商务统计学Ch09分享资料

合集下载

商务统计学第四章课件

从总体各单位变量值中抽象出具有一般水平的量，这个量不是各个单位的具体变量值，但又要反映总体各单位的一般水平。
先将总体各单位的变量值按一定顺序排列，然后取某一位置的变量值来反映总体各单位的一般水平。
算术平均数、中位数与众数间的关系
如果数据的分布是对称的，则算术平均数、中位数与众数必定相等。
设一组数据为： x1 ，x2 ，… ，xn
各组的组中值为： m1 ，m2 ，… ，mk
相应的频数为： f1 ， f2 ，… ，fk
简单均值加权均值
x m1 f1 m2 f2 f1 f2
n
xi
x i1 n
k
M k fk fk
mi fi
i 1 k
fi
k i 1
fk
k
k
mi imi
4
890 4
80200 100
802
SUMPRODUCT函数的功能是在给定的几组数组中，将数组间对应的数据相乘，并返回乘积之和。SUM函数的功能是返回一组数据的和。SUMPRODUCT函数、SUM函数的语法结构分别为：
SUMPRODUCT（array1，[array2]，...） SUM（number1，[number2]，…）
分位数
QUARTILE函数的功能是返回一组数的四分位数。PERCENTILE函数的功能是返回一组数据的和。QUARTILE函数、PERCENTILE函数的语法结构分别为：
QUARTILE（array，quart） PERCENTILE（array，k）
其中：array表示要求分位数值的数组或数字型单元格区域；quart表示返回第几个四分位数（取值为0，1，2，3，4）；k表示分析数据中小于返回分位数值的数据比例（取值为0至1之间的数）。

教学课件商务统计学(第5版)

样本数据 (Xi) : 10 12 14 15 17 18 18 24
n=8
平均数 = X = 16
S (10 X)2 (12 X)2 (14 X)2 (24 X)2 n 1
(10 16)2 (12 16)2 (14 16)2 (者个人已经发布的数据。 • 可以设计一个实验来获得必要的数据。 • 可以进行调查。 • 可以通过观察研究的方式。
Chap 1-14
数据的类型
▪ 属性变量（categorical variables）（也称为定性变量（qualitative variables））给出定性的回答，比如是或者不是。
全距 = 120 - 1 = 119
Chap 3-34
变异程度的度量:方差
• 观察值相对其算术平均数的离差平方和
– 样本方差:
n
(Xi X)2
S2 i1 n-1
其中
X= 算术平均数
n = 样本容量 Xi = 变量X 的第i个观测值
Chap 3-35
变异程度的度量:标准差
• 变异程度最常用的度量 • 显示与平均数的变异程度 • 方差的平方根 • 与原始数据有相同的单位
Chap 1-16
连续的
例子: 重量电压
(衡量特征)
统计学使用的电脑程序
• Minitab
– 进行统计分析的统计包 – 用来进行尽可能精确的统计分析
• Microsoft Excel
– 多种功能的数据分析工具 – 有多种功能，但是每一种都没有其他程序那样专注
• Minitab和Excel都用工作表来存储收集来分析的数据
统计学的类型
• 统计学
• 将数字转化为对决策者有用信息的数学的分支。

