商务统计学Ch07
戴维商务统计学第7版英文版教学指南CH07_Levine7e_ISM
240 Chapter 7: Sampling DistributionsCHAPTER 77.1 PHstat output:Common DataMean 100Standard Deviation 2Probability for a RangeProbability for X <= From X Value 95 X Value 95To X Value 97.5 Z Value -2.5Z Value for 95 -2.5 P(X<=95) 0.0062097Z Value for 97.5 -1.25P(X<=95) 0.0062 Probability for X > P(X<=97.5) 0.1056 X Value 102.2P(95<=X<=97.5) 0.0994 Z Value 1.1P(X>102.2) 0.1357Find X and Z Given Cum. Pctage.Cumulative Percentage 35.00%Z Value -0.38532X Value 99.22936(b) P(95 < X < 97.5) = P(– 2.50 < Z < – 1.25) = 0.1056 – 0.0062 = 0.0994(c) P(X > 102.2) = P(Z > 1.10) = 1.0 – 0.8643 = 0.1357(d) P(X > A) = P(Z > – 0.39) = 0.65X = 100 – 0.39(1025) = 99.227.2 PHStat output:Common DataMean 50Standard Deviation 0.5Probability for a RangeProbability for X <= From X Value 47 X Value 47To X Value 49.5 Z Value -6Z Value for 47 -6 P(X<=47) 9.866E-10Z Value for 49.5 -1P(X<=47) 0.0000 Probability for X > P(X<=49.5) 0.1587 X Value 51.5P(47<=X<=49.5) 0.1587 Z Value 3P(X>51.5) 0.0013Find X and Z Given Cum. Pctage.Cumulative Percentage 65.00% Probability for X<47 or X >51.5 Z Value 0.38532 P(X<47 or X >51.5) 0.0013X Value 50.19266(b) P(47 < X < 49.5) = P(– 6.00 < Z < – 1.00) = 0.1587 – 0.00 = 0.1587(c) P(X > 51.1) = P(Z > 2.20) = 1.0 – 0.9861 = 0.0139(d) P(X > A) = P(Z > 0.39) = 0.35 X = 50 + 0.39(0.5) = 50.195Solutions to End-of-Section and Chapter Review Problems 241 7.3 (a) For samples of 25 customer receipts for a supermarket for a year, the samplingdistribution of sample means is the distribution of means from all possible samples of 25customer receipts for a supermarket for that year.(b) For samples of 25 insurance payouts in a particular geographical area in a year, thesampling distribution of sample means is the distribution of means from all possiblesamples of 25 insurance payouts in that particular geographical area in that year.(c) For samples of 25 Call Center logs of inbound calls tracking handling time for a creditcard company during the year, the sampling distribution of sample means is thedistribution of means from all possible samples of 25 Call Center logs of inbound callstracking handling time for a credit card company during that year.7.4 (a) Sampling Distribution of the Mean for n = 2 (without replacement)iX1 1, 31X = 22 1, 62X = 3.53 1, 73X = 44 1, 94X = 55 1, 105X = 5.56 3, 66X = 4.57 3, 77X = 58 3, 98X = 69 3, 109X = 6.510 6, 710X = 6.511 6, 911X = 7.512 6, 1012X = 813 7, 913X = 814 7, 1014X = 8.515 9, 1015X = 9.5(a) Mean of All Possible Sample Means: Mean of All Population Elements:μX =9015=6136791066μ+++++==Both means are equal to 6. This property is called unbiasedness.242 Chapter 7: Sampling Distributions7.4 (b) Sampling Distribution of the Mean for n = 3 (without replacement) cont.X1 1, 3, 61X = 3 1/32 1, 3, 72X = 3 2/33 1, 3, 93X = 4 1/34 1, 3, 104X = 4 2/35 1, 6, 75X = 4 2/36 1, 6, 96X = 5 1/37 1, 6, 107X = 5 2/38 3, 6, 78X = 5 1/39 3, 6, 99X = 610 3, 6, 1010X = 6 1/311 6, 7, 911X = 7 1/312 6, 7, 1012X = 7 2/313 6, 9, 1013X = 8 1/314 7, 9, 1014X = 8 2/315 1, 7, 915X = 5 2/316 1, 7, 1016X = 617 1, 9, 1017X = 6 2/318 3, 7, 918X = 6 1/319 3, 7, 1019X = 6 2/320 3, 9, 1020X = 7 1/3μX =12020=6This is equal toμ, the population mean.(c) The distribution for n = 3 has less variability. The larger sample size has resulted in samplemeans being closer toμ.(d) (a) Sampling Distribution of the Mean for n = 2 (with replacement)Solutions to End-of-Section and Chapter Review Problems 243 7.4cont.XiX1X = 22 1, 32X = 3.53 1, 63X = 44 1, 74X = 55 1, 95X = 5.56 1, 106X = 27 3, 17X = 38 3, 38X = 4.59 3, 69X = 510 3, 710X = 611 3, 911X = 6.512 3, 1012X = 3.513 6, 113X = 4.514 6, 314X = 615 6, 615X = 6.516 6, 716X = 7.517 6, 917X = 818 6, 1018X= 419 7, 119X = 520 7, 320X = 6.521 7, 621X = 722 7, 722X = 823 7, 923X = 8.524 7, 1024X = 525 9, 125X = 626 9, 326X = 7.527 9, 627X = 828 9, 728X = 929 9, 929X = 9.530 9, 1030X = 5.531 10, 131X = 6.532 10, 332X = 833 10, 633X = 8.534 10, 734X = 9.535 10, 935X = 1036 10, 1036244 Chapter 7: Sampling Distributions 7.4 (d) (a) Mean of All Possible Mean of All cont. Sample Means: Population Elements:216636X μ== μ=1+3+6+7+7+126=6Both means are equal to 6. This property is called unbiasedness. (b) Repeat the same process for the sampling distribution of the mean for n = 3 (withreplacement). There will be 36216= different samples.6X μ= This is equal to μ, the population mean.