政策实施前后的能源消耗数据，我们可以评估能源政策的实施效果。例如，通过比较实施节能政策前后的家庭能源消耗数据，我们可以评估节能政策的实施效果。最后，统计推断可以帮助我们预测未来的能源需求。通过时间序列分析和回归分析等方法，我们可以预测未来的能源需求，从而为能源规划和决策提供依据。例如，通过分析历史能源消耗数据，我们可以预测未来的能源需求，从而为能源规划和决策提供依据。总之，统计推断在能源统计中的应用价值主要体现在帮助我们了解能源消耗的现状和趋势、评估能源政策的实施效果和预测未来的能源需求等方面。2.请论述如何在实际应用中选择合适的统计推断方法。在实际应用中，选择合适的统计推断方法需要考虑以下几个方面：首先，需要考虑数据的类型和分布情况。如果数据是分类数据，我们可以使用卡方检验等方法；如果数据是连续数据，我们可以使用t检验、Z检验等方法。此外，如果数据不满足正态性假设，我们可以使用非参数检验方法。其次，需要考虑样本量和样本的独立性。如果样本量较大，我们可以使用Z检验等方法；如果样本量较小，我们需要使用t检验等方法。此外，如果样本不独立，我们需要使用相关分析等方法。最后，需要考虑研究目的和问题。如果研究目的是比较不同组之间的差异，我们可以使用t检验、方差分析等方法；如果研究目的是预测未来的趋势，我们可以使用时间序列分析等方法。例如，如果我们想要比较不同能源政策的实施效果，我们可以使用方差分析等方法；如果我们想要预测未来的能源需求，我们可以使用时间序列分析等方法。总之，在实际应用中，选择合适的统计推断方法需要考虑数据的类型和分布情况、样本量和样本的独立性以及研究目的和问题等因素。本次试卷答案如下一、填空题答案及解析1.答案：正确解析：假设检验的基本流程就是先有假设，然后用数据说话，看证据是否足够强到让我们怀疑这个假设。2.答案：正确解析：置信区间就像给参数画个范围，说有95%的概率这个参数在这个范围内，它不是精确值，而是一个可能的区间。3.答案：正确解析：无偏估计意味着我们的估计量平均来看是对的，有效估计意味着在所有无偏估计里，它的方差最小，方差小意味着更稳定。4.答案：正确解析：样本量大了，数据就更能代表整体，所以估计更准，检验也更灵敏，能更容易发现真的有差异，但得考虑成本。5.答案：正确解析：犯错误是难免的，第一类错误就是“冤枉好人”，第二类错误是“放过坏人”，我们都希望这两种错误都小。6.答案：正确解析：自由度跟样本量有关，也跟分组情况有关，它影响着统计量的分布，比如t分布和卡方分布的形状就跟自由度有关。7.答案：正确解析：回归就是找变量之间的关系，R²就是衡量模型拟合好坏的，R²越接近1，说明模型解释了越多的变异性。8.答案：正确解析：方差分析就是看不同组的平均值有没有显著差异，基本思路就是把总方差拆开，看看组间差异是不是比组内差异大得多。9.答案：正确解析：时间序列分析就是处理按时间顺序排列的数据，得先看看数据是不是“平稳”的，有没有长期趋势和周期性规律。10.答案：正确解析：非参数检验不关心数据服从什么分布，用秩次、符号这些信息就行，适合数据不满足正态假设或者样本太小的情况。11.答案：正确解析：统计推断的基础就是样本要随机抽样，这样才能保证样本的数据能反映总体的特征，否则推断就是空中楼阁。12.答案：正确解析：置信水平越高，我们越相信区间包含了真参数，但区间也会越长，所以是精度和置信度之间的权衡。13.答案：正确解析：选择检验统计量要看检验什么参数，数据什么分布，比如检验均值用t还是Z，要看样本量和是否知总体方差。14.答案：正确解析：回归分析要找自变量和因变量间的关系，如果呈直线关系，就用线性回归，否则就要考虑其他模型。15.答案：正确解析：方差分析时如果样本量不等，F检验的公式要改，用Welch's方法更合适，它不要求各组方差相等。16.答案：正确解析：时间序列数据常有关节气变化，比如节假日用电量不同，季节性分解就是把这种规律性分离出来。17.答案：正确解析：非参数检验方法多，符号检验看正负号，秩和检验比大小排序，Kruskal-Wallis是多个组比较的秩和检验。18.答案：正确解析：做统计推断前得看看数据是不是正态的，可以用偏度、峰度看看形状，或者用Kolmogorov-Smirnov、Shapiro-Wilk检验。19.