社会学及统计学研究论文统计分析论文18篇.docx

社会学及统计学研究论文统计分析论文18篇.docx

《社会学及统计学研究论文统计分析论文18篇.docx》由会员分享，可在线阅读，更多相关《社会学及统计学研究论文统计分析论文18篇.docx（33页珍藏版）》请在冰豆网上搜索。

社会学及统计学研究论文统计分析论文18篇

社会学及统计学课题研究论文

统计分析论文18篇

【摘　要】通过对企业多年的电气事故案例统计与分析发现，企业配电系统的电气事故主要发生在电气设备上，操作事故也是多发事故。

只要加强设备管理、加强人员培训提高业务素质、按照规范规程操作；建立企业配电网的事故信息收集和分析系统，有针对性的采取防范措施，可大大降低事故机率，提高安全供电水平，确保企业生产连续平稳。

【关键词】统计分析统计分析论文

统计分析论文:

用线性模型统计分析论文

本文主要分析线性-对数模型

（2），分别从随机误差项u、参数1b及x的样本范围三方面，利用Eviews软件及D-W检验，分析误用线性模型处理之后的自相关性，从而判断线性-对数模型有无误用线性模型．

1随机误差项大小对误用线性模型的影响

1.1数值模拟具体步骤

1.2数值模拟结果具体分析根据数值模拟的结果，对数据进行处理，得到表1．由表1可知，线性－对数模型中的随机误差项对于误用线性模型后，DW检验是否存在显著自相关有明显影响．当随机误差项服从的正态分布的标准差为0.01时，残差序列存在显著自相关或DW检验失效的比例较高，达到94.2%，说明线性－对数规律性明显，随机干扰较弱，容易发现线性模型有问题，如果用线性模型处理，会产生较大的误差，从而会影响问题的解决．当标准差由0.01逐渐变大时，残差序列存在显著自相关或DW检验失效的比例会逐渐降低，当标准差达到0.05时，存在显著自相关或DW检验失效的比例仅为18.8%，这反映出干扰较大时，样本观察值的线性-对数规律性不太明显，这时，难以通过DW检验发现是否误用了线性模型，这时要注意从经济规律本身分析变量之间的关系，从而确定模型函数形式，或用其它检验方法进行进一步检验．当然，如果仅以预测为目标，这时用线性模型也是可以考虑的．

2样本范围大小对误用线性模型的影响

2.1数值模拟具体步骤第一步：

取定参数0b1和1b2；第二步：

选定解释变量的一个容量为30的样本，在一个实数范围内选择30个实数作为ix的模拟观测值：

12330x,x,x,x（首先选实数范围为0.01–0.3，之后将实数范围分别改为0.01–0.6，0.01–0.9，0.01–1.2，再分别进行数值模拟）；第三步：

利用软件在实数范围内产生一组随机误差项：

12330u,u,uu，iu服从N（0，0.12）；第四步：

将得到的随机数和已知的变量代入lny12xu模型中，从而得到30个ilny的模拟观测值．将得到的随机数和已知的变量代入yexp（lny），从而得到30个iy的模拟观测值；第五步：

