多元统计思考题及答案
《多元统计分析思考题》
第一章 回归分析
1、回归分析是怎样的一种统计方法，用来解决什么问题？
答：回归分析作为统计学的一个重要分支，基于观测数据建立变量之间的某种依赖关系，用来分析数据的内在规律，解决预报、控制方面的问题。
2、线性回归模型中线性关系指的是什么变量之间的关系？自变量与因变量之间一定是线性关系形式才能做线性回归吗？为什么？
答：线性关系是用来描述自变量x 与因变量y 的关系；但是反过来如果自变量与因变量不一定要满足线性关系才能做回归，原因是回归方程只是一种拟合方法，如果自变量和因变量存在近似线性关系也可以做线性回归分析。
3、实际应用中，如何设定回归方程的形式？
答：通常分为一元线性回归和多元线性回归，随机变量y 受到p 个非随机因素x1、x2、x3……xp 和随机因素?的影响，形式为：
011p p y x x βββε=++???++
01p βββ???是p+1个未知参数，ε是随机误差，这就是回归方程的设定形式。
4、多元线性回归理论模型中，每个系数（偏回归系数）的含义是什么？ 答：偏回归系数01p βββ???
是p+1个未知参数，反映的是各个自变量对随机变量的影响
程度。
5、经验回归模型中，参数是如何确定的？有哪些评判参数估计的统计标准？最小二乘估计法有哪些统计性质？要想获得理想的参数估计值，需要注意一些什么问题？ 答：经验回归方程中参数是由最小二乘法来来估计的；
评判标准有：普通最小二乘法、岭回归、主成分分析、偏最小二乘法等； 最小二乘法估计的统计性质:其选择参数满足正规方程组， （1）选择参数01
??ββ分别是模型参数01ββ的无偏估计，期望等于模型参数；
（2）选择参数是随机变量y的线性函数
要想获得理想的参数估计，必须注意由于方差的大小表示随机变量取值的波动性大小，因此自变量的波动性能够影响回归系数的波动性，要想使参数估计稳定性好，必须尽量分散地取自变量并使样本个数尽可能大。
6、理论回归模型中的随机误差项的实际意义是什么？为什么要在回归模型中加入随机误
差项？建立回归模型时，对随机误差项作了哪些假定？这些假定的实际意义是什么？答：随机误差项?的引入使得变量之间的关系描述为一个随机方程，由于因变量y很难用有限个因素进行准确描述说明，故其代表了人们的认识局限而没有考虑到的偶然因素。
7、建立自变量与因变量的回归模型，是否意味着他们之间存在因果关系？为什么？答：不是，因果关系是由变量之间的内在联系决定的，回归模型的建立只是一种定量分析手段，无法判断变量之间的内在联系，更不能判断变量之间的因果关系。
8、回归分析中，为什么要作假设检验？检验依据的统计原理是什么？检验的过程是怎样
的？
答：因为即使我们已经建立起了模型，但是尚且不知这个回归方程是否能够比较好地反映所描述的变量之间的影响关系，必须进行统计学上的假设检验；
假设性检验原理可以用小概率原理解释，通常认为小概率事件在一次试验中几乎不可能发生的，即对总体的某个假设是真实的，那么不支持这一个假设事件在一次试验中是几乎不可能发生的，要是这个事件发生了，我们就有理由怀疑这一假设的真实性，拒绝原假设；
检验过程：
（1）提出统计假设H0和H1；
（2）构造一个与H0相关的统计量，称其为检验统计量；
（3）根据其显著性水平 的值，确定一个拒绝域；
（4）作出统计决断；
9、回归诊断可以大致确定哪些问题？回归分析有哪些基本假定？如果实际应用中不满足
这些假定，将可能引起怎样的后果？如何检验实际应用问题是否满足这些假定？对于各种不满足假定的情形，分别采用哪些改进方法？
答：回归诊断解决：
（1）回归方程的线性假定；
（2）是否存在多重共线性；
（3）误差项的正态性假定；
（4）误差项的独立性假设；
（5）误差项同方差假定；
（6）是否存在数据异常；
原基本假定H：
（1）假设回归方程不显著；
（2）假设回归系数不显著；
引起后果：与模型误差相比，自变量对因变量的影响是不重要的（模型误差太大、自变量对y的影响确实太小）。
如何检验：用F统计量或者P值法来检验方程的显著性；
改进方法：
（1）对于模型的误差太大，我们要想办法缩小误差，检查是否漏掉了重要的自变量，或检查自变量与y的非线性关系；
（2）对于自变量对y影响较小，此时应该放弃回归分析方法。
10、回归分析中的R2有何意义？它能用来衡量模型优劣吗？
