3数据的统计推断(用Excel求解).pptVIP

用EXCEL求统计;频数分布 某班学生按考试成绩分组频数分布表;分组方法;组距分组;组距分组的步骤;等距分组表（上下组限重叠，上组限不在内);例1 一家市场调查公司随机调查50名顾客购买饮料的 品牌，统计资料如下表所示： ;步骤一：数据输入 （一）在A2到A51输入50个饮料品牌观测值。 （二）为不同品牌的饮料指定一个数字代码，代码编排如下： 1．可口可乐；2．健力宝；3．百事可乐；4．芬达；5．雪碧。 （三）在B2到B51中输入相应的代码。 步骤二：指定上限 Excel现在把代码视为数值型数据。为建立频数分布表和直方图， 必须对每一个品牌代码指定一个上限。本例中，只需将代码1、 2、3、4和5依次输入到工作表的C4：C8中。Excel对数值小 于或等于每一品牌代码的项数计数。 步骤三：生成频数分布表和直方图 （一）选择“工具”下拉菜单中的“数据分析”选项。 (excel 2010选择“数据”菜单选项);（二）在“数据分析”对话框中选择“直方图”。 （三）出现直方图对话框时， 1.在“输入区域”方框中输入数据所在单元格区域B5：B51。 2.在“接受区域”方框中输入分组数据上限所在单元格区域 C4：C8。 3.在“输出区域”方框中输入E3，表示输出区域的起点。 4.在输出选项中，选择“输出区域”、“累计百分比”和 “图表输出”。; 输出结果如下图：; 例2 某班50名学生的统计学原理考试成绩数据如下： ;案例【服装与销售】 ;二、回归分析法;将数据（xi，yi）（i=1,2, … 26)标在平面直角坐标系上， 每对数据 在平面图中以一个叉点表示，这种图称为 散点图 ;10.2 图表分析与回归函数分析 ;操作过程：;②从“插入”菜单中选择“图表”选项，打开“图表向导”对话框如下图所示。在“图表类型”列表中选择XY散点图，单击“下一步”按钮。;③在数据区域中输入B2:C11，选择“系列产生在——列”，如下图所示，单击“下一步”按钮。 ;④打开“图例”页面，取消图例，省略标题，如下图所示。 ;⑤单击“完成”按钮，便得到XY散点图如下图所示。 ;⑥如图1所示，用鼠标激活散点图，把鼠标放在任一数据点上，单击鼠标右键，打开菜单，在菜单栏里选择“填加趋势线”选项，打开趋势线对话框如图2所示。 ;图2;⑦打开“类型”页面，选择“线性”选项，Excel将显示一条拟合数据点的直线。 ⑧打开“选项”页面如图3所示，在对话框下部选择“显示公式”和“显示R平方根”选项，单击“确定”按钮，便得到趋势回归图如图4所示。;当x=35时，y=491.26;在“工具”菜单中选择“数据分析”选项，打开“数据分析”对话框如下图所示。 ;③在“分析工具”列表中选择“回归”选项，单击“确定”按钮，打开“回归”对话框如下图所示。 ;输出结果：;Excel的回归分析工具计算简便,但内容丰富， 计算结果共分为三个模块： 回归统计表 方差分析表 回归参数 ;回归统计表包括以下几部分内容： Multiple R（复相关系数R）：R2的平方根，又称为相关系数，它用来衡量变量x和y之间相关程度的大小。 上节例中：R为0.984748045，表示二者之间的关系是 高度正相关。 R Square(复测定系数R2 )：用来说明用自变量解释因变量变差的程度，以测量同因变量y的拟合效果。 上节例中：复测定系数为0.969728711，表明用自变量可解释因变量变差的96.97%。;Adjusted R Square (调整复测定系数R2)：仅用于多元回归才有意义，它用于???量加入独立变量后模型的拟合程度。当有新的独立变量加入后，即使这一变量同因变量之间不相关，未经修正的R2也要增大，修正的R2仅用于比较含有同一个因变量的各种模型。 标准误差：又称为标准回归误差或叫估计标准误差，它用来衡量拟合程度的大小，也用于计算与回归有关的其他统计量，此值越小，说明拟合程度越好。;观测值：是指用于估计回归方程的数据的观测值个数。 2. 方差分析表 方差分析表的主要作用是通过F检验来判断回归模型的回归效果。 3. 回归参数表 如下页图所示，回归参数表是表中最后一个部分：;图中，回归参数如下： Intercept：截距β0 第二、三行：β0(截距) 和β1(斜率)的各项指标。 第二列：回归系数β0(截距)和β1(斜率)的值。 第三列：回归系数的标准误差 第四列：根据原假设Ho：β0=β1=0计算的样本 统计量t的值。 第五列：各个回归系数的p值(双侧) 第六列：β0和β195%的置信区间的上下限。