2026年统计学习题及参考答案

2026年统计学习题及参考答案一、某城市2025年1-12月新能源汽车月度销量数据如下（单位：万辆）：12.3,14.5,16.2,18.7,21.1,23.4,25.6,27.8,29.5,31.2,33.1,35.4。（1）计算该时间序列的逐期增长量、累计增长量和平均增长量；（2）计算环比发展速度、定基发展速度（以1月为基期）和平均发展速度；（3）判断该序列是否存在长期趋势，若存在，用最小二乘法拟合线性趋势方程，并预测2026年1月的销量。参考答案：（1）逐期增长量=本期值-上期值，依次为：2.2,1.7,2.5,2.4,2.3,2.2,2.2,1.7,1.7,1.9,2.3（万辆）；累计增长量=本期值-1月值，依次为：2.2,3.9,6.4,8.8,11.1,13.3,15.5,17.2,18.9,21.8,24.1（万辆）；平均增长量=累计增长量/（n-1）=24.1/11≈2.19（万辆）。（2）环比发展速度=本期值/上期值×100%，依次为：117.9%,111.7%,115.4%,112.8%,110.9%,109.4%,108.6%,106.9%,105.8%,106.4%,107.4%；定基发展速度=本期值/1月值×100%，依次为：117.9%,131.7%,152.0%,171.5%,190.2%,208.1%,223.6%,253.7%,253.7%,253.7%,287.8%；平均发展速度=（35.4/12.3）^(1/11)≈1.105（即110.5%）。（3）观察数据呈持续上升趋势，存在长期趋势。设时间t=1到12，销量y=at+b，计算得：∑t=78，∑y=288.8，∑ty=2043.2，∑t²=650。a=(n∑ty-∑t∑y)/(n∑t²-(∑t)²)=(12×2043.2-78×288.8)/(12×650-78²)=(24518.4-22526.4)/(7800-6084)=1992/1716≈1.16；b=(∑y-a∑t)/n=(288.8-1.16×78)/12=(288.8-90.48)/12≈198.32/12≈16.53。趋势方程：y=1.16t+16.53。2026年1月t=13，预测值=1.16×13+16.53≈31.61（万辆）。二、某电子元件厂生产的芯片寿命服从正态分布N(μ,σ²)，其中σ=50小时。现随机抽取25件芯片，测得平均寿命为1200小时。（1）求μ的95%置信区间；（2）若σ未知，样本标准差s=55小时，求μ的95%置信区间；（3）若要求置信水平99%、误差不超过20小时，至少需要抽取多少件芯片（σ=50）？参考答案：（1）σ已知，置信区间=x̄±z_(α/2)×(σ/√n)。z_0.025=1.96，代入得：1200±1.96×(50/5)=1200±19.6，即(1180.4,1219.6)小时。（2）σ未知，用t分布，自由度df=24，t_0.025(24)=2.064。置信区间=1200±2.064×(55/5)=1200±22.70，即(1177.30,1222.70)小时。（3）误差E=z_(α/2)×(σ/√n)，n=(z_(α/2)×σ/E)²。z_0.005=2.576，n=(2.576×50/20)²=(6.44)²≈41.47，向上取整为42件。三、某电商平台为测试两种促销策略（A、B）的效果，随机选取1000名用户，500人使用A策略，500人使用B策略，记录用户是否产生购买（1=购买，0=未购买）。结果如下：A策略购买人数280，B策略购买人数250。（1）检验两种策略的购买率是否有显著差异（α=0.05）；（2）计算购买率差异的95%置信区间；（3）若B策略实际购买率为48%，求检验的功效（β=0.1时，Z_(1-β)=1.28）。参考答案：（1）设p1为A策略购买率，p2为B策略购买率。原假设H0:p1=p2，备择假设H1:p1≠p2。p̂1=280/500=0.56，p̂2=250/500=0.50，合并p̂=(280+250)/1000=0.53。检验统计量Z=(p̂1-p̂2)/√[p̂(1-p̂)(1/n1+1/n2)]=(0.56-0.50)/√[0.53×0.47×(2/500)]≈0.06/√(0.0009964)≈0.06/0.0316≈1.898。Z临界值±1.96，|Z|=1.898<1.96，不拒绝H0，无显著差异。（2）差异置信区间=(p̂1-p̂2)±z_(α/2)√[p̂1(1-p̂1)/n1+p̂2(1-p̂2)/n2]=0.06±1.96×√[(0.56×0.44)/500+(0.50×0.50)/500]≈0.06±1.96×√(0.0009856+0.0005)=0.06±1.96×0.0385≈0.06±0.0755，即(-0.0155,0.1355)。（3）功效=1-β，当H1为真时，p1=0.56，p2=0.48，Δ=0.08。检验拒绝域为|Z|>1.96，即Z>1.96或Z<-1.96。计算非中心Z值：Z=(Δ-0)/√[p1(1-p1)/n1+p2(1-p2)/n2]=(0.08)/√[(0.56×0.44)/500+(0.48×0.52)/500]≈0.08/√(0.0009856+0.0004992)=0.08/0.0385≈2.078。功效=P(Z>1.96)=1-Φ(1.96-2.078)=1-Φ(-0.118)=Φ(0.118)≈0.547，即约54.7%。四、某医院为研究三种新型降压药（X、Y、Z）的疗效，将60名高血压患者随机分为三组，每组20人，治疗4周后测量血压下降值（mmHg），数据如下：X组：12,15,18,14,16,17,13,19,15,16,14,18,17,15,16,19,13,14,17,16Y组：10,13,11,14,12,15,10,12,14,11,13,12,15,10,11,14,13,12,15,11Z组：8,10,9,12,7,11,8,10,9,11,8,12,7,10,9,11,8,10,7,9（1）检验三组降压效果是否有显著差异（α=0.05）；（2）若有差异，用LSD法比较X与Y、X与Z的差异（α=0.05）；（3）分析方差分析的前提条件是否满足（假设数据独立）。