答：R2是回归平方和与总离差平方和之比，作为评判一个模型拟合度的标准，称为样本决定系数，其值越接近1，意味着模型的拟合优度越高。但是其不是衡量模型优劣唯一标准，增加自变量会使得自由度减少，因此需要引入自由度修正的复相关系数。这些都需要视具体的情况而定。
11、如何确定回归分析中变量之间的交互作用？存在交互作用时，偏回归系数的意义与不
存在交互作用的情形下是否相同？为什么？
答：交互作用是指因素之间联合搭配对试验指标的影响作用，存在交互作用是，偏回归系数肯定与不存在是的系数不同，毕竟变量之间有相互影响的关系。
12、有哪些确定最优回归模型的准则？如何选择回归变量？
答：（1）修正的复相关系数2a R 达到最大；
（2）预测平方和达到最小；
（3）定义C p 统计量值小，选择p C p 小的回归方程；
（4）赤池信息量达到最小；
按照以上准则进行回归变量的选择。
13、在怎样的情况下需要建立标准化的回归模型？标准化回归模型与非标准化模型有何
关系？形式有否不同？
答：在多元线性回归分析中，由于涉及到的变量量纲不同，差别很大，需要对变量进行
中心化和标准化，数据中心化处理相当于将坐标原点移至样本中心坐标系的平移不改变直线的斜率；标准化处理后建立的回归方程模型比非标准化的回归方程少一个常数项，系数存在关系。
14、利用回归方法解决实际问题的大致步骤是怎样的？
答：（1）根据预测目标，确定自变量和因变量；
（2）建立回归预测模型；
（3）进行相关分析；
（4）检验回归预测模型，计算预测误差；
（5）计算并确定预测值。
15、你能够利用哪些软件实现进行回归分析？能否解释全部的软件输出结果？
答：目前会用的软件是SPSS 和matlab ，关于地球物理的软件如grapher 也可以进行回归分
析。对于SPSS 的一些输出结果，还是不太理解。
第二章 判别分析
1、判别分析的目的是什么？
答：在自然科学和社会科学研究中，研究对象用某种方法已经划分为若干类别，当得到一个新的样本数据时，要确定该样本属于已知的哪一类。
2、有哪些常用的判别分析方法？这些方法的基本原理或步骤是怎样的？它们各有什么特
点或优劣之处？
答：（1）距离判别法：根据已知分类数据，分别计算各类的重心，即是分类的均值；判别方法是—对于任意一个样品，若它与第i类的重心距离最近，就认为它来自第i类；特点是对各类数据分布并无特定的要求
（2）Fisher判别法：其基本思想是投影，将k组m元数据投影到某一个方向，使得投影后组与组之间尽可能分开，其中利用了一元方差分析的思想导出判别函数；其特点是对总体的分布没有特殊要求，是处理概率分布未知的一种方法。
（3）逐步判别法：逐步引入一个“最重要”的变量进入判别式，同时对先引入判别式的一些变量进行检验，如果判别能力随着引入新变量而变得不显著，则将它从判别式中剔除，直到没有新的变量能够进入，依然没有旧变量需要剔除为止。
3、判别分析与回归分析有何异同之处？
答：（1）相同点：这两种方法都有关于数据预测的功能；
不同点：这个估计太多了，一般来讲判别分析功能是将样品归类，回归分析是探究样品对因变量的变动影响。
4、判别分析对变量与样本规模有何要求？
答：判别分析对总体分布没有要求，但是判别分析的假设之一是要求每一个变量不能是其他判别变量的线性组合，即不能存在多重共线性。
5、如何度量判别效果？有哪些影响判别效果的因素？
答：通过评价判别准则来度量判别效果，常用方法：
（1）误判率回代法；
（2）误判率交叉确认估计；
影响因素是个总体之间的差异程度，各个总体之间差异越大，就越有可能建立有效的判别准则，如果差异太小，则判别分析的意义不大；当各个总体服从多元正态分布，我们可以
根据各总体的均值向量是否相等进行统计检验。当然也可以检验各总体的协方差矩阵是否相等来采用判别函数。
6、逐步判别是如何选择判别变量的？基本思想或步骤是什么？
答：在判别分析中，并不是观测变量越多越好，而是选择主要变量进行判别分析，将各个变量在分析中起的不同作用，将影响力比较低的变量保留在判别式中，会增加干扰，影响效果。因此选择显著判别力的变量来建立判别式就是逐步判别法。
基本思想：其与逐步回归法类似，都是采用“有进有出”的算法，即逐步引入一个“最重要”的变量进入判别式，同时对先引入的判别式进行检验，如果其判别能力随着新引入的变量显著性降低，则该因素应该被剔除，直到变量全部进入为止。
7、判别分析有哪些现实应用？举例说明。
