统计学作业 2Word文档下载推荐.docx

统计学作业 2Word文档下载推荐.docx

《统计学作业 2Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《统计学作业 2Word文档下载推荐.docx（22页珍藏版）》请在冰豆网上搜索。

48

8.0417

6.3750

5.0833

Std.ErrorofMean

.14875

.19666

.25584

8.0000

6.0000

5.0000

1.03056

1.36249

1.77252

由表1可知，工作表现的平均值为8.0417，标准差方差为1.03056

专业水平的平均值为6.3750，标准差方差为1.36249外语水平的平均值为5.0833，标准差方差为1.77252

由此可见，用人单位对该校毕业生工作表现方面最为满意。

外语水平方面最不满意。

应在外语水平方面作出教学改革。

措施：

1、在入学前就针对性的对英语成绩进行筛选

2、入学后分班进行上课

3、加强对英语课程的教育

4、开展一些有关英语互动的活动

5、要求每个班每天早上用一定时间读英语

2）、由表1可知，工作表现的标准误差为0.14875，全距为4

专业水平的标准误差为0.19666，全距为5

外语水平的标准误差为0.25584，全距为7

由此可见，用人单位对该校毕业生外语水平方面的满意程度差别最大。

产生的原因是：

从抽取的样本看来，学生的外语水平参差不齐，有的学生外语水平很高，而有的学生水平非常低，同时大多数学生的外语水平都较低。

所以使得用人单位对该校毕业生外语水平方面的满意程度差别较大。

3）、利用SPSS进行，得表1、表2和表3如下：

商学院表1

17

8

5.823529

4.764706

1.118034

0.951006

1.601929

1.25

0.904412

2.566176

生物学院表2

6.647059

5.294118

1.06066

1.271868

1.611083

1.125

1.617647

2.595588

医学院表3

14

8.142857

7.214286

3.714286

0.949262

1.368805

1.489893

0.901099

1.873626

2.21978

由以上三个表对比可知社会对三个学院的毕业生工作表现方面的满意程度近于一致。

同时我们可以看出社会对三个学院的毕业生的专业水平及外语水平的满意度存在著差异，同时满意度都不太高。

对于外语水平的改建方法前面已给出。

对于专业水平：

1、加强专业知识的考核。

2、多举办有关专业知识的活动，让学生在活动中去领悟。

3、可以考虑在大一时就开设一定的专业课程，大一时学生的热气高很高，有利于专业知识的掌握。

4、教学与专业实践相结合，让学生深入去体会。

实验二假设检验

1、解：

假设H。

:

U1=U2

H1:

U1≠U2

利用SPSS两独立样本的t检验进行分析，得表1和表2如下：

GroupStatistics

学校

Std.ErrorMean

数学

北大

9

69.0000

23.53720

7.84573

清华

76.8889

16.56385

5.52128

表2

IndependentSamplesTest

Levene'

sTestforEqualityofVariances

t-testforEqualityofMeans

F

Sig.

