2026年经典统计试题及答案

2026年经典统计试题及答案一、单项选择题（每题3分，共15分）1.某城市2025年各区域GDP数据呈现右偏分布，若需反映该城市GDP的一般水平，最适宜的集中趋势指标是（）A.算术平均数B.中位数C.众数D.调和平均数2.为研究某高校学生月消费支出，将学生按年级分为4层（大一至大四），每层按比例抽取50人，该抽样方法属于（）A.简单随机抽样B.分层抽样C.系统抽样D.整群抽样3.已知随机变量X服从参数n=100，p=0.05的二项分布，当n较大且p较小时，X可近似为（）A.正态分布N(5,4.75)B.泊松分布P(5)C.卡方分布χ²(100)D.t分布t(99)4.在假设检验中，若原假设H₀实际为假，但检验结果未拒绝H₀，此情况属于（）A.第Ⅰ类错误B.第Ⅱ类错误C.正确决策D.统计功效不足5.对100组(x,y)数据进行线性回归分析，得到判定系数R²=0.85，说明（）A.x与y的相关系数为0.85B.y的总变异中85%可由x的变异解释C.回归方程的预测误差为15%D.x每增加1单位，y平均增加0.85单位二、填空题（每题4分，共20分）1.某班级10名学生数学成绩为：75,82,90,68,78,85,92,70,88,80。则样本均值为______，样本方差为______（保留2位小数）。2.对3×4列联表进行卡方独立性检验，其自由度为______。3.从正态总体N(μ,σ²)中抽取容量为n的样本，若σ未知，总体均值μ的95%置信区间为______（用样本统计量表示）。4.双样本t检验中，若两总体方差未知但相等，样本量分别为n₁=15，n₂=20，则合并方差的自由度为______。5.已知简单线性回归方程ŷ=2.5+1.2x，且x的样本均值为10，y的样本均值为______。三、简答题（每题8分，共40分）1.简述中心极限定理的核心内容，并说明其在统计推断中的作用。2.假设检验中，显著性水平α与第Ⅱ类错误概率β的关系是什么？实际应用中如何平衡二者？3.方差分析的基本思想是什么？其适用的三个基本假设是什么？4.简述简单线性回归中最小二乘法的原理，并说明回归系数估计量的主要性质。5.对于非正态分布的连续型数据，为何中位数通常比均值更适合作为集中趋势的度量？请结合偏态分布的特点说明。四、计算题（共75分）1.（15分）某食品厂生产的袋装饼干标注重量为200g。现从生产线随机抽取36袋，测得样本均值为198.5g，样本标准差为5g（假设总体近似正态）。（1）计算总体均值的95%置信区间；（2）若工厂要求产品平均重量不低于200g，在α=0.05水平下检验是否达标（写出原假设、备择假设及检验过程）。2.（25分）为研究A、B两种教学方法对学生数学成绩的影响，随机选取60名学生，30人采用A方法，30人采用B方法。期末测试成绩如下：A方法：n₁=30，x̄₁=82分，s₁=6分；B方法：n₂=30，x̄₂=78分，s₂=5分。假设两总体方差相等且服从正态分布。（1）检验两种方法的平均成绩是否有显著差异（α=0.05）；（2）计算两总体均值差的95%置信区间；（3）若实际两总体均值差为3分，检验功效（1-β）约为0.8，解释其实际意义。3.（35分）某电商平台收集了12个月的广告投入（x，万元）与销售额（y，万元）数据，部分统计量如下：Σx=360，Σy=2400，Σxy=75000，Σx²=12000，Σy²=500000，n=12。（1）计算相关系数r，并说明x与y的线性相关程度；（2）拟合简单线性回归方程ŷ=a+bx，解释回归系数b的实际意义；（3）计算判定系数R²，说明回归方程的拟合优度；（4）检验回归系数b的显著性（α=0.05，t临界值t₀.₀₂₅(10)=2.228）；（5）当广告投入为40万元时，预测销售额的点估计值。答案一、单项选择题1.B2.B3.B4.B5.B二、填空题1.80.80，78.36（计算：均值=(75+82+…+80)/10=808/10=80.8；方差=Σ(xi-x̄)²/(n-1)=[(75-80.8)²+…+(80-80.8)²]/9≈705.2/9≈78.36）2.(3-1)(4-1)=63.x̄±tα/2(n-1)·s/√n4.n₁+n₂-2=335.2.5+1.2×10=14.5三、简答题1.