答：判别分析在实际中的应用无处不在。
例如我们根据各种经济指标把各个国家分为发达国家和发展中国家，通过这些指标成功的判定了一个国家的经济发展水平。
第三章聚类分析
1、聚类分析的目的是什么？与判别分析有何异同？这种方法有哪些局限或欠缺？
答：把某些方面相似的东西进行归类，以便从中发现规律性，达到认识客观事物规律的目的。
其与判别分析相同的地方是都是研究分组的问题；不同的是各自对于预先分组对象不一样，聚类分析是未知类别，判别分析是已知类别。
2、有哪些常用的聚类统计量？
答：（1）Q型统计量：对样本进行聚类，用“距离”来描述样本之间的接近程度；
R型统计量：对变量进行聚类，用“相似系数”来度量变量之间的近视程度。
3、系统（谱系）聚类法的基本思想是怎样的？它包含哪些具体方法？
答：先将待聚类的n个样品（或变量）各自看成一类，共有n类，然后按照事先选定的聚类
方法计算每两类之间的聚类统计量，即某种距离（或者相似系数），将关系最密切的两类并为一类，其余不变，即的n-1类，再按照前面的计算方法计算新类与其他类之间的距离（或者相似系数），再将关系最密切的两类归为一类，其余不变，即得n-2类，继续下去，每次重复都减少一类，直到所有样品（或者变量）都归于一类。
4、聚类分析对变量与样本规模有何要求?有哪些因素影响分类效果？要想减少不利因素
的影响，可以采取哪些改进方法？
答：聚类分析要求其样本规模较大，需要变量之间相关性较弱，变量个数小于样本数。
5、实际应用问题，如何确定分类数目？
答：按理来说聚类分析的分类数目是事先不知道的，但是在实际应用中，应该根据相关专业知识确定分类数目，结合聚类统计量参考确定，并使用误判定理具体分析。
6、快速聚类法（K—均值法）的基本思想或步骤是怎样的？
答：如果待分类样品比较多，应先给出一个大概的分类，然后不断对其进行修正，一直到分类结果比较合理为止。
7、有序样品的最优分别法的基本思想或步骤是怎样的？
答：将n个样品看成一类，然后根据分类的误差函数逐渐增加分类，寻求最优分割，用分段的方法找出使组内离差平方和最小的分割点。
8、应用聚类分析解决实际问题的基本步骤是怎样的？应该注意哪些方面的问题？
答：（1）n个变量（样品）各自成一类，一共有n类，计算两两之间的距离，构成一个对称矩阵；
（2）选择这个对称矩阵中主对角元素以外的上（或者下）三角部分中的最小元素，合成的新类，并计算其与其他类之间的距离；
（3）划去与新类有关的行和列，将新类与其余类别的距离组成新的n-1阶对称矩阵；
（4）再重复以上步骤，直到n个样品聚为一个大类；
（5）记录下合并类别的编号以及所对应的距离，绘制聚类图；
（6）决定类的个数和聚类结果。
第四章主成分分析与典型相关分析
1、主成分分析的基本思想是什么？在低维情况下，如何利用几何图形解释主成分的意
义？
答：构造原始变量的适当线性组合，使其产生一系列互不相关的新变量，从中选出少量的几个新变量并使它们含有足够多的原始变量的信息，从而使这几个新变量代替原始变量分析问题和解决问题提供了可能。
几何解释，可以借用平面上旋转坐标系方法来达到降维的目的。
2、什么是主成分的贡献率与累计贡献率？实际应用时，如何确定主成分的个数？
答：主成分中，描述第k个主成分提取的信息占据原来变量总信息的比重，称为第k个主成分的贡献率；
若将前m个主成分提取的总信息的比重相加，称为主成分的累计贡献率。
实际应用中，通常选取前m个主成分的累积贡献率达到一定的比列来确定主成分的个数。
3、主成分有哪些基本性质？
答：（1）每一个主成分都是原始变量的线性组合；
（2）主成分的数目大大小于原始变量的数目；
（3）主成分保留了原始变量所包含的绝大部分信息；
（4）各个主成分之间互不相关。
4、对于任何情形的多个变量，都可以采取主成分方法降维吗？为什么？
答：肯定不是，必须要满足适合主成分分析的要求才可以降维。举个简单的例子，其适用范围是各个变量之间应该具有比较强的相关性，如果多个变量均为各项同性，则主成分分析效果不明显。
5、怎样的情况下需要计算标准化的主成分？
答：因为实际问题的变量有很多量纲，不同的量纲会引起各个变量的取值的分散程度差异较大，总体方差将主要受到方差较大的变量的控制。如果用协方差矩阵 求主成分，则优
先照顾方差大的变量，可能会得到不合理的结果，因此为了消除量纲的影响，需要计算标准化的主成分。
6、主成分有哪些应用?