商务统计第四版课后习题答案09

Chapter 9Hypothesis TestingLearning Objectives1. Learn how to formulate and test hypotheses about a population mean and/or a population proportion.2. Understand the types of errors possible when conducting a hypothesis test.3. Be able to determine the probability of making various errors in hypothesis tests.4. Know how to compute and interpret p-values.5. Be able to use critical values to draw hypothesis testing conclusions.6. Be able to determine the size of a simple random sample necessary to keep the probability ofhypothesis testing errors within acceptable limits.7. Know the definition of the following terms:null hypothesis two-tailed testhypothesis p-valuealternativeType I error level of significanceType II error critical valuetestone-tailChapter 9Solutions:1. a. H0: µ≤ 600 Manager’s claim.H a: µ > 600b. We are not able to conclude that the manager’s claim is wrong.c. The manager’s claim can be rejected. We can conclude that µ > 600.2. a. H0: µ≤ 14H a: µ > 14 Research hypothesisb. There is no statistical evidence that the new bonus plan increases sales volume.c. The research hypothesis that µ > 14 is supported. We can conclude that the new bonus planincreases the mean sales volume.3. a. H0: µ = 32 Specified filling weightH a: µ≠ 32 Overfilling or underfilling existsb. There is no evidence that the production line is not operating properly. Allow the productionprocess to continue.µ≠ 32 and that overfilling or underfilling exists. Shut down and adjust the production c. Concludeline.4. a. H0: µ≥ 220H a: µ < 220 Research hypothesis to see if mean cost is less than $220.b. We are unable to conclude that the new method reduces costs.µ < 220. Consider implementing the new method based on the conclusion that it lowers c. Concludethe mean cost per hour.5. a. The Type I error is rejecting H0 when it is true. This error occurs if the researcher concludes thatyoung men in Germany spend more than 56.2 minutes per day watching prime-time TV when thenational average for Germans is not greater than 56.2 minutes.b. The Type II error is accepting H0 when it is false. This error occurs if the researcher concludes thatthe national average for German young men is ≤ 56.2 minutes when in fact it is greater than 56.2minutes.6. a. H0: µ≤ 1 The label claim or assumption.H a: µ > 1µ > 1 when it is not. This is the error of rejecting the product’s claim when the claim is b. Claimingtrue.Hypothesis Testing c. Concluding µ ≤ 1 when it is not. In this case, we miss the fact that the product is not meeting itslabel specification.7. a. H 0: µ ≤ 8000H a : µ > 8000 Research hypothesis to see if the plan increases average sales.b. Claiming µ > 8000 when the plan does not increase sales. A mistake could be implementing theplan when it does not help.c. Concludingµ ≤ 8000 when the plan really would increase sales. This could lead to not implementing a plan that would increase sales.8. a. H 0: µ ≥ 220H a : µ < 220b. Claimingµ < 220 when the new method does not lower costs. A mistake could be implementing the method when it does not help.c. Concludingµ ≥ 220 when the method really would lower costs. This could lead to not implementing a method that would lower costs.9. a. 2.12x z ===−b. Area = .4830p -value = .5000 - .4830 = .0170c. p -value ≤ .05, reject H 0d. Reject H 0 if z ≤ -1.645-2.12 ≤ -1.645, reject H 010. a. 1.48x z ===b. Area = .4306p -value = .5000 - .4306 = .0694c. p -value > .01, do not reject H 0d. Reject H 0 if z ≥ 2.331.48 <2.33, do not reject H 0Chapter 9 11. a. 2.00x z ===−b. Area = .4772p -value = 2(.5000 - .4772) = .0456c. p -value ≤ .05, reject H 0d. Reject H 0 if z ≤ -1.96 or z ≥ 1.96-2.00 ≤ -1.96, reject H 012. a. 1.25x z ===−p -value = .5000 - .3944 = .1056p -value > .01, do not reject H 0b. 2.50x z ===−p -value = .5000 - .4938 = .0062p -value ≤ .01, reject H 0c. 3.75x z ===−p -value ≈ 0p -value ≤ .01, reject H 0d. .83x z ===Area to left of z = .83p -value = .5000 + .2967 = .7967p -value > .01, do not reject H 013. Reject H 0 if z ≥ 1.645a. 2.42x z ===2.42 ≥ 1.645, reject H 0Hypothesis Testing b. .97x z ===.97 < 1.645, do not reject H 0c. 1.74x z ===1.74 ≥ 1.645, reject H 014. a. .87x z ===p -value = 2(.5000 - .3078) = .3844p -value > .01, do not reject H 0b. 2.68x z ===p -value = 2(.5000 - .4963) = .0074p -value ≤ .01, reject H 0c. 1.73x z ===−p -value = 2(.5000 - .4582) = .0836p -value > .01, do not reject H 015. a. H 0: µ ≥ 1056H a : µ < 1056b. 1.83x z ===−p -value = .5000 - .4664 = .0336c. p -value ≤ .05, reject H 0. Conclude the mean refund of “last minute” filers is less than $1056.d. Reject H 0 if z ≤ -1.645-1.83 ≤ -1.645, reject H 016. a. H 0: µ ≤ 895H a : µ > 895Chapter 9 b. 1.19x z ===Area = .3830p -value = .5000 - .3830 = .1170c. Do not reject H 0. We cannot conclude the rental rates have increased.d. Recommend withholding judgment and collecting more data on apartment rental rates beforedrawing a final conclusion.17. a. H 0: µ = 39.2H a : µ ≠ 39.2b. 1.54x z ===−p -value = 2(.5000 - .4382) = .1236c. p -value > .05, do not reject H 0. We cannot conclude that the mean length of a work week haschanged.d. Reject H 0 if z ≤ -1.96 or z ≥ 1.96z = -1.54; cannot reject H 018. a. H 0: µ = 4.1H a : µ ≠ 4.1b. 2.21x z ===−p -value = 2(.5000 - .4864) = .0272c. p -value = .0272 < .05Reject H 0 and conclude that the return for Mid-Cap Growth Funds differs significantly form that forU.S. Diversified funds.19. H 0: µ ≤ 14.32H a : µ > 14.322.15x z ===Area = .4842p -value = .5000 - .4842 = .0158Hypothesis Testing p -value ≤ .05, reject