2026年统计专业技术资格考试应用统计模拟试卷（二卷）

2026年统计专业技术资格考试应用统计模拟试卷（二卷）考试时间：______分钟总分：______分姓名：______一、单项选择题（本大题共20小题，每小题1分，共20分。每小题只有一个选项符合题意，请将正确选项的字母填写在答题卡相应位置。）1.在统计调查中，调查对象的全体称为（）。A.样本B.总体C.样本点D.变量2.下列变异指标中，数值越大，表示数据离散程度越小的指标是（）。A.标准差B.方差C.极差D.变异系数3.已知一组样本数据：3,5,7,9,11，其平均数为（）。A.6.5B.7.5C.8D.94.算术平均数受极端值的影响（）。A.没有影响B.影响较小C.影响较大D.无法确定5.中位数是数据排序后处于（）位置的数值。A.第一个B.中间C.最后一个D.平均位置6.已知总体方差σ²=16，样本容量n=25，样本均值的抽样标准误差为（）。A.4B.16C.2D.0.47.当总体分布未知或不满足正态分布条件，且样本量较大时，用于估计总体均值的标准误近似公式为（）。A.σ/√nB.σ²/√nC.σ/√(n-1)D.σ²/(n-1)8.在假设检验中，犯第一类错误是指（）。A.接受原假设，但原假设为假B.拒绝原假设，但原假设为真C.接受原假设，且原假设为真D.拒绝原假设，且原假设为假9.对于两个独立样本的均值比较，当总体方差未知且相等时，应使用的检验统计量是（）。A.Z检验B.t检验（独立样本，相等方差）C.t检验（配对样本）D.F检验10.已知样本数据来自正态分布总体，要检验总体均值μ是否显著大于某个特定值μ₀，应选择的假设形式为（）。A.H₀:μ=μ₀vsH₁:μ≠μ₀B.H₀:μ≥μ₀vsH₁:μ<μ₀C.H₀:μ≤μ₀vsH₁:μ>μ₀D.H₀:μ=μ₀vsH₁:μ<μ₀11.在相关分析中，相关系数ρ的取值范围是（）。A.[0,1]B.(-1,1)C.[-1,1]D.(-∞,+∞)12.若变量X和Y之间的相关系数r=0.8，则说明（）。A.X和Y之间存在正相关关系B.X和Y之间存在负相关关系C.X和Y之间存在完全线性相关关系D.X和Y之间不存在任何关系13.一元线性回归方程β₁和β₀的估计通常使用（）方法。A.最大似然估计B.矩估计C.最小二乘估计D.贝叶斯估计14.在一元线性回归分析中，判定系数R²表示（）。A.自变量对因变量的影响程度B.回归模型对观测数据的拟合优度C.因变量的变异性中由自变量解释的部分比例D.总体方差15.时间序列分析中，如果数据呈现稳定上升或下降趋势，通常可采用（）模型进行拟合。A.指数模型B.线性趋势模型C.季节模型D.循环模型16.抽样调查的主要目的是（）。A.了解总体所有单位的特征B.对总体进行全方位分析C.利用样本信息推断总体特征D.确定总体参数的具体数值17.在抽样设计中，为保证每个单位都有同等被抽中的机会，应采用（）抽样方法。A.简单随机抽样B.分层抽样C.整群抽样D.系统抽样18.某市为了解居民家庭月均收入情况，将全市家庭按收入水平从低到高排序，然后按固定间隔抽取样本，这种抽样方法是（）。A.简单随机抽样B.系统抽样C.分层抽样D.整群抽样19.指数的分类中，反映多种商品价格综合变动程度的指数是（）。A.个体指数B.组指数C.总指数D.平均指数20.某商店2023年某种商品销售额增长了10%，商品销售量增长了5%，则该商品的价格指数为（）。A.4.76%B.10%C.5%D.15%二、多项选择题（本大题共10小题，每小题2分，共20分。每小题有多个选项符合题意，请将正确选项的字母填写在答题卡相应位置。多选、少选、错选均不得分。）21.统计调查按调查对象范围不同，可分为（）。A.普查B.重点调查C.抽样调查D.典型调查E.全面调查22.下列属于描述性统计方法的有（）。A.集中趋势度量（均值、中位数、众数）B.离散程度度量（方差、标准差、极差）C.假设检验D.相关分析E.抽样分布23.样本统计量的分布称为（）。A.总体分布B.抽样分布C.参数D.点估计E.区间估计24.假设检验中的P值是指（）。A.在原假设为真时，获得当前样本结果或更极端结果的概率B.拒绝原假设的充分条件C.接受原假设的充分条件D.小于显著性水平α时，拒绝原假设E.