数理统计作业

单因素方差分析实例

一简介

方差分析（ANOV A）由英国统计学家R.A.Fisher在20世纪20年代创立，又称“变异数分析”或“F检验”。这种方法通过对数据误差来源的分析来检验多个总体的均值是否相同，从而对一个或者多个自变量对因变量是否独立做出初步的判断。在方差分析法中，根据自变量的个数可以将方差分析分为单因素方差分析和多因素方差分析。单因素方差分析是指对单因素实验结果进行分析，检验该给出因素对实验结果有无显著影响的一种统计方法。随着现代计算机技术的发展，方差分析在经济学、生物学、医药学和社会学等许多方面都得到了广泛应用。

二原理

方差分析认为不同处理组均数的差别基本来源有两个：随机误差和实验条件。随机误差是指测量误差造成的差异或个体间的差异，称为组内差异，用变量在各组的均值与该组均值之偏差平方和的总和表示，记作SSw，组内自由度dfw。实验条件造成的误差指不同的处理造成的差异，称为组间差异。用变量在各组的均值与总均值之偏差平方和表示，记作SSb，组间自由度dfb。总偏差平方和SSt=SSb+SSw。组内SSw、组间SSb除以各自的自由度，得到均方MSw和MSb。MSb/MSw比值构成F分布，用F值与其临界值比较，推断各样本是否来自相同的总体。

三实例分析

对高铁赤泥进行还原煅烧可回收其中的铁，现有不同的煅烧温度，在三种煅烧温度下，赤泥中铁的回收率分别为下表：

分别以μ1，μ2，μ3记为三种煅烧温度下铁回收率的平均值，进行检验假设（α=0.05）

H0：μ1，μ2，μ3，

H1：μ1，μ2，μ3不全相等，

利用Excel，对数据进行单因素方差分析

1.将数据输入到Excel中；点击“数据”-->“数据分析”-->“单因素方差分析”，并选择“输入区域”与“输出区域”，α取0.05，获取数据，如下图：

2.经过单因素方差分析，得到如下数据

方差分析：单因素方差分析

SUMMARY

组观测数求和平均方差

行1 5 291.8 58.36 0.00025

行2 5 289.64 57.928 0.00282

行3 5 293.35 58.67 0.00375

方差分析

差异源SS df MS F P-value F crit 组间 1.388813 2 0.694407 305.4575 5.11E-11 3.885294 组内0.02728 12 0.002273

总计 1.416093 14

3.数据分析

从上表中可以得到临界值F0.05（2,12）=3.89。显然，3.89＜305.4575，因此在显著性水平α=0.05下拒绝H0，即认为三种煅烧温度对赤泥中铁回收有显著影响。进一步，自然希望找出三种煅烧温度中的最佳温度。由表中所给数据可以看出，温度3中平均铁回收率明显高于1和2，温度3为三种煅烧温度中的最佳煅烧温度。

数理统计课后答案.doc

数理统计 一、填空题 1、设n X X X ,,21为母体X 的一个子样，如果),,(21n X X X g ， 则称),,(21n X X X g 为统计量。不含任何未知参数 2、设母体 ),,(~2 N X 已知，则在求均值 的区间估计时，使用的随机变量为 n X 3、设母体X 服从修正方差为1的正态分布，根据来自母体的容量为100的子样，测得子样均值为5，则X 的数学期望的置信水平为95%的置信区间为 。 025.010 1 5u 4、假设检验的统计思想是 。 小概率事件在一次试验中不会发生 5、某产品以往废品率不高于5%，今抽取一个子样检验这批产品废品率是否高于5%， 此问题的原假设为 。 0H ：05.0 p 6、某地区的年降雨量),(~2 N X ，现对其年降雨量连续进行5次观察，得数据为： (单位：mm) 587 672 701 640 650 ，则2 的矩估计值为 。 1430.8 7、设两个相互独立的子样2121,,,X X X 与51,,Y Y 分别取自正态母体)2,1(2 N 与 )1,2(N ， 2 *2 2*1,S S 分别是两个子样的方差，令2*2222*121)(,S b a aS ，已知)4(~),20(~22 2221 ，则__________, b a 。 用 )1(~)1(22 2 * n S n ，1,5 b a 8、假设随机变量)(~n t X ，则 2 1 X 服从分布 。)1,(n F 9、假设随机变量),10(~t X 已知05.0)(2 X P ，则____ 。 用),1(~2 n F X 得),1(95.0n F

应用数理统计大作业1——逐步回归法分析终教学提纲

应用数理统计大作业1——逐步回归法分析 终

应用数理统计多元线性回归分析 （第一次作业） 学院：机械工程及自动化学院 姓名： 学号： 2014年12月

逐步回归法在AMHS物流仿真结果中的应 用 摘要：本文针对自动化物料搬运系统 (Automatic Material Handling System，AMHS)的仿真结果，根据逐步回归法，使用软件IBM SPSS Statistics 20，对仿真数据进行分析处理，得到多元线性回归方程，建立了工件年产量箱数与EMS 数量、周转箱交换周期以及AGC物料交换服务水平之间的数学模型，并对影响 年产量箱数的显著性因素进行了分析，介绍了基本假设检验的情况。 关键词：逐步回归；残差；SPSS；AMHS；物流仿真

