2025年统计学期末考试题库：统计与决策经典案例试题

2025年统计学期末考试题库：统计与决策经典案例试题考试时间：______分钟总分：______分姓名：______一、某快餐连锁店为了解其产品的客户满意度，随机抽取了100名近期光顾其分店的顾客进行问卷调查。调查中包含对食物口味、服务速度、环境卫生等多个维度的满意度评分（评分范围为1到5，1表示非常不满意，5表示非常满意）。假设样本数据已经过整理，得到以下部分信息：*样本平均满意度评分为4.2。*样本标准差为0.8。*其中，25%的顾客给出了5分（非常满意）的评分。*管理层希望了解整个顾客群体的平均满意度水平，并计划在95%的置信水平下进行估计。他们还想知道，如果想要以95%的置信水平估计满意率为75%以上的顾客比例，所需的最少样本量是多少（假设使用历史数据，满意率估计为70%）。请根据上述信息，完成以下分析：1.计算该快餐连锁店总体顾客平均满意度的95%置信区间。2.说明在计算上述置信区间时所依据的统计原理和主要假设条件。3.计算并解释为以95%的置信水平估计满意率75%以上的顾客比例所需的最少样本量。二、一家汽车制造公司想要比较其两种不同型号的汽车（型号A和型号B）在燃油经济性方面的表现。研究人员随机抽取了30辆型号A汽车和30辆型号B汽车，在相同的测试条件下进行燃油效率测试，记录了每辆汽车的百公里油耗（单位：升）。假设测试数据服从正态分布，且已知两总体方差相等，但具体数值未知。样本统计结果如下：*型号A汽车样本的平均百公里油耗为8.1升，样本标准差为0.9升。*型号B汽车样本的平均百公里油耗为7.8升，样本标准差为1.0升。请根据上述信息，完成以下分析：1.提出检验两种型号汽车平均燃油经济性（以百公里油耗衡量）是否存在显著差异的原假设和备择假设。2.计算检验的统计量，并说明其分布。3.指出该检验的拒绝域（假设显著性水平为α=0.05）。4.基于计算结果和拒绝域，做出统计决策，并解释其业务含义。三、某零售企业关注其线上销售额与广告投入之间的关系。他们收集了过去20个月的月度数据，包括该月的总广告投入（万元）和对应的线上销售额（万元）。通过对数据的初步探索性分析，发现两者之间存在一定的线性关系。假设回归分析结果如下（部分）：*回归方程：销售额=50+1.5*广告投入*回归系数1.5的t统计量为3.8，对应的p值为0.001。*回归模型的R方值为0.65。请根据上述信息，完成以下分析：1.解释回归方程中斜率系数1.5的含义。2.基于p值，判断广告投入对线上销售额是否有显著影响（假设显著性水平为α=0.05）。3.解释R方值为0.65的含义，并评价该回归模型对数据解释的程度。4.如果下一个月计划投入30万元广告费，请预测其可能的线上销售额，并说明预测结果的置信区间构建思路（无需具体计算）。四、一家制药公司研发了一种新的降血压药物。为了评估其疗效，进行了一项随机对照试验。研究人员将符合条件的患者随机分为两组：试验组服用新药，对照组服用安慰剂。试验持续8周，记录了两组患者治疗前后血压的变化值（收缩压下降值，单位：mmHg）。假设数据符合正态分布，且两组方差相等，但具体数值未知。样本统计结果如下：*试验组样本量n1=40，平均收缩压下降值=15mmHg，样本标准差s1=3mmHg。*对照组样本量n2=40，平均收缩压下降值=8mmHg，样本标准差s2=4mmHg。请根据上述信息，完成以下分析：1.提出检验新药是否比安慰剂更有效（即平均收缩压下降值更高）的原假设和备择假设。2.计算检验的统计量，并说明其分布。3.假设显著性水平为α=0.01，查找临界值，并确定拒绝域。4.基于计算结果和拒绝域，做出统计决策，并解释其对于新药是否有效的结论。五、某市场研究公司想要了解消费者对两种品牌（品牌X和品牌Y）的偏好。他们随机访问了200名消费者，询问他们是否更偏好品牌X、品牌Y，或者对两者无特别偏好。调查结果的跨表汇总（部分）如下：|偏好情况|偏好品牌X|偏好品牌Y|无特别偏好|合计||:-------|:--------|:--------|:---------|:---||合计|80|50|70|200||偏好品牌X||||||偏好品牌Y||||||无特别偏好|||||（注：表中部分数据缺失）假设检验的目的是判断消费者对品牌X和品牌Y的偏好是否存在显著差异（不考虑“无特别偏好”的情况，只比较偏好X和偏好Y）。请根据上述信息，完成以下分析：1.补全上表中的缺失数据。2.提出检验消费者对品牌X和品牌Y的偏好是否存在显著差异的原假设和备择假设。3.计算检验的统计量（卡方检验统计量），并说明其分布。4.假设显著性水平为α=0.05，查找临界值，并确定拒绝域。5.基于计算结果和拒绝域，做出统计决策，并解释其对于两种品牌偏好差异的结论。试卷答案一、1.95%置信区间为(4.2-1.96*0.8/sqrt(100),4.2+1.96*0.8/sqrt(100))，即(3.824,4.576)。2.该区间估计基于中心极限定理。假设样本来自正态总体，或样本量足够大（n=100），样本均值的抽样分布近似服从正态分布。利用样本均值、样本标准差和样本量计算标准误，再根据置信水平（95%）对应的Z分数（1.96）构建置信区间。主要假设条件包括：样本随机性、总体分布正态性（或大样本）以及总体方差未知但假设存在。3.