(c) The distribution for n = 3 has less variability. The larger sample size has resulted inmore sample means being close to μ. 7.5(a)Because the population diameter of tennis balls is approximately normally distributed, the sampling distribution of samples of 9 will also be approximately normal with a mean ofX μμ== 2.63 and X σ== 0.01.(b)X(c)Upper bound: X = 2.6384Solutions to End-of-Section and Chapter Review Problems 2457.6 (a)When n = 4 , the shape of the sampling distribution of X should closely resemble the shape of the distribution of the population from which the sample is selected. Because the mean is larger than the median, the distribution of the sales price of new houses is skewed to the right, and so is the sampling distribution of X although it will be less skewed than the population.(b)If you select samples of n = 100, the shape of the sampling distribution of the sample mean will be very close to a normal distribution with a mean of $322,100 and a standarddeviation of X σ== $9,000.(c) X σ =900010090000==nσ(d)7.7 (a) X σ1==246 Chapter 7: Sampling Distributions 7.7 (b) PHStat output: cont.(c) X σ0.5==(d) With the sample size increasing from n = 25 to n = 100, more sample means will becloser to the distribution mean. The standard error of the sampling distribution of size 100 is much smaller than that of size 25, so the likelihood that the sample mean will fall within ±0.5 minutes of the mean is much higher for samples of size 100 (probability = 0.6827) than for samples of size 25 (probability = 0. 3829).7.8(b) P (X < A ) = P (Z < 1.0364) = 0.85 X = 27 + 1.0364 (1) = 28.0364(c) To be able to use the standard normal distribution as an approximation for the area underthe curve, we must assume that the population is symmetrically distributed such that the central limit theorem will likely hold for samples of n = 16.(d)X = 27 + 1.0364 (0.5) = 27.5182Solutions to End-of-Section and Chapter Review Problems 2477.9 (a)p = 48/64 = 0.75(b)p σ =64)30.0(70.0 = 0.05737.10 (a)p = 20/50 = 0.40(b)p σ= 7.11 (a) p = 14/40 = 0.35(b)p σ =40)70.0(30.0 = 0.07257.12 (a) 0.501p μπ==, 0.05p σ===Partial PHstat output:Probability for X > X Value 0.55Z Value 0.98P(X>0.55) 0.1635P (p > 0.55) = P (Z > 0.98) = 1 – 0.8365 = 0.1635(b) 0.60p μπ==, 0.04899p σ===Partial PHstat output:Probability for X > X Value 0.55Z Value -1.020621P(X>0.55) 0.8463P (p > 0.55) = P (Z > – 1.021) = 1 – 0.1539 = 0.8461(c) 0.49p μπ==, 0.05p σ===Partial PHstat output:Probability for X > X Value 0.55Z Value 1.2002401P(X>0.55) 0.1150P (p > 0.55) = P (Z > 1.20) = 1 – 0.8849 = 0.1151(d) Increasing the sample size by a factor of 4 decreases the standard error by a factor of 2.248 Chapter 7: Sampling Distributions7.12 (d) (a) Partial PHstat output:cont.Probability for X >X Value 0.55Z Value 1.9600039P(X>0.55) 0.0250P(p > 0.55) = P (Z > 1.96) = 1 – 0.9750 = 0.0250(b) Partial PHstat output:Probability for X >X Value 0.55Z Value -2.041241P(X>0.55) 0.9794P(p > 0.55) = P (Z > – 2.04) = 1 – 0.0207 = 0.9793(c) Partial PHstat output:Probability for X >X Value 0.55Z Value 2.4004801P(X>0.55) 0.0082P(p > 0.55) = P (Z > 2.40) = 1 – 0.9918 = 0.0082If the sample size is increased to 400, the probably in (a), (b) and (c) is smaller,larger, and smaller, respectively because the standard error of the samplingdistribution of the sample proportion becomes smaller and, hence, the samplingdistribution is more