答案：正确解析：置信区间宽窄跟置信水平、样本大小、数据分散程度（标准差）都有关，这几者相互影响。20.答案：正确解析：检验效力就是检验真有差异时能发现它的能力，效力越高越好，样本量大、方差小，检验效力通常就高。二、选择题答案及解析1.答案：A解析：假设检验里最常见的错误就是第一类错误，就是本来H0是对的，结果被我们拒绝了，犯这种错的概率就是α。2.答案：C解析：参数估计要精确，就是希望估计值离真值近，置信区间窄就表示估计精确，所以置信区间宽度是衡量精确性的。3.答案：C解析：样本量越大，数据越能反映真实情况，所以估计量越精确，检验效力也越高，样本量增加，推断结果通常变好。4.答案：B解析：选什么检验统计量，关键看数据是什么分布，总体方差知不知道，样本大不大，这决定了用Z还是t，或者别的。5.答案：D解析：回归模型多种多样，线性回归最常用，但也包括逻辑回归、多项式回归等，具体用什么看数据关系和建模目的。6.答案：C解析：衡量回归模型拟合好坏，看R²，R²越接近1，说明模型解释的变异越多，拟合得越好，F检验和t检验是检假设的。7.答案：D解析：时间序列模型多种多样，ARIMA、季节性分解、移动平均都用得上，具体看数据有没有趋势、周期性等特征。8.答案：D解析：非参数检验方法多，符号检验、秩和检验、Kruskal-Wallis都是常用的，看数据情况选哪个，都不依赖分布假设。9.答案：C解析：想看数据正态不正态，Kolmogorov-Smirnov检验是看经验分布和理论分布的最大偏差，Shapiro-Wilk专门用于检验正态性。10.答案：D解析：置信区间宽窄受三方面影响：置信水平选高，区间就宽；样本量小，精度差，区间宽；标准差大，数据散，区间也宽。11.答案：C解析：检验效力就是检验能力强弱，能不能检出真差异，p值小就容易拒绝H0，当H1真时，不犯第二类错误的概率就是效力。12.答案：A解析：回归诊断看看模型假设是不是满足，残差分析是常用方法，看残差有没有模式，跟拟合值、自变量关系如何。13.答案：C解析：方差分析时如果样本量不等，不能用默认的F检验公式，Welch'st检验（或叫Welch'sF检验）是处理不等样本量的方法。14.答案：D解析：时间序列有季节性，可以用ARIMA、季节性分解、移动平均等方法，关键是看数据里季节性成分明显不，以及是否有趋势。15.答案：D解析：非参数检验方法多，符号检验看正负号，秩和检验比大小排序，Kruskal-Wallis是多个组比较的秩和检验，都有用。16.答案：C解析：检验数据正态性，Kolmogorov-Smirnov看最大偏差，Shapiro-Wilk专门用于正态性检验，偏度和峰度描述形状，但不是检验。17.答案：D解析：置信区间宽窄受三方面影响：置信水平选高，区间就宽；样本量小，精度差，区间宽；标准差大，数据散，区间也宽。18.答案：C解析：检验效力就是检验能力强弱，能不能检出真差异，p值小就容易拒绝H0，当H1真时，不犯第二类错误的概率就是效力。19.答案：A解析：回归诊断看看模型假设是不是满足，残差分析是常用方法，看残差有没有模式，跟拟合值、自变量关系如何。20.答案：D解析：方差分析时如果样本量不等，不能用默认的F检验公式，Welch'st检验（或叫Welch'sF检验）是处理不等样本量的方法。三、简答题答案及解析1.答案及解析：假设检验步骤：首先，根据问题提出原假设H0和备择假设H1。比如想知道节能灯泡寿命是否更长，H0就是寿命一样，H1就是节能灯更长。然后，选择合适的检验统计量，比如t或Z，并知道它服从什么分布。接着，算出统计量的值，用样本数据算出来。再算出p值，p值就是“观察到这么极端（或更极端）结果的可能性有多大”，如果结果是偶然发生的概率很小。最后，看预设的显著性水平α（比如0.05），如果p值小于α，就认为证据足够强，拒绝H0；如果p值大于等于α，就说不拒绝H0，没足够证据推翻它。整个过程就是先猜（H0），再看数据（算统计量和p值），最后做决定（拒绝或不拒绝）。2.答案及解析：置信区间原理：置信区间就是给参数画个范围，说“我们有95%的信心，这个参数的真实值就在这个区间里”。它是基于样本数据计算出来的，计算公式通常是“点估计值±置信系数×标准误”。点估计值就是用样本算出来的值，比如样本均值。