实验六自相关模型的检验和处理

实验报告课程名称：计量经济学

实验项目：实验六自相关模型的

检验和处理

实验类型：综合性□设计性□验证性

专业班别：

姓名：

学号：

实验课室：厚德楼A404

指导教师：

实验日期：2015年6月11日

广东商学院华商学院教务处制

一、实验项目训练方案

实验7 假设检验(一)

实验7 假设检验（一） 一、实验目的： 1.掌握重要的参数检验方法（单个总体的均值检验，两个总体的均值检验，成对样本的均值的检验，两个 总体方差的检验，二项分布总体的检验）； 2.掌握若干重要的非参数检验方法（Pearson拟合优度 2检验，Kolmogorov-Smirnov单样本和双样本检验）。 二、实验内容： 练习： 要求：①完成练习并粘贴运行截图到文档相应位置(截图方法见下)，并将所有自己输入文字的字体颜色设为红色（包括后面的思考及小结），②回答思考题，③简要书写实验小结。④修改本文档名为“本人完整学号姓名1”，其中1表示第1次实验，以后更改为2,3,...。如文件名为“09张立1”，表示学号为09的张立同学的第1次实 ， 法1Alt ，即完 法2：图标，工具。）1. 2. H0： H1： alternative hypothesis: true mean is not equal to 225 95 percent confidence interval: 172.3827 211.9173 sample estimates: mean of x 192.15 P=0.002516<0.05,拒绝原假设，认为油漆工人的血小板计数与正常成年男子有差异 3.（习题5.2）已知某种灯泡寿命服从正态分布，在某星期所生产的该灯泡中随机抽取10 只，测得其寿 命（单位：小时）为 1067 919 1196 785 1126 936 918 1156 920 948 求这个星期生产出的灯泡能使用1000小时以上的概率。

解： 源代码及运行结果：（复制到此处，不需要截图） > x<-c(1067, 919, 1196, 785, 1126, 936, 918, 1156, 920, 948) > p<-pnorm(1000,mean(x),sd(x)) > 1-p [1] 0.4912059 结论： 这个星期生产出的灯泡能使用1000小时以上的概率为0.4912059 4.（习题 5.3）为研究某铁剂治疗和饮食治疗营养性缺铁性贫血的效果，将16名患者按年龄、体重、病 程和病情相近的原则配成8对，分别使用饮食疗法和补充铁剂治疗的方法，3个月后测得两种患者血红资白如下表所示，问两种方法治疗后的患者血红蛋白有无差异？ H0： H1： 5. ，分别测 试验组与对照组空腹腔血糖下降值（mmol/L) （1）检验试验组和对照组的的数据是否来自正态分布，采用正态性W检验方法（见第3章）、Kolmogorov-Smirnov检验方法和Pearson拟合优度 2检验； 解：提出假设：

计量经济学--自相关性的检验及修正

经济计量分析实验报告 一、实验项目 自相关性的检验及修正 二、实验日期 2015.12.13 三、实验目的 对于国内旅游总花费的有关影响因素建立多元线性回归模型，对变量进行多重共线性的检验及修正后，对随机误差项进行异方差的检验和补救及自相关性的检验和修正。 四、实验内容 建立模型，对模型进行参数估计，对样本回归函数进行统计检验，以判定估计的可靠程度，包括拟合优度检验、方程总体线性的显著性检验、变量的显著性检验，以及参数的置信区间估计。 检验变量是否具有多重共线性并修正。 检验是否存在异方差并补救。 检验是否存在相关性并修正。 五、实验步骤 1、建立模型。 以国内旅游总花费Y 作为被解释变量，以年底总人口表示人口增长水平，以旅行社数量表示旅行社的发展情况，以城市公共交通运营数表示城市公共交通运行状况，以城乡居民储蓄存款年末增加值表示城乡居民储蓄存款增长水平。 2、模型设定为: t t t t t μβββββ+X +X +X +X +=Y 443322110t 其中：t Y — 国内旅游总花费（亿元） t 1X — 年底总人口（万人） t 2X — 旅行社数量（个） t 3X — 城市公共交通运营数（辆） t 4X — 城乡居民储蓄存款年末增加值（亿元） 3、对模型进行多重共线性检验。 4、检验异方差是否存在并补救。 5、检验自相关性是否存在并修正。 六、实验结果

消除多重共线性及排除异方差性之后的回归模型为：2382963.08388.301?X Y +-= 检验 I 、图示法 1、1-t e ，t e 散点图 -1,500 -1,000 -500 500 1,000 1,500 -2,000 -1,00001,0002,000 ET(-1) E T 大部分落在第Ⅰ，Ⅲ象限，表明随机误差项存在正自相关。 2、t e 折线图 -1,500 -1,000 -500 500 1,000 1,500 86 88 90 92 94 96 98 00 02 04 06 08 10 RESID Ⅱ、解析法 1、D-W 检验

实验单服务台单队列排队系统仿真

实验2排队系统仿真 一、学习目的 1．了解仿真的特点 2．学习如何建构模型 3．熟悉eM-Plant基本的对象和操作 4．掌握排队系统的特点与仿真的实现方法 二、问题描述 该银行服务窗口为每个到达的顾客服务的时间是随机的，表2.4是顾客服务时间纪录的统计结果 表2.4 每个顾客服务时间的概率分布 服务时间（min）概率密度累计概率 1 0.1 0.1 2 0.2 0.3 3 0.3 0.6 4 0.2 5 0.85 5 0.1 0.95 6 0.05 1.0 对于上述这样一个单服务待排队系统，仿真分析30天，分析该系统中顾客的到