H 0. Conclude that there has been an increase in the mean hourly wage ofproduction workers.20. a. H 0: µ ≥ 181,900H a : µ < 181,900b. 2.93x z ===−c. p -value = .5000 - .4983 = .0017d. p -value ≤ .01; reject H 0. Conclude mean selling price in South is less than the national mean sellingprice.21. a. H 0: µ ≤ 15H a : µ > 15b. 2.96x z ===c. p -value = .5000 - .4985 = .0015d. p -value ≤ .01; reject H 0; the premium rate should be charged.22. a. H 0: µ = 8H a : µ ≠ 8b. 1.37x z ===p -value = 2(.5000 - .4147) = .1706c. Do not reject H 0. Cannot conclude that the population mean waiting time differs from 8 minutes.d. .025(x z σ±8.4 ± 1.96(3.28.4 ± .57 (7.83 to 8.97)Yes;µ = 8 is in the interval. Do not reject H 0.23. a. 2.31x t ===Chapter 9b. Degrees of freedom = n – 1 = 24Using t table, p -value is between .01 and .025.Actual p -value = .0147c. p -value ≤ .05, reject H 0.d. With df = 24, t .05 = 1.711Reject H 0 if t ≥ 1.7112.31 > 1.711, reject H 0.24. a. 1.54x t ===−b. Degrees of freedom = n – 1 = 47Area in lower tail is between .05 and .10Using t table, p -value (two-tail) is between .10 and .20Actual p -value = .1304c. p -value > .05, do not reject H 0.d. With df = 47, t .025 = 2.012Reject H 0 if t ≤ -2.012 or t ≥ 2.012t = -1.54; do not reject H 025. a. 1.15x t ===−Degrees of freedom = n – 1 = 35Using t table, p -value is between .10 and .20Actual p -value = .1282p -value > .01, do not reject H 0b. 2.61x t ===−Using t table, p -value is between .005 and .01Actual p -value = .0066Hypothesis Testingp -value ≤ .01, reject H 0c. 1.20x t ===Using t table, area in upper tail is between .10 and .20p -value (lower tail) is between .80 and .90Actual p -value = .8809p -value > .01, do not reject H 026. a. 2.10x t ===Degrees of freedom = n – 1 = 64Using t table, area in tail is between .01 and .025p -value (two tail) is between .02 and .05Actual p -value = .0394p -value ≤ .05, reject H 0b. 2.57x t ===−Using t table, area in tail is between .005 and .01p -value (two tail) is between .01 and .02Actual p -value = .0127p -value ≤ .05, reject H 0c. 1.54x t ===Using t table, area in tail is between .05 and .10p -value (two tail) is between .10 and .20Actual p -value = .1295p -value > .05, do not reject H 027. a. H 0: µ ≥ 238Chapter 9H a : µ < 238b. .88x t ===−Degrees of freedom = n – 1 = 99Using t table, p -value is between .10 and .20Actual p -value = .1918c. p -value > .05; do not reject H 0. Cannot conclude mean weekly benefit in Virginia is less than thenational mean.d. df = 99 t .05 = -1.66Reject H 0 if t ≤ -1.66-.88 > -1.66; do not reject H 028. a. H 0: µ ≤ 3530H a : µ > 3530b. 2.49x t ===Degrees of freedom = n – 1 = 91Using t table, p -value is between .005 and .01Actual p -value = .0074c. p -value ≤ .01; reject H 0. The mean attendance per game has increased. Anticipate a new all-timehigh season attendance during the 2002 season.29. a. H 0: µ = 5600H a : µ ≠ 5600b. 2.26x t ===Degrees of freedom = n – 1 = 24Using t table, area in tail is between .01 and .025Actual p -value = .0332c. p -value ≤ .05; reject H 0. The mean diamond price in New York City differs.d. df = 24 t .025 = 2.064Reject H 0 if t < -2.064 or t > 2.0642.26 > 2.064; reject H 030. a. H 0: µ = 600H a : µ ≠ 600b. 1.17x t ===df = n - 1 = 39Using t table, area in tail is between .10 and .20p -value is between .20 and .40Actual p -value = .2501c. With α= .10 or less, we cannot reject H 0. We are unable to conclude there has been a change in themean CNN viewing audience.d. The sample mean of 612 thousand viewers is encouraging but not conclusive for the sample of 40days. Recommend additional viewer audience data. A larger sample should help clarify the situationfor CNN.31. H 0: µ ≤ 47.50H a : µ > 47.502.33x t ===Degrees of freedom = n - 1 = 63Using t table, p -value is between .01 and .025Actual p -value = .0114Reject H 0; Atlanta customers are paying a higher mean water bill.32. a. H 0: µ = 10,192H a : µ ≠ 10,192b. 2.23x t ===−Degrees of freedom = n – 1 = 49Using t table, area in tail is between .01 and .025p -value is between .02 and .05Actual p -value = .0302c. p -value ≤ .05; reject H 0. The population mean price at this dealership differs from the national meanprice $10,192.33. a. H 0: µ ≤ 280H a : µ > 280b. 286.9 - 280 = 6.9 yardsc. 2.07x t ===Degrees of freedom = n – 1 = 8Using t table, p -value is between .025 and .05Actual p -value = .0361c. p -value ≤ .05; reject H 0. The population mean distance for the new driver is greater than the USGAapproved driver.34. a. H 0: µ = 2H a : µ ≠ 2b. 22 2.210i x x nΣ===c..516s ==d. 1.22x t ===Degrees of freedom = n - 1 = 9 Using t table, area in tail is between .10 and .20p -value is between .20 and .40Actual p -value = .2518e. p -value > .05; do not reject H 0. No reason to change from the 2 hours for cost estimating purposes.35. a. 1.25p z ===−b. Area in tail = (.5000 - .3944) = .1056p -value = 2(.1056) = .2112c. p -value > .05; do not reject H 0d. z .025 = 1.96Reject H 0 if z ≤ -1.96 or z ≥ 1.96z = 1.25; do not reject H −036. a. 2.80p z ===−p -value = .5000 - .4974 = .0026p -value ≤ .05; reject H 0b. 1.20z ==−p -value = .5000 - .3849 = .1151p -value > .05; do not reject H 0c. 2.00z ==−p -value = .5000 - .4772 = .0228p -value ≤ .05; reject H 0d. .80z ==p -value = .5000 + .2881 = .7881p -value > .05; do not reject H 037. a. H 0: p ≤ .40H a : p > .40b. 189.45 425p==1.88pz===Area = .4699p-value = .5000 - .4699 = .0301c. p-value ≤ .05; reject H0. Conclude more than 40% receive more than 10 e-mail messages per day.38. a. H0: p= .64H a: p≠ .64b.52.52100p==2.50pz===−Area = .4938p-value = 2(.5000 - .4938) = .0124c. p-value ≤ .05; reject H0. Proportion differs from the reported .64.d. Yes.Sincep= .52, it indicates that fewer than 64% of the shoppers believe the supermarket brand is as good as the name brand.39. a. H0: p= .70H a: p≠ .70b. Wisconsin252.72350p==.82pz===Area = .2939p-value = 2(.5000 - .2939) = .4122Cannot reject H0.California 189.63 300p==2.65z==−Area = .4960p-value = 2(.5000 - .4960) = .0080RejectH0. California has a different (lower) percentage of adults who do not exercise regularly. 