统计学原理辅导(7章)
梁前德《统计学》(第二版)学习指导与习题训练答案：07第七章 假设检验与方差分析 习题答案
旗开得胜1第七章 假设检验与方差分析 习题答案一、名词解释用规范性的语言解释统计学中的名词。
1. 假设检验：对总体分布或参数做出某种假设，然后再依据抽取的样本信息，对假设是否正确做出统计判断，即是否拒绝这种假设。
2. 原假设：又叫零假设或无效假设，是待检验的假设，表示为 H 0，总是含有等号。
3. 备择假设：是零假设的对立，表示为 H 1，总是含有不等号。
4. 单侧检验：备择假设符号为大于或小于时的假设检验。
5. 显著性水平：原假设为真时，拒绝原假设的概率。
6. 方差分析：是检验多个总体均值是否相等的一种统计分析方法。
二、填空题根据下面提示的内容，将适宜的名词、词组或短语填入相应的空格之中。
1. u ，nx σμ0-，标准正态； ),(),(2/2/+∞--∞nz nz σσααY2. 参数检验，非参数检验3. 弃真，存伪4. 方差旗开得胜25. 卡方， F6. 方差分析7. t ，u8. nsx 0μ-，不拒绝9. 单侧，双侧10．新产品的废品率为5% ，0.01 11．相关，总变异，组间变异，组内变异12．总变差平方和=组间变差平方和+组内变差平方和 13．连续，离散 14．总体均值 15．因子，水平 16．组间，组内 17．r-1，n-r18. 正态，独立，方差齐三、单项选择从各题给出的四个备选答案中，选择一个最佳答案，填入相应的括号中。
1．B 2．B 3. B 4．A 5．C 6．B 7．C 8．A 9．D 10．A 11．D 12．C四、多项选择从各题给出的四个备选答案中，选择一个或多个正确的答案，填入相应的括号中。
1.AC 2．A 3.B 4.BD 5. AD五、判断改错对下列命题进行判断，在正确命题的括号内打“√”；在错误命题的括号内打“×”，并在错误的地方下划一横线，将改正后的内容写入题下空白处。
1. 在任何情况下，假设检验中的两类错误都不可能同时降低。
( ×)样本量一定时2. 对于两样本的均值检验问题，若方差均未知，则方差分析和t检验均可使用，且两者检验结果一致。
《统计学》-第7章-习题答案
第七章思考与练习参考答案1．答：函数关系是两变量之间的确定性关系，即当一个变量取一定数值时，另一个变量有确定值与之相对应；而相关关系表示的是两变量之间的一种不确定性关系，具体表示为当一个变量取一定数值时，与之相对应的另一变量的数值虽然不确定，但它仍按某种规律在一定的范围内变化。
2．答：相关和回归都是研究现象及变量之间相互关系的方法。
相关分析研究变量之间相关的方向和相关的程度，但不能确定变量间相互关系的具体形式，也无法从一个变量的变化来推测另一个变量的变化情况；回归分析则可以找到研究变量之间相互关系的具体形式，并可变量之间的数量联系进行测定，确定一个回归方程，并根据这个回归方程从已知量推测未知量。
3．答：单相关系数是度量两个变量之间线性相关程度的指标，其计算公式为：总体相关系数，样本相关系数。
复相关系数是多元线性回归分析中度量因变量与其它多个自变量之间的线性相关程度的指标，它是方程的判定系数2R 的正的平方根。
偏相关系数是多元线性回归分析中度量在其它变量不变的情况下两个变量之间真实相关程度的指标，它反映了在消除其他变量影响的条件下两个变量之间的线性相关程度。
4．答：回归模型假定总体上因变量Y 与自变量X 之间存在着近似的线性函数关系，可表示为t t t u X Y ++=10ββ，这就是总体回归函数，其中u t 是随机误差项，可以反映未考虑的其他各种因素对Y 的影响。
根据样本数据拟合的方程，就是样本回归函数，以一元线性回归模型的样本回归函数为例可表示为：tt X Y 10ˆˆˆββ+=。
总体回归函数事实上是未知的，需要利用样本的信息对其进行估计，样本回归函数是对总体回归函数的近似反映。
两者的区别主要包括：第一，总体回归直线是未知的，它只有一条；而样本回归直线则是根据样本数据拟合的，每抽取一组样本，便可以拟合一条样本回归直线。
第二，总体回归函数中的0β和1β是未知的参数，表现为常数；而样本回归直线中的0ˆβ和1ˆβ是随机变量，其具体数值随所抽取的样本观测值不同而变动。
相关分析统计学原理辅导(7章)
(4) 假定下年1月销售收入为800万元，利用拟合的回归方 程预测其销售成本，并给出置信度为95%的预测区间
