统计学课程实验报告综述.docx
《统计学课程实验报告综述.docx》由会员分享,可在线阅读,更多相关《统计学课程实验报告综述.docx(38页珍藏版)》请在冰豆网上搜索。
统计学课程实验报告综述
课程实验报告
题目:
社会经济统计学课程实验
学生姓名:
学号:
专业:
会计学
年级:
2011级
学院:
管理学院
指导教师:
杜德权
教务处制
实验一:
EXCEL的数据整理与显示
一、实验目的及要求:
(一)目的
1.了解EXCEL的基本命令与操作、熟悉EXCEL数据输入、输出与编辑方法;
2.熟悉EXCEL用于预处理的基本菜单操作及命令;
3.熟悉EXCEL用于整理与显示的基本菜单操作及命令。
(二)内容及要求
1.根据下面的数据。
1.1用Excel制作一张组距式次数分布表,并绘制一张条形图(或柱状图),反映工人加工零件的人数分布情况。
从某企业中按随即抽样的原则抽出50名工人,以了解该企业工人生产状况(日加工零件数):
117108110112137122131118134114124125123
127120129117126123128139122133119124107
133134113115117126127120139130122123123
128122118118127124125108112135509
1.2整理成频数分布表,并绘制直方图。
1.3假设日加工零件数大于等于130为优秀。
二、仪器用具
硬件:
计算机(安装Windows2003、Windows2007或WindowsXP或以上)
软件:
EXCEL
三、实验原理
统计中数据整理与显示的相关理论。
四、实验方法与步骤
1.点击“数据”→“透视图”,选定区域为日加工零件数一列,输出区域为空白地方,完成,修改一下形成。
2.点击“图表向导”→“条形图”,数据区域为复制的数据,再修改系列、名称、X轴、Y轴,完成,再修改一下图表。
3.分组后,点击“工具”→“数据分析”→“直方图”,输入区域为体育一列,接受区域为分好的组,标志打钩,输出区域为空白地方,累计百分比和图表输出打钩,完成,在对表和图进行一系列的修改,形成所需要的表和图。
五、实验结果与数据处
1.150名工人加工零件的人数分布表
按零件数分组(个)
工人数(人)
工人数比重(%)
100-110
3
6
110-120
13
26
120-130
23
46
130-140
10
20
140及以上
1
2
合计
50
100
1.250名工人加工零件的人数频数分布表
组别
频数(人)
频率(%)
10-110
3
6
110-120
13
26
120-130
23
46
130-140
10
20
140及以上
1
2
合计
50
100
1.3
零件数(个)
人数(人)
≥130
11
〈130
39
优秀率=11÷50×100%=22%
六、讨论与结论
该实验主要是通过EXCEL软件的相关运用来对50名工人的日零件加工数进行分析,首先是制作组距式分布表并绘制柱状图。
相对而言,这部分的操作难度不是很大,通过对这50个数据的观察,除了一个极端值外其余数据的分布都比较集中,最小值为107,最小值为139。
我假设的组距为10,则组数=全距÷组距=32÷10=3.2组,化整可取为4组,另外将极端值509单独归入开口组。
然后通过统计数据便可的到每组的工人人数及其比重。
在制作好的组距式分布表的基础上便可很容易的绘制出柱状图。
把分布表与柱状图结合起来,我们可以对工人的日零件加工数的分布情况有一个大致的了解。
其主要表现为集中分布在120-130之间,110-120和130-140之间的分布大致持平,而两端的数据都比较少。
接下来是制作频数分布表和绘制直方图,这部分和上面的操作有很大类似的地方,并且通过这部分的操作我们可以更直观的看出工人日加工零件数的分布情况。
如果日加工零件数大于等于130为优秀,那么这50个数据中符合条件的有11个,对应的优秀率为11÷50×100%=22%,所以从优秀率上看,这50名工人的技能水平还有待提高。
通过这个实验的操作,我EXCEL的基本命令与操作也有了一定的接触,在某种程度上熟悉了EXCEL数据输入、输出与编辑方法,这是对我们平日的学习工作很有帮助的。
实验二:
EXCEL的数据特征描述、抽样推断
一、实验目的及要求:
(一)目的
熟悉EXCEL用于数据描述统计、列联分析、多元回归的基本菜单操作及命令。
(二)内容及要求
根据实验1的数据,
(1)计算特征值;
(2)判断该企业职工的平均日加工零件数及优秀率的区间;(3)假设检验(如果以往该企业的工人日加工零件数为115,优秀率为5%,显著性水平为5%)。
二、仪器用具
硬件:
计算机(安装Windows2003、Windows2007或WindowsXP或以上)
软件:
EXCEL
三、实验原理
统计中数据整理与显示的相关理论。
四、实验方法与步骤
1、在相应方格中输入命令,得到各特征值。
COUNT(B4:
B53)并回车,得到50个数据中的单位总量。