40. a.414.27021532p== (27%)b. H0: p≤ .22H a: p > .224.75pz===p-value ≈ 0RejectH0; There has been a significant increase in the intent to watch the TV programs.c. These studies help companies and advertising firms evaluate the impact and benefit of commercials.41. a. H0: p≥ .75H a: p < .75b. 1.20pz===−Area = .3849p-value = .5000 - .3849 = .1151c. p-value > .05; do not reject H0. The executive's claim cannot be rejected.42. H0: p≤ .2493.31300p==2.84pz===Area = .4977p-value = .5000 - .4977 = .0023p-value ≤ .05; reject H0. In 2003, an estimated 31% of people who moved selected to be convenient to work as their primary reason. This is an increase compared to 1990.43. a. H0: p= .48H a: p≠ .48b.360.45800p==1.70pz===−Area = .4554p-value = 2(.5000 - .4554) = .0892c. p-value > .05; do not reject H0. There is no reason to conclude the proportion has changed.44. a. H0: p≤ .51H a: p > .51b.232.58400p==2.80pz===p-value = .5000 - .4974 = .0026c. Sincep-value = .0026 ≤ .01, we reject H0 and conclude that people working the night shift get drowsy while driving more often than the average for the entire population.45. a. H0: p = .44b. 205.41 500p==1.35pz===−Area = .4115p-value = 2(.5000 - .4115) = .1770p-value > .05; do not reject H0. No change.c.245.49500p==2.25z==Area = .4878p-value = 2(.5000 - .4878) = .0244p-value ≤ .05; reject H0. There has been a change: an increase in repeat customers.46. a. H0: µ = 16H a: µ≠ 16b. 2.19xz===Area = .4857p-value = 2(.5000 - .4857) = .0286p-value ≤ .05; reject H0. Readjust production line.c. 1.23xz===−Area = .3907p-value = 2(.5000 - .3907) = .2186p-value > .05; do not reject H0. Continue the production line.d. RejectH0 if z≤ -1.96 or z≥ 1.96For x = 16.32, z = 2.19; reject H 0Forx = 15.82, z = -1.23; do not reject H 0Yes, same conclusion.47. a. H 0: µ = 900H a : µ ≠ 900b..025x z ± 935±935 ± 25 (910 to 960)c. Reject H 0 because µ = 900 is not in the interval.d. 2.75x z ===p -value = 2(.5000 - .4970) = .006048. a. H 0: µ ≤ 45,250H a : µ > 45,250b. 2.71x z ===p -value = .5000 - .4966 = .0034p -value ≤ .01; reject H 0. Conclude New York City has higher mean salary.49. a. H 0: µ ≤ 37,000H a : µ > 37,000b. 1.47x t ===Degrees of freedom = n – 1 = 47Using t table, p -value is between .05 and .10Actual p -value = .0747c. p -value > .05, do not reject H 0. Cannot conclude mean greater than $37,000. A larger sample isdesirable.50. H 0: µ = 6000H a : µ ≠ 6000.93x t ===−Degrees of freedom = n – 1 = 31Using t table, area in tail is between .10 and .20p -value is between .20 and .40Actual p -value = .3581Do not reject H 0. There is no evidence to conclude that the mean number of freshman applicationshas changed.51. a. H 0: µ ≥ 6883H a : µ < 6883b. 1.89x t ===−Using the t table with df = 39, the p -value is between .05 and .025.Actual p -value = .033c. We should conclude that Medicare spending per enrollee in Indianapolis is less than the nationalaverage.d. Using the critical value approach we would:Reject H 0 if t = -1.685.05t ≤−Since t = -1.89-1.685, we reject H ≤0.52. H 0: µ ≤ 125,000H a : µ > 125,0002.26x t ===Degrees of freedom = 32 – 1 = 31Using t table, p -value is between .01 and .025Actual p -value = .0154p -value ≤ .05; reject H 0. Conclude that the mean cost is greater than $125,000 per lot.53. a. H 0: µ = 3H a : µ ≠ 3b. 2.8i x x n Σ==c..70s ==d. .90x t ===−Degrees of freedom = 10 - 1 = 9 Using t table, area in tail is between .10 and .20p -value is between .20 and .40Actual p -value = .3902e. p -value > .05; do not reject H 0. There is insufficient evidence to conclude a difference compared toprior year.54. a. H 0: p ≤ .50H a : p > .50b. 64.64100p ==c. 2.80p z ===Area in tail = .4974p -value = .5000 - .4974 = .0026p -value ≤ .01; reject H 0. College graduates have a greater stop-smoking success rate.55. a. H 0: p = .6667H a : p ≠ .6667b. 355.6502546p ==c. .82p z ===−Hypothesis Testingp -value = 2(.5000 - .2939) = .4122p -value > .05; do not reject H 0; Cannot conclude that the population proportion differs from 2/3.56. a.H 0: p ≤ .50H a : p > .50b. 67.6381105p == (64%)c. 2.83p z ===p -value = .5000 - .4977 = .0023p -value ≤ .01; reject H 0. Conclude that the four 10-hour day schedules is preferred by more than 50% of the office workers.57. a. 503.553910p ==b. H 0: p ≤ .50H a : p > .50c. 3.19p z ===p -value .00≈You can tell the manager that the observed level of significance is very close to zero and that thismeans the results are highly significant. Any reasonable person would reject the null hypotheses andconclude that the proportion of adults who are optimistic about the national outlook is greater than.5058. H 0: p ≥ .90H a : p < .9049.844858p ==1.40p z ===−p -value = .5000 - .4192 = .0808Chapter 9p -value > .05; do not reject H 0. Claim of at least 90% cannot be rejected.59. a. H 0: p ≥ .47H a : p < .47b. 44.352125p ==c. 2.64p z ===−p -value = .5000 - .4959 = .0041d. p -value ≤ .01; reject H 0. The proportion of foods containing pesticides has declined.。