答：它的主要作用是降维，因此应用范围比较广泛，举个例子，衡量一个城市的综合发展指数涉及到的变量参数相当多，但是如果运用主成分的思想，只需要考虑较少的变量样品就好，一般选择GDP指数、环境指数、人口、面积等。
7、如何解释主成分的实际含义？
答：主成分的实际意义需要结合到实际应用中，其往往不是最终目的，重要的是利用降维的思想来综合分析原始信息，利用有限的主成分来解释规律，从而进行相关研究。
8、典型相关分析的基本思想是什么？有何实际用途？
答：是研究两组变量间的相互依赖关系，把两组变量之间的关系变为研究两个新变量的相关，而又不抛弃原来变量的信息；
因为这两组变量所代表的内容不同，可以直接考虑其相关关系来反映两组变量之间的整体相关性。例如工厂考察使用原料质量对生产产品质量的影响，需要对产品各种各样质量指标与所使用的原料指标之间的相关关系进行评判。
9、典型相关分析与回归分析、判别分析、主成分分析、因子分析有何关联？试比较这些
方法的异同之处。
答：这是一个涉及面很大的问题，总的来讲这些方法的存在能够帮助我们对于客观数据现象的相关关系有一个更加深刻的了解，有的是对另外一种方向的优化与推广，有的本质思想与另外一种分析方法很接近，异同点可以根据教科书进行两两比对。
10、典型相关分析有哪些基本假定？
答：线性假定影响典型相关分析的两个方面，首先任意两个变量间的相关系数是基于线性关系的。如果这个关系不是线性的，一个或者两个变量需要变换。其次，典型相关是变量
间的相关，如果关系不是线性的，典型相关分析将不能测量到这种关系。
11、如何解释典型相关函数的实际意义？
答：（1）典型权重（标准化系数）；
（2）典型荷载（结构系数）；
（3）典型交叉载荷。
用以上三种参数来使多个变量与多个变量的相关性转化为两个变量的相关性。
12、典型相关方法中冗余度分析的意义是什么？
答：冗余度主要说明典型变量对各组观测变量总方差的代表比例和解释比例。
第五章因子分析与对应分析
1、因子分析是怎样的一种统计方法？它的基本目的和用途是什么？
答：其根据相关性大小将变量分组，使得同组内的变量之间相关性较高，不同组的相关性较低，每组变量代表一个基本结构，用一个不可观测的综合变量表示，这个基本结构成为公共因子，对所研究的问题就可以用最少的个数的不可观测的所谓公共因子的线性函数与特殊因子之和来描述原来观测的每一个分量；
目的：利用降维的思想，从研究原始变量相关矩阵内部结构出发，把一些具有错综复杂关系的变量归结为少数几个综合因子；
用途：对变量进行分类，根据因子得分值在其轴所构成的空间中吧变量点画出来，从而分类。
2、因子分子中的KMO统计量与巴特莱特球形性检验的目的是什么？
答：KMO统计量：通过比较各个变量之间简单相关系数和偏相关系数的大小判断变量间的相关性，相关性强时，偏相关系数远小于简单相关系数，KMO值接近1.一般KMO＞0.9非常适合做因子分析；而大于0.7都可以，但是0.5一下不适合；
巴特莱特球形检验：用于检验相关矩阵是否是单位矩阵，及各个变量是否是独立的。它以变量的相关系数矩阵为出发地点，如果统计量数值较大，且相伴随的概率值小于用户给定的显著性水平，则应该拒绝原假设；反之，则认为相关系数矩阵可能是一个单位阵，不适合
做因子分析。
3、因子分析有哪些类型？它们有何区别？Q型因子分析与聚类分析有何异同？
答：Q型和R型两种；
Q型：对样本进行因子分析，
R型：对变量进行因子分析；
Q型因子分析可以认为是考虑指标的重要性，保留哪些去掉哪些；Q型聚类分析考虑的是指标的相关性，哪几类指标可能组成一类，使得组内距离尽可能小，组间距离尽可能大。
4、因子分析中的变量类型是怎样的？因子分析对变量数目有没有要求？对样本规模有
没有要求？
答：被描述的变量一般来讲都是可观测的随机变量；
变量必须是标准化的；
样品的数目大于变量的数目。
5、因子分析有怎样的基本假定？对样本特点（或性质）有何要求？
答：各个共同因子之间不相关，特殊因子之间也不相关，共同因子与特殊因子之间也不相关。
样本之间相关性越强越好。
6、因子分析模型中，因子载荷、变量共同度、方差贡献等统计量的统计意义是什么？答：（1）因子载荷：指综合因子与公共因子的相关关系，表示其依赖公共因子的程度，反映了第i个变量对第j个公共因子的相对重要性，也是其间的密切程度，也是其公共因子的权；
（2）变量共同度：指因子载荷矩阵中各行元素的平方和，表示x的第i个分量对于公共因子的每一个分量的共同依赖程度；
（3）方差贡献：指因子载荷矩阵第j列各个元素的平方和，是衡量公共因子相对重要性的指标。
7、因子分析与主成分分析有何区别与联系？它们分别适用于怎样的情况？
答：联系：均是降维的处理变量（样品）的方法；
区别：因子分析是把变量表示成各个因子的线性组合，而主成分分析是把主成分表示成变量的线性组合；
因子分析重点是解释各个变量之间的协方差，主成分分析是解释变量的总方差；
因子分析需要一些假定，共同因子之间不相关，特殊因子之间不相关，以上两者也不相关，而主成分分析不需要假设；
因子分析中因子不是独特的，可以旋转得到不同的因子，主成分分析中对于给定的协方差和相关矩阵特殊值，成分是独特的；
因子个数需要分析者指定，而主成分中成分的数量是一定的。
8、如何确定公共因子数目？如何解释公共因子的实际意义?