反映样本数据与原假设差异程度25.在进行相关性分析时，需要满足的条件有（）。A.变量间具有线性关系B.样本数据量足够大C.数据服从正态分布D.变量间具有因果关系E.样本数据具有同质性26.一元线性回归模型β₁和β₀的估计量具有以下性质（）。A.无偏性B.有效性C.一致性D.线性性E.独立性27.时间序列分解模型通常包含的成分有（）。A.长期趋势（T）B.季节变动（S）C.循环变动（C）D.不规则变动（I）E.短期随机波动28.抽样误差产生的原因主要有（）。A.抽样方法不当B.样本单位代表性不足C.调查人员主观偏差D.抽样框不完善E.样本量过小29.指数的编制方法主要有（）。A.个体指数法B.综合指数法C.平均指数法D.因素分析法E.指数分解法30.下列关于方差分析的说法正确的有（）。A.方差分析是检验多个总体均值是否相等的方法B.方差分析的基本思想是比较不同组内的方差和组间的方差C.单因素方差分析中，总离差平方和可以分解为组内离差平方和与组间离差平方和D.方差分析要求各组的样本量相等E.方差分析适用于分类自变量和数值型因变量三、简答题（本大题共3小题，每小题10分，共30分。）31.简述简单随机抽样的概念及其操作方法。32.解释什么是假设检验的第一类错误和第二类错误，并说明两者之间的关系。33.简述相关系数r与一元线性回归系数β₁之间的区别与联系。四、计算题（本大题共2小题，每小题15分，共30分。）34.某班级30名学生的统计学考试成绩如下（单位：分）：72,85,78,90,65,88,81,76,84,95,77,68,80,83,89,82,78,91,75,87,79,84,86,69,80,83,77,88,82,76。要求：（1）计算该班级学生统计学考试成绩的均值、中位数和方差。（2）若该年级的合格标准为70分，试估计该班级学生成绩的合格率（置信水平为95%，假设成绩近似服从正态分布，总体方差未知）。35.某研究者欲探究广告投入（X，单位：万元）与产品销售额（Y，单位：万元）之间的关系，随机抽取了8家同类企业，获得如下数据：X:2,4,5,6,7,8,10,12Y:50,80,90,100,105,110,120,130要求：（1）计算X和Y的相关系数r。（2）建立Y对X的一元线性回归方程。（3）若某企业计划投入广告费9万元，据回归方程预测其产品销售额可能达到多少万元？五、综合应用题（本大题共1小题，20分。）36.某工厂生产某种产品，关心产品的重量（单位：克）是否服从正态分布N(μ,σ²)，其中μ和σ²未知。随机抽取了9件产品，测得重量数据如下：99.2,98.6,100.3,101.5,99.0,98.0,100.8,102.1,99.7。假定显著性水平α=0.05。要求：（1）检验该产品重量数据的正态性（请说明检验思路，无需计算具体检验统计量）。（2）检验该产品重量的均值μ是否显著大于100克。（3）若要进一步分析产品重量的波动情况是否显著变大，可以采用什么统计方法？请简述其基本原理。试卷答案一、单项选择题1.B解析：总体是所要研究对象的全体，是统计研究的基本单位。2.D解析：变异系数是相对离散程度指标，数值越大，表示相对离散程度越大；标准差、方差、极差数值越大，表示绝对离散程度越大。3.C解析：平均数=(3+5+7+9+11)/5=8。4.C解析：算术平均数易受极端值影响，极端值会显著拉大或缩小平均数。5.B解析：中位数是将数据按大小排序后位于中间位置的数值。6.D解析：抽样标准误差=σ/√n=4/√25=0.4。7.A解析：当总体分布未知或不满足正态分布，样本量较大(n≥30)时，样本均值的抽样分布近似正态分布，标准误为σ/√n。8.B解析：犯第一类错误是指在原假设为真时，错误地拒绝了原假设，也称为“弃真错误”。9.B解析：根据独立样本t检验的适用条件，当总体方差未知但相等时，应使用t检验（独立样本，相等方差）。10.C解析：检验总体均值μ是否显著大于μ₀，提出的原假设为μ≤μ₀，备择假设为μ>μ₀。11.C解析：相关系数ρ的取值范围是[-1,1]。12.A解析：相关系数r的取值范围为[-1,1]，r=0.8说明X和Y之间存在正相关关系，且关系强度较大。