商务统计章节知识点总结

商务统计章节知识点总结第一章：统计学基础概念1.1 统计学的概念和作用统计学是一门研究数据收集、整理、分析和解释的学科，通过统计学的方法可以对数据进行分析和推断，以便做出科学决策。

在商务领域，统计学可以帮助企业分析市场、预测销售和制定营销策略。

1.2 统计学的基本原理统计学的基本原理包括总体和样本、变量、数据类型、测度尺度等内容。

理解这些基本原理对于进行商务统计分析非常重要。

1.3 统计学的应用范围统计学在商务领域有广泛的应用，包括市场调研、销售预测、风险评估、财务分析等方面。

第二章：数据类型和数据收集2.1 数据的类型数据可以分为定量数据和定性数据，定量数据可以进一步分为禺式数据和顺序数据，定性数据可以进一步分为名义数据和区间数据。

理解不同类型的数据对于选择合适的统计分析方法非常重要。

2.2 数据的收集方法数据的收集方法包括问卷调查、访谈、实地观察、记录和外部数据收集等。

在商务统计分析中，选择合适的数据收集方法对于数据的质量至关重要。

第三章：统计描述与概率分布3.1 描述统计描述统计是对数据进行整理、描述、总结和展示的过程，包括中心位置测度、离散程度测度、分布形态测度等内容。

在商务统计分析中，描述统计可以帮助我们了解数据的特征和规律。

3.2 概率分布概率分布描述了随机变量的取值及其对应的概率，包括离散型概率分布和连续型概率分布。

在商务统计分析中，概率分布可以帮助我们理解不同变量之间的关系和规律。

第四章：抽样与估计4.1 抽样方法抽样是指从总体中选取样本的过程，常用的抽样方法包括简单随机抽样、分层抽样、整群抽样和多阶段抽样等。

在商务统计分析中，选择合适的抽样方法对于大规模数据的分析非常重要。

4.2 估计估计是根据样本数据对总体参数进行估计的过程，包括点估计和区间估计两种方法。

在商务统计分析中，通过估计可以得到总体参数的近似值，用于制定决策和预测。

第五章：假设检验与单因素方差分析5.1 假设检验假设检验是用来检验统计结论的正确性的方法，包括参数假设检验和非参数假设检验两种方法。

商务统计学

切取值的次数分布在直角坐标系内的集中位置，可以用来反映随机变量分布密度曲线的中心位置，即对称中心或尖峰位置。
二、分布中心测度指标
用来测度随机变量次数分布中心的指标可以有多种，其中在统计分析推断中常用的主要有算术平均数、中位数和众数等几种。
（一）算术平均数
1、定义——算术平均数又称算术均值，是随机变量的所有观测值总和与观测值个数的比值。
（一）两点分布
假设总体中有两类共N个个体，其中取值为“是”的有N1个，取值为“非”的有N0 个，则有：
P x 1 N 1 p
N
Px 0 N 0 q
N
（二）二项分布
假设在0-1分布总体中，取“是”值的个体比例为p，取“非”值的比例为q，现从中有放回地随机抽取n个个体，记X为取 “是”值的个体数目，则其中恰有n1个个体取“是”值、且有n0=n-n1个个体取“非” 值的概率为：
第一章绪论
➢一、统计学的性质 ➢二、统计学的作用 ➢三、统计学的基本概念 ➢四、统计指标体系的设计
一、统计学的性质
• （一）统计活动的内容与阶段 • 对各种数据资料的搜集、整理、分析和推断的
活动过程称为统计活动，一项完整的统计活动过程可分为统计资料的搜集整理和统计资料的分析推断两大阶段。 • （二）统计学的定义与分科 • 统计学就是关于数据资料的搜集、整理、分析和推断的科学。关于统计资料的搜集整理和分析推断的理论与方法构成了统计学的全部内容。 • （1）理论统计学与应用统计学 • （2）描述统计学与推断统计学
P x n 1 C n n 1p n 1 q n 0
（三）超几何分布
假设0-1总体中共有N个个体，其中取
“是”值的个体有N1个，取“非”值的个体有N0个。现从不放回地随机抽取n个个体，记x为取“是”值的个体数目，则

商务统计考试内容总结(精华-删掉好多不考的)

统计学的性质（一）统计活动的内容与阶段对各种数据资料的搜集、整理、分析和推断的活动过程称为统计活动，一项完整的统计活动过程可分为统计资料的搜集整理和统计资料的分析推断两大阶段。

（二）统计学的定义与分科统计学就是关于数据资料的搜集、整理、分析和推断的科学。

关于统计资料的搜集整理和分析推断的理论与方法构成了统计学的全部内容。

（1）理论统计学与应用统计学（2）描述统计学与推断统计学统计学的基本概念（一）总体和个体组成统计活动研究对象的全部事物的全体集合，就称为统计总体，简称总体或母体；而总体中的各个事物则称为个体，总体中个体的数量称为总体容量。