ˆ y f 40.3720 0.7863x f 2 万元 即下年1月销售收入为800万元时，其销售成本的点预测值为 669.412万元 ( x x )2 2
第二节 相关图表和相关系数
一、相 关 图 表
相关图表是相关分析的重要方法。通过相关图表可 以直观地判断现象之间呈现的相关的形态和方向。
简单相关表（P264表7-3） 相关表 分组相关表 双变量分组相关表（P266表7-5） 相关图 利用直角坐标系第一象限，把自变量置于横轴上，
因变量置于纵轴上，在将两变量相对应的变量值 用坐标点形式描绘出来即可。（p268图7-1）
相关系数计算分析例题
序 月产量 号 1 1.2 2 2.0 3 3.1 4 3.8 5 5.0 6 6.1 7 7.2 8 8.0 ∑ 36.4 生产费用
x
y
62 86 80 110 115 132 135 160 880
x
2
y
2
xy
74.4
172.0 248.0
1.44 4.00 9.61 14.44 25.00 17.21 51.84 64.00
ˆ Se(e f ) 1
1 1 (800 647.88) f 4.35709 1 2.2265 2 n ( xi x ) 12 425053.73
ˆ ˆ P{[ y f t 2 Se(e f )] y f [ y f t 2Se(e f )]} 1
(4)假定下年1月销售收入为800万元，利用拟合的回归方程预测 其销售成本，并给出置信度为95%的预测区间。
贾俊平《统计学》(第7版)考点归纳和课后习题详解(含考研真题)(第7章 参数估计)【圣才出品】
第7章参数估计7.1 考点归纳【知识框架】【考点提示】（1）置信区间的含义理解（选择题、简答题考点）；（2）估计量的三个评价标准（判断题、填空题、简答题考点）；（3）区间估计的步骤（简答题考点）、总体参数的区间估计选择恰当的统计量（计算题考点）；（4）必要样本容量的影响因素、计算（简答题、计算题考点）。
【核心考点】考点一：参数估计的基本原理1．置信区间（1）置信水平为95%的置信区间的含义：用某种方法构造的所有区间中有95%的区间包含总体参数的真值。
（2）置信度愈高（即估计的可靠性愈高），则置信区间相应也愈宽（即估计准确性愈低）。
（3）置信区间的特点：置信区间受样本影响，具有随机性，总体参数的真值是固定的。
一个特定的置信区间“总是包含”或“绝对不包含”参数的真值，不存在“以多大的概率包含总体参数”的问题。
2．评价估计量的标准（1）无偏性：估计量抽样分布的期望值等于被估计的总体参数，即E（θ∧）＝θ。
（2）有效性：估计量的方差尽可能小。
（3）一致性：随着样本量的增大，估计量的值越来越接近被估计总体的参数。
【提示】本考点常见考查方式：①直接考查置信水平为95%的置信区间的含义；②置信度、估计可靠性、置信区间的关系及应用；③置信区间的特点；④给出估计量的具体含义，判断体现了什么标准；⑤直接回答估计量的三个评价标准及具体含义（简答题）。
考点二：一个总体参数的区间估计表7-1 一个总体参数的区间估计【总结】一个总体参数的估计及所使用的分布见图7-1：图7-1 一个总体参数的估计及所使用的分布【真题精选】设总体X～N（μ，σ2），σ2已知，样本容量和置信水平固定，对不同的样本观测值，μ的置信区间的长度（）。
[对外经济贸易大学2018研]A．变长B ．变短C ．保持不变D ．不能确定 【答案】C【解析】在正态总体方差已知的条件下，μ的置信区间为/2x z ±ασ所以置信区间长度为/22Z α，当样本容量和置信水平固定时，置信区间长度保持不变。
《统计学原理》第七章习题 河南电大 贾天骐解析
《统计学原理》第七章习题河南电大 贾天骐一．判断题部分题目1： 负相关指的是因素标志与结果标志的数量变动方向是下降的。
（ ）答案：×题目2： 相关系数为+1时，说明两变量完全相关；相关系数为-1时，说明两个变量不相关。
（ ）答案： √题目3： 只有当相关系数接近+1时，才能说明两变量之间存在高度相关关系。
（ ）答案： ×题目4： 若变量的值增加时，变量的值也增加，说明与之间存在正相关关系；若变量的值减少时，变量的值也减少，说明与之间存在负相关关系。
（ ）答案： ×题目5： 回归系数和相关系数都可以用来判断现象之间相关的密切程度。
（ ）答案： ×题目6： 根据建立的直线回归方程，不能判断出两个变量之间相关的密切程度。
