统计学 实验报告.docx
《统计学 实验报告.docx》由会员分享，可在线阅读，更多相关《统计学 实验报告.docx（14页珍藏版）》请在冰豆网上搜索。
统计学实验报告
统计学课程实验报告
专业：
工业工程
班级：
姓名：
学号：
机电工程学院
工业工程
一、描述统计实验3
二、假设检验实验7
三、方差分析实验9
四、相关分析与回归分析实验12
一、描述统计实验
实验日期：
2013年6月27日
实验目的：
（1）掌握软件的基本操作；
（2）掌握Frequencies、Descriptives、Means常用描述统计的基本内容、作用、方法；
（3）熟悉软件的结果输出界面，掌握各输出统计量的统计学含义。
实验过程及结果分析：
实验过程及结果分析：
1.1、个人信息录入
2.1、学号2011040602024对应的“教育概况”分数改为100
2.2、“教育概论”课的频率分布表
分析——〉描述统计——〉频率（F）
教育概况
频率
百分比
有效百分比
累积百分比
有效
66
1
3.3
3.3
3.3
71
1
3.3
3.3
6.7
72
1
3.3
3.3
10.0
73
1
3.3
3.3
13.3
74
2
6.7
6.7
20.0
76
1
3.3
3.3
23.3
77
1
3.3
3.3
26.7
78
2
6.7
6.7
33.3
79
2
6.7
6.7
40.0
80
1
3.3
3.3
43.3
81
1
3.3
3.3
46.7
82
2
6.7
6.7
53.3
83
2
6.7
6.7
60.0
84
1
3.3
3.3
63.3
85
3
10.0
10.0
73.3
87
1
3.3
3.3
76.7
88
1
3.3
3.3
80.0
89
1
3.3
3.3
83.3
90
2
6.7
6.7
90.0
91
1
3.3
3.3
93.3
93
1
3.3
3.3
96.7
100
1
3.3
3.3
100.0
合计
30
100.0
100.0
2.3、“教育概论”课的频率带曲线的直方图
2.4、分析直方图所反应的偏度及峰度
统计量
教育概况
N
有效
30
缺失
0
偏度
.161
偏度的标准误
.427
峰度
.118
峰度的标准误
.833
3.1、学号2011040602024对应的“看报时间”时间改为100分钟
3.2、分析每天的看报时间大约有多少分钟（DependentList）、性别（IndependentList）
1）、分析——〉比较均值——〉均值
2）、DependentList框：
你每天的看报时间大约有多少分钟？
IndependentList框：
性别
3）、确定运行
4）、结果分析
案例处理摘要
案例
已包含
已排除
总计
N
百分比
N
百分比
N
百分比
你每天的看报时间大约有多少分钟？
（请填数字）*性别
1008
90.8%
102
9.2%
1110
100.0%
报告
你每天的看报时间大约有多少分钟？
（请填数字）
性别
均值
N
标准差
男
42.94
831
29.732
女
38.11
177
28.407
总计
42.09
1008
29.547
结果分析：
根据数据分析，男生每天看报的时间大约为42.94分钟,女生每天看报时间大约为38.11分钟。
二、假设检验实验
实验日期：
2013年6月27日
实验目的：
掌握假设检验的基本内容、原理、步骤，掌握详细的软件操作过程，熟悉软件的结果输出界面，掌握各输出统计量的统计学含义。
实验过程及结果分析：
1.1、假设检验步骤
1）、陈述原假设H0和备择假设
2）、从所研究的总体中抽出一个随机样本
3）、确定一个适当的检验统计量，并利用样本数据算出其具体数值
4）、确定一个适当的显著性水平α（显著性水平是指当原假设正确时人们却将它拒绝的概率），并计算出其临界值，指定拒绝域
6）、将统计量的值与临界值进行比较，做出决策
6）、统计量的值落在拒绝域，拒绝H0，否则不拒绝H0
2.1、单样本T检验
检验数据资料edu.sav中“教育概况”课程成绩与预测的81分有否显著差异
1）分析——〉比较均值——〉单样本T检验（S）
