统计学思考题答案.docxVIP

4.1一组数据的散布特点能够从哪几个方面进行测度？ 数据散布特点能够从三个方面进行测度和描绘：一是散布的集中趋势，反应各数据向其中心值聚拢或集中的程度；二是散布的离散程度，反应各数据远离其中心值的趋势；三是散布的形状，反应数据散布的偏态和峰态。 4.5简述众数、中位数和平均数的特点和应用场合。 众数是一组数据散布的峰值，不受极端值的影响，缺点是拥有不唯一性。众数只有在数据量较多时才存心义，数据量较少时不宜使用。主要适合作为分类数据的集中趋势测度值。 中位数是一组数据中间地点上的代表值，不受极端值的影响。当数据的散布偏斜较大时，使用中位数或许不错。主要适合作为次序数据的集中趋势测度值。 平均数对数值型数据计算的，而且利用了全部数据信息，在实际应用中最宽泛。当数据呈对称散布或近似对称散布时，三个代表值相等或邻近，此时应选择平均数。但平均数易受极端值的影响，关于偏态散布的数据，平均数的代表性较差，此时应考虑中位数或众数。 4.7标准分数有哪些用途？ 标准分数给出了一组数据中各数值的相对地点。在对多个拥有不同量纲的变量进行办理时，常需要对各变量进行标准化办理。它还能够用来判断一组数据是否有离群数据。 7.3怎样理解置信区间？ 置信区间：由样本统计量所结构的总体参数的估计区间 7.4解释95%的置信区间。 95%的置信区间指用某种方法结构的所有区间中有95%的区间包含总体参数的真值。 7.5Za/2的含义是什么 含义：Za/2是标准正态散布上侧面积为a/2的z值,公式是统计总体均值时的边际误差。 7.6解释独立样本和匹配样本的含义。 独立样本：如果两个样本是从两个总体中独立抽取的，即一个样本中的元素与另一个样本中的元素相互独立。 匹配样本：一个样本中的数据与另一个样本中的数据相对应。 7.8简述样本量与置信水平、总体方差、边际误差的关系。 样本量越大置信水平越高，总体方差和边际误差越小 10.1什么是方差剖析？它研究的是什么？ 答：方差剖析就是经过查验各总体的均值是否相等来判断分种类自变量对数值型因变量是否有显著影响。它所研究的是非种类自变量对数值型因变量的影响。10.4方差剖析中有哪些基本假定？ 答:方差剖析中有三个基本假定：（1）每个总体都应听从正态散布 （2）各个总体的方差σ2必须相同 （3）观察值是独立的 — 说明误差分解的基来源理 是经过计算来比较因某一特定因素带来的样本值的差别与随机偶然因素对样本值的差别的大小，进而判断该因素对总体是否有统计意义。 解释主效应和交互效应 在多因素实验研究中，主效应就是在考察一个变量是否会对因变量的变化发生影响的时候， 不考虑其他研究变量的变化，或许说将其他变量的变化效应平均掉。换句话说，就是其他研 究变量都不变化的情况下，独自考察一个自变量对因变量的变化效应。 交互效应，则是反应两个或两个以上自变量相互依靠、相互限制，共同对因变量的变化发 生影响。换句话说，如果一个自变量对因变量的影响效应会因另一个自变量的水平不同而有所不同，则我们说这两个变量之间拥有交互效应。 10.15简述完全随机化设计、随机化区组设计、因子设计的含义和区别。 4）答：完全随机化设计是将k种“办理”随机地指派给试验单元的设计。 随机化区组设计是先按一定规则将试验单元区分为若干同质组，称为“区组”，然后再将各样办理随机地指派给各个区组。因子设计指考虑两个 因素(可推广到多个因素)的搭配试验设计。 区间估计的基来源理是什么？ 参数估计一般是指根据样本信息，对总体散布中的未知参数θ进行估计，而我们往常都是对均值或方差进行估计。区间估计是参数估计的一种，它是指关于给定的置信度1-α，总体参数θ的取值在某一区间内的概率是 1-α，而这一置信区间正是我们需要求解的。 用公式表示就是：P{θ1θθ2}=1-α，其中θ1、θ2是两个统计量。（θ1， θ2）就是置信区间，显然因为是来自于样本，而抽样带有随机性，所以 它是一个随机区间。 置信区间代表的意义就是：样本容量固定为n，若是对总体进行N=1000次抽样， 就获得了1000个置信区间，这些区间有的包含θ的真切值，有的不包含。但假定当置信度 1-α=95%时，这一千个区间就大概有1000*95%=950个包含了θ的真切值。 简述评论估计量的标准 1、无偏性：无偏性不是要求估计量与总体参数不得有偏差，因为这是不可能的，既然是抽样，必定存在抽样误差，不可能与总体完全相同。无偏性指的是如果对这同一个总体频频多次抽样，则要求各个样本所得出的估计量（统计量）的平均值等于总体参数。切合这种要求的估计量被称为无偏估计量。 2、有效性：估计量与总体之间必定存在着一定的误差，权衡这个误差大小的一 个指标就是方差，方差越小，估计量对总体的估计也就越正确，这个估计量也就越有效。 3、一致性：一致性指的是当