concentrated around the true population proportion.7.13 (a) Partial PHstat output:Probability for a RangeFrom X Value 0.5To X Value 0.6Z Value for 0.5 0Z Value for 0.6 2.828427P(X<=0.5) 0.5000P(X<=0.6) 0.9977P(0.5<=X<=0.6) 0.4977P(0.50 < p < 0.60) = P(0 < Z < 2.83) = 0.4977(b) Partial PHstat output:Find X and Z Given Cum. Pctage.Cumulative Percentage 95.00%Z Value 1.644854X Value 0.558154P(– 1.645 < Z < 1.645) = 0.90p = .50 – 1.645(0.0354) = 0.4418 p = .50 + 1.645(0.0354) = 0.5582(c) Partial PHstat output:Probability for X >X Value 0.65Z Value 4.2426407P(X>0.65) 0.0000P(p > 0.65) = P (Z > 4.24) = virtually zeroSolutions to End-of-Section and Chapter Review Problems 2497.13 (d)Partial PHstat output:cont.Probability for X > X Value 0.6Z Value 2.8284271P(X>0.6) 0.0023If n = 200, P (p > 0.60) = P (Z > 2.83) = 1.0 – 0.9977 = 0.0023Probability for X > X Value 0.55Z Value 3.1622777P(X>0.55) 0.00078If n = 1000, P (p > 0.55) = P (Z > 3.16) = 1.0 – 0.99921 = 0.00079More than 60% correct in a sample of 200 is more likely than more than 55% correct in asample of 1000.7.14 (a) ==πμp 0.80, ()np ππσ−=1(b)(c)250 Chapter 7: Sampling Distributions 7.14 (d) ==πμp 0.80, ()n p ππσ−=1cont.(b)(c)7.15 (a) ==πμp 0.57, ()np ππσ−=1 = 0.0495(b)Solutions to End-of-Section and Chapter Review Problems 2517.15 (c)(d) ==πμp 0.57, ()np ππσ−=1 = 0.0248(a)(b)(c)7.16 (a)population proportion and, hence,π=0.15. Also the sampling distribution of the sample proportion will be close to a normal distribution according to the central limit theorem.252 Chapter 7: Sampling Distributions7.16p μπ==0.15,p σ=== 0.0252cont. P (0.12 < p < 0.18) = P (-1.1882< Z < 1.1882) = 0.7652A = 0.1085B = 0.1915A = 0.1005B = 0.1995 7.17 (a) p μπ==0.49, p σ=== 0.0500A = 0.4078B = 0.5722Solutions to End-of-Section and Chapter Review Problems 2537.17 (c)Partial PHStat output:cont.A = 0.3920B = 0.5880(d) (a) p μπ==0.49, p σ=== 0.02500.6007A = 0.4489B = 0.5311 (c)A = 0.4410B = 0.5390254 Chapter 7: Sampling Distributions 7.18 (a) ==πμp 0.36, ()n p ππσ−=1= 0.0480(b)= 0.0240(c)Increasing the sample size by a factor of 4 decreases the standard error by a factor of . The sampling distribution of the proportion becomes more concentrated around the true proportion of 0.36 and, hence, the probability in (b) becomes smaller than that in (a).7.19 Because the average of all the possible sample means of size n is equal to the population mean.7.20 The variation of the sample means becomes smaller as larger sample sizes are taken. This is dueto the fact that an extreme observation will have a smaller effect on the mean in a larger sample than in a small sample. Thus, the sample means will tend to be closer to the population mean as the sample size increases.7.21 As larger sample sizes are taken, the effect of extreme values on the sample mean becomessmaller and smaller. With large enough samples, even though the population is not normally distributed, the sampling distribution of the mean will be approximately normally distributed.7.22 The population distribution is the distribution of a particular variable of interest, while thesampling distribution represents the distribution of a statistic.7.23 When the items of interest and the items not of interest are at least 5, the normal distribution canbe used to approximate the binomial distribution.Solutions to End-of-Section and Chapter Review Problems 2557.24 0.753X μ=5004.0==nX σσ = 0.0008PHStat output:Common DataMean 0.753 Standard Deviation 0.0008Probability for a RangeProbability for X <=From X Value 0.75 X Value 0.74 To X Value 0.753 Z Value -16.25 Z Value for 0.75 -3.75 P(X<=0.74) 1.117E-59 Z Value for 0.753 0P(X<=0.75) 0.0001 Probability for X >P(X<=0.753) 0.5000 X Value 0.76 P(0.75<=X<=0.753) 0.4999 Z Value 8.75P(X>0.76) 0.0000 Find X and Z Given Cum. Pctage.Cumulative Percentage 7.00% Probability for X<0.74 or X >0.76 Z Value -1.475791 P(X<0.74 or X >0.76) 0.0000X Value 