SUM(B4:
B53)并回车,得到50个数据中的标志总量。
MAX(B4:
B53)并回车,得到50个数据中的最大值。
MIN(B4:
B53)并回车,得到50个数据中的最小值。
AVERAGE(B4:
B53)并回车,得到50个数据中的平均值。
MEDIAN(B4:
B53)并回车,得到50个数据中的中位数。
GEOMEAN(B4:
B53)并回车,得到50个数据中的几何平均数。
HARMEAN(B4:
B53)并回车,得到50个数据中的调和平均数。
AVEDEV(B4:
B53)并回车,得到50个数据中的变异统计的平均差。
STDEV(B4:
B53)并回车,得到50个数据中的变异统计的标准差。
VAR(B4:
B53)并回车,得到50个数据中的变异统计中的方差。
KURT(B4:
B53)并回车,得到50个数据中的变异统计中的峰度。
SKEW(B4:
B53)并回车,得到50个数据中的变异统计中的偏度。
2、抽样推断
在单元格中输入CONFIDENCE(α所在单元格,标准差所在单元格,样本容量单元格),点得到极限误差,从而得到日价格零件数和优秀率的置信区间。
单元格中键入“=(样本均值单元格-115)/(样本标准差单元格/SQRT(样本容量单元格))”,得到t值;单元格中键入“=TINA(0.05,49)”得到α=0.05,自由度为49的临界值。
五、实验结果与数据处理
1.特征值
单位总量
50
标志总量
6537
最大值
509
最小值
107
平均值
130.74
中位数
123
几何平均数
126.2996
调和平均数
124.3825
变异统计的平均差
16.664
变异统计的标准差
55.17202
变异统计中的方差
3043.951
变异统计中的峰度
47.77895
变异统计中的偏度
6.838752
2.抽样推断
a
0.05
极限误差
15.29262
日加工零件数的置信区间[115.44738146.03262],优秀率的置信区间[0.1724360.334821]
t
2.0173018
a
0.05
自信度
49
临界值
2.0095752
由题可知待设检验ho:
u<=115hi;u>115
T=(样本均值单元格-115)/样本标准单元格/(样本容量单元格)=2.0173018
由于TINA(0.05,49)=2.009575237,T>TINA(0.05,49).所以拒绝ho接受hi
六、讨论与结论
这个实验首先是要求我们计算这50个数据的特征值,然后运用所学知识求企业职工的平均日加工零件数及优秀率的区间,并且进行假设检验。
在所给的实验步骤的指导下,首先我将这50个数据在excel表中从按照纵排依次排序,然后用实验给定的函数:
COUNT(B4:
B53)等,分别输入,得到50个数据的单位总量,标志总量等特征值。
其实在掌握方法后这部分的操作并没有太大的难度。
在算出了相应特征值后,由于要计算置信区间,我用CONFIDENCE(α所在单元格,标准差所在单元格,样本容量单元格),得到了极限误差,并且有知道日加工零件数的平均值是130.74,优秀率是22%,所以根据这些数据从而得到日价格零件数和优秀率的置信区间。
然后是根据公式我们可以得到t值,由t值和极限误差,由于实验已经告诉我们以往该企业的工人加工零件数,优秀率和显著性水平,则我们用总体比例的区间估计来求得优秀率的区间,假设检验阶段用总体比率的假设检验来判断工人平均日加工零件数是否下降。
t>t(n-1),所以拒绝h0,接受h1,即工人平均日加工零件数比以前有所上升。
假设检验是用来检验总体的,样本与总体的差异是由抽样误差引起还是本质差别引起的统计推断方法,实验二主要是在excel中运用各种命令进行计算大大的减少我们的工作量同时能够更加准确。
实验三:
时间序列分析
一、实验目的及要求:
(一)目的
掌握EXCEL用于移动平均、线性趋势分析的基本菜单操作及命令。
(二)内容及要求
综合运用统计学时间序列中的移动平均、季节指数运算、时间序列因素分解、图形展示等知识,对某小区居民用电量(千度)季节数据的构成要素进行分解,并作出图形进行分析。
月度
第一年
第二年
第三年
第四年
1
559
574
585
542
2
447
469
455
438
3
345
366
352
341
4
354
327
341
427
5
374
412
388
358
6
359
353
332
355
7
365
381
392
376
8
437
460
429
441
9
353
344
361
382
10
295
311
291
377
11
454
453
395
398
12
457
486
491
409
二、仪器用具
硬件:
计算机(安装Windows2003、Windows2007或WindowsXP或以上)
软件:
EXCEL
三、实验原理
时间序列分析中的移动平均分析原理、季节指数原理等。
四、实验方法与步骤
1.
(1)输入“年/月度”、“时间标号”,复制各月度销售额到“用电量”。