目录 1、引言 (1) 2、逐步回归法原理 (4) 3、模型建立 (6) 3.1确定自变量和因变量 (6) 3.2分析数据准备 (6) 3.3逐步回归分析 (7) 4、结果输出及分析 (9) 4.1输入／移去的变量 (9) 4.2模型汇总 (10) 4.3方差分析 (10) 4.4回归系数 (11) 4.5已排除的变量 (12) 4.6残差统计量 (13) 4.7残差分布直方图和观测量累计概率P-P图 (14) 5、异常情况说明 (15) 5.1异方差检验 (15) 5.2残差的独立性检验 (17) 5.3多重共线性检验 (17) 6、结论 (18) 参考文献 (20)

1、引言 回归被用于研究可以测量的变量之间的关系，线性回归则被用于研究一类特殊的关系，即可用直线或多维的直线描述的关系。这一技术被用于几乎所有的研究领域，包括社会科学、物理、生物、科技、经济和人文科学。逐步回归是在剔除自变量间相互作用、相互影响的前提下，计算各个自变量x与因变量y之间的相关性，并在此基础上建立对因变量y有最大影响的变量子集的回归方程。 SPSS(Statistical Package for the Social Science社会科学统计软件包)是世界著名的统计软件之一，目前SPSS公司已将它的英文名称更改为Statistical Product and Service Solution，意为“统计产品与服务解决方案”。SPSS软件不仅具有包括数据管理、统计分析、图表分析、输出管理等在内的基本统计功能，而且用它处理正交试验设计中的数据程序简单，分析结果明了。基于以上优点，SPSS已经广泛应用于自然科学、社会科学中，其中涉及的领域包括工程技术、应用数学、经济学、商业、金融等等。 本文研究内容主要来源于“庆安集团基于物联网技术的航空柔性精益制造系统”，在庆安集团新建的320厂房建立自动化物料搬运系统（AMHS），使用生产仿真软件EM-Plant对该系统建模并仿真，设计实验因子及各水平如表1-1，则共有3*4*6=72组实验结果，如表所示。为方便描述，将各因子定义为：X1表示AGC物料交换服务水平，X2表示周转箱交换周期，X3表示EMS数量，Y表示因变量年产量箱数。本文目的就是建立年产量箱数与AGC物料交换服务水平、周转箱交换周期和EMS数量之间的关系。

应用数理统计课后习题参考答案

习题五 1 试检验不同日期生产的钢锭的平均重量有无显著差异？（=0.05） 解 根据问题，因素A 表示日期，试验指标为钢锭重量，水平为5. 假设样本观测值(1,2,3,4)ij y j =来源于正态总体2 ~(,),1,2,...,5i i Y N i μσ= . 检验的问题：01251:,:i H H μμμμ===不全相等 . 计算结果： 表5.1 单因素方差分析表 ‘*’ . 查表0.95(4,15) 3.06F =，因为0.953.9496(4,15)F F =>，或p = 0.02199<0.05， 所以拒绝0H ，认为不同日期生产的钢锭的平均重量有显著差异. 2 考察四种不同催化剂对某一化工产品的得率的影响，在四种不同催化剂下分别做试验 试检验在四种不同催化剂下平均得率有无显著差异？（=0.05） 解 根据问题，设因素A 表示催化剂，试验指标为化工产品的得率，水平为4 . 假设样本观测值(1,2,...,)ij i y j n =来源于正态总体2 ~(,),1,2,...,5i i Y N i μσ= .其中

样本容量不等，i n 分别取值为6，5，3，4 . 检验的问题：012341:,:i H H μμμμμ===不全相等 . 计算结果： 表5.2 单因素方差分析表 查表0.95(3,14) 3.34F =，因为0.952.4264(3,14)F F =<，或p = 0.1089 > 0.05， 所以接受0H ，认为在四种不同催化剂下平均得率无显著差异 . 3 试验某种钢的冲击值（kg ×m/cm2），影响该指标的因素有两个，一是含铜量A ， 试检验含铜量和试验温度是否会对钢的冲击值产生显著差异？（=0.05） 解 根据问题，这是一个双因素无重复试验的问题，不考虑交互作用. 设因素,A B 分别表示为含铜量和温度，试验指标为钢的冲击力，水平为12. 假设样本观测值(1,2,3,1,2,3,4)ij y i j ==来源于正态总体2 ~(,),1,2,3,ij ij Y N i μσ= 1,2,3,4j = .记i α?为对应于i A 的主效应；记j β?为对应于j B 的主效应； 检验的问题：（1）10:i H α?全部等于零，11 :i H α?不全等于零； （2）20:j H β?全部等于零，21:j H β?不全等于零； 计算结果： 表5.3 双因素无重复试验的方差分析表 查表0.95(2,6) 5.143F =，0.95(3,6) 4.757F =，显然计算值,A B F F 分别大于查表值， 或p = 0.0005，0.0009 均显著小于0.05，所以拒绝1020,H H ，认为含铜量和试验温度都会对钢的冲击值产生显著影响作用. 4 下面记录了三位操作工分别在四台不同的机器上操作三天的日产量：