1、自然物体总体与人为划定个体的总体；2、有限总体与无限总体；3、具体总体与设想总体（抽象总体）。

统计指标体系及其设计（一）统计指标体系的定义反映总体及其所含个体的各个方面特征数量的一系列相互联系、相互补充的统计指标所形成的体系，称为统计指标体系。

（二）构建统计指标体系的意义（三）指标体系中指标的分类1、水平指标——（1）存量指标与流量指标，（2）实物指标与价值指标。

2、比率指标——（1）比例相对指标，（2）比值相对指标，（3）动态相对指标，（4）弹性相对指标，（5）强度相对指标。

（四）指标体系设计的内容1、确定统计指标体系的框架；2、确定每一个指标的内涵和外延；3、确定每个统计指标的计量单位；4、确定每个统计指标的计算方法。

（五）指标体系设计的原则1、目的性原则2、科学性原则3、可行性原则4、联系性原则数据采集的方式与程序（一）数据采集——根据统计指标体系的要求，对所研究总体中个体的相应指标进行观测记录取得数据的活动过程。

（二）数据采集活动的基本要求——采集到的数据资料要具有代表性和真实性。

所谓代表性，是要求所观测到的样本必须对所研究总体具有代表性；而所谓真实性，则是要求所采集到的数据必须是真实的实际数据。

（三）数据采集方式的分类——现场调查和试验观测试验观测（一）试验观测设计的原则1、均衡分散性原则2、整齐可比性原则（二）试验观测的方法1、完全随机试验观测2、随机区组试验观测3、拉丁方试验观测4、正交试验观测次数分布的概念（一）次数分布：观测变量的各个不同取值及其出现次数的顺序排列，称为变量的次数分布。

商务统计学ppt课件

一、什么是统计二、什么是统计学三、统计规律四、统计的应用领域
精选ppt课件
6
什么是统计？
1、统计工作
收集数据的活动
2、统计数据
对现象计量的结果
3、统计学
分析数据的方法和技术
精选ppt课件
7
什么是统计学？
➢收集、分析、表述和解释数据的科学 1、收集数据：取得数据 2、数据分析：分析数据 3、数据表述：图表展示数据 4、数据解释：结果的说明
一、分类数据、顺序数据、数值型数据二、观测数据和实验数据三、截面数据和时间序列数据
精选ppt课件
19
什么是统计数据？
1、对现象进行计量的结果 2、不是指单个的数字，而是由多个数据构成的数据
集 3、不仅仅是指数字，它可以是数字的，也可以是文
字的
精选ppt课件
20
统计数据的分类
统计数据的分类
按计量层次
商务统计学 Business Statistics
精选ppt课件
1
参考书籍：
• 商务统计学戴维.M.莱文等著贾俊平改编
•
中国人民大学出版社
• 统计学原理谢启南主编暨南大学出版社
• 统计学原理贾俊平中国人民大学出版社
精选ppt课件
2
成绩评定方法
• 1.闭卷考试成绩（70%） • 2.平时作业、考勤和上机。（30%）
精选ppt课件
29
变量（variable）
1、说明现象某种特征的概念
如商品销售额、受教育程度、产品的质量等级等变量的具体表现称为变量值，即数据
2、变量可以分为
分类变量（categorical variable）：说明事物类别的一个名称顺序变量（rank variable）：说明事物有序类别的一个名称数值型变量（metric variable）：说明事物数字特征的一个名

商务统计学Ch09.ppt

第二类错误没有拒绝错误的零假设发生第二类错误的概率β
Business Statistics: A First Course, 5e © 2009 Prentice-Hall, Inc..
Chap 9-12
假设检验决策中可能的错误
(续)
可能出现的假设检验结果
真实情况
统计决策不拒绝H0 拒绝H0
μ = 50 如果H0是真
的
实际上此处是总体均值
Business Statistics: A First Course, 5e © 2009 Prentice-Hall, Inc..
X 拒绝零假设
μ = 50
Chap 9-9
检验统计量和临界值
如果样本均值接近于假定的总体均值，零假设不被拒绝
如果样本均值与假定的总体均值相差很大，零假设被拒绝
Business Statistics: A First Course, 5e © 2009 Prentice-Hall, Inc..
Chap 9-15
影响第二类错误的因素
所有其它条件不变，
β
当假设参数和真实值
之间的差别
β β β
当当σ 当n
Business Statistics: A First Course, 5e © 2009 Prentice-Hall, Inc..
总体
样本
Business Statistics: A First Course, 5e © 2009 Prentice-Hall, Inc..
Chap 9-7
假设检验过程
(续) 假定样本年龄均值 X = 20.
这个比断言的人的年龄均值50低很多
如果零假设是真的，那么得到一个不同的样本均值的概率是非常小的，所以要拒绝零假设

Ch09 Estimation from Sample Data 商务统计学概论(英文第四版)教学课件 Introduction to Business Statist

because that creates the largest standard error.
n
=
z2(
p)(1– e2
p)
=
1.962(0.5)(0.5) (0.03)2
=
1,067.
1
To preserve the minimum confidence, the candidate should sample n = 1,068 voters.
© 2002 The Wadsworth Group
A Sample Size Example, cont.
• From the problem we learn:
– (1 – a) = 0.95, so a = 0.05 and a /2 = 0.025 – e = 0.03
• Since no estimate for p is given, we will use 0.5
=
(xi – x)2 n–1
p
=
x
successes n trials
© 2002 The Wadsworth Group
Confidence Interval: µ, s Known
where x = sample mean
ASSUMPTION:
s = population standard
infinite population
where x = sample mean
ASSUMPTION:
s = sample standard
Population
deviation
approximately
n = sample size
normal and