中心极限定理：若总体均值为μ，方差为σ²（有限），从该总体中抽取容量为n的独立同分布样本，当n充分大时，样本均值x̄近似服从正态分布N(μ,σ²/n)。作用：为非正态总体或总体分布未知时的均值推断提供理论依据（如大样本下用正态分布近似），是构造置信区间和假设检验的重要基础。2.关系：在样本量固定时，α与β反向变动（降低α会增加β，反之亦然）。平衡方法：增大样本量n（可同时降低α和β）；根据实际问题重要性选择α（如医疗检验中Ⅰ类错误后果严重时取较小α）。3.基本思想：将总变异分解为组间变异（处理因素影响）和组内变异（随机误差），通过比较两者的相对大小判断各总体均值是否有显著差异。假设：各总体服从正态分布；各总体方差相等；观测值独立。4.原理：最小化实际观测值y与回归预测值ŷ的误差平方和Σ(yi-ŷi)²，得到回归系数a和b的估计值。性质：无偏性（E(b)=β）、有效性（在所有线性无偏估计中方差最小）、一致性（随n增大，估计量趋近于真实值）。5.非正态分布（尤其是偏态分布）中，均值易受极端值影响。例如右偏分布（如收入数据），少数高收入者会拉高均值，使其大于大部分数据的集中位置；而中位数是数据排序后的中间值，不受极端值影响，更能反映数据的“典型”水平。四、计算题1.（1）n=36（大样本），σ未知用s代替，95%置信区间：x̄±zα/2·s/√n=198.5±1.96×5/6≈198.5±1.63，即(196.87,200.13)g。（2）H₀:μ≥200vsH₁:μ<200（单侧检验）检验统计量t=(x̄-μ₀)/(s/√n)=(198.5-200)/(5/6)=-1.8自由度n-1=35，α=0.05，单侧t临界值t₀.₀₅(35)≈-1.690（或用z≈-1.645）。计算得t=-1.8<-1.690，拒绝H₀，认为平均重量低于200g，不达标。2.（1）H₀:μ₁=μ₂vsH₁:μ₁≠μ₂合并方差s²p=[(n₁-1)s₁²+(n₂-1)s₂²]/(n₁+n₂-2)=[29×36+29×25]/58=(1044+725)/58≈1769/58≈30.5标准误se=√[s²p(1/n₁+1/n₂)]=√[30.5×(1/30+1/30)]=√(30.5×2/30)=√2.033≈1.426t=(x̄₁-x̄₂)/se=(82-78)/1.426≈2.805自由度df=58，α=0.05，双侧t临界值≈2.000（近似）。t=2.805>2.000，拒绝H₀，成绩有显著差异。（2）均值差=82-78=4，95%置信区间：4±tα/2·se=4±2.000×1.426≈(1.148,6.852)分。（3）检验功效0.8表示：当两总体均值实际差为3分时，该检验正确拒绝H₀的概率为80%（即有80%的把握检测到3分的差异）。3.（1）相关系数r=[nΣxy-ΣxΣy]/√{[nΣx²-(Σx)²][nΣy²-(Σy)²]}分子=12×75000-360×2400=900000-864000=36000分母=√{[12×12000-360²][12×500000-2400²]}=√{(144000-129600)(6000000-5760000)}=√{14400×240000}=√3456000000≈58787.75r=36000/58787.75≈0.612，中度正相关。（2）b=[nΣxy-ΣxΣy]/[nΣx²-(Σx)²]=36000/(144000-129600)=36000/14400=2.5a=ȳ-bx̄=(2400/12)-2.5×(360/12)=200-2.5×30=200-75=125回归方程：ŷ=125+2.5x。b=2.5表示广告投入每增加1万元，销售额平均增加2.5万元。（3）R²=r²=0.612²≈0.374，说明销售额的总变异中约37.4%可由广告投入的变异解释，拟合优度中等。（4）H₀:β=0vsH₁:β≠0回归平方和SSR=b²×[nΣx²-(Σx)²]/n=2.5²×14400/12=6.25×1200=7500残差平方和SSE=Σy²-aΣy-bΣxy=500000-125×2400-2.5×75000=50