达、等待和被服务情况，以及银行工作人员的服务和空闲情况。 三、系统建模 3.1 仿真目标 通过对银行排队系统的仿真，研究银行系统的服务水平和改善银行服务水平的方法，为银行提高顾客满意度，优化顾客服务流程服务。 3.2．系统建模 3.2.1 系统调研 1. 系统结构: 银行服务大厅的布局, 涉及的服务设备 2. 系统的工艺参数: 到达-取号-等待-服务-离开 3. 系统的动态参数: 顾客的到达时间间隔, 工作人员的服务时间 4. 逻辑参数: 排队规则, 先到先服务 5. 系统的状态参数: 排队队列是否为空, 如果不为空队长是多少, 服务台是否为空 6. 系统的输入输出变量:输入变量确定其分布和特征值,顾客的到达时间间隔的概率分布表和每个顾客被服务时间的概率分布. 输出变量根据仿真目标设定. 包括队列的平均队长、最大队长、仿真结束时队长、总服务人员、每个顾客的平均服务时间、顾客平均排队等待服务时间、业务员利用率等。 3.2.2系统假设 1．取号机前无排队，取号时间为0 2．顾客排队符合先进先出的排队规则 3．一个服务台一次只能对一个顾客服务 4．所有顾客只有一种单一服务 5．仿真时间为1个工作日（8小时） 6．等候区的长度为无限长 3.2.3系统建模 系统模型： 3.2.4 仿真模型 1．实体：银行系统中的实体是人（主动体）

假设检验实验报告

实验报告 假设检验 学院: 参赛队员: 参赛队员: 参赛队员: 指导老师:

一、实验目的 1.了解假设检验的基本内容； 2.了解单样本t检验； 3.了解独立样本t检验；、 4.了解配对样本t检验； 5.学会运用spss软件求解问题； 6.加深理论与实践相结合的能力。 二、实验环境 Spss、office 三、实验方法 1.单样本t检验； 2.独立样本t检验； 3.配对样本t检验。 四、实验过程 实验过程 依题意，设H0：μ= 82，H1：μ>82 (1)定义变量为成绩，将数据输入SPSS；

(2)选择：分析比较均值单样本T检验； (3)将变量成绩放置Test栏中,并在Test框中输入数据82； (4)观察结果 实验结果

结果分析 该题是右尾检验,所以右尾P=2=因为P值明显小于, 表明在水平上变量与检验值有显著性差异，故接受原假设，所以该县的英语教学改革成功。 问题二： 实验过程 依题意，设H0：μ= 500，H1：μ≠500 (1)定义变量为成绩，将数据输入SPSS； 某工艺研究所研究出一种自动装罐机，它可以用来自动装罐头食品，并且可以达到每罐的标准重量为500克。现在需要检验它的性能。假定装罐重量服从正态分布。现随机抽取10罐来检查机器工作情况，这10罐的重量如下：

(2)选择：分析比较均值单样本T检验； (3) 将变量成绩放置Test栏中,并在Test框中输入数据500； 实验结果 结果分析 该题是双检验,所以双尾P=因为P值明显大于, 表明在水平上变量与检验值无显著性差异，故不能拒绝原假设 ,接受备择假设，所以自动装罐机性能良好 问题三： 某对外汉语中心进行了一项汉字教学实验，同一年级的两个平行班参与了该实验。一个班采用集中识字的方式，然后学习课文；另一班采用分散识字的方式，边学习课文边学习生字。为了考察两种教学方式对生字读音的记忆效果是否有影响，教学效果是否有差异，分别从一班和二班随机抽取20人，进行汉字注音考试，请计算二个班的平均成绩、标准差分别是多少两种教学方式对汉字读音的记忆效果是否有差异哪一种教学方式更有效

排队系统仿真matlab实验报告

M/M/1排队系统实验报告 一、实验目的 本次实验要求实现M/M/1单窗口无限排队系统的系统仿真，利用事件调度法实现离散事件系统仿真，并统计平均队列长度以及平均等待时间等值，以与理论分析结果进行对比。 二、实验原理 根据排队论的知识我们知道，排队系统的分类是根据该系统中的顾客到达模式、服务模式、服务员数量以及服务规则等因素决定的。 1、 顾客到达模式 设到达过程是一个参数为λ的Poisson 过程，则长度为t 的时间内到达k 个呼叫的概 率 服从Poisson 分布，即e t k k k t t p λλ-=!)()(，?????????=,2,1,0k ，其中λ>0为一常数，表示了 平均到达率或Poisson 呼叫流的强度。 2、 服务模式 设每个呼叫的持续时间为i τ，服从参数为μ的负指数分布，即其分布函数为{}1,0t P X t e t μ-<=-≥ 3、 服务规则 先进先服务的规则（FIFO ） 4、 理论分析结果 在该M/M/1系统中，设 λρμ=，则稳态时的平均等待队长为1Q ρλρ=-，顾客的平均等待时间为T ρ μλ=-。 三、实验内容 M/M/1排队系统：实现了当顾客到达分布服从负指数分布，系统服务时间也服从负指数分布，单服务台系统，单队排队，按FIFO （先入先出队列）方式服务。 四、采用的语言 MatLab 语言 源代码： clear; clc;

