沈阳建筑大学统计学实验报告.docx
《沈阳建筑大学统计学实验报告.docx》由会员分享,可在线阅读,更多相关《沈阳建筑大学统计学实验报告.docx(19页珍藏版)》请在冰豆网上搜索。
![沈阳建筑大学统计学实验报告.docx](https://file1.bdocx.com/fileroot1/2023-4/19/2b932111-6a4f-430f-a7e2-338eb6808ce5/2b932111-6a4f-430f-a7e2-338eb6808ce51.gif)
沈阳建筑大学统计学实验报告
学号:
实验报告
课程名称:
统计学学年、学期:
2014年秋季
实验学时:
16实验项目数:
四
实验人姓名:
专业班级:
实验一:
统计软件Spss、Excel介绍;数据的图表展示
实验日期:
2014年11月日
第十三教学周
主要实验内容
统计软件Spss、Excel的应用介绍;利用软件进行统计数据的整理和绘制各种统计图表。
作业:
练习题2.1、2.2、2.3、2.4
实验操作记录:
实验总结:
教师评语:
本次实验成绩
项目
预习
实验过程
作业
报告书写
出勤和课堂纪律
其他
得分
成绩合计:
教师签字:
批改日期:
2.1为评价家电行业售后服务的质量,随机抽取由100个家庭构成的一个样本。
质量服务的等级分别表示为:
A.好;B.较好;C.一般;D.较差;E.差。
调查结果如下:
(数据略)
(1)制作一张频数分布表。
家电行业售后服务质量评价等级频数表
评价等级
频数
频率
A
14
14%
B
21
21%
C
32
32%
D
18
18%
E
15
15%
总计
100
1
(2)制作一张条形图,反映评价等级的分布。
(4)制作一张饼图,反映评价等级的构成。
2.2为确定灯泡的使用寿命(单位:
小时),在一批灯泡中随机抽取100只进行测试,所得数据如下:
(数据略)
(1)以组距为10进行分组,整理成频数分布表。
灯泡使用寿命频数分布表
按销售额分组(万元)
频数
频率
650-660
2
0.02
660-670
5
0.05
670-680
6
0.06
680-690
14
0.14
690-700
26
0.26
700-710
18
0.18
710-720
13
0.13
720-730
10
0.10
730-740
3
0.03
740-750
3
0.03
合计
100
1.00
从直方图可以直观地看出,灯泡使用寿命的分布基本上是对称的,右边的尾部稍长一些,灯泡使用寿命接近正态分布。
(3)制作茎叶图,并与直方图作比较。
使用寿命Stem-and-LeafPlot
FrequencyStem&Leaf
1.00Extremes(=<651)
1.0065.8
2.0066.14
3.0066.568
3.0067.134
3.0067.679
7.0068.1123334
7.0068.5558899
13.0069.44
13.0069.5566677888899
8.0070.00112234
10.0070.5666778889
6.0071.002233
7.0071.5677889
4.0072.0122
6.0072.567899
1.0073.3
2.0073.56
1.0074.1
1.0074.7
1.00Extremes(>=749)
Stemwidth:
10
Eachleaf:
1case(s)
比较直方图与茎叶图:
直方图的数据分布很方便,但原始数据看不到了,茎叶图则不同,不仅可以看出数据的分布,还能保留原始数据的信息。
2.3甲、乙两班有40名学生,期末统计学考试成绩的分布如下:
(数据略)
(1)画出两个班考试成绩的环形图,比较它们的构成。
(2)画出雷达图,比较两个班考试成绩的分布是否相似。
从图中可以看出甲、乙两班的成绩分布不相似,没有相似性。
2.4下表是我国10个城市2006年各月份的气温(°C)数据:
(数据略)
绘制各城市月气温的箱线图,并比较各城市气温分布的特点
从箱线图可看出,这10个城市的月气温存在较大差异,离散程度高的城市为沈阳、北京、郑州、武汉;离散程度低的为海口、昆明、广州。
月气温较高的城市主要为中位数较大的海口、广州,月气温较低的为城市中位数较小的沈阳;月气温分布较对称的城市主要有北京、沈阳;月气温分布不对称的城市主要有:
有海口;月气温存在极值的城市有沈阳、北京、重庆。
实验二:
用统计量描述数据;概率分布;参数估计
实验日期:
2014年11月日