利用产生的30个lniy值，对所选的30个x值进行回归，得线性-对数模型

（2）的估计，并利用如此产生的iy值，对所选的30个x值进行回归，得线性模型的估计；第六步：

提取线性模型的DW统计量，并查表得n30，k2，显著性水平0.05时，1.35ld，1.49ud；第七步：

循环10000次，统计检验结果存在显著一阶自相关性或DW检验失效的百分比．

2.2数值模拟结果具体分析根据数值模拟结果，统计分析得到表2．样本范围大小不同时，残差序列存在显著自相关的分布图见图1．由表2和图1可以看出，在随机误差项u和b1取值确定的情况下，x的取值范围也会影响线性-对数模型误用线性模型后DW检验的结果．当样本范围逐渐扩大时，残差序列的自相关性逐渐显著．在样本范围为（0.01–0.3）的情况下，线性-对数模型用线性模型处理后，DW检验残差序列显著自相关或DW检验失效的比例为17.2%，随着样本范围变大为（0.01–0.6），可以看到显著自相关或DW检验失效的比例有所提高，为36.9%，在图1中看到模型的非线性还不明显，如果DW检验残差序列不存在自相关性，误将线性-对数模型用线性模型处理，得到的线性模型误差不太大，是可以接受的．但是，当x范围变为（0.01–0.9）的时候，D-W检验出的显著自相关或DW检验失效的比例很大，从图1中也可以看出线性-对数模型不宜用线性模型处理，否则误差会比较大．当样本范围再次扩大的时候，可以发现线性-对数模型的非线性更加明显了，而且D-W检验的残差序列的显著自相关或DW检验失效的比例接近100%，此时线性-对数模型完全不能用线性模型处理．因此，对线性-对数问题，用线性模型处理的时候，如果x的解释取值范围较小，即使DW检验显示不存在显著一阶自相关，也应该注意检验是否存在误用函数形式的问题，否则就可能出现误用函数形式的错误．当然，这时即使犯了误用函数形式的错误，因为非线性规律不明显，单纯从误差的角度来看，与用非线性模型处理相差也不会很多．

3参数取值的大小对误用线性模型的影响

3.1数值模拟具体步骤第一步：

取定参数0b1和1b6（之后将参数1b改为5，2，1，分别进行数值模拟）；第二步：

选定解释变量的一个容量为30的样本，数值分别为：

0.01，0.02，0.03，0.04，0.05，0.06，0.07，0.08，0.09，0.1，0.11，0.12，0.13，0.14，0.15，0.16，0.17，0.18，0.19，0.2，0.21，0.22，0.23，0.24，0.25，0.26，0.27，0.28，0.29，0.3；第三步：

利用软件在实数范围内产生一组随机误差项：

12330u,u,uu，iu服从N（0，0.12）；第四步：

将得到的随机数和已知的变量代入lny16xu模型中，从而得到30个ilny的模拟观测值．将得到的随机数和已知的变量代入yexp（lny），从而得到30个iy的模拟观测值；第五步：

利用产生的30个ilny值，对所选的30个x值进行回归，得线性-对数模型

（2）的估计，并且利用如此产生的iy值，对所选的30个x值进行回归，得线性模型的估计；第六步：

提取得线性模型的DW统计量，并查表得n30，k2，在显著性水平0.05时，1.35ld，1.49ud；第七步：

循环10000次，统计检验结果有自相关性或DW检验失效的百分比．

3.2数值模拟结果具体分析根据数值模拟的结果，对数据进行统计分析，得表3．由表3可以看出，在随机误差项方差和样本范围大小确定的情况下，线性-对数模型中的b1的不同取值，对误用线性模型后DW检验显著自相关或检验失效的比例有明显影响．当b1为6的时候可以看到线性-对数模型线性化后，残差序列显著自相关或DW检验失效的比例为100%，在这种情况下，容易发现线性模型存在问题，不容易犯误用线性模型的错误．当改变b1的取值时，显著自相关或DW检验失效的比例也随之改变，当取值逐渐变小的时候，显著自相关或DW检验失效的比例会逐渐降低．当b1取值达到2的时候，显著自相关或DW检验失效的比例为17.2%，当b1取值为1的时候，显著自相关或DW检验失效的比例为16.2%，虽有所降低，但是幅度有所减慢，如果以为不存在一阶自相关就应用线性模型处理，则会出现误用线性模型的问题．不过当b1为2和比2小的时候，线性-对数模型的曲率较小，用线性模型作为线性-对数模型的近似，误差是较小的，对预测结果影响不大．由此可以得出，在半对数模型用线性模型处理的过程中，b1是重要的影响因素，需要根据线性-对数模型的实际情况，通过数值模拟的结果分析和DW检验，查看半对数模型线性化后残差序列的自相关性程度．如果显著自相关，则线性-对数模型用线性模型处理带来的误差就较大，应进一步探索自相关的原因，当不存在显著自相关时，可能会出现误用线性模型问题，如果仅研究变量间的数量关系，也可以将线性-对数模型用线性模型近似．