数理统计作业三

第一部分统计基础与概率计算(共10题,10分/题) 1.某人在每天上班途中要经过3个设有红绿灯的十字路口。设每个路口遇到红 灯的事件就是相互独立的,且红灯持续24秒而绿灯持续36秒。试求她途中遇到红灯的次数的概率分布及其期望值与方差、标准差。 解:读题可知每个路口遇到红灯的概率就是P=24／(24+36)=0、4 假设遇到红灯的次数为X,则,X～B(3,0、4),概率分布如下 0次遇到红灯的概率P0=(1-0、4)3=0、216 1次遇到红灯的概念P1=(1-0、4)2*0、4=0、432 2次遇到红灯的概念P2=(1-0、4)*0、42=0、288 3次遇到红灯的概念P3=0、43=0、064 期望:E(x)=nP=0、4*3=1、2 方差:D(X)=δ2=nPq=0、4*3*(1-0、4)=0、72 标准差: 2、一家人寿保险公司某险种的投保人数有20000人,据测算被保险人一年中的死亡率为万分之5。保险费每人50元。若一年中死亡,则保险公司赔付保险金额50000元。试求未来一年该保险公司将在该项保险中(这里不考虑保险公司的其它费用): (1)至少获利50万元的概率; (2)亏本的概率; (3)支付保险金额的均值与标准差。 解:设被保险人死亡数为X,X～B(20000,0、0005) 2.总收入为2万×50=100万,要获利至少50万,则赔付的保险金额应该不超过50万,也就就 是被保险的人当中死亡人数不能超过10人,精确点就就是用二项分布来做,但就是由于20000这个数比较大,就可以用正态近似来做,就就是认为死亡人数服从与原二项分布的均值方差相同的正态分布,结用正态函数表示。概率为P(X≤10)=0、58304

应用数理统计大作业1——逐步回归法分析终

应用数理统计多元线性回归分析 （第一次作业） 学院：机械工程及自动化学院 姓名： 学号： 2014年12月

逐步回归法在AMHS物流仿真结果中的应 用 摘要：本文针对自动化物料搬运系统(Automatic Material Handling System，AMHS)的仿真结果，根据逐步回归法，使用软件IBM SPSS Statistics 20，对仿真数据进行分析处理，得到多元线性回归方程，建立了工件年产量箱数与EMS数量、周转箱交换周期以及AGC物料交换服务水平之间的数学模型，并对影响年产量箱数的显著性因素进行了分析，介绍了基本假设检验的情况。 关键词：逐步回归；残差；SPSS；AMHS；物流仿真

目录 1、引言 (1) 2、逐步回归法原理 (4) 3、模型建立 (5) 3.1确定自变量和因变量 (5) 3.2分析数据准备 (6) 3.3逐步回归分析 (7) 4、结果输出及分析 (8) 4.1输入／移去的变量 (8) 4.2模型汇总 (9) 4.3方差分析 (9) 4.4回归系数 (10) 4.5已排除的变量 (11) 4.6残差统计量 (11) 4.7残差分布直方图和观测量累计概率P-P图 (12) 5、异常情况说明 (13) 5.1异方差检验 (13) 5.2残差的独立性检验 (14) 5.3多重共线性检验 (15) 6、结论 (15) 参考文献 (17)

1、引言 回归被用于研究可以测量的变量之间的关系，线性回归则被用于研究一类特殊的关系，即可用直线或多维的直线描述的关系。这一技术被用于几乎所有的研究领域，包括社会科学、物理、生物、科技、经济和人文科学。逐步回归是在剔除自变量间相互作用、相互影响的前提下，计算各个自变量x与因变量y之间的相关性，并在此基础上建立对因变量y有最大影响的变量子集的回归方程。 SPSS(Statistical Package for the Social Science社会科学统计软件包)是世界著名的统计软件之一，目前SPSS公司已将它的英文名称更改为Statistical Product and Service Solution，意为“统计产品与服务解决方案”。SPSS软件不仅具有包括数据管理、统计分析、图表分析、输出管理等在内的基本统计功能，而且用它处理正交试验设计中的数据程序简单，分析结果明了。基于以上优点，SPSS已经广泛应用于自然科学、社会科学中，其中涉及的领域包括工程技术、应用数学、经济学、商业、金融等等。 本文研究内容主要来源于“庆安集团基于物联网技术的航空柔性精益制造系统”，在庆安集团新建的320厂房建立自动化物料搬运系统（AMHS），使用生产仿真软件EM-Plant对该系统建模并仿真，设计实验因子及各水平如表1-1，则共有3*4*6=72组实验结果，如表所示。为方便描述，将各因子定义为：X1表示AGC物料交换服务水平，X2表示周转箱交换周期，X3表示EMS数量，Y表示因变量年产量箱数。本文目的就是建立年产量箱数与AGC物料交换服务水平、周转箱交换周期和EMS数量之间的关系。 表1-1三因子多水平实验方案

应用数理统计作业题及参考答案(第二章)(2)

第二章 参数估计（续） P68 2.13 设总体X 服从几何分布：{}()1 1k P X k p p -==-，12k = ，，，01p <<，证明 样本均值1 1 n i i X X n == ∑是()E X 的相合、无偏和有效估计量。 证明： 总体X 服从几何分布， ∴()1= E X p ，()2 1-= p D X p . 1 () ()1 11 11 11==????===??== ? ????? ∑ ∑ n n i i i i E X E X E X n E X n n n p p . ∴样本均值11n i i X X n == ∑ 是()E X 的无偏估计量。 2 () 2222 1 11 1111==--???? ===??= ? ?????∑ ∑n n i i i i p p D X D X D X n n n n p np . ()()()()11 11 ln ln 1ln 1ln 1-??=-=+--??；X f X p p p p X p . () 111ln 111111f X p X X p p p p p ?--= - =+?--；. () () 2 11 2 2 2 ln 11 1f X p X p p p ?-=- + ?-；. ()()()()21112 2 2 22ln 11 1111f X p X X I p E E E p p p p p ???? ?? ?--=-=--+=+???????--?????? ? ?? ? ； () ()() ()12 2 2 2 2 211 11 111111111??-= + -= + ?-=+? ?---?? p E X p p p p p p p p ()()() () 2 2 2 111 1 111-+= + = = ---p p p p p p p p p .