答：用方差累计贡献率，一般只要前几个达到80%即可，或者碎石图也可以确定。
公共因子的含义，与实际问题相关，表示变量之间内部错综复杂的关联性。
9、怎样的情况下，需要作因子旋转？
答：如果求出主因子解，但是主因子代表的变量不是很突出，容易使因子的含义模糊不清，需要做旋转。
10、有哪些估计因子得分的方法？因子得分的估计是普通意义下的参数估计吗？为什
么？
答：回归估计法、巴特莱特估计法、汤姆逊估计法；
不是普通意义下的参数估计，需要用公共因子F用变量的线性组合来表示。
11、对应分析的基本思想或原理是什么？试举例说明它的应用。
答：为了克服因子分析的不足之处，寻求R型和Q型变量的内在联系，将两者统一起来，将样品和变量反映到相同的坐标轴上进行解释。
比如对某一行业的经济效益进行综合性评价，要研究企业与企业的信息，指标与指标的内部结构、企业与指标的内在联系，这三个方面是一个密不可分的整体。
12、对应分析中总惯量的意义是什么？
答：代表总体两个变量相互联系的总信息量，可以反映某种变量特征属性的接近程度，及时
对数据组分进行约束。
统计学基础课后思考题答案(仅供参考)前六章
第一章概论 1、“统计”一词有统计工作、统计资料、统计学三种涵义。统计资料是统计工作的成果，统计工作和统计资料是过程与成果的关系。 2、统计学的研究对象是客观现象（包括社会现象和自然现象）总体的数量方面。它具有数量性、总体性、变异性、具体性、社会性的特点。 3、统计学的性质是属于方法论学科，统计学是一门研究客观现象总体数量方面的独立的方法论科学。 4、统计学的基本研究方法：大量观察法、统计分组法、综合指标法、统计模型法、归纳推断法。 5、统计学的基本职能有：信息职能、咨询职能、监督职能。 6、统计的基本任务：一方面是以国民经济和社会发展为统计调查的对象，在对其数量方面进行科学的统计分析的基础上，为党和国家制定政策、各部门编制计划，指导经济和社会发展及进行科学管理提供信息和咨询服务；另一方面则是对国民经济和社会的运行状态、国家政策，计划的执行情况等进行统计监督。 7、统计工作的过程包括：统计设计、统计调查、统计整理和统计分析。 8、统计总体是指客观存在的，在同一性质的基础上结合起来的许多个别事物构成的整体，简称总体。总体单位是指构成总体的个别事物，简称个体。总体和总体单位是整体与部分、集合与元素的关系，它们互为存在条件。总体是界定总体单位的前提条件，总体单位是构成总体的基本元素。 9、标志按性质不同可分为品质标志和数量标志，按变异情况可分为不变标志和可变标志。 10、统计指标的特点：数量性、综合性、具体性。统计指标按其说明总体特征的性质不同，可分为数量指标和质量指标；按表现形式不同，可分为总量指标、相对指标，平均指标；按计量单位的不同，可分为实物量指标、价值指标和劳动量指标；按指标功能的不同，可分为描述指标、评价指标和预警指标。 11、（简）指标与标志的联系，具有对应关系、汇总关系、转换关系；指标与标志的区别，说明对象范围的不同，具体表现形式不同。（详）指标与标志有哪些区别及联系？ 区别： ①指标和标志的概念明显不同，标志是说明个体特征的，一般不具有综合的特征：指标是说明总体特征的，具有综合的性质。 ②统计指标分为数量指标和质量指标，它们都是可以用数量来表示的；标志分为数量标志和品质标志，它们不是都可以用数量来表示，品质标志只能用文字表示。 联系： ③统计指标是建立在标志值的基础之上的，它是各个总体单位的数量标志值的汇总，没有总体单位的标志值 也就不可能有总体的指标值。 ④随研究目的不同，指标与标志之间可以互相转化。两者体现这样的关系，指标在标志的基础上形成，指标又是确定标志的依据。 12、变量的分类：按变量值是否连续，可分为连续型变量和离散型变量；按照其性质不同，可分为确定性变量和随机变量。13、统计指标体系分为基本统计指标体系和 专题统计指标体系两大类。 第二章统计调查 1、统计调查是根据统计研究的目的、要求和 任务，采用科学的调查方法，有计划、有组 织地搜集统计资料的工作过程。统计调查在 统计工作的整个过程中，担负着提供基础资 料的任务，所有的统计计算和统计研究都是 在原始资料搜集的基础上建立起来的。 2、统计调查的基本要求： （1）准确性。即统计调查得到的资料应 该是真实可靠的、符合客观实际，不受人的 主观偏见和错误意识的影响。 （2）及时性。即统计调查要按时完成资 料的搜集和上报任务，以及充分发挥统计资 料的时间价值。 （3）完整性。统计调查搜集的资料，一 是要调查单位的完整、做到调查单位不重复、 不遗漏，以保证反映被研究对象整体的面貌； 二是要做到搜集的项目齐全，调查项目不仅 具有层次性，而且是紧密链接、赋予逻辑联 系，齐全的调查项目才能实现调查研究的目 的和任务。 3、一份完整的统计调查方案，应包括： （1）确定调查目的； （2）确定调查对象、调查单位和报告单位； （3）拟定调查项目、制定调查表； （4）规定调查时间和调查期限、调查地点 和方法； （5）制定调查工作的组织实施计划。 4、调查表的内容有：表头、表体和表脚。 