(2)点击“数据分析”→“移动平均”,输入区域为“销售额”,间隔4,输出“移动平均值”;同样的办法对“移动平均值”进行2步平均,输出“中心化后的移动平均值”。
(3)对称一下“移动平均值”和“中心化后的移动平均值”,然后用“用电量”除以“中心化后的移动平均值”求出“比值”。
(4)将“比值”中的数据复制到“季节指数计算表”中,计算完成表。
(5)点击“图标向导”→“折线图”,输入区域为季节指数中的数值,修改完成图表。
2.
(1)完善“用电量”和“季节指数”并计算“用电量”/“季节指数”,完成季节分离后的时间序列。
(2)点击“数据分析”→“回归”,Y值输入区域为季节分离后的时间序列,X值输入区域为时间标号,输出。
(3)利用计算出的趋势模型和季节比率,对该小区第五年用电量数据进行预测。
3.点击“图表向导”→“折线图”,数据区域为“用电量”、“季节分离后的时间序列”和“回归后的趋势”,系列产生在“列”,完善标题、X轴、Y轴,完成,再修改完成图。
4.用与图3相同的方法绘制销售额预测图。
五、实验结果与数据处理
1
年
月份
时间标号
用电量
移动平均
中心化的移动平均
比值
1
1
1
559
2
2
447
3
3
345
426.25
403.125
0.85581395
4
4
354
380
369
0.95934959
5
5
374
358
360.5
1.03744799
6
6
359
363
373.375
0.96149983
7
7
365
383.75
381.125
0.95769105
8
8
437
378.5
370.5
1.17948718
9
9
353
362.5
373.625
0.94479759
10
10
295
384.75
387.25
0.76178179
11
11
454
389.75
417.375
1.08775082
12
12
457
445
466.75
0.97911087
2
1
13
574
488.5
477.5
1.20209424
2
14
469
466.5
450.25
1.04164353
3
15
366
434
413.75
0.88459215
4
16
327
393.5
379
0.86279683
5
17
412
364.5
366.375
1.12453088
6
18
353
368.25
384.875
0.9171809
7
19
381
401.5
393
0.96946565
8
20
460
384.5
379.25
1.21292024
9
21
344
374
383
0.89817232
10
22
311
392
395.25
0.78684377
11
23
453
398.5
428.625
1.05686789
12
24
486
458.75
476.75
1.0194022
3
1
25
585
494.75
482.125
1.21337827
2
26
455
469.5
451.375
1.00803102
3
27
352
433.25
408.625
0.86142551
4
28
341
384
368.625
0.92505934
5
29
388
353.25
358.25
1.08304257
6
30
332
363.25
374.25
0.88710755
7
31
392
385.25
381.875
1.02651391
8
32
429
378.5
373.375
1.14897891
9
33
361
368.25
368.625
0.97931502
10
34
291
369
376.75
0.77239549
11
35
395
384.5
407.125
0.97021799
12
36
491
429.75
448.125
1.09567643
4
1
37
542
466.5
459.75
1.17890158
2
38
438
453
445
0.98426966
3
39
341
437
414
0.8236715
4
40
427
391
380.625
1.12183908
5
41
358
370.25
374.625
0.95562229
6
42
355
379
380.75
0.93237032
7
43
376
382.5
385.5
0.97535668
8
44
441
388.5
391.25
1.12715655
9
45
382
394
396.75
0.96282294
10
46
377
399.5
395.5
0.95322377
11
47
398
391.5
12
48
409
季节指数折线图
2.季节分离后的时间序列
1
2
3
4
合计
月平均
季节指数
1
1.202094
1.213378
1.17890158
3.59437409
1.1981247
1.19895566
2
1.041644
1.008031
0.98426966
3.03394421
1.01131474
