2025年统计师《统计学》真题及答案

2025年统计师《统计学》真题及答案考试时间：______分钟总分：______分姓名：______一、单项选择题（本大题共15小题，每小题1分，共15分。下列每小题备选答案中，只有一项是符合题目要求的。）1.统计学研究的对象是（）。A.抽象的数字B.现象总体的数量特征和数量关系C.个别事物的具体数量D.现象的性质2.对10个城市的居民消费水平进行调查，这种调查方式是（）。A.普查B.重点调查C.抽样调查D.典型调查3.标志按其变异情况划分，可划分为（）。A.品质标志和数量标志B.可控标志和不可控标志C.质量标志和数量标志D.核心标志和辅助标志4.下面属于时期指标的是（）。A.人口数B.土地面积C.工业总产值D.职工人数5.计算平均指标时，如果各组的权数相等，则（）。A.加权算术平均数等于简单算术平均数B.加权调和平均数等于简单调和平均数C.加权几何平均数等于简单几何平均数D.中位数等于众数6.变异系数是（）。A.绝对指标B.相对指标C.平均指标D.总量指标7.已知变量x与y的相关系数r=0.9，则变量x与y之间（）。A.相关性较弱B.相关性较强C.不相关D.负相关8.在其他条件不变的情况下，样本单位数增大，抽样平均误差（）。A.增大B.减小C.不变D.可能增大也可能减小9.样本指标和总体指标（）。A.可以相互转化B.完全相同C.可以相互代替D.没有任何联系10.在大样本条件下，总体均值μ的1-α置信区间为（x-t/2(n-1)s/n,x+t/2(n-1)s/n)，其中x表示（）。A.样本方差B.总体方差C.样本均值D.总体均值11.假设检验中，犯第一类错误的概率记作α，犯第二类错误的概率记作β，则（）。A.α+β=1B.α+β<1C.α+β>1D.α+β只受样本量影响12.在单因素方差分析中，若要检验因素A对结果是否有显著影响，应检验的假设是（）。A.H0:σ12=σ22=...=σk2B.H0:μ1=μ2=...=μkC.H0:x̄1=x̄2=...=x̄kD.H0:σ1=σ2=...=σk13.设二元线性回归方程为ŷ=a+bx，其中b的经济含义是（）。A.当x不变时，y的平均变化量B.当y不变时，x的平均变化量C.x每变化一个单位，y的平均变化量D.y每变化一个单位，x的平均变化量14.某商场连续四个月的销售额分别为100万元、120万元、110万元、130万元，若要计算四个月的平均发展速度，应采用（）。A.简单算术平均法B.加权算术平均法C.几何平均法D.移动平均法15.某地区2023年粮食产量比2022年增长了5%，人口增长了2%，则该地区2023年人均粮食产量（）。A.增长了7%B.增长了3%C.减少了3%D.无法判断二、简答题（本大题共4小题，每小题5分，共20分。）16.简述标志变异指标的作用。17.简述参数估计的两种基本方法及其特点。18.简述假设检验中显著性水平α的意义。19.简述相关分析与回归分析的区别与联系。三、计算题（本大题共3小题，每小题10分，共30分。）20.某班级40名学生的身高（单位：cm）数据如下：168,170,165,175,160,170,172,168,165,170,173,169,166,174,171,169,168,172,167,170,176,164,171,170,168,173,165,169,172,166,174,170,168,175,167,169,171,170。要求：（1）计算该班级学生身高的均值、中位数和众数。（2）计算该班级学生身高的标准差和变异系数。21.从某厂生产的灯泡中随机抽取100只进行寿命测试，得知灯泡的平均寿命为1500小时，标准差为200小时。假设灯泡寿命服从正态分布。要求：（1）计算该厂灯泡平均寿命的95%置信区间（已知t0.025(99)≈1.984）。（2）如果要求置信度为95%，估计该厂灯泡平均寿命的抽样极限误差不超过50小时，至少应抽取多少只灯泡进行测试？22.