%M/M/1排队系统仿真 SimTotal=input('请输入仿真顾客总数SimTotal='); %仿真顾客总数；Lambda=0.4; %到达率Lambda； Mu=0.9; %服务率Mu； t_Arrive=zeros(1,SimTotal); t_Leave=zeros(1,SimTotal); ArriveNum=zeros(1,SimTotal); LeaveNum=zeros(1,SimTotal); Interval_Arrive=-log(rand(1,SimTotal))/Lambda;%到达时间间隔Interval_Serve=-log(rand(1,SimTotal))/Mu;%服务时间 t_Arrive(1)=Interval_Arrive(1);%顾客到达时间 ArriveNum(1)=1; for i=2:SimTotal t_Arrive(i)=t_Arrive(i-1)+Interval_Arrive(i); ArriveNum(i)=i; end t_Leave(1)=t_Arrive(1)+Interval_Serve(1);%顾客离开时间LeaveNum(1)=1; for i=2:SimTotal if t_Leave(i-1)

实验五 自相关性

实验五 自相关性 【实验目的】 掌握自相关性的检验方法与补救措施。 【实验内容】 利用后面附表的统计资料， 做如下内容： 一、当设定模型为t t t u X B B Y ++=ln ln 21 (1)时，用残差时序图和残差自相关图以及德宾-沃森检验法检验是否存在自相关性； 二、如果模型（1）存在一阶线性自相关性t t t u u ερ+=-1，请用广义差分法估计原模型，并用拉格朗日乘数法检验广义变换后的模型是否存在2阶自相关性； 三、采用差分形式1*--=t t t X X X 与1*--=t t t Y Y Y ，估计模型 t t t v X B B Y ++=** 2*1* （2） ，并用德宾-沃森检验法检验判断模型（2）是否存在自相关，如果存在自相关请用自相关稳健标准误法进行修正。 【实验步骤】 （注意：以下实验步骤和上述实验内容不是一一对应的，请同学们写实验报告时，按照在Eviews 中的实际操作步骤来写） 一、图形法 残差时序图：对原模型直接用普通最小二乘法，在回归结果窗口中选择View 下的Actual,Fitted,Residual 选项，再选Residual Graph. 残差自相关图：先对原模型直接用普通最小二乘法回归，然后画图（scat resid(-1) resid ） 二、正式法 1.杜宾-沃森检验法： 对原模型直接用普通最小二乘法做回归（即LS y c x ），回归结果中的Durbin-Watson stat 即为D-W 检验法的统计量。 2.拉格朗日乘数检验法 对需要用拉格朗日乘数检验法检验是否存在自相关的模型直接用普通最小二乘法； 在回归结果中选择View 下的Residual Test,然后再选serial Correlation LM Test …,在弹出的对话框中选择滞后长度，OK 。拉格朗日乘数检验结果中的Obs*R-Squared 即为LM 统计量。 三、修正方法/补救措施 1.广义差分法 如果判断原模型存在一阶自相关，那么需要求出一阶自相关系数：用杜宾-沃森检验法 的d 统计量计算自相关系数的估计值ρ?【)?1(2ρ-≈d 】；

《运筹学B》实验指导书(2版)

《运筹学B》实验指导书 (第二版) 南昌航空大学数信学院应用数学系 邱根胜编 2011年09月

目录 实验１、用Lingo求解最短路、最小树问题 (4) 实验2、用Lingo求解最大流、最小费用流问题 (11) 实验3、利用Lingo求解排队与存贮模型 (16) 实验4、利用数学软件求解对策论问题 (30) 实验5、运筹学综合应用 (37)

一、授课对象 四年制本科数学与应用数学、信息与计算科学专业。 二、课程类型 专业选修课 三、实验的性质、目的与任务 1、实验性质 《运筹学B》实验是一门重要的专业课实验。要求通过上机实验，使学生了解运筹学中的网络优化、排队论、对策论等在实际中的应用，了解运筹学解决实际问题的基本方法，培养建模能力和计算机应用能力。 2、实验的目的 培养与提高学生分析问题和解决问题的能力、自学能力，利用运筹学和数学软件求解实际问题的能力，以及程序设计能力。 3、实验的任务 应用Matlab、lindo/lingo求解网络优化模型、排队与存储模型、对策论模型等，加深对运筹学方法的理解，并初步具有利用运筹学和计算机软件解决实际问题的能力。 五、实验内容与实验要求 实验一、用Lingo求解最短路、最小树问题 实验要求： 1、了解Lingo软件求解一般数学规划的方法； 2、理解最短路问题和最小树的数学规划模型。 实验二、用Lingo求解最大流、最小费用流问题 实验要求： 1、熟悉Lingo软件求解一般数学规划的方法；