调查表分无记名调查反馈表和记名调查 反馈表。 5、统计调查的组织形式有统计报表、普查、 重点调查、典型调查和抽样调查。 6、重点调查与典型调查有何异同？ 相同点： 都是非全面调查；调查单位少，可节省 人力、物力、时间；灵活性强；属于有部分 到全面的调查方式。 区别： （1）定义不同 重点调查是一门专门组织的非全面调 查，它是在调查对象的全部单位中只选择一 小部分重点单位进行调查，以了解总体的基 本情况。 典型调查是一种十分重要的，行之有效 的非全面调查方法。它是根据调查目的和要 求，在对被研究对象做全面分析的基础上， 有意识地从中选择少数具有代表性的典型单 位进行深入细致地调查研究，以便认识事物 的本质及其规律性的一种非全面调查。 （2）特点不同 重点调查的主要特点是：投入少、调查 速度快、所反映的主要情况或基本趋势比较 准确。 典型调查的主要特点是：调查单位少、 机动灵活、典型单位的选择带有一定的主观 性、典型单位可以注重于现象数量方面的分 析。 （3）组织形式不同 重点调查既可以是一次性调查性调查， 也可以用于经常性调查。其组织形式可以是 组织专门调查，也可以颁发统计报表，由选 中重点单位填报。 典型调查一般有两种方式：“解剖麻雀” 式和“化类选典”式。 （4）调查方式的优缺点不同 重点调查：优点：调查单位少，可调查 较多的项目和指标，了解较详细的效果，能 使党政领导尽快的掌握基本情况，发现问题， 采取措施，以指导工作。 缺点：因为重点调查单位与一般单位的 差别较大，通常不能用重点调查结果来推算 调查总体的指标 典型调查：优点：是补充全面调查资料 的缺口，利用典型调查资料，可以分析全面 调查不能认识清楚地一些具体问题，还可以 深入研究新生事物，找出事物变化发展的规 律，用来推断总体的指标数值。 缺点：主要是针对问题的普遍性研究， 不够深入 根本区别在于选取调查单位的方法不同。 典型调查单位的选择取决于调查者的主 观判断，因此具有主观性。重点调查单位的 选择取决于某一标志总量在总体所占比重， 因此具有客观性。 典型调查虽然在一定条件下，能根据典 型单位估计推断总体。但由于无法合理估计 其误差，因此不能根据典型单位的数量特征， 推断总体单位的数量特征。不过，可以利用 典型调查得到的具体、详细事例，补充分析 抽样调查无法获得具体、详细事例的不足。 7、统计调查的方法有：观察法、询问法、报 告法、网络调查法和问卷调查法。 观察法：优点是取得的资料比较准确； 缺点是花费的人力、物力、财力和时间都较 多，而且具有局限性。 询问法：优点是调查者能按统计口径逐 项询问，对统计项目有统一的理解，可保证 调查资料的准确性；缺点是花费大量的人力 和时间。 报告法：优点是准确性不亚于观察法； 缺点是花费较多的人力和物力。 网络调查法：优点是速度快、费用低、 易获得联系性数据、调研内容设置灵活、调 研群体大和可视性强；缺点是代表性问题、 安全性问题和无限制样本问题。 问卷调查法：优点是节省时间、经费和 人力；调查结果容易量化、便于统计处理与 分析；现在的电子问卷克服了纸质问卷的一 些缺点，方便实施与调整；可以进行大规模 的调查。 缺点是面向设计的问题问卷调查比较 难；调查结果广而不深；问卷调查经常采用 由用户自己填答问卷的方式，所以其调查结 果的质量常常得不到保证。；问卷调查的回 收率难以保证。 8、调查问卷的结构由卷首语（开场白）、正 文和结尾组成。 问卷的设计形式有开放式和封闭式。 第三章统计数据的整理与显示 1、统计数据整理的主要内容（步骤）是：（1） 统计资料整理方案的设计；（2）对调查资料 的审核；（3）对调查资料进行科学的分组、 汇总；（4）数据资料的显示——编制和绘制 统计表（图）；（5）统计资料的保管与积累。 2、统计分组就是根据统计研究的目的和被研 究现象总体的内在特征，将统计整体按照一 定的标志划分为若干性质不同的部分或组的 一种统计方法。统计分组的关键在于确定分 组标志和组距。
多元统计分析与R语言建模考试试卷
.. .. 多元统计分析及R 语言建模考试试卷 一、简答题（共5小题，每小题6分，共30分） 1. 常用的多元统计分析方法有哪些？ （1）多元正态分布检验 （2）多元方差-协方差分析 （3）聚类分析 （4）判别分析 （5）主成分分析 ______________ 课程类别 必修[ ] 选修[ ] 考试方式 开卷[ ] 闭卷[ ]