数理统计学作业

数理统计学作业 专业：飞行器设计 姓名：刘炜华 学号： 20130302002 2013年9月

1．数据的采集及说明 1.1数据的搜集方法及说明 当复合材料结构开始大量应用之后，在实际使用中可以积累大量的故障统计数据，航空公司在对故障数据进行收集和统计之后，可以对故障数据作故障率直方图和故障频率分布图来进行故障频率信息的统计和分析。 表 1是一架飞机在某段时间内故障间隔飞行小时，下面以该数据集为基础简单估计该架飞机在该时间段内的故障率曲线分布。 表1某飞机一段时间内故障间隔飞行小时 1.2.数据整理 1.表中共有 100 个维修数据，找出其中的最大值为max 652L =小时，最小值为 min 1L =小时； 2.计算组数： 根据经验公式：1 3.32lg k n =+， 计算得1 3.32lg 1 3.32lg1008k n =+=+≈， 所以将数据分为8组； 3.计算组距： max min 6521 828 L L t k --?= =≈； 4.根据公式计算并将所得的结果列成表2: 频率：/j j W f n =

表2故障频率分析过程计算结果 5.计算得：202.98X =，167.0697S =; 根据公式3 1 13 () 1.1035(1)n i i X X V n S =-= =-∑ 6．计算峰度： 根据公式4 1 24 () 3.4853(1)n i i X X V n S =-= =-∑ 1.3.直方图与折线图 图1-1故障频数直方图

图1-2故障频率折线图 图1-3故障频率直方图 图1-4累计频率折线图

从频率直方图即图3中可以看出，靠近左侧的数据出现较多。通过比较频率曲线和指数分布曲线可以看出，该图显示故障呈现典型的指数分布，所以说明趋势方程是指数函数。趋势线方程代表故障频数随时间的发展趋势，据此可以预测未来某一时间段内的故障数，来实现故障相关维修成本的估算。 1.4.经验分布函数 根据定义得出，总体X 的经验分布函数为： 0,1 (),1652,1,2,...,991001,652 n x k F x x k x

应用数理统计大作业1——逐步回归法分析终

应用数理统计大作业1——逐步回归法分析终 -标准化文件发布号：（9456-EUATWK-MWUB-WUNN-INNUL-DDQTY-KII

应用数理统计多元线性回归分析 （第一次作业） 学院：机械工程及自动化学院 姓名： 学号： 2014年12月

逐步回归法在AMHS物流仿真结果中的应 用 摘要：本文针对自动化物料搬运系统 (Automatic Material Handling System，AMHS)的仿真结果，根据逐步回归法，使用软件IBM SPSS Statistics 20，对仿真数据进行分析处理，得到多元线性回归方程，建立了工件年产量箱数与EMS数量、周转箱交换周期以及AGC物料交换服务水平之间的数学模型，并对影响年产量箱数的显著性因素进行了分析，介绍了基本假设检验的情况。 关键词：逐步回归；残差；SPSS；AMHS；物流仿真

目录 1、引言 (1) 2、逐步回归法原理 (4) 3、模型建立 (6) 3.1确定自变量和因变量 (6) 3.2分析数据准备 (6) 3.3逐步回归分析 (7) 4、结果输出及分析 (9) 4.1输入／移去的变量 (9) 4.2模型汇总 (10) 4.3方差分析 (10) 4.4回归系数 (11) 4.5已排除的变量 (12) 4.6残差统计量 (13) 4.7残差分布直方图和观测量累计概率P-P图 (14) 5、异常情况说明 (15) 5.1异方差检验 (15) 5.2残差的独立性检验 (17) 5.3多重共线性检验 (17) 6、结论 (18) 参考文献 (20)

1、引言 回归被用于研究可以测量的变量之间的关系，线性回归则被用于研究一类特殊的关系，即可用直线或多维的直线描述的关系。这一技术被用于几乎所有的研究领域，包括社会科学、物理、生物、科技、经济和人文科学。逐步回归是在剔除自变量间相互作用、相互影响的前提下，计算各个自变量x与因变量y之间的相关性，并在此基础上建立对因变量y有最大影响的变量子集的回归方程。 SPSS(Statistical Package for the Social Science社会科学统计软件包)是世界著名的统计软件之一，目前SPSS公司已将它的英文名称更改为Statistical Product and Service Solution，意为“统计产品与服务解决方案”。SPSS软件不仅具有包括数据管理、统计分析、图表分析、输出管理等在内的基本统计功能，而且用它处理正交试验设计中的数据程序简单，分析结果明了。基于以上优点，SPSS已经广泛应用于自然科学、社会科学中，其中涉及的领域包括工程技术、应用数学、经济学、商业、金融等等。 本文研究内容主要来源于“庆安集团基于物联网技术的航空柔性精益制造系统”，在庆安集团新建的320厂房建立自动化物料搬运系统（AMHS），使用生产仿真软件EM-Plant对该系统建模并仿真，设计实验因子及各水平如表1-1，则共有3*4*6=72组实验结果，如表所示。为方便描述，将各因子定义为：X1表示AGC物料交换服务水平，X2表示周转箱交换周期，X3表示EMS数量，Y表示因变量年产量箱数。本文目的就是建立年产量箱数与AGC物料交换服务水平、周转箱交换周期和EMS数量之间的关系。