（ ）答案： √题目7： 回归系数既可以用来判断两个变量相关的方向，也可以用来说明两个变量相关的密切程度。
（ ）答案： ×题目8： 在任何相关条件下，都可以用相关系数说明变量之间相关的密切程度。
（ ）答案： ×题目9： 产品产量随生产用固定资产价值的减少而减少，说明两个变量之间存在正相关关系。
（ ）答案： √题目10： 计算相关系数的两个变量，要求一个是随机变量，另一个是可控制的量。
（ ）答案： ×题目11： 完全相关即是函数关系，其相关系数为±1。
（ ）答案：√题目12： 估计标准误是说明回归方程代表性大小的统计分析指标，指标数值越大，说明回归方程的代表性越高。
（ ）答案 ×二．单项选择题部分题目1：当自变量的数值确定后，因变量的数值也随之完全确定，这种关系属于（ ）。
A.相关关系B.函数关系C.回归关系D.随机关系答案：B题目2：现象之间的相互关系可以归纳为两种类型，即（ ）。
A.相关关系和函数关系B.相关关系和因果关系C.相关关系和随机关系D.函数关系和因果关系答案：A题目3：在相关分析中，要求相关的两变量（ ）。
统计学原理第七章 抽样调查
合
计
x A 2 x A ( d ) f ( d )f d σ f f
2
256 72 σ 50 11504 50 53.63 200 200
2
30
第三节 全及指标的推断
一、全及指标的点估计
22
不具有某一标志的单位数用N0表示。 ► 总体成数和标准差与样本成数和标准差的计 算方法相同。只是总体指标用大写字母表示， 样本指标用小写字母表示。例如： ► 具有某一标志的单位数占总体的比重：
N1 P N
总体成数
n1 p n
样本成数
不具有某一标志的单位数占总体的比重：
N0 Q 1 P N
13
► 2.
（二）中心极限定律 ► 1. 独立同分布中心极限定理：证明不论变量 总体服从何种分布，只要它的数学期望和方 差存在，从中抽取容量为n 的样本，则这个 样本的总和或平均数是个随机变量，当n 充 分大时，样本的总和或平均数趋于正态分布.
► 2.
德莫佛-拉普拉斯中心极限定理：证明属性 总体的样本成数和样本方差，在n足够大时， 同样趋于正态分布。
σ N n σ n μx ( ) μx (1 ) n N 1 n N
2 2
总体单位总数
样本单位总数
抽样比例
21
（一）抽样成数的抽样平均误差μp ► 属性总体的标志值是用文字表示的，且标志 只有两个取值，非此即彼，故将属性总体的 标志称为“交替标志”或“是非标志”。 ► 交替标志也可以计算平均数（即成数）和标 准差。为了计算交替标志的平均数和标准差 必须将交替变异的标志过渡到数量标志。 ► 交替标志仍以x表示，设：x =1表示单位具有 某一标志， x = 0表示单位不具有某一标志。 具有某一标志的单位数用N1表示；
《统计学原理》课后习题答案
第一章练习题参考答案一.单项选择题1．B；2．A；3．B；4．C；5．D；6．A；7．C；8．C；9．C；10．A；11．C；12．C。
二.多项选择题1．ABDE；2．ACD；3．BCD；4．ACD；5．ACDE；6．ACE；7．AD；8．ABC；9．ACD；10．AD；11．BCDE；12．ABCDE；13．AC。
三.判断题1．×；2．×；3．×；4．×；5．√；6．×；7．×；8．√；9．×；10．√。
第二章练习题参考答案一.单项选择题1．C；2．C；3．D；4．B；5．D；6．D；7．B；8．D；9．B；10．B；11．A；12．C；13．D。
二.多项选择题1．CE；2．ACE；3．CE；4．BCD；5．ABCE；6．BC；7．BCD；8．ABD；9．ABD；10．ACDE；11．ABCE；12．ABE。
三.判断题1．×；2．√；3．×；4．×；5．×；6．×；7．√；8．×；9．×；10．×。
第三章练习题参考答案一.单项选择题1．B；2．C；3．C；4．C；5．D；6．B；7．B；8．B；9．D；10．B；11．A；12．B；13．D；14．A。
二.多项选择题1．AB；2．AC；3．AB；4．ABC；5．AB；6．ABD；7．ABC；8．ACE；9．BD；10．ABDE。
三.判断题1．√；2．×；3．×；4．×；5．√；6．×；7．√；8．√；9．×；10．×。
四.计算分析题1．解：（1）按职称编制的分配数列2．解：编制单项式变量数列3．解：（1）编制组距式变量数列。