第十四教学周
主要实验内容
利用Spss、Excel软件对数据进行概括性度量、计算概率分布的概率及概率值,进行参数估计。
作业:
练习题3.5、4.4、5.3、5.7
实验操作记录:
实验总结:
教师评语:
本次实验成绩
项目
预习
实验过程
练习题
报告书写
出勤和实验纪律
其他
得分
成绩合计:
教师签字:
批改日期:
3.5一种产品需要人工组装,现有3种可供选择的组装方法。
为检验哪种方法更好,随机抽取15个工人,让他们分别用3种方法组装。
列1
列2
列3
平均
165.6
平均
128.7333
平均
125.5333
标准误差
0.550325
标准误差
0.452155
标准误差
0.716251
中位数
165
中位数
129
中位数
126
众数
164
众数
128
众数
126
标准差
2.131398
标准差
1.75119
标准差
2.774029
方差
4.542857
方差
3.066667
方差
7.695238
峰度
-0.1345
峰度
0.454621
峰度
11.66308
偏度
0.351371
偏度
-0.17448
偏度
-3.23793
区域
8
区域
7
区域
12
最小值
162
最小值
125
最小值
116
最大值
170
最大值
132
最大值
128
求和
2484
求和
1931
求和
1883
观测数
15
观测数
15
观测数
15
4.4由30辆汽车构成的一个随机样本,绘制正态概率图
5.3某大学为了解学生每天上网的时间,在全校学生中随机抽取36人,调查他们每天上网的时间(单位:
小时),得到数据如下:
(数据略)
求该校大学生平均上网时间的置信区间,置信水平分别为90%,95%和99%。
One-SampleStatistics
N
Mean
Std.Deviation
Std.ErrorMean
加班时间
18
13.56
7.801
1.839
One-SampleTest
TestValue=0
t
df
Sig.(2-tailed)
MeanDifference
95%ConfidenceIntervaloftheDifference
Lower
Upper
加班时间
7.373
17
.000
13.556
9.68
17.43
平均数
方差
标准差
置信水平
置信下限
置信上限
3.32
2.59
1.61
90%
2.88
3.76
95%
2.79
3.84
99%
2.63
4.01
5.7一家人才测评机构对随机抽取的10名小企业的经理人用两种方法进行自信心测试,得到自信心测试分数如下:
(数据略)
构建两种方法平均自信心得分之差μd=μ1-μ2的95%的置信区间。
PairedSamplesStatistics
Mean
N
Std.Deviation
Std.ErrorMean
Pair1
方法1
72.60
10
14.073
4.450
方法2
61.60
10
14.759
4.667
PairedSamplesCorrelations
N
Correlation
Sig.
Pair1
方法1&方法2
10
.898
.000
PairedSamplesTest
PairedDifferences
t
df
Sig.(2-tailed)
Mean
Std.Deviation
Std.ErrorMean
95%ConfidenceIntervaloftheDifference
Lower
Upper
Pair1
方法1-方法2
11.000
6.532
2.066
6.327
15.673
5.325
9
.000
两种方法平均自信心得分之差μd=μ1-μ2的95%的置信区间为(6.327,15.673)
实验三:
假设检验;分类变量的推断;方差分析与实验设计
实验日期:
2014年11月日
第十五教学周
主要实验内容
利用Spss、Excel软件对数据进行假设检验、分类变量的推断、方差分析与实验设计。
作业:
练习题6.9、7.2、7.4、8.3、8.6
实验操作记录:
实验总结:
教师评语:
本次实验成绩
项目
预习
实验过程
练习题
报告书写
出勤和实验纪律
其他
得分
成绩合计:
教师签字:
批改日期:
6.9为比较新旧两种肥料对产量的影响,以便决定是否采用新肥料。
研究者选择了面积、土壤等条件相同的40块田地,分别施用新旧两种肥料,得到的产量数据如下:
(数据略)去显著性水平α=0.05,检验:
(1)新肥料获得的平均产量是否显著地高于旧肥料?
