2026年统计试题及答案

2026年统计试题及答案一、单项选择题（每题2分，共20分）1.某高校2025年本科毕业生月起薪调查中，随机抽取300名毕业生记录其起薪数据。这里“300名毕业生的月起薪”属于（）。A.总体B.样本C.参数D.统计量2.在假设检验中，若原假设为H₀:μ=μ₀，备择假设为H₁:μ≠μ₀，当实际μ=μ₀但检验结果拒绝H₀时，所犯错误为（）。A.第一类错误B.第二类错误C.弃真错误D.取伪错误3.若两个变量X与Y的Pearson相关系数r=0.85，且样本量n=50，显著性水平α=0.05时临界值为0.279，则可认为（）。A.X与Y无线性相关关系B.X与Y有显著正线性相关关系C.相关系数的绝对值大于临界值但无统计学意义D.需进一步计算决定系数4.中心极限定理的核心结论是（）。A.无论总体分布如何，样本均值的分布趋近于正态分布B.当样本量足够大时，样本均值的分布趋近于总体分布C.当样本量足够大时，样本均值的分布趋近于正态分布，均值为总体均值，方差为总体方差/nD.总体方差越小，样本均值的分布越集中5.某市场调查公司对500名消费者进行满意度评分（1-5分），若要检验不同年龄组（青年、中年、老年）的满意度是否有显著差异，最适宜的统计方法是（）。A.卡方检验B.单因素方差分析C.独立样本t检验D.相关分析6.已知某时间序列的长期趋势方程为Tₜ=120+5t（t=1,2,…），季节指数S₁=0.8（第一季度），S₂=1.2（第二季度），则第7年第二季度的趋势-季节预测值为（）。A.120+5×28=260，260×1.2=312B.120+5×7=155，155×1.2=186C.120+5×(7×4+2)=120+5×30=270，270×1.2=324D.120+5×(7×4-2)=120+5×26=250，250×1.2=3007.某企业产品质量检测中，合格品率p的95%置信区间为（0.82,0.88），则以下说法正确的是（）。A.有95%的概率p在（0.82,0.88）之间B.若重复抽样100次，约95次的置信区间包含真实pC.样本合格品率为0.85，边际误差为0.03D.该区间宽度为0.06，与样本量无关8.多元线性回归模型中，调整的判定系数R²_adj小于普通判定系数R²的原因是（）。A.引入了变量个数的惩罚项B.消除了异方差的影响C.考虑了自变量之间的多重共线性D.修正了样本量的偏差9.非参数检验与参数检验的主要区别在于（）。A.不依赖总体分布形态B.计算更简单C.检验效能更高D.适用于小样本10.某城市2020-2025年GDP数据（单位：亿元）为680、720、750、800、850、900，若用二次指数平滑法预测2026年GDP，需重点考虑的因素是（）。A.线性趋势B.非线性趋势C.季节波动D.循环波动二、简答题（每题6分，共30分）1.简述分层抽样（StratifiedSampling）的实施步骤及主要优点。2.解释假设检验中“显著性水平α”与“p值”的区别与联系。3.时间序列的构成要素有哪些？分别说明其含义。4.简述相关分析与回归分析的联系与区别。5.列举三种常用的非参数检验方法，并说明其适用场景。三、计算题（每题15分，共45分）1.某品牌手机电池续航时间（单位：小时）的抽样调查数据如下（n=25）：12.1,11.8,12.5,13.2,12.7,12.3,11.9,12.8,13.0,12.4,12.6,12.2,11.7,12.9,13.1,12.0,12.5,12.4,12.7,12.3,13.3,12.6,12.1,12.8,12.5（1）计算样本均值、样本方差（保留2位小数）；（2）若总体标准差未知，构造总体均值的95%置信区间（t₀.₀₂₅(24)=2.064）。2.某食品厂宣称其生产的饼干每袋平均重量为500克。质检部门随机抽取36袋，测得平均重量为498克，样本标准差为6克。在α=0.05显著性水平下，检验该厂宣称是否成立（Z₀.₀₂₅=1.96）。3.某研究考察三种教学方法（A、B、C）对学生数学成绩的影响，随机分配60名学生（每组20人），期末成绩如下表（部分数据）：教学方法样本量样本均值样本方差A208236B207840C208530（1）计算总平方和SST、组间平方和SSA、组内平方和SSE；（2）构造方差分析表（列出自由度、均方、F统计量）；（3）判断三种教学方法的效果是否有显著差异（F₀.₀₅(2,57)=3.16）。四、分析题（共25分）某城市统计局2025年开展了“居民家庭消费结构”调查，随机抽取1000户家庭，收集了家庭月收入（X，单位：千元）、月食品支出（Y，单位：千元）及家庭人口数（Z）的数据。