t

df

Sig.（2-tailed）

MeanDifference

Std.ErrorDifference

95%ConfidenceIntervaloftheDifference

Lower

Upper

Equalvariancesassumed

.571

.461

-8.223E-1

16

.423

-7.88889E0

9.59375E0

-2.82267E1

12.44896

Equalvariancesnotassumed

1.436E1

.424

-2.84167E1

12.63897

﹙1﹚、由表1可知，两学校的数学成绩抽样的样本平均值有一定的差异，这个差异可能是样本随机性引起的，也有可能是两学校的数学成绩存在差异，因此需要进一步分析。

﹙2﹚、近一步分析如下：

第一步：

两总体方差的F检验。

由表二可得F=0.57概率Sig=0.46>

a=0.05，所以两总体的方差没有显著性的差异。

第二步：

两总体均值检验。

由一可知，方差为齐次性，我们只看表二的第一行的t检验的结果。

从表二知：

∣Zt∣=8.22，对应的双尾概率为0.42<

a=0.05,

所以拒绝原假设，可以认为它们之间有显著性的差异。

2、解：

：

U。

=70

H1：

U1≠70

利用SPSS两独立样本的t检验进行分析，得表如下

分数

8.36

.007

-2.21

34

.033

-11.83333

5.33947

-22.6

-.98

25.366

.036

5.33

-22.8

-.84

由表可知，t=-2.21,F=8.36<

a=0.05，所以拒绝原假设。

我们可以认为该班级学生的高考数学成绩和全国平均成绩70之间存在显著性差异。

3、解：

1）先对数学进行分析如下：

假设：

H。

U1=U2

U1≠U2

数学1

18

72.9444

20.15666

4.75097

数学2

84.7778

10.33871

2.43686

8.364

-2.216

﹙1﹚、由表1可知，数学1和数学2的抽样的样本平均值有一定的差异，这个差异可能是样本随机性引起的，也有可能是两学校的数学成绩存在差异，因此需要进一步分析。

由表二可得F=8.36概率Sig=0.07>

∣Zt∣=2.21，对应的双尾概率为0.03<

2）对化学分析如下：

化学

化学1

81.8333

15.24023

3.59216

化学2

89.4444

8.18336

1.92884

6.09

.019

-1.867

.071

-7.61

4.07

-15.9

.67487

26.051

.073

-15.99

.76901

由表二可得F=6.09概率Sig=0.017<

a=0.05，所以两总体的方差有显著性的差异。

由一可知，方差为非齐次性，我们只看表二的第二行的t检验的结果。

∣Zt∣=1.867，对应的双尾概率为0.73>

所以不拒绝原假设，可以认为它们之间没有显著性的差异。

实验三、方差分析

该数据中的水平（因变量）：

分数。

因素：

方法。

这个数据文件需要建立：

四个变量

数据文件应如何建立：

对该数据进行方差分析

检验4种方式影响是否显著。

U1=U2=U3=U4

U1、U2、U3、U4不全相等

Descriptives

Std.Error

95%ConfidenceIntervalforMean

Minimum

Maximum

LowerBound

UpperBound

方式1

6

40.00

2.28

0.93

37.60

42.39

37

43

方式2

47.67

2.16

0.88

45.40

49.93

45

50

方式3

36.33

2.58

1.05

33.62

39.04

33

40

方式4

49.00

2.19

0.89

46.70

51.30

46

52

Total

24

43.25

5.80

1.18

40.80

45.70

TestofHomogeneityofVariances

LeveneStatistic

df1

df2

.098

3

20

.960

表3

ANOVA

SumofSquares

MeanSquare

BetweenGroups

665.833

221.944

41.615

.000

WithinGroups

106.667

5.333

772.500

23

分析如下：

﹙1﹚、由表1可知，这四种方法的抽样的样本平均值有一定的差异，这个差异可能是样本随机性引起的，也有可能是两学校的数学成绩存在差异，因此需要进一步分析。

由表3可得F=41.615概率Sig=0>

由第一步可知，方差为齐次性，我们进行齐次性检验，得表2，从中可知相伴概率Sig.=0.96>

a=0.05

可以认为等级的总方差相等，符合饭方差分析的符合假设条件。

由表2方差分析表可知，总离差平方和772.5，组间离差平方和为665.833，组内离差平方和为106.667，方差分别为221.944、5.333，相差所得的F统计量为41.615，对应的相伴概率Sig.=0<

0.05，因此在拒绝区域，所以认为他们有显著性的差异

2、解:

对因素灯丝

H。

a1=a2=a3=a4

a1、a2、a3、a4不全相等

1）对因素灯泡

b1=b2=b3=b4=b5=b6=b7=b8

H1：

b1、b2、b3、b4、b5、b6、b7、b8不全相等

利用SPSS两独立样本的t检验进行分析，得表1、表2和图1如下：

.

25

由表一方差检验表可知，因为它的相伴概率Sig=0<

a=0.05，所以拒绝原假设，即有显著性差异且为齐次方程。

在进一步分析如下：

TestsofBetween-SubjectsEffects

DependentVariable:

寿命

Source

TypeIIISumofSquares

CorrectedModel

0.187541

10

0.018754

34.42991

Intercept

52.30342

1

96021.78

灯泡

0.14318

7

0.020454

37.55129

灯丝

0.049421

0.016474

30.24342

Error

0.008171

15

0.000545

69.8959

26

CorrectedTotal

0.195712

a

RSquared=.958（AdjustedRSquared=.930）

图

注：

线段从下往上依次为丁、丙、甲、乙

又由表二方差分析知F（灯泡）=37.55P=0<

a=0.05

F（灯丝）=30.24P=0<

a=0.05，

所以灯泡灯丝对寿命有显著性影响。

再结合图1我们很容易看出灯丝乙对灯泡的寿命影响最明显。

实验四相关分析与回归分析

1）、绘制肺活量-身高及肺活量-体重的散点图如下：

2）、以肺活量为因变量、以身高为自变量进行相关分析

P=0

P≠0

利用SPSS进行相关分析，得表如下：

Correlations

肺活量

身高

PearsonCorrelation

.600**

.001

29

**.Correlationissignificantatthe0.01level（2-tailed）.

由该表我们可以得到如下信息：

肺活量和身高的相关系数为r=0.6，呈中度线性相关，显著性水平P=0.001<

a=0.005，所以肺活量和身高之间线性相关显著。

3）、以体重为控制变量，以肺活量为因变量，身高为自变量进行偏相关分析

利用SPSS进行偏相关分析，得表如下：

ZeroOrderPartials

身高肺活量体重

身高1.0000.6001.7414

（0）（27）（27）

P=.P=.001P=.000

肺活量.60011.0000.7506

（27）（0）（27）

P=.001P=.P=.000

体重.7414.75061.0000

（27）（27）（0）

P=.000P=.000P=.

Controllingfor..体重

身高肺活量

身高1.0000.0983

（0）（26）

P=.P=.619

肺活量.09831.0000

（26）（0）

P=.619P=.

（Coefficient/（D.F.）/2-tailedSignificance）

"

."

isprintedifacoefficientcannotbecompated

在体重为控制变量的条件下，身高与肺活量的相关系数r=0.0983，而其简单相关系数为0.6001.我们明显可以看出前者远小于后者，我们进一步分析，因为体重跟肺活量都呈高度相关，相关系数为0.7506，所以他们之间存在线性相关。

但我们有意排除这个体重这个变量时，我们发现它的相关性下降，但由于P=0.619>

a=0.05，所以接受原假设，即身高与肺活量的相关关系不显著。

1）绘制散点图如下：

分析该市工业总产值与税利总额的关系：

由图可以看出他们呈正线性关系。

2）、做相关分析

以总产值与税利总额进行相关分析

工业总产值X

税率总值Y

.942**

12

总产值与税利总额的相关系数为r=0.942，呈高度线性相关。

又显著性水平P=0<

a=0.005，所以拒绝原假设，即总产值与税利总额之间线性相关显著。

3）、利用SPSS进行相关分析，得表1、表2如下：

ModelSammary

Model

R

RSqaare

AdjastedRSqaare

Std.ErroroftheEstimate

.942

.888

.876

95.45481

aPredictors:

（Constant）,X

Coefficients