0.751819Probability for a Range From X Value 0.74 To X Value 0.75 Z Value for 0.74 -16.25 Z Value for 0.75 -3.75 P(X<=0.74) 0.0000 P(X<=0.75) 0.0001 P(0.74<=X<=0.75) 0.00009(a) P (0.75 < X < 0.753) = P (– 3.75 < Z < 0) = 0.5 – 0.00009 = 0.4999 (b) P (0.74 < X < 0.75) = P (– 16.25 < Z < – 3.75) = 0.00009 (c) P (X > 0.76) = P (Z > 8.75) = virtually zero (d) P (X < 0.74) = P (Z < – 16.25) = virtually zero (e) P (X < A ) = P (Z < – 1.48) = 0.07 X = 0.753 – 1.48(0.0008) = 0.7518256 Chapter 7: Sampling Distributions 7.25 2.0X μ=505.0==nX σσ = 0.01PHStat output:Common DataMean 2 Standard Deviation 0.01Probability for a RangeProbability for X <= From X Value 1.99X Value 1.98 To X Value 2Z Value -2 Z Value for 1.99 -1P(X<=1.98) 0.0227501 Z Value for 2 0P(X<=1.99) 0.1587Probability for X >P(X<=2) 0.5000X Value 2.01 P(1.99<=X<=2) 0.3413Z Value 1P(X>2.01) 0.1587 Find X and Z Given Cum. Pctage.Cumulative Percentage 1.00%Probability for X<1.98 or X>2.01Z Value-2.326348P(X<1.98 or X >2.01) 0.1814 X Value 1.976737Find X and Z Given Cum. Pctage.Cumulative Percentage 99.50% Z Value 2.575829X Value2.025758(a) P (1.99 < X < 2.00) = P (– 1.00 < Z < 0) = 0.5 – 0.1587 = 0.3413 (b) P (X < 1.98) = P (Z < – 2.00) = 0.0228(c) P (X > 2.01) = P (Z > 1.00) = 1.0 – 0.8413 = 0.1587(d) P (X > A ) = P ( Z > – 2.33) = 0.99 A= 2.00 – 2.33(0.01) = 1.9767 (e) P (A < X < B ) = P (– 2.58 < Z < 2.58) = 0.99A = 2.00 – 2.58(0.01) = 1.9742B = 2.00 + 2.58(0.01) = 2.0258Solutions to End-of-Section and Chapter Review Problems 2577.26 4.7X μ=0.400.085X σ===PHstat output:Common DataMean 4.7 Standard Deviation 0.08Probability for X >Find X and Z Given Cum. Pctage. X Value 4.6 Cumulative Percentage 23.00% Z Value -1.25 Z Value -0.738847 P(X>4.6) 0.8944 X Value 4.640892Find X and Z Given Cum. Pctage. Find X and Z Given Cum. Pctage. Cumulative Percentage 15.00% Cumulative Percentage 85.00% Z Value -1.036433 Z Value 1.036433 X Value 4.6170853X Value 4.782915(a) P (4.60 < X ) = P (– 1.25 < Z ) = 1 – 0.1056 = 0.8944 (b) P (A < X < B ) = P (– 1.04 < Z < 1.04) = 0.70A = 4.70 – 1.04(0.08) = 4.6168 ounces X = 4.70 + 1.04(0.08) = 4.7832 ounces(c) P (X > A ) = P (Z > – 0.74) = 0.77A = 4.70 – 0.74(0.08) = 4.6408 7.27X μ=5.00.400.085X σ===(a)Partial PHStat output:Probability for X > X Value 4.6 Z Value -5 P(X>4.6)1.0000P (4.60 < X ) = P (– 5 < Z ) = essentially 1.0 (b) Partial PHStat output:Find X and Z Given Cum. Pctage. Cumulative Percentage 15.00% Z Value -1.036433 X Value 4.917085A = 5.0 – 1.0364(0.08) = 4.9171 ounces X = 5.0 + 1.0364(0.08) = 5.0829 ounces258 Chapter 7: Sampling Distributions7.27 (c) Partial PHStat output: cont.Find X and Z Given Cum. Pctage. Cumulative Percentage 23.00% Z Value -0.738847 X Value4.940892P (X > A ) = P (Z > – 0.7388) = 0.77 A = 5.0 – 0.7388(0.08) = 4.94097.28 μμ=X = 15.23, X σ=(a)(b)(c)7.29 (a) μ=3.17 σ = 10Solutions to End-of-Section and Chapter Review Problems 2597.29 (b)Partial PHStat output:cont.(c)(d) μμ=X= 3.17, X σ== 5(e)(f)(g)Since the sample mean of returns of a sample of stocks is distributed closer to the population mean than the return of a single stock, the probabilities in (a) and (b) are higher than those in (d) and (e) while the probability in (c) is lower than that in (f).。
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。
戴维商务统计学第7版英文版教学课件BSFC7e_CH07
24 24,18 24,20 24,22 24,24
16 possible samples (sampling with replacement)
16 Sample Means
1st 2nd Observation Obs 18 20 22 24
18 18 19 20 21 20 19 20 21 22 22 20 21 22 23 24 21 22 23 24
Copyright © 2016, 2013, 2010 Pearson Education, Inc.
Chapter 7, Slide 15
Determining An Interval Including A Fixed Proportion of the Sample Means
(This assumes that sampling is with replacement or sampling is without replacement from an infinite population)
σ σ
X
n
Note that the standard error of the mean decreases as the sample size increases
μ μ and X
σ σ
X
n
Copyright © 2016, 2013, 2010 Pearson Education, Inc.
