《统计学》课后答案(第二版,贾俊平版)附录答案 第6章-9章 方差分析【荐】.docVIP

第6章 方差分析 (或)，不能拒绝原假设。 (或)，拒绝原假设。 (或)，拒绝原假设。 (或)，拒绝原假设。 (或)，拒绝原假设。 ，拒绝原假设； ，不能拒绝原假设； ，拒绝原假设。 方差分析表中所缺的数值如下表： 差异源 SS df MS F P-value F crit 组间 420 2 210 1.478 0.245946 3.354131 组内 3836 27 142.07 — — — 总计 4256 29 — — — — (或)，不能拒绝原假设。 第7章 相关与回归分析 （1）散点图（略），产量与生产费用之间正的线性相关关系。 （2）。 （3）检验统计量，拒绝原假设，相关系数显著。 （1）散点图（略）。 （2）。 （1）表示当时的期望值。 （2）表示每变动一个单位平均下降0.5个单位。 （3）。 （1）。 （2）。 （1）散点图（略）。 （2）。 （3）。回归系数表示运送距离每增加1公里，运送时间平均增加0.00358天。 (1) 散点图（略）。二者之间为高度的正线性相关关系。 （2），二者之间为高度的正线性相关关系。 （3）估计的回归方程为：。回归系数表示人均GDP每增加1元，人均消费水平平均增加0.308683元。 （4）判定系数。表明在人均消费水平的变差中，有99.6259%是由人均GDP决定的。 （5）检验统计量，拒绝原假设，线性关系显著。 （6）（元）。 （7）置信区间：[1990.749，2565.464]；预测区间：[1580.463，2975.750]。 （1） 散点图（略），二者之间为负的线性相关关系。 （2）估计的回归方程为：。回归系数表示航班正点率每增加1%，顾客投诉次数平均下降4.7次。 （3）检验统计量（P-Value=0.001108），拒绝原假设，回归系数显著。 （4）（次）。 （5）置信区间：（37.660，70.619）；预测区间：（7.572，100.707）。 Excel输出的结果如下（解释与分析请读者自己完成） Multiple R 0.7951 R Square 0.6322 Adjusted R Square 0.6117 标准误差 2.6858 观测值 20 方差分析 　 df SS MS F Significance F 回归分析 1 223.1403 223.1403 30.9332 2.79889E-05 残差 18 129.8452 7.2136 总计 19 352.9855 　 　 　 　 Coefficients 标准误差 t Stat P-value Lower 95% Upper 95% Intercept 49.3177 3.8050 12.9612 0.0000 41.3236 57.3117 X Variable 1 0.2492 0.0448 5.5618 0.0000 0.1551 0.3434 （1）方差分析表中所缺的数值如下 方差分析表 变差来源 df SS MS F Significance F 回归 1 1422708.6 1422708.6 354.277 2.17E-09 残差 10 40158.07 4015.807 — — 总计 11 1642866.67 — — — （2）。表明汽车销售量的变差中有86.60%是由于广告费用的变动引起的。 （3）。 （4）。回归系数表示广告费用每增加一个单位，销售量平均增加1.420211个单位。 （5）Significance F＝2.17E-09，线性关系显著。 ；；。 （1）27。 （2）4.41。 （3）拒绝。 （4）。 （5）拒绝。 （1）。 （2）。 ；。 ；预测28.586。 （略）。 （1）显著。 （2）显著。 （3）显著。 （1）。 （2）。 （3）不相同。方程（1）中的回归系数表示电视广告费用每增加1万元，月销售额平均增加1.6039万元；方程（1）中的回归系数表示在报纸广告费用不变的条件下，电视广告费用每增加1万元，月销售额平均增加2.2902万元。 （4）；。 （5）的P-Value=0.0007，的P-Value=0.0098，均小于，两个回归系数均显著。 （1） （2）回归系数表示降雨量每增加1毫mm，小麦收获量平均增加22.3865kg/hm2；回归系数表示温度每增加1，小麦收获量平均增加327.6717kg/mh2。 （3）可能存在。 （1）。 （2）；。 （3）Significance F＝3.88E-08，线性关系显著。 （4）的P-Value=0.1311，不显