中国人民大学统计专业课初试题.doc

2007年人大统计专业课初试题 一、（20分）下面是一种零件误差的数据（单位：克）： 6.1 4.7 6.5 6.2 7.7 6.4 5.5 7.1 6.1 5.3 5.7 6.1 5.3 4.0 4.8 3.2 3.9 1.9 4.9 3.8 5.3 2.6 5.3 5.5 5.8 2.7 6.8 7.4 5.6 3.3 (1)根据涉及t分布的计算，该数据所代表的总体均值的95%置信区间为（4.637785，5.728882）。请问，若使该置信区间有意义，需要对总体进行何等假定？这种假定能不能用数据证明？是不是该区间以0.95的概率覆盖真实总体均值？如果不是，说出理由及合适的说法。 （2）对于该数据所代表的总体的均值进行检验：零假设为总体均值等于4.8克，备选假设为总体均值大于4.8克。如果进行t检验，需要假定哪些条件？t检验结果为p值等于0.0807。能不能说“在显著性水平为0.05时，接受零假设”？为什么？你的结论是什么？ 统计学：假设检验 答：（1）在对总体均值进行区间估计时，需要考虑总体是否为正态分布、总体方差是否已知、用于构造估计量的样本是大样本（）还是小样本（）等几种情况。 当总体是正态总体，方差已知或非正态总体，大样本时，样本均值的抽样分布为正态分布。 当总体是正态总体，但总体方差未知，而且是小样本时，则需要用样本方差代替总体方差，此时需要用分布来建立总体均值的置信区间。 该题目中所涉及的正是第二种情况，因此若使该置信区间有意义，需要对总体进行正态分布的假定。这种假定是可以用数据证明的。例如可以通过Q-Q图来大致验证这批数据是否来自正态分布的总体。 总体均值95%置信区间，不代表区间（4.637785，5.728882）以0.95的概率覆盖真实总体均值。样本确定，置信区间亦随之确定，就不再是一个随机区间，而是一个确定的区间，这个确定的区间要么包含总体真值，要么不包含总体真值，不存在以某种概率覆盖真实总体均值，所以“该区间以0.95的概率覆盖真实总体均值”这种说法是不对的。 合适的说法：在多次重复抽样构造的多个置信区间中，有95%的置信区间会包含总体真值，而有5%的置信区间则不包含总体真值，（4.637785，5.728882）可能是95%区间中的一个，也可能是5%区间中的一个。 （2）进行检验需要假定的条件，与第一问中使置信区间有意义的假定是相同的，都是假定这批数据是来自正态总体。 p值等于0.0807，不能说“在显著性水平为0.05时，接受零假设”，只能说“在显著性水平为0.05时，样本证据不足以拒绝零假设”，但这并不代表零假设一定是正确的，更不代表我们接受了零假设，只能是我们没有足够的理由拒绝零假设。 p值的含义：在零假设为真的情况下，出现样本结果值或更极端值的概率，它是实际的显著性水平。 二、（20分）一家研究机构想估计在30个网络公司工作的员工每周加班的平均时间，为此进行抽样调查。请回答以下问题： （1）如果对这些员工进行随机电子邮件调查，由答复的邮件所得到的数据是不是简单随机样本？为什么？ （2）抽样调查中，说“响应误差总是人们不说实话导致的”对不对？为什么？随机误差是不是可以避免的？ （3）这些员工的加班时间是否独立？如果不是，原因可能是什么？ 抽样技术：概率抽样与非概率抽样统计学：数据采集 答：（1）简单随机抽样也称纯随机抽样，是从总体中随机地、一个一个地抽取个单元构成样本，在每次抽选中，所有未入样的待选单元入选样本的概率是相等的，这个被抽中的单元就构成了简单随机样本。简单随机样本也可以一次同时从总体中抽出，这时全部可能样本中的每一个样本被抽中的概率也需要相等。 若抽样是放回的，每次都是从个总体单元中随机抽取1个单元，独立重复抽取次，得到个单元组成的样本，叫做放回简单随机抽样。 若抽样是不放回的，每次都是从剩下的总体单元中随机抽取1个单元，相继依次抽取次，得到个单元组成的样本，叫做不放回简单随机抽样。 放回抽样下，抽取过程中的每次抽取都是独立的，但可能使得单元被重复抽到。同一单元被重复抽到，并不能提供更多的信息，所以在实际调查中，更多的采用不放回抽样。 而在本题中，由答复的邮件所得到的数据不是简单随机样本。因为答复与不答复是由受访者个人主观决定的，对调查问题感兴趣的人一般都会积极回答，而对调查问题不感兴趣的人一般会拒绝回答，这两类人的入样概率是不一样的，更不是相等的。对调查问题感兴趣的人的入样概率会偏高。 （2）“响应误差总是人们不说实话导致的”，这种说法是不对的。响应误差是指在调查过程中，由于问题的提问方式、问题所处的位置、访员的影响或受访者自身的原因（诸如理解误差