管理统计学.docx
《管理统计学.docx》由会员分享，可在线阅读，更多相关《管理统计学.docx（11页珍藏版）》请在冰豆网上搜索。
管理统计学
管理学院实验报告
学号
201305169063
姓名
朱可欣
专业班级
市场营销1302班
指导老师
李洪斌
实验日期
2015.11.05
课程名称
管理统计学
实验名称
管理统计学上机实验
实验成绩
实验报告具体内容一般应包括：
一、实验目的和要求;二、主要仪器设备（软件）;
三、实验内容及实验数据记录;四、实验体会
实验项目一：
假设检验的Excel实现
实验时间：
_____2015-11-5____________
1.实验目的和要求
巩固熟悉假设检验的相关原理及方法，掌握Excel中进行假设检验的相关计算过程。
2.实验原理
假设检验的相关原理及方法。
3.主要仪器设备（软件）
1）硬件配置：
使用综合实验室中现有配置的计算机，无特殊要求。
2）软件环境：
WindowsXP或以上的操作系统，Excel软件。
4.实验内容及步骤
假设检验中关于T检验、F检验的相关内容选作2-3个计算实例。
5．实验数据记录
t-检验:
双样本等方差假设
某家禽研究所各选8只粤黄鸡进行两种饲料饲养对比试验，试验时间为60天，增重结果如下，假设鸡的增重服从正态分布且两种饲料喂养的鸡增重方差相等，请问两种饲料对粤黄鸡的增重效果有无显著差异？
（α=0.05）
饲料A 720710735680690705700705
饲料B 680695700715708685698688
解：
饲料A和饲料B饲养的粤黄鸡平均增重分别用u1和u2表示，检验无特定方向，所以为双侧检验。
这是两个正态总体，小样本抽样且总体方差未知的情形，采用合并方差的t检验。
故：
本检验的假设为：
H0：
u1-u2≠0，H1：
u1-u2=0
操作截图：
作出决策：
1.30即认为两种饲料的增重效果没有显著差异。
F-检验：
双样本方差分析
测得两批电子器件的样品的电阻（Ω）如下表:
已知两批器材电阻总体均服从分布但总体参数均未知，且两样本独立，问在0.05的显著性水平下:
问可否认为两批电子器件的电阻的方差相等？
A批（x）
0.14
0.138
0.143
0.142
0.144
0.137
B批（y）
0.135
0.14
0.142
0.136
0.138
0.14
解：
将A批产品记为1，B批产品记为2，α=0.05
本检验的假设为：
H0：
σ12/σ22=1，H1：
σ12/σ22≠1
操作截图：
作出决策：
1.108即认为两批电子器件电阻的方差相等。
6.问题及体会
利用假设检验中关于T检验、F检验的相关原理及方法，解决实际问题。
通过上机操作，巩固熟悉假设检验的相关原理及方法，掌握Excel中进行假设检验的相关计算过程，并能正确地作出决策，解决问题。
实验项目二:
方差分析的计算实现
实验时间：
________2015-11-5________
1.实验目的和要求
巩固熟悉方差分析的相关原理及方法，掌握方差分析在Excel中的计算实现。
2.实验原理
方差分析的相关原理及方法。
3.主要仪器设备（软件）
1）硬件配置：
使用综合实验室中现有配置的计算机，无特殊要求。
2）软件环境：
WindowsXP或以上的操作系统，Excel软件。
4.实验内容及步骤
方差分析的相关内容选作2-3个计算实例。
5．实验数据记录
方差分析：
单因素方差分析
一家管理咨询公司为不同的客户进行人力资源管理讲座。
每次讲座的内容基本相同，但讲座的听课者有时是高层管理者，有时是中层管理者，有时是底层管理者。
该咨询公司认为，不同层次的管理者对讲座的满意度是不同的。
听完讲座后随机抽取的不同层次管理者的满意度评分如下表所示（评分标准从1到10，10代表非常满意）。
取显著性水平α=0.05，检验管理者的层次不同是否会导致评分的显著性差异？
