2026年统计学习题及答案

2026年统计学习题及答案1.某电商平台2025年1-12月的月销售额（单位：万元）数据如下：120,135,140,150,160,175,180,190,200,195,185,170。（1）计算该数据集的均值、中位数、样本方差和标准差；（2）绘制箱线图并分析数据分布的主要特征。答案：（1）均值计算：均值=(120+135+140+150+160+175+180+190+200+195+185+170)/12=2000/12≈166.67万元。中位数计算：将数据从小到大排序为120,135,140,150,160,170,175,180,185,190,195,200，共12个数据，中位数为第6和第7个数的平均值，即(170+175)/2=172.5万元。样本方差计算：首先计算各数据与均值的离差平方和：(120-166.67)²+(135-166.67)²+...+(170-166.67)²≈2178.09+1002.99+680.89+278.89+44.49+19.49+110.89+590.89+1098.89+590.89+308.89+11.09≈7917.16样本方差=7917.16/(12-1)≈719.74万元²。标准差=√719.74≈26.83万元。（2）箱线图特征：最小值120，第一四分位数Q1=150（第3个数与第4个数的平均，即(140+150)/2=145？需重新计算：12个数据的四分位数位置为n=12，Q1位置=(12+1)/4=3.25，即第3个数+0.25(第4个数-第3个数)=140+0.25(150-140)=142.5；Q3位置=3(12+1)/4=9.75，即第9个数+0.75(第10个数-第9个数)=185+0.75(190-185)=188.75；中位数172.5；最大值200。数据分布右偏（均值166.67<中位数172.5？不，实际均值166.67小于中位数172.5，应为左偏，因为左尾有较小值120、135拉低均值）。（2）箱线图特征：最小值120，第一四分位数Q1=150（第3个数与第4个数的平均，即(140+150)/2=145？需重新计算：12个数据的四分位数位置为n=12，Q1位置=(12+1)/4=3.25，即第3个数+0.25(第4个数-第3个数)=140+0.25(150-140)=142.5；Q3位置=3(12+1)/4=9.75，即第9个数+0.75(第10个数-第9个数)=185+0.75(190-185)=188.75；中位数172.5；最大值200。数据分布右偏（均值166.67<中位数172.5？不，实际均值166.67小于中位数172.5，应为左偏，因为左尾有较小值120、135拉低均值）。2.某工厂有两条生产线A和B，A线产量占总产量的60%，次品率为2%；B线产量占40%，次品率为3%。现随机抽取一件产品，发现为次品，求该次品来自A线的概率（保留3位小数）。答案：设事件A为“产品来自A线”，事件B为“产品来自B线”，事件D为“产品为次品”。已知P(A)=0.6，P(B)=0.4，P(D|A)=0.02，P(D|B)=0.03。根据贝叶斯定理，P(A|D)=P(D|A)P(A)/[P(D|A)P(A)+P(D|B)P(B)]分子=0.02×0.6=0.012分母=0.012+0.03×0.4=0.012+0.012=0.024因此P(A|D)=0.012/0.024=0.500。3.某品牌手机电池续航时间服从正态分布。随机抽取36块电池，测得平均续航时间为12.5小时。（1）若总体标准差为0.8小时，求95%置信水平下的总体均值置信区间；（2）若总体标准差未知，样本标准差为0.9小时，求95%置信水平下的总体均值置信区间（t分布临界值取2.030）。答案：（1）总体标准差已知，使用Z分布。置信区间公式为：x̄±Zα/2(σ/√n)x̄±Zα/2(σ/√n)Z0.025=1.96，σ=0.8，n=36边际误差=1.96×(0.8/√36)=1.96×(0.8/6)≈0.261置信区间=(12.5-0.261,12.5+0.261)=(12.239,12.761)小时。（2）总体标准差未知，使用t分布，自由度n-1=35，t0.025=2.030，样本标准差s=0.9边际误差=2.030×(0.9/√36)=2.030×(0.9/6)=2.030×0.15=0.3045置信区间=(12.5-0.3045,12.5+0.3045)=(12.1955,12.8045)小时。4.某企业声称其产品的平均重量不低于500克。随机抽取25件产品，测得平均重量为498克，样本标准差为5克。在显著性水平α=0.05下，检验该企业的声称是否成立。答案：原假设H0:μ≥500（企业声称成立），备择假设H1:μ<500（企业声称不成立）。