数理统计第二次作业

数理统计第二次作业 ? 1. 某百货公司连续40 天的商品销售额如下（单位：万元）： 41 46 35 42 25 36 28 36 29 45 46 37 47 37 34 37 38 37 30 49 34 36 37 39 30 45 44 42 38 43 26 32 43 33 38 36 40 44 44 35 根据上面的数据进行适当的分组，编制频数分布表，并绘制直方图。（数据见练 习1 数据.xls —练习 1.1 ）解：频数分布表及直方图如下：由直方图可以看出，该百货公司连续 40 天的销售额近似服从单峰对称的正态分布。 2. 为了确定灯泡的使用寿命（小时），在一批灯泡中随机抽取100 只进行测试，所 得结果如下： 700 706 716 715 728 712 719 722 685 691 709 708 691 690 684 692

705 707 718 701 708 729 694 681 695 685 706 661 735 665 668 710 693 697 674 658 698 666 696 698 706 692 691 747 699 682 698 700 710 722 694 690 736 689 696 651 673 749 708 727 688 689 683 685 702 741 698 713 676 702 701 671 718 707 683 717 733 712 683 692 693 697 664 681 721 720 677 679 695 691 713 699 725 726 704 729 703 696 717 688 (1) 利用计算机对上面的数据进行排序； (2) 以组距为10 进行等距分组，整理成频数分布表，并绘制直方图；(3) 绘制茎叶图，并与直方图作比较. 解( 1)排序如下 (2)频数分布表及频数分布直方图如下：从直方图可以看出，灯泡的使用寿命近似服从单 峰对称的正态分布。 (3)茎叶图如下 与频数分布表比较可知：当频数分布表频数分布间隔为10，且从整10 开始，则茎叶 图各茎所含叶片数与对应频数区间所含项数相等。 3. 某企业决策人考虑是否采用一种新的生产管理流程。据对同行的调查得知，采用新生产管理流程后产品优质率达95％的占四成，优质率维持在原来水平(即80%)的占六成。该企业利用新的生产管理流程进行一次试验，所生产 5 件产品全部达到优质。问该企业决策者会倾向于如何决策？ 解：设A =优质率达95%, C =优质率为80%, B =试验所生产的5件全部优质。 P(A) = 0.4 , P(A ) = 0.6 , P(B|A)=0.955 , P(B|A )=0.85 ，所求概率为：P (A I B ) P(A) ?P(B I A) P(A) ?P(B II A)+P(A ) ?P(B I A ) 0.50612 0.30951 0.6115 决策者会倾向于采用新的生产管理流程。

重庆大学研究生数理统计大作业

NBA球员科比单场总得分与上场时间的线性回归分析 摘要 篮球运动中，球员的上场时间与球员的场上得分的数学关系将影响到教练对每位球员上场时间的把握，若能得到某位球员的上场时间与场上得分的数据关系，将能更好的把握该名球员的场上时间分配。本次作业将针对现役NBA球员中影响力最大的球员科比布莱恩特进行研究，对其2012-2013年赛季常规赛的每场得分与出场时间进行线性回归，得到得分与出场时间的一元线性回归直线，并对显著性进行评估和进行区间预测。 正文 一、问题描述 随着2002年姚明加入NBA，越来越多的中国人开始关注篮球这一项体育运动，并使得篮球运动大范围的普及开来，尤其是青年学生。本着学以致用的原则，希望将所学理论知识与现实生活与个人兴趣相结合，若能通过建立相应的数理统计模型来做相应的分析，并且从另外一个角度解析篮球，并用以指导篮球这一项运动的更好发展，这也将是一项不同寻常的探索。篮球运动中，得分是取胜的决定因素，若要赢得比赛，必须将得分超出对手，而影响一位球员的得分的因素是多样的，例如：情绪，状态，体力，伤病，上场时间，防守队员等诸多因素，而上场时间作为最直接最关键的因素，其对球员总得分的影响方式有着重要的研究意义。 倘若知道了其分布规律，则可从数量上掌握得分与上场时间复杂关系的大趋势，就可以利用这种趋势研究球员效率最优化与上场时间的控制问题。 因此，本文针对湖人当家球星科比布莱恩特在2012-2013年赛季常规赛的每场得分与上场时间进行线性回归分析，并对显著性进行评估，以巩固所学知识，并发现自己的不足。 二、数据描述 抽出科比布莱恩特2012-2013年常规赛所有82场的数据记录（原始数据见附录），剔除掉其中没有上场的部分数据，得到有参考实用价值的数据如表2.1所示：

西安交大数理统计作业(完整版)

第一章 1.1 X~N(μ,2 σ) 则X~N(μ, 2 n σ )，所以X－μ~N(0, 2 n σ ) P{X-μ <1}= P{ ＝ 0.95 N（0,1）,而(0.975) 1.96 Φ= 所以n最小要取[2 1.96x2σ]+1 1.2 （1）至800小时，没有一个元件失效 这个事件等价于P{ 123456 X X X X X X>800}的概率 由已知X服从指数分布，可求得P{ 123456 X X X X X X>800}＝7.2 e-（2）至3000小时，所有六个元件都失效的概率 等价与P{ 123456 X X X X X X<3000}的概率 可求得P{ 123456 X X X X X X<3000}= 4.56 (1) e- - 1.5 2 1 () n i i X a = - ∑＝2 1 [()()] n i i X X X a = -+- ∑ ＝22 111 ()2()()() n n n i i i i i X X X a X X X a === -+--+- ∑∑∑ 因为 1 () n i i X X = - ∑＝0 所以2 1 () n i i X a = - ∑＝22 11 ()() n n i i i X X X a == -+- ∑∑ ＝22 1 () n i nS X a = +- ∑ 所以当a＝X时，2 1 () n i i X a = - ∑有最小值且等于2nS 1.6 （1）由 1 1n i i X X n= =∑