Chapter 7, Slide 11
Z-value for Sampling Distribution of the Mean
DCOVA
Z-value for the sampling distribution of X:
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
商务统计课程介绍及学习要求
课程内容
时间序列分析部分 时间序列数据的特点是自相关性，其 变化的动因分析是该部分的重点内容。 多变量数据分析 自然界、社会、经济系统中的变量之 间都不是独立的，探讨彼此之间的结 构关系是非常重要的。
教学要求
一、成绩评定 1、课堂参与：以小组（随机分组）为 单位计分 2、学习态度：满分100分，旷课一次扣 10分，请假一次扣5分； 3、项目作业：以小组为单位自选课题 4、期末考试：期末闭卷考试
为了便于借鉴，各小组查找一篇有关 “商务统计”应用的论文（可上网搜索） 并要求看懂，并搞清如下问题：
1. 论文的选题意义？ 2. 数据是如何获取的？ 3. 采用什么分析方法？ 4. 分析的结果如何与实际要解决的问 题联系起来的？ 5. 得出什么结论？
教学要求
二、项目作业及要求 自选一个课题，建立一个包含两个自变 量（或以上）的回归模型，写出一份书 面分析报告（WORD文档）并作成口头 报告文档（PPT文档）。
教学要求
二、项目作业书面分析报告具体格式及要求如 下： 1、引言—选题的背景及意义； 2、数据来源及分析方法；
（1）说明数据的出处并初步分析所取数据是否满 足回归模型以及理论的要求。 （2）说明所用的统计方法（必须包括多元线性回 归分析）；
5、参考文献 列出本文在形成过程中的所有重要参考文献 附录:
1、收获与体会。 2、原始数据 3、如自己收集数据的需附问卷
教学要求
二、项目作业PPT报告具体要求如下： 1、简明扼要，将研究的主要结果给以展示； 2、生动活泼具有可观性
教学要求
三、项目作业评分（100分） 项目作业从7个方面进行评分： 1、选题意义（20%） 2、数据分析（20%） 3、建模合理性（15%） 4、模型评价（15%） 5、写作规范性（WORD文档） （10%） 6、报告水平（10%） 7、PPT制作（10%）
商务统计学(第7版)在线文件 Triangle_Sunflower
For further informationcontact:Triangle MallManagement,TriCities Office,1 Triangle Square,Glen MeadowsAs Sunflowers looks to expand its operations this year, we feel that there is a natural fit between your company's goals and our proven developments that offer retail, entertainment, and dining options for residents of upscale areas with exceptional disposal incomes and exclusive lifestyles. We believe that our "unmall" mall developments, with their elegant architecture and extensive landscaping, perfectly fits the image you seek for Sunflowers. Our park-like streets and casual fine dining anchors create an award-winning environment for retail sales. Our extensive competitive retail analysis coupled with our exclusive demographic and geographic profiles, regional economic analysis, and sales potential forecast analysis ensure that our developments maximize your business opportunities.We at Triangle Mall Management realize that your store opening strategies have been guided primarily by profiled customers living within a fixed radius of your stores. However, we would like to suggest that our proven track record at improving sales for small chain stores is applicable to you. To that end, we have reanalyzed your store sales sample of 14 locations to include the average disposal income of the areas surrounding each store in the sample. As you can see from the data, there is a strong correlation between sales and the average disposal income of each surrounding community.Because Triangle Mall Management establishes its centers only in areas of exceptional affluence, those in which disposal income is no less than 65K dollars, we project, based on your 14-store sample, that Sunflower shops in our developments will do no less than 10.6 million dollars in sales (calculated using the regression intercept -1.94 and the regression coefficient 0.193). We note that some of stores in your sample do much better than this and we would expect the same for any stores established in Triangle developments.Please review the 14-store data sample (see attachments) and when you are satisfied, give us a call at your convenience.Respectfully submitted,The Triangle Mall Development Team。
商务统计学Ch07
概率样本: 群样本
总体分为若干个 “群样本,”每个群代表整个总体。 随机选择群样本 使用选中的群里的所有项目或者从群里面选取基于概率的样本。 群样本的通常应用是选举，其中选择特定选区并抽样。
总体分成16 个群样本。
随机选择群样本抽样
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc..
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc..
抽样分布
抽样分布就是选出所有可能的样本情况下结果的分布 例如, 假设根据那么学院学生的平均成绩选择50个学生。 如果得到很多不同的50个学生的样本，将计算每个样本不 同平均数。我们可以计算对于任意给定的50个学生的样本， 我们对所有潜在的平均成绩感兴趣。
建立抽样分布
( 续)
所有样本平均数的抽样分布
16个样本平均数
第一个 观测值
样本平均数的分布
24
第二个 观测值 18 20 22
_
P(X) .3 .2 .1 0
18 19 20 21 22 23 24
18 20 22 24
18 19 20 21 19 20 21 22 20 21 22 23 21 22 23 24
_
X
(不再是均匀分布)
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 7-22
建立抽样分布
( 续)
该抽样分布的概括度量:
μX
Xi 18 19 19 24 21
N 16
商务统计学课件英文版BSFC7e-CH00
Copyright © 2016, 2013, 2010 Pearson Education, Inc.
Chapter GS, Slide 11
Business Analytics Has Already Been Applied In Many Business Decision-Making Contexts
Chapter GS, Slide 3
Each Business Person Faces A Choice Of How To Deal With This Explosion Of Data
They can ignore it and hope for the best.
They can count on other people’s summaries of data and hope they are correct.
Chapter GS, Slide 7
Definition Of Some Terms
VARIABLE A characteristic of an item or individual.
DCOVA
DATA The set of individual values associated with a variable.
Statistics is a way of thinking that can lead to better decisions.
How applying the DCOVA framework for applying statistics can help solve business problems.
Validate claims of predictability or causality
商务与经济统计07
0.67 0.72 0.77
p
Slide 38
第三十八页，编辑于星期二：十六点 二十七分。
分层抽样 集群抽样 系统抽样 方便抽样 判断抽样
抽样方法
Slide 39
第三十九页，编辑于星期二：十六点 二十七分。
End of Chapter 7
Slide 40
第四十页，编辑于星期二：十六点 二十七分。
三位随机数
744 436 865 790 835 902 190 436 etc.