总体标准差未知，使用t检验，检验统计量t=(x̄-μ0)/(s/√n)=(498-500)/(5/√25)=(-2)/1=-2。自由度df=25-1=24，单侧检验α=0.05，临界值t0.05(24)=-1.711（左侧检验）。计算得t=-2<-1.711，落在拒绝域内，因此拒绝原假设，认为该企业产品的平均重量低于500克，声称不成立。5.收集10家门店的广告投入（x，万元）和月销售额（y，万元）数据如下：x:3,5,7,9,11,13,15,17,19,21y:20,28,35,42,50,58,65,72,80,88（1）求简单线性回归方程；（2）计算判定系数R²并解释其意义；（3）检验回归系数的显著性（α=0.05，t临界值取2.306）。答案：（1）计算相关统计量：x̄=(3+5+…+21)/10=12，ȳ=(20+28+…+88)/10=53.8SSxx=Σ(xi-x̄)²=(3-12)²+(5-12)²+…+(21-12)²=81+49+25+9+1+1+9+25+49+81=330SSxy=Σ(xi-x̄)(yi-ȳ)=(-9)(-33.8)+(-7)(-25.8)+(-5)(-18.8)+(-3)(-11.8)+(-1)(-3.8)+(1)(4.2)+(3)(11.2)+(5)(18.2)+(7)(24.2)+(9)(34.2)=304.2+180.6+94+35.4+3.8+4.2+33.6+91+169.4+307.8=1224回归系数b1=SSxy/SSxx=1224/330≈3.709截距b0=ȳ-b1x̄=53.8-3.709×12≈53.8-44.508≈9.292回归方程：ŷ=9.292+3.709x。（2）SST=Σ(yi-ȳ)²=(20-53.8)²+(28-53.8)²+…+(88-53.8)²=1142.44+665.64+353.44+139.24+14.44+17.64+125.44+331.24+686.44+1169.64=4645.6SSR=b1×SSxy=3.709×1224≈4540.8判定系数R²=SSR/SST≈4540.8/4645.6≈0.977，说明广告投入可以解释97.7%的月销售额变异，拟合效果很好。（3）检验H0:β1=0vsH1:β1≠0SSE=SST-SSR=4645.6-4540.8=104.8均方误差MSE=SSE/(n-2)=104.8/8=13.1回归系数标准误Sb1=√(MSE/SSxx)=√(13.1/330)≈√0.0397≈0.199t统计量=b1/Sb1≈3.709/0.199≈18.64自由度df=8，α=0.05，双侧临界值t0.025(8)=2.306，|t|=18.64>2.306，拒绝H0，回归系数显著。6.某公司调查三个地区消费者对新产品的满意度评分（1-5分），各抽取5个样本，数据如下：地区A:4,4,3,5,4；地区B:3,3,2,4,3；地区C:5,5,4,6,5（注：评分允许超过5分是因调查设计调整）。在α=0.05下，检验三个地区的满意度是否有显著差异（F临界值取3.89）。答案：原假设H0:μA=μB=μC（无显著差异），备择假设H1:至少两个地区均值不同。计算各组均值：x̄A=(4+4+3+5+4)/5=4，x̄B=(3+3+2+4+3)/5=3，x̄C=(5+5+4+6+5)/5=5。总均值x̄=(4×5+3×5+5×5)/15=60/15=4。组间平方和SSB=5×(4-4)²+5×(3-4)²+5×(5-4)²=0+5+5=10。组内平方和SSE=Σ(每个数据-组均值)²：A组：(4-4)²×3+(3-4)²+(5-4)²=0+1+1=2；B组：(3-3)²×3+(2-3)²+(4-3)²=0+1+1=2；C组：(5-5)²×4+(4-5)²+(6-5)²=0+1+1=2；SSE=2+2+2=6。均方MSB=SSB/(k-1)=10/2=5，MSE=SSE/(n-k)=6/12=0.5。F=MSB/MSE=5/0.5=10。F=10>临界值3.89，拒绝H0，认为三个地区的满意度有显著差异。7.某医院采用两种治疗方法（方法A、方法B）治疗某种疾病，疗效分为有效和无效，数据如下表：有效无效合计方法A302050方法B252550合计5545100在α=0.05下，检验治疗方法与疗效是否相关（χ²临界值取3.841）。答案：原假设H0:治疗方法与疗效独立（不相关），备择假设H1:治疗方法与疗效相关。计算期望频数Eij=(行合计×列合计)/总合计：E11=(50×55)/100=27.5，E12=(50×45)/100=22.5，E21=(50×55)/100=27.5，E22=(50×45)/100=22.5。卡方统计量χ²=Σ