（2直方图（略）第四章练习题参考答案一.单项选择题1．C；2．D；3．B；4．D；5．C；6．A；7．C；8．C；9．B；10．C；11．B；12．D；13．A；14．D；15．16．B；17．B；18．D；19．C；20．C；21．D；22．B；23．C；24．C；25．B。
统计学原理 第七章 相关分析
xy
当出现权数时：
................a xf b x 2 f xyf 解得：a y b x .............b xy x y x x
2
方程为：a f b xf yf
2
5、回归系数b与相关系数r的关系
2 xy 2 r 、 xy x y
( x x)( y y) 协方差
n ( y y)2 n
2 2
x
( x x) 2 n
、x的标准差 y
、y标准差
( x x)( y y) 或r ( x x)( y y) 即r n ( x x) ( y y )
3、回归的种类 按自变量的个数分： 一元回归：只有一个自变量，又称简单回归 多元回归：有两个或两个以上自变量，又称复回归 按回归线的形状分： 线性回归—直线回归 非线性回归—曲线回归
二、简单线性回归方程： 1、简单线性方程式：y=a+bx 2、变量y不仅受x的影响，还受其他随机因素的影响，因此 通过相关图，可以直观地发现各个相关点并不都落在一条 直线上，而是在直线上下波动，只呈现线性相关的趋势。 3、我们试图在相关图的散点中引出一条模拟的回归直线， 以表明两变量x与y的关系，称为估计回归线，回归方程： yc=a+bx yc—y的估计值 a—纵轴截距 b—回归系数,代表自变量增加一个单位时因变量的平均增加 值。
①、单变量分组相关表
自变量分组并计算次数，而对应的因变量不分组，只计 算其平均值。 单变量分组相关表的特点：使冗长的资料简化，能够更 清晰地反映出两变量之间相关关系。 ②、双变量分组相关表： 自变量和因变量都进行分组而制成的相关表，这种表形 似棋盘，故又称棋盘式相关表。
应用统计学第7章 假设检验
•
μp
(1 )
σp
n
7.3 几种常见的假设检验
• p的抽样分布接近于 正态分布，所以检
验统计量是ZSTAT 值：
p的假设检验
Z STAT
pπ
nπ 5和 n(1-π) 5
π(1 π)
n
nπ < 5或 n(1-π) < 5
本章不讨论
7.3 几种常见的假设检验
关于总体比例，可建立如下假设：
提出原假设和备择假设 选择显著性水平 确定检验统计量 建立决策准则 做出决策
7.2 假设检验的五个步骤
7.2.1提出原假设和备择假设 原假设，H0
检验的声称或断言
例：在美国每个家庭平均有3台电视机
（H0 : μ 3）
是总体参数，不是样本统计量
H0 : μ 3
H0 : X 3
7.2 假设检验的五个步骤
的假设检验
σK已n知own (Z 检验)
检验统计量是：
σ Un未kn知own (t 检验)
7.3 几种常见的假设检验
根据抽样分布原理，当总体服从正态分布N(μ,2)时，那
么从中抽取（重复抽样）容量为n 的样本，其样本均值
服从正态分布
N , 2 / n ，而统计量
Z
x
服从标
准正态分布。
n
对于双侧检验，对给定的显著性水平α，当
解：由题意知，这是左单侧检验问题，可建立如下假设：
H0 : 0.9
H1 : 0.9
样本比例
p 82 0.82 ，检验统计量的值为:
100
Z
p
= 0.82 0.9 2.67
(1 )
0.9 0.1
n
100
应用统计学 经管类 第7章 假设检验
• • • • • •
二、假设检验的步骤 （一）提出原假设与备择假设 （二）构造检验统计量 （三）确定拒绝域 （四）计算检验统计量的样本观测值 （五）做出结论
1、提出原假设与备择假设
• 消费者协会实际要进行的是一项统计检验 H0 工作。检验总体平均 =250是否成立。这 就是一个原假设(null hypothesis)，通常用 表示，即： H0 ： =250
第三节 自由分布检验
一、自由分布检验概述 自由分布检验与限定分布检验不同， 它是指在假设检验时不对总体分布的形状和参数加 以限制的检验。与参数检验相对应，自由分布检验又称为非参数检验，但这里的非参数只是 指未对检验统计量服从的分布及其参数做出限制， 并不意味着在检验中 “不涉及参数” “不 或 对参数进行检验” 。