《商务统计学》数据的图表展示

例2-6 员工数越多的公司年收入也会越高吗？表2-12收集了20家公司的员工数和公司年收入数据。试绘制员工数和公司年收入的散点图，并分析它们之间的关系。
37
38
根据表2-12中的数据绘制的散点图如图2-20 所示。
39
16
2.2 数值型数据的图表展示
2.2.1 数据分组
第1步：求全距
全距（range）是最大值与最小值之差，表明数据的变动范围。
第2步：确定组数
按照常规，一般使用520个组。对于小
样本数据，56个组即可。对于大样本
数据，分组个数要稍微多一些。
17
第3步：确定组距
组数和组距是相关的，组数越多意味着组距越小，反之亦然。
当组数确定之后，组距可以用下面的公式来计算：
组距
全距组数
18
第4步：确定组限组限是组与组之间的界限。组距分组的每一组变量值中，最小值为
下限，最大值为上限。一般来说，第一组的下限要比最小的观
察值小一点，最后一组的上限要比最大的观察值大一点。
19
第5步：根据分组整理成频数分布表将观察资料按组别进行归类整理，记录
（2）累积折线图
由累积分布资料制作的统计折线图，称为累积折线图。
绘制累积折线图时，一般用横坐标表示观察值，纵坐标表示累积频数或累积频率。由于累积分布有向上累积和向下累积两种情况，相应的累积曲线也有两条。向上累积曲线类似于正“S”形，向下累积曲线则类似反“S”形。
15
根据表2-6所作的累积折线图如图2-6所示。
pi
fi n
将每个组的频率乘以100就得到百分数或
百分比。

5
根据表2-2中的资料，计算出来的频率和百分数分布见表2-3。

CH09

一,2×2 列联表资料 χ2 检验目的 × 列联表资料两独立样本率差异的比较.即根据两独立样本的频率分布,检验两个样本的总体分布是否相同. 二,统计量计算公式统计量计算公式可直接使用χ2 检验基本公式也可使用等价的专用公式或校正公式. 专用公式
(ad bc)2 n χ = (a +b)(c + d)(a +c)(b + d)
第九章 χ2检验
第一节 χ2分布和拟合优度检验
一,χ 分布
2
基本概念: 基本概念:χ2 分布是一种连续型随机变量的概率分布,如果 Z1 , Z 2 , , Zν 是
2 v 个相互独立的标准正态分布随机变量, Z12 + Z 2 + + Zν2 的分布称为服从自由则
度为ν 的χ2 分布. χ 2 分布的概率密度曲线的形状依赖于自由度ν 的大小. 检验的二,拟合优度χ2 检验的基本思想拟合优度检验是根据样本的频率分布检验其总体分布是否符合某给定的理论分布. χ 2 值反映了样本实际频率分布与理论分布的符合程度.
第一节 χ2分布和拟合优度检验
三 , χ 2 检验的基本公式大样本时检验统计量 ( Ai Ti ) 2 χ =∑ Ti i =1
k 2
近似地服从 χ 2 分布,自由度为
ν = k-1-(计算 T i 时利用样本资料估计的参数个数)
其中,A i 和 T i 分别为实际观察频数和 H 0 成立时的理论频数,k 为频数分布的类别总数.
表 9-19 治疗方法有效甲方剂乙方剂丙方剂合计 42 38 56 136 无效 18 27 19 64 60 65 75 200 三种方剂治疗胃溃疡的效果治疗效果合计
解答: 解答

英文商务统计学ppt_第9章Ch09

Learning Objectives
In this chapter, you learn:

The basic principles of hypothesis testing How to use hypothesis testing to test a mean or proportion The assumptions of each hypothesis-testing procedure, how to evaluate them, and the consequences if they are seriously violated How to avoid the pitfalls involved in hypothesis testing The ethical issues involved in hypothesis testing
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc..
Chap 9-3
The Null Hypothesis, H0

States the claim or assertion to be tested
Example: The average number of TV sets in U.S. Homes is equal to three ( H0 : μ ) 3
(continued)

Hale Waihona Puke Suppose the sample mean age was X = 20. This is significantly lower than the claimed mean population age of 50.

商务统计学第九章

条件概率与独立性
条件概率
公式
在已知另一事件发生的情况下，某一事件发生的概率。
P(A|B) = P(A∩B) / P(B)
独立性
公式
两个事件相互之间没有影响，各自发生的概率不受对方影响。
P(A∩B) = P(A)P(B)
大数定律与中心极限定理
大数定律
描述在试验次数足够多的情况下，随机事件的平均发生频率接近其理论概率。
1
皮尔逊相关系数、斯皮尔曼秩相关系数。
多元相关系数
2
多重相关系数、部分相关系数。
3
因果关系检验
Granger因果检验、向量自回归模型(VAR)。
02
概率论基础知识回顾
随机事件与概率
随机事件
在特定条件下，可能发生也可能不发生的事件。
概率
衡量随机事件发生可能性的数值，范围为0到1，通常用大写字母P表示。
商务统计学第九章
xx年xx月xx日
目录
• 数据分析的基础概念 • 概率论基础知识回顾 • 统计推断基础 • 方差分析 • 线性回归分析 • 时间序列分析 • 多元统计分析初步 • 数据可视化技术
01
数据分析的基础概念
数据来源与类型
数据来源
观测数据、实验数据、调查数据。
数据类型
分类数据、顺序数据、数值型数据。
使用合适的图表类型、选择适当的颜色和标记、合理安排图表元素和布局、保持图表简洁明了。
THANKS
感谢观看
时间序列的平稳性和季节性
01
时间序列的平稳性
02
时间序列的季节性
时间序列的平稳性是指其统计特性（如均值、方差和自相关等）在时间上的稳定性。
时间序列的季节性是指其统计特性在时间上的周期性变化。

