统
计
学
实
验
报
告
专业：工商管理
姓名：卓超
指导教师：王丽英
第二章．1.（1）
（2）
2.（1）
（2）
3．
7.VAR00001 Stem-and-Leaf Plot
Frequency Stem & Leaf
.00 3 .
2.00 3 . 59
4.00 4 . 0444
1.00 4 . 8
4.00 5 . 1224
10.00 5 . 5667777899
12.00 6 . 001111223334
8.00 6 . 56667889
17.00 7 . 00001112333344444 14.00 7 . 55555667778899
8.00 8 . 00122334
5.00 8 . 55566
9.00 9 . 001122234
3.00 9 . 566
3.00 10 . 000
Stem width: 10.00
Each leaf: 1 case(s)
A班
平均74.38
标准误
差 1.497451
中位数75
众数75
标准差10.58858
方差112.118
峰度0.368775
偏度-0.16031
区域52
最小值44
最大值96
求和3719
观测数50
B班
平均68.48
标准误
差 2.466302
中位数67
众数57
标准差17.43939
方差304.1322
峰度-0.82526
偏度0.188096
区域65
最小值35
最大值100
求和3424
观测数50
第四章
12.F-检验双样本方差分析
案例分析.
（1）
含义：按95%估计，总体参数所在的可能范围
（2）中心极限定理
（3）(修正：第五项“t分布的双侧分位数”改为“z分布的双侧分位数”)
第五章
8.
10.t-检验: 双样本异方差假设
11. t-检验: 双样本等方差假设
t-检验: 双样本异方差假设
F-检验双样本方差分析
（2）将excel输出的p值乘2，即p=2*0.243109655+0.48621931>α=0.05，没有证据表明肥料的方差有显著性差异
第六章
案例分析
设采用募捐方式募到的捐款额的均值为μ1，采用电话恳谈方式募到的捐款额的均值为μ2，采用个人访问募到的捐款额的均值为μ3
根据题意写出原假设和备则假设：
H0：μ1=μ2=μ3 H1：μ1，μ2，μ,3不全相等
由于F=1.60954＜F0.05（2,134）=3.06371，则检验量的值落在接受域内，则不拒绝原假设，可以认为三种方式募到的捐款额的均值没有显著差异。
第七章
4.
（1）Y=2427.03+0.54903x
说明国民收入每增加1亿元，最终消费将平均增加0.54903亿元。
（2）由图表可知回归估计的标准误差为3137.801，可决系数为R=0.99118 (3)提出假设：
H0：β=β* H1：β≠β*
计算统计量：
t Stat=2.996756
给定显著性水平，确定临界值
t0.025(29-2)=2.0581
检验结果的判断
t Stat=2.996756> t0.025(29-2)=2.0581,所以拒绝原假设，即β≠β*（4）131260.203921=2427.030313+0.545903278*236000
案例分析
首先进行数据录入
（1）轿车生产量与私人载客汽车拥有量的关系
①由回归统计中的R=0.984101看出，所建立的回归模型对样本观测值的拟合程度很好；②估计出的样本回归函数为：ŷ=1.775687+0.206783 x1，说明私人载客汽车拥有量每增加1万辆，轿车生产量增加2067.83辆；③由上表中â和βˆ的p值分别是0.709481543和6.60805E-15，显然â的p值大于显著性水平α=0.05，不能拒绝原假设α=0，而βˆ的p值远小于显著性水平α=0.05，拒绝原假设β=0，说明私人载客汽车拥有量对轿车生产量有显著影响。
（2）轿车生产量与城镇居民家庭恩格尔系数的关系
由回归统计中的R=0.600608看出，所建立的回归模型对样本观测值的拟合程度一般，综合其相关系数值可知此二者关系不太符合所建立的线性模型，说明二者间没有密切的线性相关关系
（3）轿车生产量与公路里程的关系
①由回归统计中的R=0.885883看出，所建立的回归模型对样本观测值的拟合程度较好；②估计出的样本回归函数为：ŷ=-125.156+1.403022 x3，说明公路里程每增加1万公里，轿车生产量增加1.403022万辆；③由上表中â和βˆ的p 值分别是5.64E-05和1.82E-08，显然â和βˆ的p值均远小于显著性水平α=0.05，拒绝原假设α=0、β=0，但由于β对两者的影响更为显著，所以可以说明公路里程对轿车生产量有显著影响。
（4）轿车生产量与国内生产总值GDP的关系
①由回归统计中的R=0.88359看出，所建立的回归模型对样本观测值的拟合程度较好；②估计出的样本回归函数为：ŷ=-70.7127+0.001829x4，说明GDP每增加1亿元，轿车生产量增加18.29辆；③由上表中â和βˆ的p值分别是0.001534和2.11E-08，显然â和βˆ的p值均小于显著性水平α=0.05，拒绝原假设α=0、β=0，但由于β对两者的影响更为显著，所以可以说明GDP 对轿车生产量有较显著影响。