某公司为了研究广告投入（x，单位：万元）与销售额（y，单位：万元）之间的关系，收集了10组数据，并计算出如下结果：n=10,Σx=65,Σy=780,Σx²=485,Σy²=60544,Σxy=5115。要求：（1）建立y对x的线性回归方程。（2）计算回归系数b的标准误差Se(b)（需先计算SSE）。四、综合应用题（本大题共2小题，每小题12分，共24分。）23.某农场为了比较三种不同肥料（A,B,C）对小麦产量的影响，选取了条件相似的4块土地进行试验，每块土地施用一种肥料，得到的小麦产量（单位：kg）如下：肥料A：98,96,99,95肥料B：104,102,103,101肥料C：97,93,96,95假设小麦产量服从正态分布，且方差相等。要求：检验三种不同肥料对小麦产量是否有显著差异（α=0.05）。24.某商店经理想要了解顾客的年龄（x，单位：岁）与其月消费额（y，单位：元）之间是否存在线性关系。他随机抽取了30名顾客的数据进行分析，得到线性回归方程为ŷ=200+30x。同时，计算得到回归平方和SSR=54000，残差平方和SSE=36000。要求：（1）计算回归系数b的标准误差Se(b)。（2）计算判定系数R²，并解释其意义。（3）当某顾客年龄为35岁时，预测其月消费额，并给出95%的预测区间（需计算预测标准误差Spred）。试卷答案一、单项选择题1.B解析：统计学研究的是客观现象的数量方面，即现象总体的数量特征和数量关系。2.C解析：抽样调查是从总体中按随机原则抽取部分单位进行调查，用以推断总体特征。10个城市是样本，调查方式属于抽样调查。3.A解析：标志是构成统计总体的每个单位所共同具有的某种特征或属性，按其变异情况划分，可分为品质标志（表现事物的属性，不能量化）和数量标志（表现事物的数量特征，可以量化）。4.C解析：时期指标是反映现象在一段时间内累计总量的指标，其数值随时间长短而变动，如工业总产值、销售收入等。人口数、土地面积、职工人数属于时点指标。5.A解析：当各组权数相等（w1=w2=...=wn=1）时，加权算术平均数（Σxw/Σw）就等于简单算术平均数（Σx/n）。6.B解析：变异系数（如标准差系数、极差系数等）是衡量数据离散程度的相对指标，通常以百分比表示。7.B解析：相关系数r的绝对值越接近1，表示相关关系越强。r=0.9表示变量x与y之间存在较强的正相关关系。8.B解析：抽样平均误差的大小与样本单位数n成反比，n越大，抽样平均误差越小。9.A解析：样本指标是根据样本数据计算的统计量，总体指标是根据总体数据计算的参数。在某些情况下，可以用样本指标来估计或推断总体指标，它们可以在一定条件下相互转化。10.C解析：在点估计的置信区间公式中，x代表样本均值。11.B解析：犯第一类错误（α）是当原假设H0为真时拒绝H0的概率；犯第二类错误（β）是当原假设H0为假时接受H0的概率。α+β不一定等于1，它们的大小受样本量、显著性水平等因素影响。12.B解析：单因素方差分析的核心是检验k个总体均值μ1,μ2,...,μk是否相等，即检验假设H0:μ1=μ2=...=μk。13.C解析：在回归方程ŷ=a+bx中，b称为回归系数，表示自变量x每变化一个单位时，因变量y的平均变化量。14.C解析：计算平均发展速度通常使用几何平均法，因为时间序列中的各期发展水平是相乘的关系。15.B解析：根据指数体系，人均粮食产量的增长率约等于粮食产量增长率减去人口增长率，即5%-2%=3%。二、简答题16.变异指标的作用在于：(1)衡量数据离散程度或差异大小，反映数据分布的集中或分散状况。(2)反映现象变动的程度和趋势。(3)是进行统计推断（如估计、检验）的重要依据，较小的变异有利于提高估计的准确性和检验的功效。(4)是衡量平均指标代表性的重要尺度，变异指标越大，平均指标的代表性越差。17.参数估计的两种基本方法是：(1)点估计：用样本统计量（如样本均值x̄、样本方差s²）的某个具体数值直接作为总体参数（如总体均值μ、总体方差σ²）的估计值。