有等式的左边＝ 221 12n n i i i i X X n μμ==-+∑∑ 等式的右边＝ 22221122n n i i i i X X X nX nX nX n μμ==-++-+∑∑ ＝ 22 2 2 211 22n n i i i i X nX nX nX X n μμ==-++-+∑∑ ＝ 221 1 2n n i i i i X X n μμ==-+∑∑ 左边等于右边，结论得证。 （2） 等式的左边＝ 22 11 2n n i i i i X X X nX ==-+∑∑＝221 n i i X nX =-∑ 等式的右边＝ 221 n i i X nX =-∑ 左边等于右边，结论得证。 1.7 （1）由11n n i i X X n ==∑ 及 22 1 1()n n i n i S X X n ==-∑ 有左边=1111111111()1111 n n n n n i i n i i i i X X X X X X n n n n ++++=====+=+++++∑∑∑ 111 ()111 n n n n n nX X X X X n n n ++= +=+-+++=右边 左边等于右边，结论得证。 （2）由 左边=12 21 11 1()1n n i n i S X X n +++==-+∑ 121111[()]11 n i n n n i X X X X n n ++==---++∑ 121111[()()]11 n i n n n i X X X X n n ++==---++∑ 12 2112 1121[()()()()]11(1) n i n i n n n n n i X X X X X X X X n n n +++==----+-+++∑

最新北航数理统计大作业-多元线性回归

北航数理统计大作业-多元线性回归

应用数理统计多元线性回归分析 （第一次作业） 学院： 姓名： 学号： 2013年12月

交通运输业产值的多元线性回归分析 摘要：本文基于《中国统计年鉴》（2012年版）统计数据，寻找影响交通运输业发展的因素，包括工农业发展水平、能源生产水平、进出口贸易交流以及居民消费水平等，利用统计软件SPSS对各因素进行了筛选分析，采用逐步回归法得到最优多元线性回归模型，并对模型的回归显著性、拟合度以及随机误差的正态性进行了检验，最后可以利用有效的最优回归模型对将来进行预测。 关键字：多元线性回归，逐步回归，交通运输产值，工业产值，进出口总额1，引言 交通运输业指国民经济中专门从事运送货物和旅客的社会生产部门，包括铁路、公路、水运、航空等运输部门。它是国民经济的重要组成部分，是保证人们在政治、经济、文化、军事等方面联系交往的手段，也是衔接生产和消费的一个重要环节。交通运输业在现代社会的各个方面起着十分重要的作用，因此研究交通运输业发展水平与各个影响因素间的关系显得十分重要，建立有效的数学相关模型对于预测交通运输业的发展，制定相关政策方案提供依据。根据经验交通运输业的发展受到工农业发展、能源生产、进出口贸易以及居民消费水平等众因素的影响，故建立一个完整精确的数学模型在理论上基本无法实现，并且在实际运用中也没有必要，一种简单有效的方式就是寻找主要影响因素，分析其与指标变量的相关性，建立多元线性回归模型就是一种有效的方式。 变量与变量之间的关系分为确定性关系和非确定性关系，函数表达确定性关系。研究变量间的非确定性关系，构造变量间经验公式的数理统计方法称为

应用数理统计吴翊李永乐第三章假设检验课后作业参考答案

第三章 假设检验 课后作业参考答案 某电器元件平均电阻值一直保持Ω，今测得采用新工艺生产36个元件的平均电阻值为Ω。假设在正常条件下，电阻值服从正态分布，而且新工艺不改变电阻值的标准偏差。已知改变工艺前的标准差为Ω，问新工艺对产品的电阻值是否有显着影响(01.0=α) 解：(1)提出假设64.2:64.2:10≠=μμH H ， (2)构造统计量36 /06.064 .261.2/u 00 -=-= -= n X σμ (3)否定域???? ??>=???? ??>?? ??? ??<=--21212 αααu u u u u u V (4)给定显着性水平01.0=α时，临界值575.2575.22 12 =-=- α αu u ， (5) 2 αu u <，落入否定域，故拒绝原假设，认为新工艺对电阻值有显着性影响。 一种元件,要求其使用寿命不低于1000（小时）,现在从一批这种元件中随机抽取25件,测 得其寿命平均值为950（小时）。已知这种元件寿命服从标准差100σ=（小时）的正态分布， 试在显着水平下确定这批元件是否合格。 解： {}01001:1000, H :1000 X 950 100 n=25 10002.5 V=u 0.05H x u αμμσμα-≥<====->=提出假设：构造统计量：此问题情形属于u 检验，故用统计量：此题中：代入上式得： 拒绝域： 本题中：0.950.950 u 1.64u 0.0u H =>∴即，拒绝原假设认为在置信水平5下这批元件不合格。 某厂生产的某种钢索的断裂强度服从正态分布( )2 ,σ μN ，其中()2 /40cm kg =σ。现从一