• 解：通过统计软件进行计算。
（二）配对样本的均值检验 设配对观察值为(x,y)，其差值是 d = x-y。设 d 为差值的总体均值，要检验的是：
H 0 : d 0 ， H1 : d 0
记d
d ，则其方差是： n
2
2 d d / n Sd n(n 1) n
t
X 1000 S/ n
第三步：确定显著性水平，确定拒绝域。 α=0.05，查 t-分布表(自由度为 8)，得临界值是 t / 2, n 1 t0.025,8 =2.306， 拒绝域是(-,-2.306]∪[2.306,+)。在 Excel 中，可以使用函数 TINV(0.05,8) 得到临界值 t0.025,8 。 第四步：计算检验统计量的样本观测值。 将 X 986 ，n=9，S=24，代入 t 统计量得：
H1 • 与原假设对立的是备选假设(alternative hypothesis) ，备选假设是在原假设被否 定时另一种可能成立的结论。备选假设比 原假设还重要，这要由实际问题来确定， 一般把期望出现的结论作为备选假设。
统计学原理：第7章 参数估计
一个总体参数的区间估计
总体参数 均值 比例 方差
7 - 26
符号表示 样本统计量
x
p
2
s2
7.2.1 总体均值的区间估计
1、正态总体、２已知，
非正态总体、大样本
2、正态总体、２未知，小样本
7 - 27
总体均值的区间估计
(1、Z分布)
1. 假定条件
总体服从正态分布,且方差(２) 已知
量进行监测，企业质检部门经常要进行抽检，以分析每袋重 量是否符合要求。现从某天生产的一批食品中随机抽取了25 袋，测得每袋重量如下表所示。已知产品重量的分布服从正 态分布，且总体标准差为10g。试估计该批产品平均重量的 置信区间，置信水平为95%
这表明一个具体的点估计值无法给出估计的可 靠性的度量，一个点估计量的可靠性是由它的 抽样标准误差来衡量的。
7 -9
抽样分布回顾
Xi ~
, 2
..X
~
,
2
n
p Z Z Z 1
2
2
p Z 2
X
X
Z 2
1
p
Z 7 - 10
2
X
X
Z
2
X
1
抽样分布回顾
p
Z
2
X
X
7 - 12
实际情况是，样本均值已知，而总体均值未知 。
x
样本均值与总体均值的距离是对称的，
若某个样本均值落在总体均值的两个标准差范围以内， 则总体均值就会被包括在以样本均值为中心左右两个标 准差的范围之内。
7 - 13
区间估计
(interval estimate)
1. 总体参数估计的一个区间： 样本统计量 加减 估计误差
统计学原理第七章.ppt
简单相关表的编制程序是：先将变量分为自变量和因 变量，将自变量与因变量的数值一一对应，再将自变量按 数值从小到大顺序排列即成。
当原始资料很多，运用简单相关表存在困难时，一般
例如，对某地区45个企业进行调查，分析产量与单位 生产成本的关系，数据如表7-2所示。
即：
y-y_=(y-y^ )+(y^-y_)
_
从每个y的实际值来看，其离差就用y-y来表
示，由于离差有正负之分，总离差就( y y)2 表
示，称为离差平方和，将式（7-8）两边平方，计
算整2 ( y y)2 ( y y)2
式中,
( y
y)2
表示总离差平方和，(y
由此可知回归离差平方和在总离差平方和中的比重具有判定自变量x与因变量y相关关系大小的功能所以称为判定系数记为r一般我们将回归误差与总误差之比称为判定系数判定系数和相关系数具有相同的意义
【学习导引】
相关与回归分析是研究变量之间相互关系的重要统 计方法。通过本章学习,要了解相关分析的意义、种类， 回归分析的意义；理解回归与相关的区别和联系；熟练掌 握相关系数的计算和应用，及其简单线性回归方程的建立、 应用和分析方法，并能用以解决实际问题。
从总离差平方和分解中，得出判定系
数r2 ： ^ r 2 ( y y)2 ( y y)2
将两边开方得:
^
^
r ( y y)2 1 ( y y)2
( y y)2
( y y)2
这里r称为相关系数，它与积差法相关系数r 计算结果的数值完全相同，但两者有区别，积差
法相关系数只适用于直线相关，故可称为直线相 关系数r；而这里的r不仅适用于直线相关，也适
统计学原理第七章_相关分析
各类相关关系的表现形态图
三、相关分析与回归分析