特点是计算简单、结果明确，但未考虑抽样误差，无法给出估计的精确程度。(2)区间估计：根据样本统计量构造一个区间，以一定的置信水平（1-α）断定该区间包含总体参数真值的可能性。特点是能给出估计的精确程度（置信区间长度）和把握程度（置信水平），但结果是一个范围，不够精确。18.假设检验中显著性水平α的意义是：α是指在原假设H0为真的情况下，错误地拒绝H0（即犯第一类错误）的概率。它体现了对原假设的拒绝态度或检验的严格程度。α越小，拒绝原假设的要求越严格，越不容易犯第一类错误，但可能增大犯第二类错误（β）的概率。19.相关分析与回归分析的区别与联系：区别：(1)目的不同：相关分析旨在揭示变量之间是否存在相关关系以及关系的密切程度和方向；回归分析旨在建立变量之间的函数关系模型，用于预测或解释变量间的变动关系。(2)关系不同：相关分析研究的是变量间相互依赖、共同变动的程度，不区分自变量和因变量；回归分析要明确区分自变量和因变量，研究自变量对因变量的影响。(3)结果不同：相关分析的结果是相关系数，其取值范围在-1到1之间；回归分析的结果是回归方程，描述了变量间的定量关系。联系：(1)相关分析是回归分析的基础和前提，只有变量间存在显著相关关系，才考虑进行回归分析。(2)回归分析可以用来解释相关关系，例如，通过回归系数可以判断相关关系的方向和强度。(3)两者都是研究变量间关系的重要统计方法，常常结合使用。三、计算题20.解：(1)均值x̄=(Σx)/n=(168+170+...+170)/40=6780/40=169.5cm排序后找中位数：中位数x̃=(x(n/2)+x(n/2+1))/2=(169+170)/2=169.5cm众数：出现次数最多的是170cm，众数M0=170cm(2)标准差s=√[Σ(x-x̄)²/(n-1)]=√[(168-169.5)²+(170-169.5)²+...+(170-169.5)²/39]=√[(-1.5)²+(0.5)²+...+(0.5)²/39]=√[(22.5+4.5+...+4.5)/39]=√[(22.5+4.5*38)/39]=√[(22.5+171)/39]=√[193.5/39]=√4.9359≈2.22cm变异系数CV=s/|x̄|=2.22/169.5≈0.0131或1.31%21.解：(1)已知x̄=1500,s=200,n=100,1-α=95%,t0.025(99)≈1.984(或使用z0.025=1.96)总体方差未知但样本量n=100较大，可用样本方差s²代替，或直接用z分布。95%置信区间=(x̄-zα/2*s/√n,x̄+zα/2*s/√n)=(1500-1.984*200/√100,1500+1.984*200/√100)=(1500-1.984*20,1500+1.984*20)=(1500-39.68,1500+39.68)=(1460.32,1539.68)小时(2)抽样极限误差δ=zα/2*s/√n(这里用z分布)要求δ≤501.96*200/√n≤50392/√n≤50√n≥392/50√n≥7.84n≥7.84²n≥61.4656因为n必须是整数，且要满足条件，所以至少应抽取62只灯泡。22.解：(1)计算回归系数b和截距a：b=[nΣxy-ΣxΣy]/[nΣx²-(Σx)²]=[10*5115-65*780]/[10*485-65²]=[51150-50700]/[4850-4225]=450/625=0.72a=ȳ-b*x̄（其中ȳ=Σy/n=780/10=78,x̄=Σx/n=65/10=6.5）=78-0.72*6.5=78-4.68=73.32y对x的线性回归方程为：ŷ=73.32+0.72x(2)计算SSE和Se(b)：首先计算各个y的预测值ŷi和残差ei=yi-ŷi：|x|y|ŷ|ei|ei²||-----|-----|------|------|-------||6.5|75|76.02|-1.02|1.0404||6.8|80|77.44|2.56|6.5536||7.2|84