2）检验值框中输入检验值（81）；置信区间百分比（C）为95%
3）确定输出结果
4）结果分析
单个样本统计量
N
均值
标准差
均值的标准误
教育概况
30
81.83
7.424
1.355
单个样本检验
检验值=81
t
df
Sig.（双侧）
均值差值
差分的95%置信区间
下限
上限
教育概况
.615
29
.543
.833
-1.94
3.61
结果分析：
Sig.（双侧）=0.543>0.05与预测的81分大致相当
3.1、两独立样本T检验
根据数据资料：
6章_数据1.sav，分析男女每天的看报时间有否显著差异
1）分析——〉比较均值——〉独立样本T检验（T）
2）将“性别”选入“检验变量栏”中，把“您每天看报时间”选入“分组变量”框中；
3）单击“定义组”按钮，弹出定义分组对话框，选择“使用指定值”，并在组1和组2后面的矩形框中分别输入变量1和2（因性别变量中用1、2表示两班），单击“继续”按钮，返回主对话框
4）在主对话框中点“确定”按钮提交运行。
5）结果分析
组统计量a
你每天的看报时间大约有多少分钟？
（请填数字）
N
均值
标准差
均值的标准误
性别
1
9
1.22
.441
.147
2
4
1.00
.000
.000
结果分析：
1）、Sig=0.19>0.05，不拒绝方差相等的原假设，可以认为两样本方差相等，因此对应第一行的T检验结果是正确的。
2）、由上面结论，再看第一行的Sig.（双侧）=0.347>0.05，可认为男女每天看报时间没有显著差异。
三、方差分析实验
实验日期：
2013年6月27日
实验目的：
掌握方差分析的基本作用、原理、方法，掌握详细的软件操作过程，熟悉软件的结果输出界面，掌握各输出统计量的统计学含义。
实验过程及结果分析：
1.1、方差分析的基本原理
1）、考察不同饮料颜色对销售量影响；
2）、系统误差（如饮料颜色）与随机误差（抽样误差）对观察值存在影响；
3）、如果不同颜色（水平）对销售量（结果）没有影响，那么在组间方差中只包含有随机误差，而没有系统误差。
这时，组间方差与组内方差就应该很接近，两个方差的比值就会接近1
4）、如果不同的水平对结果有影响，在组间方差中除了包含随机误差外，还会包含有系统误差，这时组间方差就会大于组内方差，组间方差与组内方差的比值就会大于1
5）、当这个比值大到某种程度时，就可以说不同水平之间存在着显著差异
2.1、根据数据资料“2章_数据1”用单因素方差分析方法判断两种教学方法对两个班的成绩有无显著影响。
1）分析——〉比较均值——〉单因素ANOVA
2）将成绩放入因变量列表中，班级放入因子中。
3）点击“两两比较”按钮，选中“LSD”、“Duncan（D）”、“Tamhane’sT2”，点击“继续”按钮
4）确定运行；
5）结果分析；
描述
成绩
N
均值
标准差
标准误
均值的95%置信区间
极小值
极大值
下限
上限
1
20
26.95
8.236
1.842
23.10
30.80
11
40
2
20
31.65
6.434
1.439
28.64
34.66
19
40
总数
40
29.30
7.673
1.213
26.85
31.75
11
40
该表为描述统计量结果，给出了两个班级的样本含量N、因变量学生成绩的平均值、标准差、标准误、95%的置信区间以及最小和最大值。
方差齐性检验
成绩
Levene统计量
df1
df2
显著性
.892
1
38
.351
该表给出了方差齐性检验结果，从显著概率看，显著性=0.351>0.05，说明两组的方差在0.05水平上没有显著性差异，即方差具有齐性。
ANOVA
成绩
平方和
df
均方
F
显著性
组间
220.900
1
220.900
4.044
.051
组内
2075.500
38
54.618
总数
2296.400
39
该表给出了方差分析结果，与未使用选项的输出结果一样给出了组间、组内的偏差平方和、均方、F值和概率P值（显著性值），从显著性水平的P=0.51>0.05看出，各组间均值在0.05水平上没有显著性差异。
结果分析：
两种教学方法对两个班的成绩无显著影响。