2、熟悉最大流、最小费用流问题的数学规划模型； 3、掌握利用Lingo求解最大流、最小费用流问题的数学模型的用法。 实验三、利用Lingo求解排队与存贮模型 实验要求： 1、理解排队论与存贮论中的几个基本模型； 2、利用Lingo求解排队与存贮模型。 实验四、利用数学软件求解对策论问题 实验要求： 1、了解将对策论模型转化为数学规划模型的方法； 2、利用Lingo求解对策论模型。 实验四、运筹学综合应用 本实验为综合性实验，主要内容为对一个实际问题，能利用运筹学建立模型，并利用计算机编程求解，培养学生数学建模的能力和计算机应用能力。 实验要求： 1、根据要求选取一个实际问题，利用运筹学知识，建立实际问题的数学模型； 2、利用数学软件求解模型，并对结果进行分析、讨论，最后给出问题的解决方案； 3、写出实验报告。 注：从12学时的实验内容中选择8学时的实验内容，其中有一个综合性实验。 六、主要参考书 [1] 谢金星，薛毅编著，《优化建模与LINDO/LINGO》，清华大学出版社,2005年7月。 [2]《运筹学》教材编写组编，《运筹学》（第三版），清华大学出版社，2005年6月， [3] 姜启源,邢文训,谢金星等，《大学数学实验》，清华大学出版社，2005年。 [4] 胡运权主编，《运筹学教程》（第三版），清华大学出版社，2007年。

假设检验的基本步骤

假设检验的基本步骤 （三）假设检验的基本步骤 统计推断 1．建立假设检验，确定检验水准 H0和H1假设都是对总体特征的检验假设，相互联系且对立。 H0总是假设样本差别来自抽样误差，无效/零假设 H1是来自非抽样误差，有单双侧之分，备择假设。 检验水准，a＝0.05 检验水准的含义 2．选定检验方法，计算检验统计量 选择和计算检验统计量要注意资料类型和实验设计类型及样本量的问题， 一般计量资料用t检验和u检验； 计数资料用χ2检验和u检验。 3．确定P值，作出统计推理 P≤a ，拒绝H0，接受H1 P> a，按a＝0.05水准，不拒绝H0，无统计学意义或显著性差异 假设检验结论有概率性，无论使拒绝或不拒绝H0，都有可能发生错误 （四）两均数的假设检验（各种假设检验方法的适用条件及假设的特点、计算公式、自由度确定以及确定概率P值并做出推断结论） u检验适用条件 t检验适用条件 t检验和u检验 1．样本均数与总体均数比较 2．配对资料的比较/成组设计的两样本均数的比较 配对设计的情况：3点 3. 两个样本均数的比较 （1）两个大样本均数比较的u检验 （2）两个小样本均数比较的t检验 （五）假设检验的两类错误及注意事项（Ⅰ和Ⅱ类错误） 1.两类错误 拒绝正确的H0称Ⅰ型错误－弃真，用检验水准α表示，α＝0.05，犯I型错误概率为0.05，理论上平均每100次抽样有5次发生此类错误； 接受错误的H0称Ⅱ型错误－存伪。用β表示，（1－β）为检验效能或把握度，意义为两总体有差异，按α水准检出差别的能力，1－β＝0.9，若两总体确有差别，理论上平均每100次抽样有90次得出有差别的结论。 两者的关系：α愈大β愈小；反之α愈小β愈大。 2.假设检验中的注意事项 （1）随机化：代表性和均衡可比性 （2）选用适当的检验方法 （3）正确理解统计学意义 （4）结论不绝对 （5）单侧与双侧检验的选择 四．分类变量资料的统计描述

实验六2求解排队模型

（一）实验目的：用WinQSB软件求解排队系统常用指标。 （二）内容和要求：计算下列两道例题，掌握不同问题的输入方法，求解问题，显示并读出结果。 例5.1 某车间有5台机器，每台机器的连续运转时间服从负指数分布，一天（8小时）平均连续运行时间120分钟。有一个修理工，每次修理时间服从负 指数分布，平均每次96分钟。求： P）； （1）修理工忙的概率（记为 b （2）5台机器都出故障的概率； （3）出故障的平均台数； （4）平均停工时间； （5）平均等待修理时间； （6）评价这个系统的运行情况。 例5.2 某汽车冲洗站有一套自动冲洗设备，冲洗每辆汽车所需时间为6分钟，到此冲洗站来冲洗汽车的到达过程服从泊松分布，每小时平均到达6 辆，求该排队系统的有关运行指标。 （三）操作步骤： 1．启动程序。点击开始ψ程序ψWinQSBψQueuing Analysis。排队论的运算子程序是Queuing Analysis（QA），该程序具有各种排队模型的求解与性能分 析、灵敏度分析、服务能力分析、成本分析等功能。 2．建立新问题。系统显示如图5-1所示的选项，系统默认时间单位为小时。输入格式有两种，如果选择简单排队系统（Simple M/M System，顾客到达的 时间间隔和服务时间服从负指数分布），系统显示如表5-1所示的数据输入 格式，表5-1的大致含义列在表的右边。当选择一般排队系统（General Queuing System）时，系统显示如表5-2所示的数据输入格式。 表5-2中的服务时间和到达间隔分布系统默认为负指数分布，若要改变分 布，双击空格系统显示如图5-2所示的分布选项，含义见表5-3。 3. 求解例5. 1。到达的时间间隔和服务时间都服从负指数分布，在图5-1 种选择第一项（简单排队系统），在表5-1种输入有关数据，见表5-3。