申请者编号
No. 744 No. 436 No. 865 No. 790 No. 835 超过 900 No. 190 已经出现过
etc.
Slide 13
第十三页，编辑于星期二：十六点 二十七分。
No. 随机数
1
744
Slide 16
第十六页，编辑于星期二：十六点 二十七分。
A
B
C
是否具有类似
1 申请人编号 考试成绩 工作经验
2
12
1107
有
3
773
1043
无
4
408
991
无
5
58
1008
有
6
116
1127
无
7
185
982
无
8
510
1163
无
9
394
1008
有
第10至第901行省略
D
随机数 0.00027 0.00192 0.00303 0.00481 0.00538 0.00583 0.00649 0.00667
x 的抽样分布
x 的抽样分布是指所有可能的样本平均值 x的概率分
商务统计学
1,统计描述是统计分析的最基本内容，是指应用统计指标、统计表、统计图等方法，对资料的数量特征及其分布规律进行测定和描述；而统计推断是指通过抽样等方式进行样本估计总体特征的过程，包括参数估计和假设检验两项内容统计是对社会自然现象客观存在的现实数量方面进行搜集、整理和分析的活动过程。
推断统计是统计的方法之一，统计的方法大致如下：(1、大量观察法大量观察法指统计研究社会经济现象和过程，要从总体上加以考察，就总体中的全部或足够多数的单位进行调查观察并加以综合研究。
统计调查中的普查、统计报表、抽样调查、重点调查等都是观察研究对象的大量单位，来了解社会经济现象发展情况的。
(2、综合分析法综合分析法是指对于大量观察所获得的资料，运用多种综合指标以反映总体一般数量特征。
运用分组法，以显示现象的不类型。
在分组的基础上，运用多种数量分析方法探讨总体内部的各种数量关系。
(3、归纳推断法即统计推断法，指以一定的置信标准要求，根据样本数据来判断总体数量特征的归纳推理方法。
2, 连续型数据是有规律的，离散型数据是没有规律的3,。
多边形图和直方图的形状一样，但是用线而不是条柱连接频率,多边形图和直方图相似。
不同的是：不是用条柱而是用点表示个数，用线连拉这些点，结果分布形状的轮廓是多边形。
有时多边形图也被称为直方图，尤其当数据很多以致线条变得平滑时4,. 条形:体现每组中的具体数据易比较数据之间的差别,轴标签过长。
显示的数值是持续型的..帕累托图是进行优化和改进的有效工具，尤其应用在质量检测方面。
饼图仅排列在工作表的一列或一行中的数据可以绘制到饼图中。
饼图显示一个数据系列，要绘制的数值没有负值。
要绘制的数值几乎没有零值。
类别数目无限制。
工作中如果遇到需要计算总费用或金额的各个部分构成比例的情况，可以使用一种饼形图表工具，能够直接以图形的方式直接显示各个组成部分所占比例，更为重要的是，由于采用图形的方式，更加形象直观。
5，众数是一组数据中出现次数最多的标志值，用M0表示。
商务统计学ppt课件
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
商务统计学教学课件
（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。
N0 CNn
（四）泊松分布
泊松分布是稀有事件出现次数的理 论分布模型，如自然灾害、意外事故、 机器故障等事件出现的次数都近似地服 从泊松分布。泊松分布概率模型为：
Pxmm e
m!
六、连续变量概率分布模型
连续型随机变量的取值范围可以是数轴上的 某个区间，也可以是整个数轴。由于它可以取 无穷多个不同的数值，所以描述其概率分布的 最完善方法是概率函数式。在理论分析中，描 述连续变量概率分布的最常用的概率函数式是 概率分布密度函数。
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
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：
二、统计学的作用
• （一）统计学在科学研究中的作用——提出假 说并判定假说的正确与否
• （二）统计学在生产中的作用——通过试验分 析找出最佳工艺，并对生产过程进行统计质量 控制。
• （三）统计学在管理中的作用——抽样调查了 解社会与市场，为决策提供依据；并可建立各 种社会与经济发展模型，定量地模拟社会与经 济的运行，既可分析社会与经济的发展及其结 构变化，又可进行政策效果的评价。
统计 习题课件 CH07
两独立样本设计资料 t 检验的功效
计算
Zβ
: Zβ =
σ
|δ | Zα 1 1 + n1 n2
其 中 , n1 , n 2 分 别 为 两 样 本 的 样 本 含 量 , 其 余 符 号 含 义 同 上 .
第五节 假设检验的功效
三,应用假设检验需要注意的问题 对服从正态分布资料进行t检验,不是 看样本均数间差别的大小,而是推断两个 总体均数是否相等(或其中一个大于另一 个);类似地,对服从二项分布资料或 Poisson分布资料进行Z检验,目的也是对 相应的总体参数大小进行推断.