• （一）相关分析 • 是用一个指标（相关系数）来表明现象 之间相互依存的密切程度。 • （二）回归分析 • 是根据相关关系的具体形态，选择一个 合适的数学模型，来近似地表达变量之 间的平均变化关系。（高度相关）
• （三）相关分析与回归分析的联系
• 1. 它们有具有共同的研究对象。
n
(x x )(y y ) n
σx
(x x )
n
2
(x x ) n
(y y ) n
1
1
2
σy
(y y )
n
2
2
再代入到原公式中，得：
r σ
2 xy
σx y σ
( x x ) ( y y ) ( x x ) ( y y )
2
·· ·②
销售收入 （百万元）
40 30 20 10 0 0 20 40 60 80 100
广告费（万元）
钢材消费量与国民收入
2500
2000
1500
钢材消费量（万吨）
1000
500
0
（相关图）
0
500
1000
1500
2000
2500
3000
国民收入（亿元）
例子
表1 某企业产量与生产费用的关系
企业编号 1 2 3 4 5 6 7 8
量，哪个是因变量，变量都是随机的。
• 2. 回归分析是对具有相关关系的变量间
的数量联系进行测定，必须事先确定变
量的类型。通常因变量是随机的，自变
量可以是随机的，也可以是非随机的。
第二节 简单线性相关分析
统计学第七章、第八章课后题答案
统计学第七章、第⼋章课后题答案统计学复习笔记第七章参数估计⼀、思考题1．解释估计量和估计值在参数估计中，⽤来估计总体参数的统计量称为估计量。
估计量也是随机变量。
如样本均值，样本⽐例、样本⽅差等。
根据⼀个具体的样本计算出来的估计量的数值称为估计值。
2．简述评价估计量好坏的标准（1）⽆偏性：是指估计量抽样分布的期望值等于被估计的总体参数。
（2）有效性：是指估计量的⽅差尽可能⼩。
对同⼀总体参数的两个⽆偏估计量，有更⼩⽅差的估计量更有效。
（3）⼀致性：是指随着样本量的增⼤，点估计量的值越来越接近被估总体的参数。
3．怎样理解置信区间在区间估计中，由样本统计量所构造的总体参数的估计区间称为置信区间。
置信区间的论述是由区间和置信度两部分组成。
有些新闻媒体报道⼀些调查结果只给出百分⽐和误差（即置信区间），并不说明置信度，也不给出被调查的⼈数，这是不负责的表现。
因为降低置信度可以使置信区间变窄（显得“精确”），有误导读者之嫌。
在公布调查结果时给出被调查⼈数是负责任的表现。
这样则可以由此推算出置信度（由后⾯给出的公式），反之亦然。
4．解释95%的置信区间的含义是什么置信区间95%仅仅描述⽤来构造该区间上下界的统计量(是随机的)覆盖总体参数的概率。
也就是说，⽆穷次重复抽样所得到的所有区间中有95%（的区间）包含参数。
不要认为由某⼀样本数据得到总体参数的某⼀个95%置信区间，就以为该区间以的概率覆盖总体参数。
5．简述样本量与置信⽔平、总体⽅差、估计误差的关系。
1. 估计总体均值时样本量n 为2. 样本量n 与置信⽔平1-α、总体⽅差、估计误差E 之间的关系为与置信⽔平成正⽐，在其他条件不变的情况下，置信⽔平越⼤，所其中： 2222α2222)(E z n σα=n z E σα2=需要的样本量越⼤；与总体⽅差成正⽐，总体的差异越⼤，所要求的样本量也越⼤；与与总体⽅差成正⽐，样本量与估计误差的平⽅成反⽐，即可以接受的估计误差的平⽅越⼤，所需的样本量越⼩。
《统计学》-第7章-习题答案
第七章思考与练习参考答案1 •答：函数关系是两变量之间的确定性关系，即当一个变量取一定数值时，另一个变量有确定值与之相对应；而相关关系表示的是两变量之间的一种不确定性关系，具体表示为当一个变量取一定数值时，与之相对应的另一变量的数值虽然不确定，但它仍按某种规律在定的范围内变化。
2•答：相关和回归都是研究现象及变量之间相互关系的方法。
相关分析研究变量之间相关的方向和相关的程度，但不能确定变量间相互关系的具体形式，也无法从一个变量的变化来推测另一个变量的变化情况；回归分析则可以找到研究变量之间相互关系的具体形式，并可变量之间的数量联系进行测定，确定一个回归方程，并根据这个回归方程从已知量推测未知量。
3•答：单相关系数是度量两个变量之间线性相关程度的指标，其计算公式为：总体相关系数二样本相关系数，「一】。
复相关系数是多元线性回归分析中度量因变量与其它多个自变量之间的线性相关程度的指标，它是方程的判定系数R2的正的平方根。