部分统计结果如下：家庭月收入均值X̄=28.5，标准差s_X=8.2；月食品支出均值Ȳ=5.6，标准差s_Y=1.8；X与Y的Pearson相关系数r=0.65；以Y为因变量，X和Z为自变量的多元线性回归结果：回归方程：Ŷ=1.2+0.15X+0.3Z调整的R²=0.58，F检验p值<0.001；自变量系数检验：X的t统计量=5.2（p=0.000），Z的t统计量=2.1（p=0.036）。（1）计算X与Y的协方差（保留2位小数）；（2）解释回归方程中X的系数“0.15”的实际意义；（3）判断Z是否对Y有显著影响（α=0.05），并说明理由；（4）若某家庭月收入30千元，人口数3人，预测其月食品支出；（5）结合相关系数和调整的R²，分析模型的拟合效果。答案一、单项选择题1.B2.A3.B4.C5.B6.A7.B8.A9.A10.B二、简答题1.实施步骤：（1）将总体按某种特征（如年龄、地区）划分为若干互不重叠的层；（2）按比例或独立从各层中抽样；（3）合并各层样本构成总样本。优点：提高估计精度（层内差异小）、便于层内分析、可同时获得各层参数估计。2.区别：α是预先设定的拒绝原假设的最大风险（犯第一类错误的概率）；p值是根据样本数据计算的实际拒绝原假设的最小显著性水平。联系：若p≤α，则拒绝H₀；p>α则不拒绝H₀。3.构成要素：（1）长期趋势（T）：时间序列在较长时期内呈现的持续上升/下降趋势；（2）季节波动（S）：一年内重复出现的周期性波动；（3）循环波动（C）：周期超过一年的非固定长度波动；（4）不规则波动（I）：随机因素引起的无规律变动。4.联系：均研究变量间的关联；相关分析为回归分析提供基础。区别：相关分析关注变量间的线性关联程度（对称）；回归分析关注因果关系（非对称），需设定因变量和自变量，可用于预测。5.（1）符号检验：适用于单样本中位数检验或配对样本比较；（2）Wilcoxon符号秩检验：改进符号检验，利用差值的大小；（3）Kruskal-Wallis检验：多独立样本的非参数方差分析；（4）Mann-WhitneyU检验：两独立样本的非参数t检验（列举三种即可）。三、计算题1.（1）样本均值X̄=(12.1+…+12.5)/25=313.5/25=12.54（小时）；样本方差s²=Σ(Xᵢ-X̄)²/(n-1)=[(12.1-12.54)²+…+(12.5-12.54)²]/24≈(0.1936+…+0.0016)/24≈1.82/24≈0.08（保留2位小数）。（2）置信区间=X̄±t_(α/2)(n-1)(s/√n)=12.54±2.064(√0.08/5)≈12.54±2.064(0.2828/5)≈12.54±0.116，即（12.42,12.66）。（2）置信区间=X̄±t_(α/2)(n-1)(s/√n)=12.54±2.064(√0.08/5)≈12.54±2.064(0.2828/5)≈12.54±0.116，即（12.42,12.66）。2.检验假设H₀:μ=500，H₁:μ≠500；检验统计量t=(X̄-μ₀)/(s/√n)=(498-500)/(6/√36)=(-2)/1=-2；|t|=2>Z₀.₀₂₅=1.96，拒绝H₀，认为该厂宣称不成立。3.（1）总均值X̄总=(20×82+20×78+20×85)/60=(1640+1560+1700)/60=4900/60≈81.67；SST=ΣΣ(Xᵢⱼ-X̄总)²=Σ[nᵢ(sᵢ²+(X̄ᵢ-X̄总)²)]=20×[36+(82-81.67)²]+20×[40+(78-81.67)²]+20×[30+(85-81.67)²]≈20×(36+0.11)+20×(40+13.47)+20×(30+11.09)=20×36.11+20×53.47+20×41.09=722.2+1069.4+821.8=2613.4；SSA=Σnᵢ(X̄ᵢ-X̄总)²=20×(82-81.67)²+20×(78-81.67)²+20×(85-81.67)²≈20×0.11+20×13.47+20×11.09≈2.2+269.4+221.8=493.4；SSE=SST-SSA=2613.4-493.4=2120。（2）方差分析表：来源自由度均方F统计量组间2493.4/2=246.7246.7/(2120/57)≈246.7/37.19≈6.63组内572120/57≈37.19总59（3）F=6.63>F₀.₀₅(2,57)=3.16，拒绝H₀，认为三种教学方法效果有显著差异。四、分析题（1）协方差Cov(X,Y)=r×s_X×s_Y=0.65×8.2×1.8≈9.59（千元²）。（2）X的系数0.15表示：在家庭人口数Z不变的情况下，家