(二)两独立样本设计资料的 Z 检验 独立样本设计资料的 设计 检验统计量: 检验统计量: | p1 p2 | 1 1 pc (1 pc )( + ) n1 n2 | p1 p2 | 0.5( 或 Z= 1 1 + ) n1 n2 1 1 pc (1 pc )( + ) n1 n2
Z=
其中, n1 , n2 分别为两样本的样本含量;
思考与练习
3. 随机将 20 只雌体中年大鼠均分为甲,乙两组,乙组中的每只大鼠接受 3mg/kg 的内毒素,甲组作为对照组,分别测得两组大鼠的肌酐(mg/L)如下: 甲(对照)组: 6.2 乙(处理)组: 8.5 3.7 6.8 5.8 11.3 2.7 3.9 9.4 9.3 6.1 7.3 6.7 7.8 3.8 7.2 6.9 8.2
当 n 不太大时, 需作如下的连续性校正: | X n π 0 | 0 .5 n π 0 (1 π 0 ) | p π0 | 0 .5 n π 0 (1 π 0 ) n
Z =
或
Z =
其中,π0 为已知的总体概率(一般为理论值,标准值或经过大量观察所得的稳 X 定值等) p = , . n
CH7HYPOTHESIS TESTING(商务统计,英文版)
If there is sufficient sample evidence against H0, we reject it in favour of HA. However, when there is not enough evidence to infer that H0 is not true, we maintain it, but do not accept it.
–
There are two guidelines for setting up H0 and HA: i. H0 must involve an identity (e.g. H0 : µ= µ 0) ii. What we expect to conclude (or what the question suggests) should be in HA.
HA : … the outcome is not always head.
Of course, we know that H0 is false and HA is true, but how can we prove this? Say, we decide on tossing a coin ten times. What if the first 9 outcomes are head, and the last one is tail? Since one counterexample is enough to show that H0 is incorrect, we can safely reject it and conclude that HA is true. What if all 10 outcomes are head? The experiment has failed to demonstrate that H0 is incorrect, so we cannot reject it. But, it has not proved that H0 is correct either, so it would be unreasonable to accept H0.
商务统计学_教学的实践(3篇)
第1篇一、引言随着我国经济的快速发展，统计学在商务领域的应用越来越广泛。
商务统计学作为一门重要的学科，旨在培养学生的统计学思维和分析能力，使其能够运用统计学的方法解决实际问题。
本文将从以下几个方面探讨商务统计学教学的实践。
二、教学目标1. 理解商务统计学的基本概念、原理和方法。
2. 掌握商务统计数据的收集、整理和分析方法。
3. 能够运用统计学方法对商务问题进行定量分析和预测。
4. 培养学生的统计学思维和分析能力，提高解决实际问题的能力。
三、教学内容1. 商务统计学基本概念：包括数据、变量、总体、样本、概率、分布等。
2. 商务统计数据的收集：介绍数据来源、数据类型、数据收集方法等。
3. 商务统计数据的整理：介绍数据的整理方法，如分组、排序、计算等。
4. 商务统计数据的分析：介绍描述性统计、推断性统计、时间序列分析等。
5. 商务统计应用：结合实际案例，分析商务问题，运用统计学方法进行定量分析和预测。
四、教学实践1. 案例教学：选取具有代表性的商务案例，让学生分析案例中的统计学问题，引导学生运用所学知识解决实际问题。
2. 实践操作：组织学生进行商务统计数据收集、整理和分析的实践活动，让学生亲身体验统计学在实际工作中的应用。
3. 讨论与交流：组织学生进行课堂讨论，分享各自的学习心得和经验，提高学生的合作意识和沟通能力。
4. 考核评价：采用多种考核方式，如课堂表现、作业、实践报告、期末考试等，全面评价学生的学习成果。
五、教学手段1. 课堂教学：运用多媒体技术，展示丰富的教学资源，提高学生的学习兴趣。
2. 网络教学：利用网络平台，为学生提供在线学习资源，方便学生随时随地进行学习。
3. 实践基地：与企业合作，建立商务统计学实践教学基地，为学生提供实际操作机会。
4. 专家讲座：邀请统计学专家进行讲座，为学生提供专业指导。
六、教学效果1. 学生对商务统计学的基本概念、原理和方法有了深入的理解。
2. 学生的商务统计数据收集、整理和分析能力得到提高。
商务统计学ppt sbfc1e_alq_chapter07
Game Commercials Won't Watch
Total
Male 279 81 132
492
Female 200 156 160
516
Total 479 237 292
1008
What is the marginal probability that a viewer was female?
A. .159
B. .310
C. .643
D. .512
Game Commercials Won't Watch
Total
Male 279 81 132
492
Female 200 156 160
516
Total 479 237 292
1008
What is the marginal probability that a viewer was female?
A. True
B. False
Copyright © 2011 Pearson Education, Inc.
Slide 7- 6
For independent trials, the Law of Averages states that as the number of trials increases, the long run relative frequency of repeated events gets closer and closer to a single value.
A. less than 50%, since “tails” are due to come up. B. 50%. C. greater than 50%, since it appears that we are in a streak of “heads.” D. not able to be determined.
- 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)。
μX μ
且
σ σX n
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc..