13.C解析：一元线性回归方程参数β₁和β₀的估计通常使用最小二乘估计方法。14.C解析：判定系数R²表示因变量的变异性中由自变量解释的部分比例，取值范围在0到1之间。15.B解析：如果数据呈现稳定上升或下降趋势，通常可采用线性趋势模型进行拟合。16.C解析：抽样调查的主要目的是利用样本信息推断总体特征。17.A解析：简单随机抽样是指从总体N个单位中随机抽取n个单位组成样本，保证每个单位都有同等被抽中的机会。18.B解析：按固定间隔抽取样本属于系统抽样的特点。19.C解析：总指数是反映多种商品价格综合变动程度的指数。20.A解析：根据指数体系：价格指数=(销售额指数)/(销售量指数)=(1+10%)/(1+5%)=1.0526，价格指数上升了5.26%。二、多项选择题21.A,B,C,D解析：统计调查按调查对象范围不同，分为普查（调查总体所有单位）、抽样调查（调查样本单位）、重点调查（调查重点单位）、典型调查（调查具有代表性的典型单位）。22.A,B解析：描述性统计方法主要用于描述数据分布的特征，包括集中趋势度量、离散程度度量等。C、D、E属于推断性统计或具体方法。23.B解析：样本统计量的分布称为抽样分布。24.A,E解析：P值是在原假设为真时，获得当前样本结果或更极端结果的概率，它反映样本数据与原假设差异程度。B、C描述的是判断规则，D不完全准确。25.A,E解析：进行相关性分析时，理想情况是变量间具有线性关系，且样本数据具有同质性。B、C、D并非必须满足条件。26.A,B,C,D解析：根据最小二乘估计的性质，估计量具有无偏性、有效性、一致性、线性性（关于自变量和常数项的线性组合）。27.A,B,C,D解析：时间序列分解模型通常包含长期趋势（T）、季节变动（S）、循环变动（C）和不规则变动（I）四个成分。28.B,D,E解析：抽样误差是由于抽样方法本身导致的随机误差。B、D、E是导致抽样误差的原因。C属于非抽样误差。29.B,C解析：指数的编制方法主要有综合指数法和平均指数法。D、E是指数分析的应用或相关方法。30.A,B,C解析：方差分析是检验多个总体均值是否相等的方法，其基本思想是比较组内方差和组间方差。D并非必须条件，E描述的是应用场景。三、简答题31.简单随机抽样是指从总体N个单位中，完全随机地抽取n个单位组成样本的抽样方法。每个可能的样本被抽中的概率相等。操作方法主要有两种：（1）有放回抽样：将总体每个单位编号，置于容器中混合均匀后，逐个抽取n次，每次抽取一个记下编号，放回再抽，直至抽满n个。（2）无放回抽样：将总体每个单位编号，置于容器中混合均匀后，逐个抽取n次，每次抽取一个记下编号，不再放回，直至抽满n个。解析思路：首先定义简单随机抽样的概念，强调其随机性和等概率性。然后说明两种主要的操作方法：有放回抽样和无放回抽样，并简单描述其具体步骤。32.假设检验的第一类错误（弃真错误）是指在原假设H₀为真时，错误地拒绝了原假设，即判错了。犯第一类错误的概率用α表示，即P(拒绝H₀|H₀为真)=α。假设检验的第二类错误（取伪错误）是指在原假设H₀为假时，错误地接受了原假设，即漏判了。犯第二类错误的概率用β表示，即P(接受H₀|H₀为假)=β。第一类错误和第二类错误之间通常存在此消彼长的关系：减小α（控制第一类错误的概率）往往会增大β（增加第二类错误的概率），反之亦然。这是因为假设检验的决策是基于样本信息，存在抽样随机性。解析思路：首先分别定义第一类错误和第二类错误的含义，并给出其概率表示。然后说明两者之间的关系，即通常情况下，控制其中一个错误概率的减小，会导致另一个错误概率的增大。33.区别：（1）相关系数r衡量的是两个变量X和Y之间线性关系的强度和方向，其取值范围在[-1,1]之间。r=0表示无线性相关，r=1或r=-1表示完全线性相关。（2）一元线性回归系数β₁（回归系数）衡量的是自变量X每变化一个单位，因变量Y平均变化的量（当X和Y之间存在线性关系时），其符号和数值都与相关系数r相同，但单位不同。联系：（1）在一元线性回归模型Y=β₀+β₁X+ε中，如果X和Y之间存在线性相关关系，则相关系数r和回归系数β₁之间存在如下关系：β₁=r*(σ<0xE2><0x82><0x98>/σ<0xE2><0x82><0x99>)，其中σ<0xE2><0x82><0x98>和σ<0xE2><0x82><0x99>分别是X和Y的标准差。