偏相关系数是多元线性回归分析中度量在其它变量不变的情况下两个变量之间真实相关程度的指标，它反映了在消除其他变量影响的条件下两个变量之间的线性相关程度。
4.答：回归模型假定总体上因变量Y与自变量X之间存在着近似的线性函数关系，可表示为Y^ 11X t u t，这就是总体回归函数，其中u t是随机误差项，可以反映未考虑的其他各种因素对Y的影响。
根据样本数据拟合的方程，就是样本回归函数，以一元线性回归模型的样本回归函数为例可表示为：Y?=耳+弭x t。
总体回归函数事实上是未知的，需要利用样本的信息对其进行估计，样本回归函数是对总体回归函数的近似反映。
两者的区别主要包括：第一，总体回归直线是未知的，它只有一条；而样本回归直线则是根据样本数据拟合的，每抽取一组样本，便可以拟合一条样本回归直线。
第二，总体回归函数中的-0和-1是未知的参数，表现为常数；而样本回归直线中的'?Q和?i是随机变量，其具体数值随所抽取的样本观测值不同而变动。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
答案：相关系数 r = 0.98
b = 0.24
a = -1.13 yc = -1.13+0.24x 回归系数b的涵义:人均年收入每增加一元,耐用消 费品销售额平均增加0.24万元。
四
回归系数与相关系数的关系
因为：
n x
2 xy
n xy x y
2 2
x n y y
第七章 相关分析
教学目的与要求
相关分析是研究变量之间相互关系的密切程度 和相互联系方式的重要方法。本章详细讲述了 相关分析的概念、相关关系的确定、回归方程 的建立和应用等内容。通过本章的学习，要理 解相关分析的有关概念，掌握计算相关系数和 配合回归方程的方法，并能够结合实际资料对 变量进行相关分析。
则相关系数为：
n x
n xy x y
2 2
x n y y
2
2
0.97
说明产量和生Hale Waihona Puke 费用之间存在高度正相关。第三节
回 归 分 析
一、回 归 分 析 的 意 义 回归分析是对具有相关关系的两个或两个以 上变量之间的数量变化的一般关系进行测定，确 立一个相应的数学表达式，以便从一个已知量来 推测另一个未知量，为估算预测提供一个重要的 方法。 二、回 归 的 种 类 按自变量的个数分 按回归线的形态分 一元回归 多元回归 线性回归 非线性回归
c
2、原数列与趋势线的离差平方和为最小值。即
( y yc ) 2 最小值
解联立方程得到：
y bx a y bx
b xy x y x x
2 2
n n n xy x y n x ( x)
2 2
根据前面例题资料配合生产费用依产量变化的回归方程：
相关系数计算分析例题
序 月产量 号 1 1.2 2 2.0 3 3.1 4 3.8 5 5.0 6 6.1 7 7.2 8 8.0 ∑ 36.4 生产费用
x
y
62 86 80 110 115 132 135 160 880
x
2
y
2
xy
74.4
172.0 248.0
1.44 4.00 9.61 14.44 25.00 17.21 51.84 64.00
第二节 相关图表和相关系数
一、相 关 图 表
相关图表是相关分析的重要方法。通过相关图表可 以直观地判断现象之间呈现的相关的形态和方向。
简单相关表（P264表7-3） 相关表 分组相关表 双变量分组相关表（P266表7-5） 相关图 利用直角坐标系第一象限，把自变量置于横轴上，
因变量置于纵轴上，在将两变量相对应的变量值 用坐标点形式描绘出来即可。（p268图7-1）
则回归方程为:
yc 51.3 12.9 x
回归系数b的涵义: 月产量每增加1000吨,生产费用平均增加12.9万元。
有某地区人均年收入与耐用消费品销售额资料如下： 时间 人均年收入（元） 耐用消费品销售额（万元） 1990 340 82 1991 380 90 1992 450 100 1993 470 114 1994 560 140 1995 620 144 2820 670 合计 要求：分析两变量相关密切程度，若为显著相关以上， 则对两变量进行回归分析。
序 月产量 号 1 1.2 2 2.0 3 3.1 4 3.8 5 5.0 6 6.1 7 7.2 8 8.0 ∑ 36.4
生产费用
x
y
62 86 80 110 115 132 135 160 880
x
2
y
2
xy