实验六 参数估计与假设检验

实验六参数估计与假设检验 一、实验目的： 学习利用spss对数据进行参数估计与假设检验（参数估计，单样本、独立样本、配对样本T 检验）。 二、实验内容： 某助眠药物临床实验征集了20位被试，试验后得数据表包含被试的性别、身高、体重、用药前睡眠时长及用药后睡眠时长。试就该数据估计性别对未使用药物时睡眠时长的影响、检验被试总体身高与165差距是否显著、对不同性别的被试的身高和体重变量进行独立样本T 检验、并检验药物是否对被试有用。 三、实验步骤： 参数估计 1、定义变量并输入数据 2、选择菜单“分析→描述统计→探索”弹出“探索”对话框，将对话框左侧的变量框中“用药前睡眠时长”添加到因变量列表，“性别”添加到自变量列表 3、点击“统计量”，弹出“探索：统计量”对话框，勾选描述性并设置均值置信区间为95%，单击“继续” 4、单击“确定”按钮，得到输出结果，对结果进行分析解释。 单样本T检验 1、定义变量并输入数据 2、选择菜单“分析→比较均值→单样本T检验”，弹出“单样本T检验”对话框，将对话框左侧的变量框中的“身高”添加到右侧的“检验变量”框中，将检验值设为165； 3、点击“选项”，弹出“选项”对话框，将置信区间百分比设为95%，点击“继续” 4、单击“确定”按钮，得到输出结果，对结果进行分析解释。 独立样本T检验 1、定义变量并输入数据 2、选择菜单“分析→比较均值→独立样本T检验”，弹出“独立样本T检验”对话框，在对话框左侧的变量列表中选变量“身高”“体重”进入检验变量框，选变量“性别”进入控制列表框 3、点击定义组，在组1（1）中填写1，组2(2)中填写2，点击继续， 4、点击“确定”按钮，得到输出结果。对结果进行分析解释。 配对样本T检验 1.打开一份可用数据。 2.选择分析→比较平均值→配对样本T检验，选择一对配对样本“用药前睡眠时长”和“用 药后睡眠时长”，将“用药前睡眠时长”拖至“variable1”，“用药后睡眠时长”拖至“variable2”，单击“选项”设置置信区间为95%，点击“确定”查看自定义结果。

计量经济学实验教学案例实验五_自相关性

实验五 自相关性 【实验目的】 掌握自相关性的检验与处理方法。 【实验容】 利用表5-1资料，试建立我国城乡居民储蓄存款模型，并检验模型的自相关性。 【实验步骤】 一、回归模型的筛选 ⒈相关图分析 SCAT X Y 相关图表明，GDP 指数与居民储蓄存款二者的曲线相关关系较为明显。现将函数初步设定为线性、双对数、对数、指数、二次多项式等不同形式，进而加以比较分析。 ⒉估计模型，利用LS 命令分别建立以下模型 ⑴线性模型： LS Y C X x y 5075.9284.14984?+-= =t (-6.706) (13.862) 2R ＝0.9100 F ＝192.145 S.E ＝5030.809 ⑵双对数模型：GENR LNY=LOG(Y) GENR LNX=LOG(X) LS LNY C LNX

x y ln 9588.20753.8?ln +-= =t (-31.604) (64.189) 2R ＝0.9954 F ＝4120.223 S.E ＝0.1221 ⑶对数模型：LS Y C LNX x y ln 82.236058.118140?+-= =t (-6.501) (7.200) 2R ＝0.7318 F ＝51.8455 S.E ＝8685.043 ⑷指数模型：LS LNY C X x y 010005.03185.5?ln += =t (23.716) (14.939) 2R ＝0.9215 F ＝223.166 S.E ＝0.5049 ⑸二次多项式模型：GENR X2=X^2 LS Y C X X2 21966.05485.4456.2944?x x y +-= =t (3.747) (-8.235) (25.886) 2R ＝0.9976 F ＝3814.274 S.E ＝835.979 ⒊选择模型 比较以上模型，可见各模型回归系数的符号及数值较为合理。各解释变量及常数项都通过了t 检验，模型都较为显著。除了对数模型的拟合优度较低外，其余模型都具有高拟合优度，因此可以首先剔除对数模型。 比较各模型的残差分布表。线性模型的残差在较长时期呈连续递减趋势而后又转为连续递增趋势，指数模型则大体相反，残差先呈连续递增趋势而后又转为连续递减趋势，因此，可以初步判断这两种函数形式设置是不当的。而且，这两个模型的拟合优度也较双对数模型和二次多项式模型低，所以又可舍弃线性模型和指数模型。双对数模型和二次多项式模型都具有很高的拟合优度，因而初步选定回归模型为这两个模型。 二、自相关性检验 ⒈DW 检验； ⑴双对数模型 因为n ＝21，k ＝1，取显著性水平α＝0.05时，查表得L d ＝1.22， U d ＝1.42，而0<0.7062＝DW