最新数理统计大作业题目和答案--0348资料

1、设总体X 服从正态分布),(2 σμN ，其中μ已知，2 σ未知，n X X X ,,,21 为其样本， 2≥n ,则下列说法中正确的是（ ） 。 （A ） ∑=-n i i X n 1 2 2 )(μσ是统计量 （B ） ∑=n i i X n 1 22 σ是统计量 （C ） ∑=--n i i X n 1 2 2 )(1μσ是统计量 （D ） ∑=n i i X n 1 2 μ 是统计量 2、设两独立随机变量)1,0(~N X ，)9(~2 χY ，则 Y X 3服从（ ）。 )(A )1,0(N )(B )3(t )(C )9(t )(D )9,1(F 3、设两独立随机变量)1,0(~N X ，2 ~(16)Y χ ）。 )(A )1,0(N )(B (4)t )(C (16)t )(D (1,4)F 4、设n X X ,,1 是来自总体X 的样本，且μ=EX ，则下列是μ的无偏估计的是（ ）. ) (A ∑ -=-1 1 1 1n i i X n )(B ∑=-n i i X n 1 11 )(C ∑=n i i X n 21 )(D ∑-=111n i i X n 5、设4321,,,X X X X 是总体2 (0,)N σ的样本，2 σ未知，则下列随机变量是统计量的是 （ ）. （A ）3/X σ； （B ） 4 1 4 i i X =∑； （C ）σ-1X ； （D ） 4 221 /i i X σ=∑ 6、设总体),(~2 σμN X ，1,,n X X L 为样本，S X ,分别为样本均值和标准差，则 下列正确的是（ ）. 2() ~(,)A X N μσ 2() ~(,) B n X N μσ 222 1 1 () ()~()n i i C X n μχσ=-∑ () ~()D t n 7、设总体X 服从两点分布B （1，p ），其中p 是未知参数，15,,X X ???是来自总体的简单随机样本，则下列随机变量不是统计量为（ ） ( A ) . 12X X + ( B ) {}max ,15i X i ≤≤

数理统计大作业

数理统计学大作业 学院航空航天工程学部专业飞行器设计 班级航宇二班 学号142103130228 姓名张立 指导教师姜永 负责教师 沈阳航空航天大学 2014年12月

目录 (2) 前言 (3) 一、采集样本数据整理及SPSS统计软件的实现 (4) 1.1、数据的收集方法及说明 (4) 1.2、数据整理：给出频数、频率分布表及偏度和峰度 (4) 1.3、画出直方图和折线图 (6) 1.4、经验分布函数和图形 (6) 1.5、各种概率分布 (7) 二、给出总体分布的参数估计 (12) 2.1、矩估计法 (12) 2.2、最大似然估计 (12) 2.3、参数区间估计 (13) 三、参数的假设检验 (16) 3.1. 样本统计数据的t检验 (16) 3.2样本统计数据的2χ检验 (17) 四、非参数假设检验（ 2 χ拟合优度检验） (18) 4.1、2χ拟合优度检验 (18) 五、结论 (20) 参考文献 (21)

数理统计学是研究有效地运用数据收集与数据处理、多种模型与技术分析、社会调查与统计分析等，对科技前沿和国民经济重大问题和复杂问题，以及社会和政府中的大量问题，如何对数据进行推理，以便对问题进行推断或预测，从而对决策和行动提供依据和建议的应用广泛的基础性学科。随着科学技术的发展，数理统计的作用在国民生活中越来越重要，特别是现在随着大数据的时代来临，迫切的需要我们对大量数据的处理能力，当然这些大量的数据不可能用人工计算，有很多可以实际应用的数理统计软件，这次大作业我使用的是SPSS软件。 由于数理统计是一门实用性极强的学科，在学习中要紧扣它的实际背景，理解统计方法的直观含义。了解数理统计能解决那些实际问题。对如何处理抽样数据，并根据处理的结果作出合理的统计推断，该结论的可靠性有多少要有一个总体的思维框架，这样，学起来就不会枯燥而且容易记忆。例如估计未知分布的数学期望，就要考虑到：1.如何寻求合适的估计量的途径，2.如何比较多个估计量的优劣。这样，针对1按不同的统计思想可推出矩估计和极大似然估计，而针对2又可分为无偏估计、有效估计、相合估计，因为不同的估计名称有着不同的含义，一个具体估计量可以满足上面的每一个，也可能不满足。掌握了寻求估计的统计思想，具体寻求估计的步骤往往是“套路子”的，并不困难，然而如果没有从根本上理解，仅死背套路子往往会出现各种错误.

西南大学数理统计作业及答案

数理统计第一次 1、设总体X 服从正态分布),(2 σμN ，其中μ已知，2 σ未知，n X X X ,,,21Λ为其样本， 2≥n ,则下列说法中正确的是（ ） 。 （A ） ∑=-n i i X n 1 2 2 )(μσ是统计量 （B ） ∑=n i i X n 1 2 2 σ是统计量 （C ） ∑=--n i i X n 1 2 2 )(1 μσ是统计量 （D ） ∑=n i i X n 1 2μ 是统计量 2、设两独立随机变量)1,0(~N X ，)9(~2 χY ，则 Y X 3服从（ ）。 )(A )1,0(N )(B )3(t )(C )9(t )(D )9,1(F 3、设两独立随机变量)1,0(~N X ，2 ~(16)Y χ ）。 )(A )1,0(N )(B (4)t )(C (16)t )(D (1,4)F 4、设n X X ,,1Λ是来自总体X 的样本，且μ=EX ，则下列是μ的无偏估计的是（ ）. ) (A ∑ -=-1 1 1 1n i i X n )(B ∑=-n i i X n 111)(C ∑=n i i X n 2 1)(D ∑-=1 11n i i X n 5、设4321,,,X X X X 是总体2 (0,)N σ的样本，2 σ未知，则下列随机变量是统计量的是 （ ）. （A ）3/X σ； （B ） 4 1 4 i i X =∑； （C ）σ-1X ； （D ） 4 221 /i i X σ=∑ 6、设总体),(~2 σμN X ，1,,n X X L 为样本，S X ,分别为样本均值和标准差，则 下列正确的是（ ）. 2() ~(,)A X N μσ2() ~(,)B nX N μσ 222 1 1 () ()~()n i i C X n μχσ=- ∑) () ~()X D t n S μ- 7、设总体X 服从两点分布B （1，p ），其中p 是未知参数，15,,X X ???是来自总体的简单随机样本，则下列随机变量不是统计量为（） ( A ).12X X +( B ){}max ,15i X i ≤≤