（7）对应分析 （8）典型相关性分析 （ 9）定性数据建模分析 （10）路径分析（又称多重回归、联立方程） （11）结构方程模型 （12）联合分析 （13）多变量图表示法 （14）多维标度法 2. 简单相关分析、复相关分析和典型相关分析有何不同？并举例说明之。 简单相关分析：简单相关分析是研究现象之间是否存在某种依存关系，并对具体有依存关系的现象探讨其相关方向以及相关程度，是研究随机变量之间的相关关系的一种统计方法。例如，以X、Y分别记小学生的数学与语文成绩，感兴趣的是二者的关系如何，而不在于由X去预测Y。 复相关分析；研究一个变量 x0与另一组变量 (x1,x2,…，xn)之间的相关程度。例如,职业声望同时受到一系列因素（收入、文化、权力……）的影响，那么这一系列因素的总和与职业声望之间的关系，就是复相关。复相关系数R0.12…n的测定，可先求出 x0对一组变量x1，x2，…，xn的回归直线，再计算x0与用回归直线估计值悯之间的简单直线回归。复相关系数为R0.12…n的取值围为0≤R0.12…n≤1。复相关系数值愈大，变量间的关系愈密切。 典型相关分析就是利用综合变量对之间的相关关系来反映两组指标之间的整体相关性的多元统计分析方法。它的基本原理是：为了从总体上把握两组指标之间的相关关系，分别在两组变量中提取有代表性的两个综合变量U1和V1（分别为两个变量组中各变量的线性组合），利用这两个综合变量之间的相关关系来反映两组指标之间的整体相关性。
2014统计学课后复习题答案
《应用统计学》习题解答 第一章绪论 【1.1】指出下列变量的类型： （1）汽车销售量； （2）产品等级； （3）到某地出差乘坐的交通工具（汽车、轮船、飞机）； （4）年龄； （5）性别； （6）对某种社会现象的看法（赞成、中立、反对）。 【解】（1）数值型变量 （2）顺序变量 （3）分类变量 （4）数值型变量 （5）分类变量 （6）顺序变量 【1.2】某机构从某大学抽取200个大学生推断该校大学生的月平均消费水平。 要求： （1）描述总体和样本。 （2）指出参数和统计量。 （3）这里涉及到的统计指标是什么？ 【解】（1）总体：某大学所有的大学生 样本：从某大学抽取的200名大学生 （2）参数：某大学大学生的月平均消费水平 统计量：从某大学抽取的200名大学生的月平均消费水平 （3）200名大学生的总消费，平均消费水平 【1.3】下面是社会经济生活中常用的统计指标： ①轿车生产总量，②旅游收入，③经济发展速度，④人口出生率，⑤安置再就业人数，⑥全国第三产业发展速度，⑦城镇居民人均可支配收入，⑧恩格尔系数。 在这些指标中，哪些是数量指标，哪些是质量指标？如何区分质量指标与数量指标？【解】数量指标有：①、②、⑤ 质量指标有：③、④、⑥、⑦、⑧ 数量指标是说明事物的总规模、总水平或工作总量的指标，表现为绝对数的形式，并附有计量单位。而质量指标是说明总体相对规模、相对水平、工作质量和一般水平的统计指标，通常是两个有联系的统计指标对比的结果。 【1.4】某调查机构从某小区随机地抽取了50为居民作为样本进行调查，其中60%的居民对自己的居住环境表示满意，70%的居民回答他们的月收入在6000元以下，生活压力大。 回答以下问题： （1）这一研究的总体是什么？ （2）月收入是分类变量、顺序变量还是数值型变量？ （3）对居住环境的满意程度是什么变量？ 【解】（1）这一研究的总体是某小区的所有居民。
多元统计分析模拟考题及答案.docx
一、判断题 （ 对 ） 1 X ( X 1 , X 2 ,L , X p ) 的协差阵一定是对称的半正定阵 （ 对 （ ） 2 标准化随机向量的协差阵与原变量的相关系数阵相同。 对） 3 典型相关分析是识别并量化两组变量间的关系，将两组变量的相关关系 的研究转化为一组变量的线性组合与另一组变量的线性组合间的相关关系的研究。 （ 对 ）4 多维标度法是以空间分布的形式在低维空间中再现研究对象间关系的数据 分析方法。 （ 错）5 X (X 1 , X 2 , , X p ) ~ N p ( , ) ， X , S 分别是样本均值和样本离 差阵，则 X , S 分别是 , 的无偏估计。 n （ 对） 6 X ( X 1 , X 2 , , X p ) ~ N p ( , ) ， X 作为样本均值 的估计，是 无偏的、有效的、一致的。 （ 错） 7 因子载荷经正交旋转后，各变量的共性方差和各因子的贡献都发生了变化 （ 对） 8 因子载荷阵 A ( ij ) ij 表示第 i 个变量在第 j 个公因子上 a 中的 a 的相对重要性。 （ 对 ）9 判别分析中， 若两个总体的协差阵相等， 则 Fisher 判别与距离判别等价。 （对） 10 距离判别法要求两总体分布的协差阵相等， Fisher 判别法对总体的分布无特 定的要求。 二、填空题 1、多元统计中常用的统计量有：样本均值向量、样本协差阵、样本离差阵、 样本相关系数矩阵． 2、 设 是总体 的协方差阵， 的特征根 ( 1, , ) 与相应的单 X ( X 1,L , X m ) i i L m 位 正 交 化 特 征 向 量 i ( a i1, a i 2 ,L ,a im ) ， 则 第 一 主 成 分 的 表 达 式 是 y 1 a 11 X 1 a 12 X 2 L a 1m X m ，方差为 1 。 3 设 是总体 X ( X 1, X 2 , X 3, X 4 ) 的协方差阵， 的特征根和标准正交特征向量分别 为： 1 2.920 U 1' (0.1485, 0.5735, 0.5577, 0.5814) 2 1.024 U 2' (0.9544, 0.0984,0.2695,0.0824) 3 0.049 U 3' (0.2516,0.7733, 0.5589, 0.1624) 4 0.007 U 4' ( 0.0612,0.2519,0.5513, 0.7930) ，则其第二个主成分的表达式是