运筹学实验8、用EXCEL进行排队问题仿真

实验八、基于Excel的排队问题仿真 排队问题常常连续地或并行地发生（例如在装配线和工作车间），通常无法用建立数学模型的方法解决。然而，排队问题通常容易在计算机上进行仿真。下面我们通过一个两阶段装配线的例子阐述如何借助于Excel建立一个排队问题的仿真模型。 一、实验目的 1、掌握如何用Excel建立排队问题仿真模型； 2、读懂Excel输出的运算结果，并用于指导实践。 二、实验内容 两阶段装配线问题 一条装配线所组装的产品体积可能很大，例如：冰箱、空调机、汽车、电视机或家具、图1表示的是一条装配线上的两个工作站。 产品的体积是装配线分析和设计所要考虑的一个重要因素，因为每个工作站上所能存放的产品数量将会影响工人的工作。如果产品体积很大，那么相邻的工作站存在着相互依赖的关系。如图1所示，鲍博和雷在一个两阶段装配线上工作，鲍博在工作站1上装配完的产品传递给工作站2上的雷，雷再进行加工。如果两个工作站相连，中间没有存入半成品的地方，那么鲍博如果干得慢，雷就会被迫等待；相反，如果鲍博和干得快（或者说雷完成工作比鲍博用时长），那么鲍博就得等雷。 在这个仿真问题中，我们假设鲍博是组装线上的第一个工人，他能够在任何时候拿到需组装的半成品进行工作。那么，我们把分析重点放在鲍博与雷彼此之间的相互影响上。 1、研究的目标：关于这条装配线，我们希望能通过研究解决一些问题。下面是我们列出的部分待解决的问题： ○每个工人的平均完工时间是多少？ ○这条组装线的生产率是多少？ ○鲍博等待雷的时间是多少？ ○雷等待鲍博的时间是多少？ ○如果两个工作站中间的空间加大，可以存储半成品，从而增加了工人的独立性，那么这对于生产率、等待时间等问题会有什么影响？ 2、数据的采集：进行系统仿真，我们需要鲍博和雷的装配时间数据。要收集这些数据，一种方法就是将总装配时间分割成小段时间，在每段时间对工人进行单独观测。对这些数据进行简单的汇总和分析，我们可以得到非常有用的直方图。 表1显示的是观测鲍博和雷两人装配时间后得到的数据收集表格。为了简化操作过程，装配时间以10秒为区间进行划分。对鲍博的工作我们进行了100次观测，而对雷的观测我们只进行了50次。二者的观测次数可以不同，但观测次数越多，时间间隔的划分越细，则研究的准确性越高。然而，时间间隔越小，观测次数越多，需要投入的时间和精力也就越多。 表2中包含了按照实际观测数据的比率进行分配的随机数区间。例如，鲍博在100次操作中有4次在10秒钟内完成。因此，如果我们用100个数进行分配，那么我们应该分配4个数与10秒钟相对应。这4个数可以是任意的，例如，42、18、12和93，但是，这会使查找工作变得非常繁琐，所以我们就分配连续数，比如00、01、02和03。 我们得到了50个对雷的观测的值。我们可用两种方法来分配随机数。第一种方法是，就用50个数（如00～49）来进行分配，并在仿真时忽略掉所有超过49的数。然而，这是一种浪费，我们将丢弃随机数列中50%的数。另一种方法是将频率次数加倍。例如，我们不是将00～

Omnet++排队模型仿真实验

实验一Omnet++排队模型仿真实验 一．实验目的 1.熟悉omnet++软件使用。 2.对排队模型进行更形象的分析与学习。 二．实验工具 Omnet++软件 三．实验步骤 1.用omnet++软件将排队模型以模块形式构建出来。 2.对网络环境进行设置，内部到达时间设置为0，即所有到达的job立即添 加到排队网络中。设置不同队列的服务时间（成1、2、3的指数分布），以及排队模型模拟运行时间。 3.运行仿真程序并记录结果。 4.对实验结果进行分析总结。 四．实验结果及分析 1.排队模型搭建如下图所示： 此部分在source页面下也可以用代码进行构造，编写代码如下： package demo; import org.omnetpp.queueing.Queue; import org.omnetpp.queueing.Source;

network Demo { @display("bgb=517,314"); submodules: source: Source { @display("p=140,146"); } queue1: Queue { @display("p=297,146"); } queue2: Queue { @display("p=404,78"); } queue3: Queue { @display("p=404,214"); } connections: source.out --> queue1.in++; queue1.out --> queue2.in++; queue3.out --> queue1.in++; queue2.out --> queue3.in++; } 2.进行设置内部到达时间及初始job数： 设置完成后规定不同队列的服务时间（按指数分布），以及模拟运行时间

第6章假设检验

第6章假设检验 一项包括了200个家庭的调查显示，每个家庭每天看电视的平均时间为小时，标准差为小时。据报道，10年前每天每个家庭看电视的平均时间是小时。取显着性水平，这个调查能否证明“如今每个家庭每天收看电视的平均时间增加了”？ 详细答案： ，＝，，拒绝，如今每个家庭每天收看电视的平均时间显着地增加了。 为监测空气质量，某城市环保部门每隔几周对空气烟尘质量进行一次随机测试。已知该城市过去每立方米空气中悬浮颗粒的平均值是82微克。在最近一段时间的检测中，每立方米空气中悬浮颗粒的数值如下（单位：微克）： 根据最近的测量数据，当显着性水平时，能否认为该城市空气中悬浮颗粒的平均值显着低于过去的平均值 详细答案： ，＝，，拒绝，该城市空气中悬浮颗粒的平均值显着低于过去的平均值。 安装在一种联合收割机的金属板的平均重量为25公斤。对某企业生产的20块金属板进行测量，得到的重量数据如下：

假设金属板的重量服从正态分布，在显着性水平下，检验该企业生产的金属板是否符合要求？ 详细答案： ，，，不拒绝，没有证据表明该企业生产的金属板不符合要求。 在对消费者的一项调查表明，17%的人早餐饮料是牛奶。某城市的牛奶生产商认为，该城市的人早餐饮用牛奶的比例更高。为验证这一说法，生产商随机抽取550人的一个随机样本，其中115人早餐饮用牛奶。在显着性水平下，检验该生产商的说法是否属实详细答案： ，，，拒绝，该生产商的说法属实。 某生产线是按照两种操作平均装配时间之差为5分钟而设计的，两种装配操作的独立样本产生如下结果： 操作A操作B =100=50 ==