北航应用数理统计大作业多元线性回归

多元线性回归分析 摘要：本文查找2011年《中国统计年鉴》，取我国31个省市自治区直辖市2010年的数据，利用SPSS软件对影响居民消费的因素进行讨论构造线性回归模型。并对模型的回归显著性、拟合度、正态分布等分别进行检验，最终得到最优线性回归模型，寻找影响居民消费的各个因素。 关键字：回归分析；线性；相关系数；正态分布 1. 引言 变量与变量之间的关系分为确定性关系和非确定性关系，函数表达确定性关系。研究变量间的非确定性关系，构造变量间经验公式的数理统计方法称为回归分析。 回归分析是指通过提供变量之间的数学表达式来定量描述变量间相关关系的数学过程，这一数学表达式通常称为经验公式。一方面，研究者可以利用概率统计知识，对这个经验公式的有效性进行判定；另一方面，研究者可以利用经验公式，根据自变量的取值预测因变量的取值。如果是多个因素作为自变量的时候，还可以通过因素分析，找出哪些自变量对因变量的影响是显著的，哪些是不显著的。 回归分析目前在生物统计、医学统计、经济分析、数据挖掘中得到了广泛的应用。通过对训练数据进行回归分析得出经验公式，利用经验公式就可以在已知自变量的情况下预测因变量的取值。实际问题的控制中往往是根据预测结果来进行的，如在商品流通领域，通常用回归分析商品价和与商品需求之间的关系，以便对商品的价格和需求量进行控制。 本文查找2011年《中国统计年鉴》，取我国31个省市自治区直辖市2010年的数据，利用SPSS软件对影响居民消费的因素进行讨论构造多元线性线性回归模型。以探求影响居民消费水平的各个因素，得到最优线性回归模型。随后，我们对模型的回归显著性、拟合度、正态分布等分别进行检验，以考察线性回归模型的可信度。 本文将分为5章进行论述。在第2章，我们介绍多元线性回归模型的概念。第3章，我们进行模型的建立与数据的收集和整理。我们在第4章对数据进行处理，得出多元线性回归模型，并对其进行检验。在第5章，我们进行总结。2.预备知识 2.1 回归分析 回归分析研究的主要对象是客观事物变量间的统计关系，它是建立在对客观事物进行大量试验和观察的基础上，用来寻找隐藏在那些看上去是不确定的现象中的统计规律性的统计方法。回归分析方法是通过建立统计模型研究变量间相互关系的密切程度、结构状态及进行模型预测的一种有效的工具。

数理统计作业和答案

1、设总体X 服从正态分布),(2σμN ，其中μ已知，2 σ未知，n X X X ,,,21 为其样本， 2≥n ,则下列说法中正确的是（ ）。 （A ） ∑=-n i i X n 1 2 2 )(μσ是统计量 （B ） ∑=n i i X n 122 σ是统计量 （C ） ∑=--n i i X n 1 2 2 )(1μσ是统计量 （D ） ∑=n i i X n 1 2 μ 是统计量 2、设两独立随机变量)1,0(~N X ，)9(~ 2χY ，则 Y X 3服从（ ）。 )(A )1,0(N )(B )3(t )(C )9(t )(D )9,1(F 3、设两独立随机变量)1,0(~N X ，2~(16)Y χ 服从（ ）。 )(A )1,0(N )(B (4)t )(C (16)t )(D (1,4)F 4、设n X X ,,1 是来自总体X 的样本，且μ=EX ，则下列是μ的无偏估计的是（ ）. ) (A ∑ -=-1 1 1 1n i i X n )(B ∑=-n i i X n 111 )(C ∑=n i i X n 21 )(D ∑-=1 1 1n i i X n 5、设4321,,,X X X X 是总体2 (0,)N σ的样本，2 σ未知，则下列随机变量是统计量的是（ ）. （A ）3/X σ； （B ） 4 1 4 i i X =∑； （C ）σ-1X ； （D ） 4 2 21 /i i X σ=∑ 6、设总体),(~2 σμN X ，1,,n X X L 为样本，S X ,分别为样本均值和标准差，则 下列正确的是（ ）. 2() ~(,)A X N μσ 2() ~(,)B n X N μσ 22 21 1 () ()~()n i i C X n μχσ =-∑ (~()D t n 7、设总体X 服从两点分布B （1，p ），其中p 是未知参数，15,,X X ???是来自总体的简单随机样本，则下列随机变量不是统计量为（ ） ( A ) . 12X X + ( B ) {}max ,15i X i ≤≤