置信系数（比如1.96）来自抽样分布，跟置信水平（比如95%）有关。标准误反映了估计的不确定性，跟样本标准差和样本量有关。区间宽窄跟置信水平、样本量和数据变异度有关，置信水平选高，区间就宽；样本量大，区间就窄；数据越分散，区间越宽。它不是预测未来的范围，而是对当前参数的一个可能范围估计。3.答案及解析：多重共线性影响：多重共线性是自变量之间高度相关，比如房屋面积和房间数高度相关。这会导致回归系数估计不稳定，方差变大，甚至符号反了，比如面积越大，房间数反而负相关。模型解释力下降，你很难分清哪个自变量对因变量影响大，因为它们信息重叠了。严重时，回归结果可能没意义。解决方法有：增加样本量（数据多，关系可能不那么极端）；删除共线性强的自变量；用岭回归等能处理共线性的方法；或者合并共线性自变量，比如把面积和房间数合成一个“房屋复杂度”指标。4.答案及解析：季节性分解步骤：首先，对时间序列数据平滑，消除短期随机波动，比如用移动平均。然后，找出趋势成分，就是数据长期上升或下降的线性或非线性模式，可以用线性回归或指数平滑估计。接着，消除趋势成分，方法有差分（比如用今年数据减去年数据），或者直接用原数据除以趋势估计值。得到的就是季节成分，它反映了每周期（如每年同月）的规律性偏差。最后，把趋势成分和季节成分加起来（或者乘起来，看模型是加法还是乘法模型），得到分解后的时间序列，可以用来理解数据结构，或者预测未来（先用趋势预测，再叠加季节调整）。常用方法有加法模型（季节影响是固定值）和乘法模型（季节影响随趋势变化）。5.答案及解析：非参数检验优点：非参数检验不依赖数据分布假设，最优点是灵活，数据只要能排序就行，不要求正态分布。适合小样本，数据不满足正态条件（比如偏态、有异常值）。计算相对简单，思想直观，比如符号检验就看正负号，秩和检验就是比大小排序。缺点是通常不如参数检验统计效力高（同样数据，发现真差异的可能性可能小些），因为它没充分利用数据信息（比如知道具体数值大小）。但当你数据不满足参数检验条件时，它就是有力工具。四、计算题答案及解析1.答案及解析：已知：样本均值x̄=800元，样本标准差s=100元，样本容量n=100户，置信水平95%，查Z分布表得Z=1.96。计算：总体均值μ的95%置信区间为x̄±Z*(s/√n)=800±1.96*(100/√100)=800±1.96*10=800±19.6。所以，置信区间为[780.4元,819.6元]。解析思路：因为样本量大n=100，可以用Z分布。公式是样本均值加减（Z值*标准误），标准误是标准差除以根号下样本量。算出来就是780.4到819.6这个范围，有95%把握说总体均值在这个范围内。2.答案及解析：H0：μ1=μ2（节能灯泡寿命与传统灯泡一样）；H1：μ1>μ2（节能灯泡寿命更长）。α=0.05，大样本，用Z检验。样本数据：x̄1=1200，s1=150，n1=50；x̄2=1100，s2=100，n2=50。计算检验统计量Z=(x̄1-x̄2)/√((s1^2/n1)+(s2^2/n2))=(1200-1100)/√((150^2/50)+(100^2/50))=100/√(22500/50+10000/50)=100/√(450+200)=100/√650≈100/25.49≈3.95。查Z表，α=0.05单尾检验的临界值是1.645。因为3.95>1.645，所以拒绝H0。结论：有足够证据认为节能灯泡寿命显著高于传统灯泡。解析思路：这是比较两个大样本均值，用Z检验。先写假设，算检验统计量Z，看Z值多大。然后用α查临界值。如果Z大于临界值，就拒绝原假设，说明有显著差异。这里算出来Z=3.95，大于1.645，所以认为节能灯寿命更长。3.答案及解析：H0：μA=μB=μC（三种政策效果一样）；H1：至少有两个组均值不等。α=0.05，小样本，数据不满足正态，用Kruskal-Wallis检验。数据：政策A(30,35,40,45,50,55,60,65,70,75)；政策B(25,30,35,40,45,50,55,60,65,70)；政策C(20,25,30,35,40,45,50,55,60,65)。秩次排序（合并排序）：1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,2