观测序号
高层管理者
中层管理者
底层管理者
1
7
8
5
2
7
9
6
3
8
8
5
4
7
10
7
5
9
9
4
6
10
8
7
8
解：
设u1，u2，u3分别表示高，中和底层管理者的评分均值。
提出假设：
H0：
u1=u2=u3（管理者的层次对评分没有显著影响）
H1：
u1，u2，u3不全相等（管理者的层次对评分有显著影响）
操作截图：
作出决策：
由于F>F0.05，则拒绝原假设H0，表明u1，u2，u3不全相等，管理者的层次对评分有显著影响。
方差分析：
无重复双因素分析
有4个品牌的空调在5个地区销售，为分析空调的品牌和销售地点对销售量的影响，取得每个品牌在各地区的销售量（台）数据如表所示。
试分析品牌和销售地区对空调的销售量是否有显著影响？
（α=0.05）
地区1
地区2
地区3
地区4
地区5
品牌1
365
350
343
340
323
品牌2
345
368
363
330
333
品牌3
358
332
353
343
308
品牌4
288
280
298
260
298
解：
对行元素和列元素分别提出假设：
H01：
品牌元素对空调销售量没有显著影响；H11：
品牌元素对空调销售量有显著影响。
H02：
地区元素对空调销售量没有显著影响；H12：
地区元素对空调销售量有显著影响。
操作截图：
作出决策：
由于FR=18.10777>F0.05=3.490295，所以拒绝原假设H01，表明四种品牌空调的销售量的平均值之间的差异是显著的，这说明品牌对销售量有显著影响。
由于FC=2.1008466.问题及体会
利用方差分析的相关原理及方法，掌握方差分析在Excel中的计算实现。
通过上机操作，巩固熟悉方差分析的相关原理及方法，掌握方差分析在Excel中的相关计算过程，并能正确地作出决策，解决问题。
实验项目三:
相关与回归分析的计算实现
实验时间：
________2015-11-5________
1.实验目的和要求
巩固相关与回归分析的相关理论，掌握相关与回归分析在Excel中的计算实现。
2.实验原理
相关与回归的相关原理及方法。
3.主要仪器设备（软件）
1）硬件配置：
使用综合实验室中现有配置的计算机，无特殊要求。
2）软件环境：
WindowsXP或以上的操作系统，Excel软件。
4.实验内容及步骤
相关与回归的相关内容选作2-3各计算实例。
5．实验数据记录
数据分析：
相关系数
为研究产量规模与单位产品利润额之间有无关联，调查了8家钢厂得到数据绘制成以下表格所示的相关表。
计算表中钢产量与吨钢利润之间的直线相关系数。
钢厂编号
钢产量（万吨）
吨钢利润（元/吨）
1
482
95
2
603
104
3
898
138
4
1057
156
5
1146
150
6
1324
172
7
1557
198
8
1730
203
操作截图：
计算结果表明：
钢产量与吨钢利润之间的直线相关系数为0.991，两者存在相当高的正相关关系。
数据分析：
线性回归分析
为研究产量规模与单位产品利润额之间有无关联，调查了8家钢厂得到数据绘制成以下表格所示的相关表。
计算表中的钢产量与吨钢利润之间的一元回归模型参数。
钢厂编号
钢产量（万吨）
吨钢利润（元/吨）
1
482
95
2
603
104
3
898
138
4
1057
156
5
1146
150
6
1324
172
7
1557
198
8
1730
203
操作截图：
计算结果表明：
截距（Intercept）â为53.3549，自变量x的系数β为0.0897。
6.问题及体会
利用相关与回归分析的相关原理及方法，掌握相关与回归分析在Excel中的计算实现。
通过上机操作，巩固熟悉相关与回归分析的相关原理及方法，掌握相关与回归分析在Excel中的相关计算过程，并能正确地作出决策，解决问题。
升级会员 