参考答案：（1）计算各组均值：X̄=15.85，Ȳ=12.35，Z̄=9.35；总均值=12.52。组间平方和SSB=20×[(15.85-12.52)²+(12.35-12.52)²+(9.35-12.52)²]=20×(11.09+0.03+10.05)=20×21.17=423.4；组内平方和SSW=∑(x_ij-X̄i)²，计算得X组SS=∑(x²)-nX̄²=4993-20×15.85²=4993-5024.45=-31.45（取绝对值31.45），同理Y组SS=4531-20×12.35²=4531-3042.05=1488.95（错误，实际应逐项计算：X组数据平方和=12²+15²+…+16²=144+225+324+196+256+289+169+361+225+256+196+324+289+225+256+361+169+196+289+256=计算得5038，故X组SS=5038-20×15.85²=5038-20×251.22=5038-5024.4=13.6；Y组数据平方和=10²+13²+…+11²=100+169+121+196+144+225+100+144+196+121+169+144+225+100+121+196+169+144+225+121=3138，Ȳ=12.35，Y组SS=3138-20×12.35²=3138-20×152.52=3138-3050.4=87.6；Z组数据平方和=8²+10²+…+9²=64+100+81+144+49+121+64+100+81+121+64+144+49+100+81+121+64+100+49+81=1744，Z̄=9.35，Z组SS=1744-20×9.35²=1744-20×87.42=1744-1748.4=-4.4（取绝对值4.4）。总SSW=13.6+87.6+4.4=105.6；总平方和SST=SSB+SSW=423.4+105.6=529；自由度：组间df1=2，组内df2=57；均方MSB=423.4/2=211.7，MSW=105.6/57≈1.85；F=MSB/MSW≈211.7/1.85≈114.43。F临界值F0.05(2,57)≈3.16，F=114.43>3.16，拒绝H0，三组有显著差异。（2）LSD法临界值=t_(α/2,df2)×√(2MSW/n)=t_0.025(57)≈2.002×√(2×1.85/20)=2.002×√(0.185)≈2.002×0.43≈0.86；X与Y均值差=15.85-12.35=3.5>0.86，显著差异；X与Z均值差=15.85-9.35=6.5>0.86，显著差异。（3）方差分析前提：①各总体正态（可通过正态性检验，如Shapiro-Wilk检验，假设满足）；②各总体方差相等（用Bartlett检验，计算得各组方差：X组s²=13.6/19≈0.72，Y组s²=87.6/19≈4.61，Z组s²=4.4/19≈0.23，方差差异较大，可能不满足方差齐性，需用Welch检验或数据变换）。五、某地区研究居民消费支出（Y，万元）与可支配收入（X1，万元）、家庭人口数（X2，人）的关系，收集30户家庭数据，得到多元线性回归结果：回归方程：Ŷ=0.5+0.72X1+0.15X2方差分析表：来源平方和自由度均方F回归120.5260.25？残差25.3270.94总145.829系数检验结果（t检验）：变量系数标准误t值P值常数项0.50.22.50.018X10.720.089.00.000X20.150.062.50.018（1）计算回归方程的判定系数R²和调整R²；（2）检验回归方程的整体显著性（α=0.05）；（3）解释X1和X2系数的经济意义；（4）预测当X1=10万元、X2=3人时的消费支出，并计算95%预测区间（t_0.025(27)=2.052，预测值标准误=1.2）。参考答案：（1）R²=回归平方和/总平方和=120.5/145.8≈0.826；调整R²=1-(1-R²)(n-1)/(n-k-1)=1-(0.174×29)/27≈1-0.187=0.813。（2）F=回归均方/残差均方=60.25/0.94≈64.10，F临界值F0.05(2,27)=3.35，F=64.10>3.35，回归方程整体显著。（3）X1系数0.72表示：其他条件不变，可支配收入每增加1万元，消费支出平均增加0.72万元；X2系数0.15表示：其他条件不变，家庭人口数每增加1人，消费支出平均增加0.15万元。（4）预测值=0.5+0.72×10+0.15×3=0.5+7.2+0.45=8.15万元；预测区间=8.15±t_(α/2)×预测标准误=8.15±2.052×1.2≈8.15±2.46，即(5.69,10.61)万元。六、某快递公司为优化配送路线，记录了100次配送的行驶时间（分钟）和行驶距离（公里），数据散点图显示二者线性相关。计算得：∑X=2500，∑Y=5000，∑XY=135000，∑X²=70000，∑Y²=260000，n=100。（1）计算相关系数r，并说明相关程度；（2）建立行驶时间对行驶距离的线性回归方程；（3）检验回归系数的显著性（α=0.05，t临界值=1.984）；（4）若某配送距离为30公里，预测行驶时间，并说明预测的可靠性。参考答案：（1）r=[n∑XY-∑X∑Y]/√[(n∑X²-(∑X)²)(n∑Y²-(∑Y)²)]=[100×135000-2500×5000]/√[(100×70000-2500²)(100×260000-5000²)]=[13500000-12500000]/√[(7000000-6250000)(26000000-25000000)]=1000000/√(750000×1000000)=1000000/(86602.54×1000)=1000000/86602540≈0.924，高度正相关。（2）b=(n∑XY-∑X∑Y)/(n∑X²-(∑X)²)=1000000/750000≈1.333；ā=Ȳ-bX̄=5000/100-1.333×2500/100=50-33.325=16.675；回归方程：Ŷ=16.675+1.333X。（3）计算残差平方和SSE=∑Y²-ā∑Y-b∑XY=260000-16.