1.01201614
3
0.855814
0.884592
0.861426
0.8236715
3.42550311
0.85637578
0.85696972
4
0.95935
0.862797
0.925059
1.12183908
3.86904484
0.96726121
0.96793206
5
1.037448
1.124531
1.083043
0.95562229
4.20064373
1.05016093
1.05088928
6
0.9615
0.917181
0.887108
0.93237032
3.6981586
0.92453965
0.92518087
7
0.957691
0.969466
1.026514
0.97535668
3.92902729
0.98225682
0.98293807
8
1.179487
1.21292
1.148979
1.12715655
4.66854288
1.16713572
1.16794519
9
0.944798
0.898172
0.979315
0.96282294
3.78510787
0.94627697
0.94693326
10
0.761782
0.786844
0.772395
0.95322377
3.27424482
0.81856121
0.81912892
11
1.087751
1.056868
0.970218
3.1148367
1.0382789
1.038999
12
0.979111
1.019402
1.095676
3.0941895
1.0313965
1.03211183
合计
11.9916831
12
时间标号
用电量
季节指数
季节分离后的时间序列
1
559
1.19895566
466.2390934
2
447
1.01201614
441.6925604
3
345
0.85696972
402.5813187
4
354
0.96793206
365.7281483
5
374
1.05088928
355.8890619
6
359
0.92518087
388.0322342
7
365
0.98293807
371.3357038
8
437
1.16794519
374.1613937
9
353
0.94693326
372.7823437
10
295
0.81912892
360.1386702
11
454
1.038999
436.9590346
12
457
1.03211183
442.7814765
13
574
1.19895566
478.7499815
14
469
1.01201614
463.4313441
15
366
0.85696972
427.0862686
16
327
0.96793206
337.8336285
17
412
1.05088928
392.0489131
18
353
0.92518087
381.5470158
19
381
0.98293807
387.6134333
20
460
1.16794519
393.8540986
21
344
0.94693326
363.277978
22
311
0.81912892
379.6716151
23
453
1.038999
435.9965698
24
486
1.03211183
470.879207
25
585
1.19895566
487.9246327
26
455
1.01201614
449.5975726
27
352
0.85696972
410.7496354
28
341
0.96793206
352.2974536
29
388
1.05088928
369.2111123
30
332
0.92518087
358.8487514
31
392
0.98293807
398.8043723
32
429
1.16794519
367.3117572
33
361
0.94693326
381.2306688
34
291
0.81912892
355.255434
35
395
1.038999
380.1736094
36
491
1.03211183
475.7236432
37
542
1.19895566
452.060087
38
438
1.01201614
432.7994216
39
341
0.85696972
397.9137092
40
427
0.96793206
441.1466648
41
358
1.05088928
340.6638614
42
355
0.92518087
383.7087552
43
376
0.98293807
382.5266428
44
441
1.16794519
377.5862119
45
382
0.94693326
403.4075221
46
377
0.81912892
460.2450125
47
398
1.038999
383.061