假设条件为:
1)两种肥料产量的方差未知但相等,即σ1²=σ2²。
2)两种肥料产量的方差未知且不相等,即σ1²≠σ2²。
解:
设μ1=新肥料,μ2=旧肥料。
H0:
μ1-μ2≥0;H1:
μ1-μ2<0。
t-检验:
双样本等方差假设
变量1
变量2
平均
100.7
109.9
方差
24.11578947
33.35789474
观测值
20
20
合并方差
28.73684211
假设平均差
0
df
38
tStat
-5.427106029
P(T<=t)单尾
1.73712E-06
t单尾临界
1.68595446
P(T<=t)双尾
3.47424E-06
t双尾临界
2.024394164
1)t=-5.427,P=1.73712E-06,拒绝原假设,新肥料获得的平均产量显著地高于旧肥料。
t-检验:
双样本异方差假设
变量1
变量2
平均
100.7
109.9
方差
24.11578947
33.35789474
观测值
20
20
假设平均差
0
df
37
tStat
-5.427106029
P(T<=t)单尾
1.87355E-06
t单尾临界
1.68709362
P(T<=t)双尾
3.74709E-06
t双尾临界
2.026192463
2)P=1.87355E-06,拒绝原假设,新肥料获得的平均产量显著地高于旧肥料
F-检验双样本方差分析
变量1
变量2
平均
100.7
109.9
方差
24.11578947
33.35789474
观测值
20
20
df
19
19
F
0.722940991
P(F<=f)单尾
0.243109655
F单尾临界
0.461201089
7.2一家电视台为了解观众对某档娱乐节目的喜欢程度,对不同年龄段的男女观众进行了调查。
男性
ObservedN
ExpectedN
Residual
5
5
7.0
-2.0
6
6
28.1
-22.1
12
12
13.2
-1.2
16
16
10.5
5.5
25
25
5.3
19.7
Total
64
TestStatistics
男性
Chi-Square
94.942a
df
4
Asymp.Sig.
.000
a.0cells(.0%)haveexpectedfrequencieslessthan5.Theminimumexpectedcellfrequencyis5.3.
7.4为分析不同地区的消费者与所购买的汽车价格是否有关,一家汽车企业的销售部门对东部地区、中部地区和西部地区的四百个消费者做抽样调查,检查地区与所购买的汽车价格是否有关。
CaseProcessingSummary
Cases
Valid
Missing
Total
N
Percent
N
Percent
N
Percent
汽车价格*地区
400
100.0%
0
.0%
400
100.0%
Value
df
Asymp.Sig.(2-sided)
PearsonChi-Square
29.991a
6
.000
LikelihoodRatio
30.683
6
.000
NofValidCases
400
a.0cells(.0%)haveexpectedcountlessthan5.Theminimumexpectedcountis21.00.
汽车价格*地区Crosstabulation
地区
Total
东部地区
西部地区
中部地区
汽车价格
10—20万元
Count
50
50
60
160
ExpectedCount
56.0
48.0
56.0
160.0
10万元以下
Count
20
40
40
100
ExpectedCount
35.0
30.0
35.0
100.0
20—30万元
Count
30
20
20
70
ExpectedCount
24.5
21.0
24.5
70.0
30万元以上
Count
40
10
20
70
ExpectedCount
24.5
21.0
24.5
70.0
Total
Count
140
120
140
400
ExpectedCount
140.0
120.0
140.0
400.0
8.3
8.6城市道路交通管理部门为研究不同的路段和不同的时段对行车时间的影响,让一名交通警察分别在3个路段的高峰期与非高峰期亲自驾车进行试验,通过试验共获得30个行车时间的数据单位:
分。
试分析路段、时段以及路段和时段的交互作用对行车时间的影响α=0.05。
Exel:
方差分析:
可重复双因素分析
SUMMARY
路段1
路段2
路段3
总计
高峰期
观测数
5
5
5
15
求和
181.4
151.8
172.2
505.4
平均
36.28
30.36
34.44
33.69333
方差
2.267
2.518
2.723
8.702095
非高峰期
观测数
5
5
5
15
求和
150
121
141.4
412.4
平均
30
24.2
28.28
27.49333
方差
5.265
6.025
5.797
11.22067
总计
观测数
10
10
10
求和
331.4
272.8
313.6
平均
33.14
27.28
31.36
方差
14.30267
14.33733
14.32711
Spass:
Between-SubjectsFactors
N
时段
非高峰期
15
高峰期
15
路段
路段1
10
路段2
10
路段3
10
TestsofBetween-SubjectsEffects
DependentVariable:
行车时间
Source
TypeIIISumofSquares
df
MeanSquare
F
Sig.
CorrectedModel
468.815a
3
156.272
41.290
.000
Intercept
28078.561
1
28078.561
7418.830
.000
时段
288.300
1
288.300
76.174
.000
路段
180.515
2
90.257
23.848
.000
Error
98.404
26
3.785
Total
28645.780
30
CorrectedTotal
567.219
29
a.RSquared=.827(AdjustedRSquared=.806)
实验四:
一元线性回归;多元线性回归;时间序列预测及对实际数据进行分析
实验日期:
2014年11月日
第十六教学周
主要实验内容
利用Spss、Excel软件进行一元线性回归、多元线性回归、时间序列预测及对实际数据进行综合分析。
作业:
练习题9.2、9.3、11.1、11.3
实验操作记录:
实验总结:
教师评语:
本次实验成绩
项目
预习
实验过程
练习题
报告书写
出勤和实验纪律
其他
得分
成绩合计:
教师签字:
批改日期:
11.1