1.44 4.00 9.61 14.44 25.00 37.21 51.84 64.00 207.54
单变量分组相关表（P265表7-4）
二、相 关 系 数
相关系数是测定变量之间相关密切程度的统计指标。
1、相关系数的计算方法：
相关系数按“积差法”计算。该方法是通过两变量与各 自平均值的离差的乘积来反映两变量之间的相关程度。 积差法公式在教材第271页
计算相关系数的简化式：
n x
n xy x y
3844 7396 6400
12100
13225
418.0
575.0 805.2 972.0 1280.0 4544.6
17424 18225 25600 207.54 104214
根据计算结果可知：
x 36.4, y 880, n 8, x 2 207.54,
y
2
104214, xy 4544.6
2
2
x n y y
2
2
2、相关系数的性质
（1）相关系数有正负号，分别表示正相关和负相关。 （2）相关系数的取值范围在绝对值的 0 1 之间。 其值大小反映两变量之间相关的密切程度， 具体判断方法见教材P275。 （3）相关系数 1表明两变量完全相关； 0 表明两变量完全不相关；
3844 74.4 7396 172.0 6400 248.0 12100 418.0 13225 575.0 17424 805.2 18225 972.0 25600 1280.0 10421 4544.6 4
计算得到： x 36.4,
2
y
104214, xy 4544.6
本章主要内容
第一节 第二节 第三节 相关的意义和种类 相关系数 回归分析
第一节
相关的意义和种类
一、相关分析的含义：P259 二、相关关系的概念 函数关系：函数关系是一种严格的依存关系，这种 关系可以用y = f（x）的方程来表现。 相关关系：相关关系是一种不完全确定的随机关系。
函数关系与相关关系的联系：对具有相关关系的现 象进行分析时，必须利用相应的函数关系的数学表 达式来表明现象之间的相关方程式。
n xy x y n x 2 ( x) 2
y 880, n 8, x 2 207.54,
b
8 4544.6 36.4 880 12.9 2 8 207.54 36.4 y b x 880 12.9 36.4 51.3 a n n 8 8
六
估 计 标 准 误
1、估计标准误的涵义：教材P289 2、估计标准误的计算公式：教材P289
S yx
( y y
n2
c
)
2
简化公式：教材P291
S yx
y 2 a y b xy n2
配合直线回归方程的方法
配合直线回归方程的过程就是求解方程系数a、b 的过程，求解a、b的方法一般采用最小平方法。 用最小平方法配合回归直线的基本思想是： 在所有的相关点中，通过数学方法配合一条较为理 想的直线，这条直线必须满足两点：
1、原数列与趋势线的离差之和为零。即：
( y y ) 0
三、简单线性回归方程 简单线性方程式的一般形式： y a bx
（当两变量的增长比率为常数时，它们之间就呈 现为一种简单线性关系。）
利用简单线性回归方程进行回归分析的前提： 所分析的两个变量之间必须存在相关关系，且 相关程度在显著相关以上。
对两变量进行简单线性回归分析的任务：
设法在分散的、具有线性关系的相关点之间配合一 条最优的直线，以表明两变量之间具体的变动关系。
2
2
b
n xy x y n x 2 ( x) 2
x 所以： b y
即： x y
b y br x
2 xy 2 x
五 回归分析与相关分析的特点
1、回归分析必须区分自变量和因变量，而相关 分析不必区分。 2、回归分析的两个变量一个是自变量，一个是 因变量，通过给定自变量的值来推算因变量 的可能值；而相关分析的两个变量都是随机 变量。 3、回归分析中对于因果关系不甚明确的两个变量， 可以建立两个回归方程；而相关分析只能计算 出一个相关系数。 4、一种回归方程只能做一种推算，即只能给出自 变量的值来推算因变量的值，不能逆推。
估 计 回 归 线：
在两变量相关的散点图中，引出一条最优的 直线，这条直线就是估计回归线。它表明了两变 量数量变动的一般关系。 配合估计回归线的方程称为回归方程 方程式为： y c a bx y c：因变量的估计值,
a : 直线的起点值， b：直线的斜率，又称回归系数 x :自变量
回归系数b的经济涵义： 当自变量变动一个单位时，因变量的平均变动值。