3.1、学号2011040602024对应的错误率i改为15
3.2、根据10章_数据1.sav（三组形声字、反应时i、错误率i），考察不同类型字对汉字识别时间（迅速准确独处该字时间）是否有影响。
1）、分析——〉比较均值——〉单因素ANOVA
2）、组别——〉“因变量列表”，反应时i、错误率I；“因子”，形声字
3）、选项——〉描述性，方差同质性检验——〉继续
4）、确定运行；
5）、结果分析；
均值相等性的键壮性检验
统计量a
df1
df2
显著性
反应时i
Brown-Forsythe
4.694
2
46.272
.014
错误率i
Brown-Forsythe
4.298
2
43.989
.020
结果分析：
Sig.=0.14>0.05满足单因素方差分析时方差相等的假定要求；
结果分析：
Sig.=0.13>0.05……三组被试在对汉字识别时间上无显著差异
Sig.=0.18>0.05……三组被试在对汉字识别错误率上无显著差异
四、相关分析与回归分析实验
实验日期：
2013年6月27日
实验目的：
掌握相关分析的基本内容、作用、方法，掌握详细的软件操作过程，熟悉软件的结果输出界面，掌握各输出统计量的统计学含义。
实验过程及结果分析：
1.1、相关分析与回归分析
（一）相关分析
1、相关关系的测度（相关系数取值及其意义）：
1）r的取值范围是[-1,1]
2）|r|越趋于1表示关系越密切；|r|越趋于0表示关系越不密切
1）前提假设：
1）正态分布；2）样本间相互独立；3）处理极值、离群值
（二）回归分析
从一组样本数据出发，确定变量之间的数学关系式。
2.1、根据数据资料“civil.sav”求解“民航客运量（万人）”和“国民收入（亿元）”的相关系数，说明其相关性。
1）图形——〉旧对话框——〉散点/点状
2）简单分布——〉确定，将“民航客运量（万人）”、“国民收入（亿元）”分别选入“X轴”“Y轴”框中
3）确定运行。
4）结果分析
结果分析：
民航客运量（万人）与国民收入（亿元）呈高度线性相关关系
2.2、根据数据资料“civil.sav”，对“民航客运量（万人）”和“国民收入（亿元）”间的关系进行回归分析。
1）“分析”——〉“回归”——〉“线性”，“民航客运量（万人）”作为因变量进入因变量栏中，“国民收入（亿元）”作为自变量进入自变量栏中；
2）统计量——〉描述性，保持其它默认值——〉Continue;
3）确定运行。
4）结果分析
描述性统计量
均值
标准偏差
N
民航客运量（万人）
1159.19
960.743
16
国民收入（亿元）
9611.69
6643.540
16
相关性
民航客运量（万人）
国民收入（亿元）
Pearson相关性
民航客运量（万人）
1.000
.989
国民收入（亿元）
.989
1.000
Sig.（单侧）
民航客运量（万人）
.
.000
国民收入（亿元）
.000
.
N
民航客运量（万人）
16
16
国民收入（亿元）
16
16
结果分析：
Sig.=0.989>0.5，民航客运量（万人）和国民收入（亿元）呈正向高相关关系
结果分析：
模型汇总（ModelSummary）给出了相关系数（R），判定系数（RSquare，R2），调整判定系数（AdjustedRSquare），估计值的标准误（（Std.ErroroftheEstimate）。
结果分析：
方差分析（ANOVA）。
给出了回归模型的方差分析结果。
回归的均方=13555287.26、剩余的均方=20723.084。
F=654.115，Sig.=0.000<0.01，说明模型与数据拟合成都非常好。
结果分析：
回归分析中的系数（Coefficients）。
常数项（Constant）=-216.148、回归系（B）=0.143、回归系数的标准误（Std.Error）=0.006、标准化回归系数（（Beta=0.989；回归系数t检验的t值=25.576，Sig=0.000（与方差分析一致），可认为回归系数有显著意义，说明识字量对阅读能力的回归显著。
得直线回归方程为：
y=-216.148+0.143x
升级会员 