4结语

本文分析了线性-对数模型误用线性模型的三种情况。

运用Eviews进行蒙特卡洛实验，以及D-W检验，直观地说明了线性-对数模型中的随机误差项u、参数b1取值大小和x的取值范围影响误用线性模型的可能性．当总体非线性规律明显时，常常能检验出残差序列自相关或出现DW检验失效的情况，因此出现残差序列自相关或出现DW检验失效的情况，要注意检验是否因为总体规律非线性所致．当DW检验不存在一阶自相关时，容易忽略总体规律非线性检验，会造成误用线性模型的失误．但幸运的是，这时非线性规律实际是不太明显的，如果仅考虑变量之间的数量关系的话，线性模型也是可以接受的．

统计分析论文:

农村收入统计分析论文

1农业收入

1.1第二产业收入由图3可知，工业收入在2011年最高，为2404285元；其次是2010年，收入为2338300元；两个年度相差65985元。

同时1987年收入最低，为131497元；其次是1988年的184838元；两个年度相差53341元。

分别低于2011年的2272788元和2010年的2153462元；处于中间地位的是1992年的687745元和1996年的756666元，分别低于2011年的1716540元和2010年的1581634元，高于1987年的556248元和1988年的571828元，表明山西省固定观察点“十村千户”工业收入变化趋势符合y=68693x+71873；建筑业收入在2002年最高，为134964元；其次是2010年，收入为419500元；两个年度相差284536元。

同时2008年收入最低，为12800元；其次是1987年的13280元；两个年度相差480元。

分别低于2002年的122164元和2010年的406220元；处于中间地位的是2001年的32280元和1996年的34850元，分别低于2002年的102684元和2010年的384650元，高于2008年的19480元和1987年的21570元，表明山西省固定观察点“十村千户”建筑行业收入变化趋势符合y=9659.8x-28049。

1.2第三产业收入

1.2.1流通部门收入由图4可知，运输行业收入在2011年最高，为2113150元；其次是2012年，收入为2029700元；两个年度相差83450元。

同时1988年收入最低，为123320元；其次是1987年的133435元；两个年度相差59103元。

分别低于2011年的499535元和2012年的548523元。

处于中间地位的是2007年的633855元和1996年的681950元，分别低于2011年的1490295元和2012年的1347742元，高于1988年的499535元和1987年的548523元，表明山西省固定观察点“十村千户”运输行业收入变化趋势符合y=47758x-49923；商业收入在2002年最高，为1227762元；其次是1996年，收入为691958元；两个年度相差545804元。

同时2010年收入最低，为72000元；其次是2012年的81000元；两个年度相差9000元。

分别低于2002年的1155762元和1996年的600958元；处于中间地位的是2006年的427600元和1997年的459335元，分别低于2002年的800162元和1996年的222623元，高于2010年的355600元和2012年的378335元，表明山西省固定观察点“十村千户”商业行业收入变化趋势符合y=8699.0x+2.8E+5；娱乐服务业收入在2008年最高，为123000元；其次是2009年，收入为81000元；两个年度相差42000元。

同时2001年收入最低，为46200元；其次是2002年的50310元；两个年度相差4110元。

分别低于2008年的76800元和2009年的30690元；处于中间地位的是2006年的55600元和1997年的64000元，分别低于2008年的67400元和2009年的17000元，高于2001年的15200元和2002年的14400元，表明山西省固定观察点“十村千户”娱乐行业收入变化趋势符合y=-62004x+1.5E+6。

1.2.2文教卫生和其他行业收入由图5可知，文教卫生业收入在2012年最高，为78500元；其次是2011年，收入为59500元；两个年度相差19000元。

同时2007年收入最低，为12000元；其次是2006年的16000元；两个年度相差4000元。

分别低于2012年的66500元和2011年的43500元；处于中间地位的是2004年的27200元和2003年的30400元，分别低于2012年的51300元和2011年的29100元，高于2007年的15200元和2006年的43500元，表明山西省固定观察点“十村千户”文教卫生行业收入变化趋势符合y=5147.0x-75945；其他行业收入在2011年最高，为734600元；其次是2009年，收入为745930元；两个年度相差11330元。

同时1988年收入最低，为20365元；其次是1987年的27374元；两个年度相差9元。

分别低于2011年的734600元和2009年的745930元；处于中间地位的是1998年的129750元和2003年的141300元，分别低于2011年的604820元和2009年的604630元，高于1988年的109385元和1987年的120926元，表明山西省固定观察点“十村千户”建筑行业收入变化趋势符合y=28931x-1.2E+5。