|78.84|5.16|26.6256||7.5|83|80.16|2.84|8.0656||8.0|88|81.48|6.52|42.5004||8.5|92|82.8|9.2|84.64||8.8|93|83.12|9.88|97.7104||9.0|96|83.92|12.08|146.0592||9.5|98|85.32|12.68|161.0224||10.0|105|86.72|18.28|334.1584|Σei²=SSE=898.856b=0.72b的标准误差Se(b)=√[SSE/(n-2)]/√[Σ(x-x̄)²/(n-1)]需要计算Σ(x-x̄)²：Σ(x-x̄)²=[(6.5-6.5)²+(6.8-6.5)²+...+(10.0-6.5)²]/(n-1)=[0+0.09+...+12.25]/9=[0+0.09+0.49+1.21+3.24+5.76+7.84+10.89+18.49+12.25]/9=59.1/9≈6.5667Se(b)=√[898.856/(10-2)]/√6.5667=√[898.856/8]/√6.5667=√112.357/√6.5667=10.6017/2.5651≈4.13623.解：(1)计算各组的均值：x̄A=(98+96+99+95)/4=388/4=97x̄B=(104+102+103+101)/4=410/4=102.5x̄C=(97+93+96+95)/4=381/4=95.25总样本量n=12总均值x̄=(Σxi+Σxj+Σxk)/n=(388+410+381)/12=1179/12=98.25(2)计算总离差平方和SST、组内离差平方和SSW、组间离差平方和SSE：SST=Σ(xi-x̄)²+Σ(xj-x̄)²+Σ(xk-x̄)²=[(98-98.25)²+(96-98.25)²+...+(95-98.25)²]=[(-0.25)²+(-2.25)²+...+(-3.25)²]=[0.0625+5.0625+4.9+9.025+0.0625+3.0625+5.0625+4.9+18.0625+6.25+11.0225+9.025]=81.525SSW=ΣΣ(xij-x̄j)²+ΣΣ(xik-x̄k)²（其中xij为A组的第i个观测值，x̄j为A组的均值，以此类推）=[(98-97)²+(96-97)²+(99-97)²+(95-97)²]+[(104-102.5)²+(102-102.5)²+(103-102.5)²+(101-102.5)²]+[(97-95.25)²+(93-95.25)²+(96-95.25)²+(95-95.25)²]=[1+1+4+4]+[2.25+0.25+0.25+2.25]+[3.0625+5.0625+0.5625+0.0625]=10+5+8.75=23.75SSE=SST-SSW=81.525-23.75=57.775（注：SSE也可以通过计算每个组的SSE然后求和得到，但这里用SST-SSW更直接）(3)计算组间均方MSB和组内均方MSE：MSB=SSE/(k-1)=57.775/(3-1)=57.775/2=28.8875MSE=SSW/(n-k)=23.75/(12-3)=23.75/9≈2.6389（此处MSE也可以用组内均值方差计算，结果应一致）(4)计算F统计量：F=MSB/MSE=28.8875/2.6389≈10.935(5)查F分布表或使用统计软件判断：查F(2,9)分布表，α=0.05时的临界值F0.05(2,9)≈4.26由于计算得到的F=10.935>F0.05(2,9)=4.26，拒绝原假设H0。结论：在α=0.05的显著性水平下，有足够的证据表明三种不同肥料对小麦产量有显著差异。24.解：(1)回归系数b的标准误差Se(b)=√[SSE/(n-2)]/√[Σ(x-x̄)²/(n-1)]已知SSE=36000,n=30,回归方程ŷ=200+30xb=30需要计算Σ(x-x̄)²：Σ(x-x̄)²=Σ