所需最少样本量n=(Z_(α/2)*σ/E)^2=(1.96*0.8/0.25)^2=(3.136/0.25)^2=(12.544)^2=157.35。由于样本量必须为整数，向上取整，所需最少样本量为158。二、1.原假设H0:μA=μB(两种型号汽车平均燃油经济性无显著差异)；备择假设H1:μA≠μB(两种型号汽车平均燃油经济性存在显著差异)。2.计算合并标准差s_p=sqrt(((n1-1)s1^2+(n2-1)s2^2)/(n1+n2-2))=sqrt(((30-1)*0.9^2+(30-1)*1.0^2)/(30+30-2))=sqrt((29*0.81+29*1)/58)=sqrt((23.49+29)/58)=sqrt(52.49/58)=sqrt(0.9041)≈0.951。检验统计量t=(mean1-mean2)/(s_p*sqrt(1/n1+1/n2))=(8.1-7.8)/(0.951*sqrt(1/30+1/30))=0.3/(0.951*sqrt(2/30))=0.3/(0.951*0.2582)=0.3/0.2459≈1.22。该检验统计量服从自由度为n1+n2-2=58的t分布。3.对于双尾检验，α=0.05，自由度df=58。查找t分布表或使用计算器，得到临界值t_(0.025,58)≈±2.002。拒绝域为t<-2.002或t>2.002。4.计算得到的检验统计量t≈1.22不属于拒绝域（-2.002<1.22<2.002）。因此，不能拒绝原假设。业务含义：没有足够的统计证据表明两种型号汽车的平均燃油经济性存在显著差异。三、1.斜率系数1.5的含义是：在其他因素保持不变的情况下，广告投入每增加1万元，预计线上销售额将增加1.5万元。2.回归系数1.5的t统计量为3.8，对应的p值（0.001）远小于显著性水平α（0.05）。因此，拒绝原假设（广告投入对销售额无显著影响），有充分证据表明广告投入对线上销售额有显著影响。3.R方值为0.65表示该回归模型能够解释销售额变异性的65%。评价：模型对数据的解释程度尚可，但仍有35%的销售额变异性未被模型解释，可能受到其他未包含在模型中的因素影响。4.基于回归方程销售额=50+1.5*广告投入，当广告投入为30万元时，预测销售额=50+1.5*30=50+45=95万元。构建置信区间需要计算预测标准误，涉及到总体方差σ^2（未知时用样本方差S^2估计）、残差平方和、样本量等，通常需要借助统计软件或更复杂的公式进行计算。四、1.原假设H0:μ1≤μ2(新药效果不优于安慰剂，平均下降值不超过安慰剂)；备择假设H1:μ1>μ2(新药效果优于安慰剂，平均下降值大于安慰剂)。2.计算合并标准差s_p=sqrt(((n1-1)s1^2+(n2-1)s2^2)/(n1+n2-2))=sqrt(((40-1)*3^2+(40-1)*4^2)/(40+40-2))=sqrt((39*9+39*16)/78)=sqrt((351+624)/78)=sqrt(975/78)=sqrt(12.4615)≈3.53。检验统计量t=(mean1-mean2)/(s_p*sqrt(1/n1+1/n2))=(15-8)/(3.53*sqrt(1/40+1/40))=7/(3.53*sqrt(2/40))=7/(3.53*0.2236)=7/0.7891≈8.87。该检验统计量服从自由度为n1+n2-2=78的t分布。3.对于单尾检验，α=0.01，自由度df=78。查找t分布表或使用计算器，得到临界值t_(0.01,78)≈2.374。拒绝域为t>2.374。4.计算得到的检验统计量t≈8.87大于临界值2.374。因此，拒绝原假设。结论：有充分统计证据表明新药比安慰剂更有效（平均收缩压下降值更高）。五、1.补全2x2列联表：|偏好情况|偏好品牌X|偏好品牌Y|无特别偏好|合计||:-------|:--------|:--------|:---------|:---||合计|80|50|70|200||偏好品牌X|40|20|20|80||偏好品牌Y|30|30|10|70||无特别偏好|10|0|60|70|2.原假设H0:品牌偏好与品牌选择相互独立（即对X和Y的偏好无差异）；备择假设H1:品牌偏好与品牌选择不独立（即对X和Y的偏好有差异）。3.计算卡方检验统计量：χ^2=Σ((O-E)^2/E)，其中O为观察频数，E为期望频数。E=(行合计*列合计)/总合计。*E11=(80*80)/200=32*E12=(80*50)/200=20*E13=(80*70)/200=28*E21=(70*80)/200=28*E22=(70*50)/200=17.5*E23=(70*70)/200=24.5*E31=(70*80)/200=28*E32=(70*50)/200=17.5*E33=(70*70)/200=24.5*χ^2=((40-32)^2/32+(20-20)^2/20+(20-28)^2/28+(30-28)^2/28+(30-17.5)^2/17.5+(10-24.5)^2/24.5+(10-28)^2/28+(0-17.5)^2/17.5+(60-24.5)^2/24.5)*χ^2=(64/32+0/20+64/28+4/28+156.25/17.5+207.025/24.5+324/28+306.25/17.5+1230.25/24.5)*χ^2≈2+0+2.286+0.14