2结论

山西省农业主要收入来源有9个方面，本文经过对30余年的统计数据进行分析，对山西省农业各行业收入状况进行了线性变化统计，结果表明，除娱乐业收入呈现出线性降低之外，其余收入组成均表现出线性升高的变化趋势。

林业收入变化相对比较稳定，收入曲线升高角度较小；工业收入与林业相比提高幅度较大，特别是2007年之后升高幅度显著升高；农业加工收入在2001年~2007年之间稳定性较好，近3年又呈现出降低的变化；建筑业收入在2001年之前一直处于较低水平，但是2010年开始迅猛升高；运输业2003年之前发展比较缓慢，而从2004年开始发展迅速，线性变化关系显著；商业收入稳定性较差，尽在2001年~2010年间较为稳定，2011年后快速降低；娱乐业收入线性降低，表明该行业已经进入萎缩期；文教卫生收入只在2003年之后才呈现升高的变化，证明农村生活状况仅在2003年之后才发生显著变化；其他行业收入中，2003年~2010年直线上升，而到了近两年，收入相对比较稳定。

综合分析认为，山西省农村农业收入变化线性关系比较显著，具备预测基础。

统计分析论文:

世界杯统计分析论文

1结果与分析

1.1哥伦比亚与科特迪瓦比赛的技术分析首场取胜的哥伦比亚在次战遇到了“非洲大象”科特迪瓦，上半场双方都比较谨慎，事关出线的战役两队在上半场战成0-0，但是下半场开始20分钟左右，哥伦比亚开始突然发力。

90分钟比赛结束，哥伦比亚2-1击败对手，由于日本和希腊0-0战平，哥伦比亚提前一轮从这个小组出线。

由表2可知，整场比赛的技术统计，哥伦比亚除了在越位这个尴尬的数据和射正数领先之外，他们无论是射门数、控球率、传球成功率、抢断以及传球数都落后科特迪瓦队。

虽然整场比赛控制力不如“非洲大象”，但是哥伦比亚队的进攻效率实在太高，6次射正2次转化为进球。

1.2哥伦比亚与日本比赛的技术分析由于前两轮小组赛哥伦比亚已经两连胜提前从小组出线，为了蓄力备战淘汰赛，此役佩克尔曼派出的首发阵容和前2场小组赛相比有了8处改变，阵型也由此前两场的“4-2-3-1”变成“4-1-4-1”。

日本队前2场比赛1平负，他们只有在最后一场比赛击败哥伦比亚才会有出线机会，日本在最后一场小组赛的阵型是“4-2-3-1”。

比赛开始后，由于是替补出战，哥伦比亚采用防守反击的打法，但是该队还是4-1击败日本勇夺3连胜小组头名出线。

由表3可知，哥伦比亚在小组赛最后一场比赛仍然在大部分数据中落后，但是哥伦比亚仍然以4-1的比分击败日本，“南美雄鹰”90分钟比赛4脚射正全部转化为进球，这种100%的命中率与日本7次射正仅仅获得1个进球形成强烈的反差。

1.3哥伦比亚与乌拉圭比赛的技术分析进入八分之一决赛，哥伦比亚的阵型再度更换，从小组赛第三场的“4-1-4-1”变成熟悉的“4-2-3-1”，和小组赛前2场首发阵容相比，佩克尔曼拿下了14号伊巴尔博，用21号马丁内斯顶替。

乌拉圭在从死亡之组突围后损失一大将，苏亚雷斯因为“咬人事件”无缘淘汰赛，乌拉圭主教练塔瓦雷斯使用“5-3-2”的防守阵型。

经过90分钟的激烈比赛，哥伦比亚2-0完胜乌拉圭闯入世界杯8强，这是该国历史上首次闯入世界杯8强。

由表4可知，哥伦比亚在本届世界杯首次在控球率和传球成功率方面超过对手，控球率，他们以51%力压乌拉圭2个百分点，传球成功率，他们超过乌拉圭4个百分点。

传球数，哥伦比亚也开赛至今第二次超过对手。

能够历史首次跻身世界杯8强，哥伦比亚还是依靠高效的进攻，他们在本场比赛和乌拉圭都是一样射正4次，但是哥伦比亚却将这4次射正转换成2个进球，乌拉圭则在缺少苏亚雷斯的情况下不得不被哥伦比亚零封。