商务统计学第一章

商务统计学第一章
xx年xx月xx日
contents
目录
• 引言 • 商务统计学基本概念 • 数据类型与数据收集 • 数据的整理与可视化 • 概率论基础
contents
目录
• 统计推断基础 • 相关分析与回归分析 • 时间序列分析与预测 • 统计决策理论
01
引言
课程简介
商务统计学是统计学在商业和经济领域的应用，旨在培养学生在商业和经济领域运用统计学方法解决实际问题的能力。
统计学的发展经历了描述性统计学、推断性统计学和现代统计学三个阶段。
描述性统计学主要是对数据进行描述性统计指标的计算和数据的可视化，推断性统计学主要是通过样本信息对总体进行推断和分析，现代统计学则涉及到数据挖掘、机器学习
、时间序列分析等多个方面。
02
商务统计学基本概念
统计学的定义
统计学是一门收集、整理、分析和解释数据的科学。
基于一组变量预测另一个变量的值。
选择变量、收集数据、建立模型、检验模型、应用模型。
03
回归分析的基本假设
线性关系、误差项独立同分布、误差项无序列相关性、解释变量与误差项无多重共线性。
线性回归模型
线性回归模型的定义
一种用于预测的模型，将解释变量与响应变量之间的关系建模为线性关系。
线性回归模型的参数估计
数据收集的方法
调查问卷
通过邮寄、网络或现场发放问卷，收集相关数据
观察法
记录现场观察到的数据，如销售额、客流量等
实验法
通过实验来测试不同因素对变量的影响，如A/B测试
现有统计数据
从政府、企业或第三方机构获取相关统计数据
数据收集的步骤
01

《商务统计学》概率

19
从图中可以看出全集S中的样本点要么在 A中，要么在中，即一个事件与其互补事件之和为全部样本空间。在概率计算问题中可以表示为:
20
例4-4 某位销售经理看过销售报告后声称, 新的客户合同最终没有实现销售的概率为75%。如果用A表示销售这一事件
, 表示没有销售, 则该经理是在说明 , 于是我们可以得到
3
4.1.2 事件和样本空间
假设一枚硬币被掷出, 记录朝上的一面。我们看见和记录的结果称为一个观测 , 或者一次测量。获得一个观测的过程称为试验。试验（test）是一个会产生若干可能结果的过程, 试验的结果是一些观测值或测度值。
4
从一副52张的扑克牌中抽取一张就是一个试验, 它的一个可能结果就是方片Q 被抽中。每一种可能的试验结果称为一个基本事件（fundamental event）或基础结果。
25
例4-6 某大型的计算机软件公司的人事
部经理进行了一项研究。发现在近两年
内离开公司的员工中，有30%的人离开
的主要原因是对所拿的薪水不满意，
20%的人是对分配给他们的工作不满意
，12%的人既对所拿薪水不满意，又对分
配给他们的工作不满意。若有一位员工
在最近两年离开了公司，他离开的原因
是对所拿薪水不满意或对分配给他的工
53
解: 设 A=“抽出一件产品为废品”，
B=“抽出的产品属于第i ）条生
（产线”, 根据题意可知
,
且
为互不相容事件，所以
由全概率公式可得:
即随机抽取的产品是废品的概率为0.038
54
4.7 贝叶斯定理
贝叶斯定理（Bayes’ theorem）是条件概率的推广, 强调的是序列事件, 尤其是用从第二个事件获得的信息对第一个已经发生的事件的概率进行修正。

商务与经济统计第14版 Ch09 Hypothesis Tests

• The null hypothesis, denoted by H0 , is a tentative assumption about a population parameter.
• The alternative hypothesis, denoted by Ha, is the opposite of what is stated in the null hypothesis.
2
Statistics for Business and Economics (14e, Metricting
• Hypothesis testing can be used to determine whether a statement about the value of a population parameter should or should not be rejected.
is easier. • Correct hypothesis formulation will take practice.
4
Statistics for Business and Economics (14e, Metric Version)
Developing Null and Alternative Hypotheses (2 of 4)
1
Statistics for Business and Economics (14e, Metric Version)
Chapter 9 - Hypothesis Tests
9.1 - Developing Null and Alternative Hypotheses 9.2 - Type I and Type II Errors 9.3 - Population Mean: σ Known 9.4 - Population Mean: σ Unknown 9.5 - Population Proportion 9.6 – Hypothesis Testing and Decision Making 9.7 – Calculating the Probability of Type II Errors 9.8 – Determining the Sample Size for a Hypothesis Test about a Population Mean 9.9 – Big Data and Hypothesis Testing

商务统计相关知识

z /2 is the z value providing an area of /2 in the upper tail of the standard
normal probability distribution
s is the population standard deviation
n is the sample size
What is 城市轨道交通 urban rail transport
精品ppt模板
It is very important to know the following aspects of interval estimation:
The interval (7.1) is random so long as is not known. But once we have a specific sample and once we obtain a specific numerical value of , the interval (7.1) is no longer random; it is fixed. In this case, we cannot make the probabilistic statement (7.1); that is, we cannot say that the probability is 1 − α that
商务统计相关知识
What is 城市轨道交通 urban rail transport
精品ppt模板
What is 城市轨道交通 urban rail transport
精品ppt模板
n Population Mean: s Known n Population Mean: s Unknown