== 对＝，检验平均装配时间之差是否等于5分钟。 详细答案： ，＝，，拒绝，两种装配操作的平均装配时间之差不等于5分钟。 某市场研究机构用一组被调查者样本来给某特定商品的潜在购买力打分。样本中每个人都分别在看过该产品的新的电视广告之前与之后打分。潜在购买力的分值为0～10分，分值越高表示潜在购买力越高。原假设认为“看后”平均得分小于或等于“看前”平均得分，拒绝该假设就表明广告提高了平均潜在购买力得分。对＝的显着性水平，用下列数据检验该假设，并对该广告给予评价。 购买力得分购买力得分 个体看后看前个体看后看前 165535 264698 377775 443866 详细答案： 设，。，＝，，不拒绝，广告提高了平均潜在购买力得分。 某企业为比较两种方法对员工进行培训的效果，采用方法1对15名员工进行培训，采用方法2 对12名员工进行培训。培训后的测试分数如下：

实验3 参数假设检验

实验编号：1四川师大SPSS实验报告2017 年3月27日 计算机科学学院2015级5班实验名称：参数假设检验 姓名：唐雪梅学号：2015110538 指导老师：__朱桂琼___ 实验成绩:___ 实验三参数假设检验 一．实验目的及要求 1.了解SPSS 特点结构操作 2.利用SPSS进行简单数据统计 二．实验内容 1．对12名来自城市的学生与14名来自农村的学生进行心理素质测验，他们的分数如下： 城市学生得分：4.75 6.40 2.62 3.44 6.50 5.30 5.60 3.80 4.30 5.78 3.76 4.15 农村学生得分：2.38 2.60 2.10 1.80 1.90 3.65 2.30 3.80 4.60 4.85 5.80 4.25 4.22 3.84 试分析农村学生与城市学生心理素质有无显著差别。 2、一汽车厂商声称其发动机排放标准的一个指标平均低于20个单位。在抽查了10台发动机之后，得到下面的排放数据：17.0、21.7、17.9、22.9、20.7、22.4、17. 3、21.8、24.2、25.4。目的是检验该申明是否正确 3. 用SPSS Samples数据文件“Employee data.sav”资料， 问：清洁工（jobcat=1）的受教育年数（Educational Level）与保管员（jobcat=2）和经理（jobcat=3）的受教育年数是否有显著差异？其中，显著性水平ɑ=0.05. ? 4. 用SPSS Samples数据文件“Employee data.sav”资料， 分析：美国企业现在工资（Current Salary）与过去工资（beginning Salary）是否有显著差异？ 三、实验主要流程、基本操作或核心代码、算法片段（该部分如不够填写，请另加附页） 1.数据录入

自相关实验报告

山东轻工业学院实验报告成绩 课程名称：计量经济学指导教师：刘海鹰实验日期： 2012年4月23日 院（系）：商学院专业班级金融10- 1 实验地点：机电楼B座5楼 学生姓名：张文奇学号： 201008021029 同组人无 实验项目名称：线性回归模型自相关的检验及修正 一、实验目的和要求 通过Eviews软件估计线性回归模型并计算残差，检验误差项是否存在自相关及自相关的修正，用广义最小二乘法估计回归参数。 二、实验原理 图示法检验、DW检验、LM检验、科克伦-奥克特迭代法、广义差分法、最小二乘法。 三、主要仪器设备、试剂或材料 计算机，EViews软件 四、实验方法与步骤 1、启动Eviews5软件，建立新的workfile. 命令：create a 1978 2000 （以下的所有命令均需单击回车键）； 2、在命令窗口输入命令：DATA CO I P，开始输入数据。； 3、输入数据后，命令：GENR Y=CO/P和GENR X=I/P ； 4、用OLS估计方程。在命令窗口输入命令：LS Y C X （Eviews输出结果如图一）。 一）图示法检验 1、命令：GENR E=RESID LINE E SCAT E SCAT E E(-1) 结果为图二至图四。 2、在图一窗口下，单击resids功能键，得到残差图，如图五。 二）LM检验 1、在图一窗口下，点击功能键VIEW，选RESIDUAL TEST/SRRIAL CORRELATION LM TEST…, 2、在随后弹出的滞后期对话框中给出最大滞后期1。 点击OK键，即可得到LM自相关检验的结果，如图六。 三）自相关的修正，即广义差分法和科克伦-奥克特迭代法 1、命令：LS E E(-1) 得到结果图七； 2、命令：GENR GDY=Y-0.70*Y(-1)，GENR GDX=X-0.70X(-1)，LS GDY C GDX,广义差分方

实验五假设检验

实验五 假设检验 一、实验目的与实验要求 掌握平均数的比较与检验，包括单样本、独立样本、配对样本 二、实验内容详细介绍 t 检验是用小样本检验总体参数，特点是在均方差不知道的情况下，可以检验样本平均 数的显著性。 1.单样本的均值检验 1）基本数学原理 对单个正态总体并且方差未知的情况，用下面的统计量来检验其平均数的显著性（假设样本均值与总体均值相等，即0μμ=） x T = 当原假设成立时，上面的统计量应该服从自由度为1n -的t 分布。 简单的说，单样本均值检验是检验单个样本的均值是否与给定的常数之间存在差异。这个给定的常数就是总体均值。 单一样本的T 检验： 零假设H 0：样本平均数Mean=常数（检验值） 2）SPSS 实现 方法：“Analyze ”|“Compare Means ”|“One-Sample T Test ”