（2）相关系数r的大小可以反映线性回归方程的拟合程度，r的绝对值越大，回归模型的解释力越强。解析思路：先阐述相关系数r和回归系数β₁的定义和区别，包括衡量对象、取值范围/单位等。然后说明两者的联系，主要是数学上的关系式，以及r与回归模型拟合优度的联系。四、计算题34.（1）均值：均值=Σx/n=(72+85+...+76)/30=80.4分。中位数：先将数据排序：65,68,72,75,76,76,77,77,78,78,80,80,81,82,82,83,83,84,84,85,86,88,88,89,90,91,95。数据个数为偶数，中位数=(第15位+第16位数据)/2=(82+83)/2=82.5分。方差：方差s²=Σ(x-均值)²/(n-1)=[(72-80.4)²+...+(76-80.4)²]/29≈55.676。(计算过程略)（2）样本合格率p̂=30-Σ(x<70)/30=30-5/30=5/6≈0.8333。标准误：SE(p̂)=√[p̂(1-p̂)/n]=√[0.8333(1-0.8333)/30]≈0.0884。95%置信水平对应Zα/2≈1.96。置信区间：p̂±Zα/2*SE(p̂)=0.8333±1.96*0.0884=(0.6601,1.0065)。由于合格率不能超过1，且不能小于0，结合实际意义，置信区间可调整为(0.6601,1.0000)。结论：在95%置信水平下，该班级学生成绩的合格率估计在66.01%到100.00%之间。解析思路：（1）计算均值直接求和除以数量。中位数需要排序后找中间位置。方差使用样本方差公式计算。（2）先计算样本合格率p̂。然后计算样本比例的标准误。根据置信水平和Z分布表查临界值Zα/2。代入公式计算置信区间。注意结果的实际意义，避免超出[0,1]范围。35.（1）计算相关系数r：ΣX=2+4+...+12=72,ΣY=50+80+...+130=840,n=8。ΣX²=2²+4²+...+12²=676,ΣY²=50²+80²+...+130²=93800,ΣXY=2*50+4*80+...+12*130=9180。r=nΣXY-(ΣX)(ΣY)/√[nΣX²-(ΣX)²]*√[nΣY²-(ΣY)²]r=8*9180-72*840/√[8*676-72²]*√[8*93800-840²]r=73440-60480/√[5408-5184]*√[750400-705600]r=12960/√[224]*√[44800]r=12960/14.966*212.077≈0.9988。（2）建立一元线性回归方程Y=β₀+β₁X：β₁=nΣXY-(ΣX)(ΣY)/nΣX²-(ΣX)²=12960/5408=2.4。β₀=均值Y-β₁*均值X=840/8-2.4*72/8=105-21.6=83.4。回归方程为Y=83.4+2.4X。（3）当X=9时，预测Y=83.4+2.4*9=83.4+21.6=105.0万元。解析思路：（1）计算相关系数r需要用到公式，涉及ΣX,ΣY,ΣX²,ΣY²,ΣXY和样本量n。按公式步骤计算即可。（2）求回归方程的系数β₁和β₀，使用最小二乘估计公式。代入计算得到方程。（3）将X=9代入得到的回归方程，计算预测值Y。五、综合应用题36.（1）检验产品重量数据的正态性思路：方法一：图形法。可以绘制直方图或Q-Q（正态概率）图。观察直方图是否近似对称钟形，Q-Q图上的点是否近似落在一条直线上。如果图形近似满足正态分布特征，则可认为数据可能来自正态分布总体。方法二：统计检验法。可以选择Shapiro-Wilk检验或Kolmogorov-Smirnov检验（需知道总体均值和方差或使用样本估计）。根据检验的P值判断。如果P值大于显著性水平α（如0.05），则不能拒绝正态性原假设，认为数据来自正态分布总体；如果P值小于α，则拒绝正态性原假设。解析思路：提出两种常用的正态性检验方法：图形法和统计检验法。简述每种方法的操作和判断依据。（2）检验均值μ是否显著大于100克：提出假设：H₀:μ≤100,H₁:μ>100。由于样本量n=9较小且总体方差未知，应使用t检验。