Chap 7-26
平均数抽样分布的Z值
X 抽样分布的Z值:
Z ( X μX ) σX ( X μ) σ n
其中:
X = 样本平均数
μ = 总体平均数
_
X
(不再是均匀分布)
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 7-22
建立抽样分布
( 续)
该抽样分布的概括度量:
μX
Xi 18 19 19 24 21
N 16
σX
( Xi μ X )2 N (18 - 21)2 (19 - 21)2 (24 - 21)2 1.58 16
建立抽样分布
( 续)
现在考虑容量n=2的所有可能的样本
第一个 观测值 18 20 22 第二个 观测值 18 18,18 20,18 22,18 20 18,20 20,20 22,20 22 18,22 20,22 22,22 24 18,24 20,24 22,24
第一个 观测值
16个样本 平均数
Chap 7-3
抽样过程从抽样架构开始
架构是对组成总体的一系列条目的列举。 架构是类似总体清单，目录或者地图的数据源。 如果架构里没有包括总体的某些部分，不准确或 者有偏的结果可能产生。 使用不同的架构得到数据会得出不同的结论。
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc..
概率样本: 群样本
总体分为若干个 “群样本,”每个群代表整个总体。 随机选择群样本 使用选中的群里的所有项目或者从群里面选取基于概率的样本。 群样本的通常应用是选举，其中选择特定选区并抽样。
总体分成16 个群样本。
随机选择群样本抽样
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc..
σ = 总体标准差
n = 样本容量
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc..
Chap 7-27
抽样分布特征
μx μ
(也就是说
总体正态分布
μ
x
是无偏的 )
抽样分布也正态分布 (有同样的平均数)
x
μx
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc..
Chap 7-13
概率样本:比较抽样方法
简单随机样本和系统样本 使用简单 可能不能很好的代表总体的潜在特性 分层样本 确保代表的个体覆盖整个总体 群样本 成本效率更高 有效性较低(需要更大的样本以取得同等程度的精确性)
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc..
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc..
Chap 7-18
建立抽样分布
假设总体…
总体容量N=4 随机样本变量, X, 是个体的年龄 X的观测值: 18, 20, 22, 24 (岁)
A B C D
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc..
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc..
Chap 7-8
使用随机数表选择简单随机样本
有850条目的总体抽 样架构 条目名 条目号
Bev R. Ulan X. . . . . Joann P. Paul F. 001 002 . . . . 849 850
第二个 观测值 18 20 22 24
18 20 22 24
18 19 20 21 19 20 21 22 20 21 22 23 21 22 23 24
Chap 7-21
24
24,18
24,20
24,22
24,24
16 个可能的样本 (有 放回的抽样)
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc..
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc..
Chap 7-9
概率样本:系统样本
取决于样本容量: n 架构中N个体分成含k个体的组: k=N/n 从第一组随机选择一个个体
接下来，每数到第k个数都依次选取
N = 40 n=4 k = 10
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc..
抽样分布
抽样分布就是选出所有可能的样本情况下结果的分布 例如, 假设根据那么学院学生的平均成绩选择50个学生。 如果得到很多不同的50个学生的样本，将计算每个样本不 同平均数。我们可以计算对于任意给定的50个学生的样本， 我们对所有潜在的平均成绩感兴趣。
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc..
第一组
Chap 7-10
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc..
Chap 7-11
概率样本:分层样本
根据一些常见的特征，把总体分成两个或两个以上的亚群体，即层
商务统计学(第5版)
第7章
抽样和抽样分布
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.
Chap 7-1
学习目标
在本章中你将学到：
区分不同的抽样方法 抽样分布的概念 计算样本平均数和样本比例相关的概率 中心极限定理的重要性
(这假设是有放回的抽样或者无限总体无放回的抽样)
注意平均数的标准差随着样本容量 增加而减少
σ σX n
Basic Business Statistics, 11e © 200ቤተ መጻሕፍቲ ባይዱ Prentice-Hall, Inc.. Chap 7-25
样本平均数抽样分布:总体服从正态分布
总体服从正态分布，平均数μ 且标准差σ, 抽样分 布 X也服从正态分布
0
18
20
22
24
X
0
18 19
20 21 22 23
24
_
X
Chap 7-24
A
B
C
D
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc..
样本平均数抽样分布:平均数的标准差
同样总体相同容量的不同的 样本导致不同的 样本平均数 样本与 样本之间平均数的变动用平均数的标准差来度量:
在便利抽样中，条目的选择简单，便宜，且方便抽样。
在判断样本中，我们得到预先选好的专家就主题发表 的意见。
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc..
Chap 7-6
样本类型:概率样本
在概率样本中, 样本中条目的选择基于已知 的概率。
Chap 7-14
估计调查价值
调查的目的是什么? 调查是否基于概率样本? 覆盖误差– 合适的架构? 无回复误差– 跟随 测量误差– 好的问题引出好的回复 抽样误差– 一直存在
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc..
Chap 7-23
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc..
比较总体分布与样本平均数的分布
总体 N=4 样本平均数分布 n=2
μ 21
P(X) .3
.2 .1
σ 2.236
μX 21
_
P(X) .3
.2 .1
σ X 1.58
Chap 7-15
调查误差类型
覆盖误差或选择偏误
如果有些条目组没有被包括在架构里，没有机会被选到，就会 产生。
无回复误差或偏误
不回复的人于回复的人可能是不同的。
抽样误差
随着样本的不同而不同，且是一直存在的。
测量误差
由于问题设计的缺陷，,回答的误差和受访者回复的努力 (“霍 索恩效应”)
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc..
Chap 7-16
调查误差类型
( 续)
覆盖误差 无回复误差 抽样误差 测量误差
从架构中排出
跟踪无回复
随机样本，随着样 本的不同而不同 不好的或者主要的 问题
Chap 7-17
(strata)。