1.4哥伦比亚与巴西比赛的技术分析历史首次闯入世界杯8强后，佩克尔曼在四分之一决赛和东道主巴西的比赛仍然采用“4-2-3-1”的阵型，但是首发11人中又和八分之一决赛和乌拉圭有一处变化，13号瓜林在本届世界杯获得首次首发机会，他顶替了8号阿吉拉尔出任后腰。

此役，面对东道主，哥伦比亚最终1-2不敌东道主巴西遗憾止步8强，没能继续创造历史的脚步。

由表5可知，哥伦比亚本场比赛只有在传中、角球、犯规以及越位领先巴西队，但是这次“南美雄鹰“没能将定位球的优势展现出来，相反巴西却利用一次角球和任意球的机会完成2粒进球。

这场半决赛，哥伦比亚11次射门虽然仅仅落后巴西队2次，但是射正数只有2次，失去准星之后，哥伦比亚也失去了创造历史的最后机会。

最终，本届世界杯，哥伦比亚5战4胜1负止步8强。

2结论与启示

哥伦比亚队在2014年巴西世界杯闯入8强，创造了本国在世界杯历史的最佳战绩，其流畅的进攻、合理的年龄结构、整体组织和攻防转换的能力以及耐心渗透进攻的打法，给国际足坛带来了几丝清凉之风。

哥伦比亚5场比赛共计射门57次；进球12个，这项数据排名所有32支参赛球队第3；失球3个是巴西世界杯8强丢球数最少的队伍之一。

第一，整个球队的稳定性。

哥伦比亚大牌不是很多，球队能保持精诚团结、协同作战;而在佩克尔曼的率领下，球队的足球理念、战术思路具有高度的统一性和长期的延续性。

第二，球队卓有成效的防守。

哥伦比亚防守时全员参与，注重快速阻截和抢断，以区域防守为重点并结合对优秀球员盯防的整体防御体系。

第三，良好的中场控制力。

中场是足球竞赛的关键区域，进攻时便于组织和射门，防守时利于拦截和抢断，当前世界足球强队都具备强大的中场控制能力。

本届世界杯，哥伦比亚最大的发现，就是罗德里格斯，在佩克尔曼的体系中，中场的5名球员都在世界杯中发挥了自己应有的水平，两名后腰，中场左右飞翼以及中场都是哥伦比亚世界杯创造佳绩的保证。

统计分析论文:

混凝土冲击寿命的统计分析论文

1威布尔分布模型、秩和顺序统计量简介

威布尔分布模型是瑞典科学家WaloddiWeibull于1939年提出的一种概率密度分布函数类型，它包含有3个参数，分别为位置参数、形状参数和尺度参数。

威布尔分布的优点在于它适用于小样本抽样及它对各种类型实验数据极强的适应能力。

若随机变量T服从3参数威布尔分布，则其概率密度函数为。

式中，β＞0为形状参数，η＞0为尺度参数，γ≥0为位置参数，记作T～W（β，η，γ）。

当β=1时，为指数分布;当β=2时，为瑞利分布;当β在3～4之间取值时，接近于正态分布，可见威布尔分布适应能力强、覆盖性强。

当γ取值为零时，即为双参数威布尔分布模型。

顺序（或次序）统计量是数理统计学中具有广泛应用的一类统计量。

设X为一总体，将一容量为n的样本观察值x1、x2、…、xn按自小到大的次序编号排列成:

x

（1）≤x

（2）≤…≤x（n），称x

（1）、x

（2）、…、x（n）为顺序统计量;称x（i）的足标i（i=1，2，…，n）为x（i）的秩或秩序数，当出现某些观察值相等时，将足标i的平均值作为这些观察值的秩。

2实验概况及结果

2．1原材料、配合比水泥为天津水泥股份有限公司生产的骆驼牌P•O42．5普通硅酸盐水泥;实验所用砂为天然河砂，细度模数为2．6的中砂;石子选用连续级配的碎石，粒径5～20mm;水为普通自来水。

水灰比为0．49，砂率为36%，实验配合比见表1。

2．2实验方法和结果试件采用课题组自行设计的U型混凝土试件，（采用U型试件能够预先确定试件开裂的位置，利于实验结果的观察和记录，提高可预知性［10］。

）其尺寸为:

两个矩形长脚其长×宽为85mm×50mm，厚度为65mm;半圆形拱的内外半径分别为85和135mm。

U型试件的成型采用自制的钢制模具，同时为了减少人为因素造成的影响，采用质量控制的方法严格控制U型混凝土试件间的差异性。

试件成型后24h脱模，并放入标准养护室养护28d。

并在进行抗冲击实验前4h从养护室把试件取出，并将外表面擦拭干净、晾干。

根据目前已有落锤冲击实验的基本原理和思路，实验采用本课题组自制的、带有滑轨和钢制底座的自由落锤抗冲击装置，如图1所示。

落锤采用高强钢材制作而成，取其4个质量水平分别为0．875，0．8，0．675和0．5kg，实验时，落锤的冲击高度为400mm。

应变片的粘结参照文献［12-13］，将应变片粘贴在混凝土U型试件几何中心底部受拉区的中部，以及侧表面的上边缘处，粘贴应变片时先用砂纸将试件贴片处的表面打磨平整，并用酒精将其擦拭干净，然后粘贴应变片。

实验时将该侧表面面对观测者，并将应变片与动态数据采集系统相连接。

冲击实验的过程、裂缝的观测及冲击次数的判断，参照文献［13］和［14］中附录D的方法进行:

将试件放在落锤的正下方，并将自制的落锤从一定的高度自由落下冲击试件，至冲击后落锤完全静止;每完成一次冲击即为一个循环，如此反复多次，仔细观察试件表面，当试件从无裂缝到产生第一条微裂缝时，即试件底部受拉区的应变值发生突变时，记录下此时的冲击寿命，即为初裂冲击寿命N1;当试件底部裂缝向上发展并将贯穿整个截面时，记录下此时的冲击寿命，即为破坏冲击寿命N2。

每组12个试件，共48个试件，其冲击实验结果如表2。

3冲击寿命的Weibull分布分析

3．1冲击寿命的威布尔描述鉴于冲击实验破坏机理与疲劳实验破坏机理的相似性，参照文献［9］中威布尔分布关于疲劳寿命的描述，将威布尔分布理论用于冲击寿命N的概率统计分析。

若冲击寿命N服从3参数威布尔分布。

在上述式（3）和（4）中，N0、Na、b3个参数分别对应着γ、η、β，即分别代表最小冲击寿命参数、尺度参数和形状参数。

并注意到，当冲击寿命N的随机取值为Na时，利用上述式（4），可求得F（Na）=1－1/e=0．632，为固定值，与其它参数值的大小无关，此时冲击寿命Na也被重新标度为特征冲击寿命参数。

并且当最小冲击寿命参数N0的取值为0时，3参数威布尔分布变为双参数威布尔分布。

3．2威布尔分布检验累积失效概率函数为F（N），则生存概率函数（或可靠性函数）的表达式为。

可见，若X和Y之间存在近似的线性关系，即相关系数R2较大时，则可以证明双参数威布尔分布可以合理的描述U型混凝土试件的抗冲击寿命参数。

并可以由线性回归分析，得出参数b、bln（Na）和相关系数R2的值。

验证过程分成两步来实现，首先，将冲击实验中每一组试件的抗冲击寿命参数（N1，N2）按顺序统计量的形式从小到大排列，并给出未排列前原始实验数据所对应的秩序数i;然后用F（N）和R（N）的期望估计来原始3参数威布尔分布公式

（1）中的参数（β、η、γ）进行重新标度，并考虑到混凝土材料在冲击实验中存在最小冲击寿命的问题，令b=β，Na－N0=η，N0=γ，即T～W（β，η，γ）变为N～W（b，Na，N0）。

则在同一落锤质量水平作用下，各U型混凝土试件冲击寿命N的分布规律可以由以下概率密度函数表示。

对于冲击实验结果表2中的冲击寿命（N1，N2），按照上述方法及公式（7），以Y=ln{ln［1/R（N）］}为纵坐标，X=ln（N）为横坐标，通过最小二乘法进行线性回归分析，得到在4种落锤质量水平下的回归直线图及对应的回归参数b、bln（Na）和相关系数R2的