图1 （1 ）Test列表框：将其中对应变量名对应的变量数据进行均值检验 （2）Test Value文本框：在该文本框中输入总体均值。默认值为0。 （3）Options按钮：利用单击该按钮打开的对话框，设置检验时采用的置信度和缺失值的处理。打开的对话框如图3所示 图3 该样本的均值与总体均值之间没有显著差别。（设α=0.05） 要求： 1.输入数据到SPSS中，并保存为Bend.sav文件；（提示：只需要建一个变量） 2.对上述数据进行均值检验，给出输出结果并对输出结果进行分析 提示：（结果中比较有用的值：样本平均数Mean和Sig显著性概率值） 输出结果中各变量中文解释如下： N：数据个数 对其中变量名对应的变量数 据进行均值检验 输入总体 均值

自相关实验报告

附件二：实验报告格式（首页） 山东轻工业学院实验报告成绩 课程名称计量经济学指导教师苏卫东实验日期 2013/05/25 院（系）商学院专业班级实验地点二机房 学生姓名学号 2 同组人无 实验项目名称自相关实验报告 一、实验目的和要求 2、练习并熟练线性回归方程的建立和基本的经济检验和统计检验；学会判别自相关的存在，并能 够熟练使用学过的方法对模型进行修正。 二、实验原理 1、 Eviews软件的操作和自相关的检验与修正，图表法，DW检验， 三、主要仪器设备、试剂或材料 Eviews软件，计算机、课本 四、实验方法与步骤 2、CREATE abc A 1978 2000 回车 3、DATA CONSUM INCOME PRICE 回车 1）建立工作组，输入数据如下： 344.88 388.32 1 385.2 425.4 1.01 474.72 526.92 1.062 485.88 539.52 1.075 496.56 576.72 1.081 520.84 604.31 1.086 599.64 728.17 1.106 770.64 875.52 1.25 949.08 1069.61 1.336 1071.04 1187.49 1.426 1278.87 1329.7 1.667

1291.09 1477.77 1.912 1440.47 1638.92 1.97 1585.71 1844.98 2.171 1907.71 2238.38 2.418 2322.19 2769.26 2.844 3301.37 3982.13 3.526 4064.1 4929.53 4.066 4679.61 5967.71 4.432 5204.29 6608.56 4.569 5471.01 7110.54 4.546 5851.53 7649.83 4.496 6121.07 8140.55 4.478 4、GENR Y=CONSUM /PRICE 回车 5、GENR X= INCOME /PRICE 回车 6、SCAT X Y 回车 2）相关图分析 Scat x y,得到关于X和Y的散点图如下 从上图可知，X和Y存在线性关系。 7、LS Y C X 回车 Eviews 估计结果如下图： Dependent Variable: Y Method: Least Squares Date: 05/25/13 Time: 10:56 Sample: 1978 2000

假设检验

实验报告 课程名称：数理统计实践 项目名称：参数假设检验 姓名：龚成 班级：科121 学号：121617 指导教师：徐红敏 数理系信息与计算科学专业

北京石油化工学院数理系 参数假设检验-实验报告 假设检验 1、 实验目的与要求 1.1实验目的 （1）掌握Matlab 中有关假设检验的操作命令； （2）掌握利用Matlab 软件对单个正态总体均值，方差置信区间的假设检验 （3）掌握利用Matlab 软件对两个正态总体均值差，方差比置信区间的假设检验 1.2实验要求 通过实验加深对假设检验的基本概念的和基本思想的理解，提升对matlab 软件的熟练度和对常用程序的使用。 2、 相关背景知识介绍 假设检验指的是在用数理统计方法检验产品的时候，先作出假设，在根据抽样的结果在一定可靠程度对原假设做出判断的一种方法。在总体的分布函数未知或者只知形式不知参数的情况下，为了推出总体的的未知特征，提出的关于总体的假设，而对于这个假设的结果我们是否接受的决断过程，就叫做假设检验。 一般地，我们会给出2个相互对立的假设01H H ，，然后通过具体的问题获取的信息选择一个合适的检测量，在按照假设决定该检测量的拒绝区域，如果该检测量落在拒绝区域里面，则选择拒绝0H 选择1H ，如果该检测量落在拒绝区域外面，则选择0H 拒绝1H 。然而由于作出决策的样本不能完全代表总体，如果小概率事件发生或者样本混入了错误值或者由于其他原因导致样本失真，当实际上0H 为真时仍然有可能作出拒绝0H 的决策或实际上0H 为假时仍然有可能作出接受0H 的决策（除非样本就等于总体，否则无法消除这个可能），犯这种错误的概率记为00000H 0P H H P H P H μμ∈（当为真，拒绝）或（拒绝）或（拒绝）。在大多数情况下，我们无法排除这类错误（P 0P 1≈ ，0），但是可以通过增加样本容量使之接近总体让错误被“稀释”。一般地我们为了减少0H 为真时作出拒绝0H 的决策的概率，我们因此我们给出一个较小的数