统计学思考题答案
4.1一组数据的分布特征可以从哪几个方面进行测度？ 数据分布特征可以从三个方面进行测度和描述：一是分布的集中趋势，反映各数据向其中心值靠拢或集中的程度；二是分布的离散程度，反映各数据远离其中心值的趋势；三是分布的形状，反映数据分布的偏态和峰态。 2. 4.5简述众数、中位数和平均数的特点和应用场合。 众数是一组数据分布的峰值，不受极端值的影响，缺点是具有不唯一性。众数只有在数据量较多时才有意义，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位置上的代表值，不受极端值的影响。当数据的分布偏斜较大时，使用中位数也许不错。主要适合作为顺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，在实际应用中最广泛。当数据呈对称分布或近似对称分布时，三个代表值相等或相近，此时应选择平均数。但平均数易受极端值的影响，对于偏态分布的数据，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位置。在对多个具有不同量纲的变量进行处理时，常需要对各变量进行标准化处理。它还可以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：由样本统计量所构造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构造的所有区间中有95%的区间包含总体参数的真值。 7.5 Za/2的含义是什么 含义：Za/2是标准正态分布上侧面积为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 10.1什么是方差分析？它研究的是什么？ 答：方差分析就是通过检验各总体的均值是否相等来判断分类型自变量对数值型因变量是否有显著影响。它所研究的是非类型自变量对数值型因变量的影响。 10.4方差分析中有哪些基本假定？ 答:方差分析中有三个基本假定： （1）每个总体都应服从正态分布 （2）各个总体的方差σ2必须相同 （3）观测值是独立的
多元统计分析试题及答案
华南农业大学期末试卷（A 卷） 2006学年第2学期 考试科目：多元统计分析 考试类型：（闭卷） 考试时间：120 分钟 学号 姓名 年级专业 题号 一 二 三 四 五 六 七 八 总分 得分 评阅人 一、填空题（5×6=30） 22121212121~(,),(,),(,),, 1X N X x x x x x x ρμμμμσρ ?? ∑==∑= ???+-1、设其中则Cov(,)=____. 10 31 2~(,),1,,10,()()_________i i i i X N i W X X μμμ=' ∑=--∑、设则=服从。 ()1 2 34 433,4 92,32 16___________________ X x x x R -?? ?'==-- ? ?-? ? =∑、设随机向量且协方差矩阵则它的相关矩阵 4、 __________， __________， ________________。 215,1, ,16(,),(,) 15[4()][4()]~___________i p p X i N X A N T X A X μμμμ-=∑∑'=--、设是来自多元正态总体和分别为正态总体的样本均值和样本离差矩阵,则。 (), 123设X=x x x 的相关系数矩阵通过因子分析分解为 211X h = 的共性方差111 X σ = 的方差21X g =1公因子f 对的贡献121330.93400.1280.9340.4170.83511 00.4170.8940.02700.8940.44730.8350.4470.1032013 R ? ? - ????? ? -?? ? ? ?=-=-+ ? ? ? ??? ? ? ????? ? ???
统计学课后习题答案(Chap1.2)
第1章绪论 1．什么是统计学怎样理解统计学与统计数据的关系 2．试举出日常生活或工作中统计数据及其规律性的例子。 3．．一家大型油漆零售商收到了客户关于油漆罐分量不足的许多抱怨。因此，他们开始检查供货商的集装箱，有问题的将其退回。最近的一个集装箱装的是2 440加仑的油漆罐。这家零售商抽查了50罐油漆，每一罐的质量精确到4位小数。装满的油漆罐应为4.536 kg。要求： (1)描述总体； (2)描述研究变量； (3)描述样本； (4)描述推断。 答：(1)总体：最近的一个集装箱内的全部油漆； (2)研究变量：装满的油漆罐的质量； (3)样本：最近的一个集装箱内的50罐油漆； (4)推断：50罐油漆的质量应为×50＝226.8 kg。 4．“可乐战”是描述市场上“可口可乐”与“百事可乐”激烈竞争的一个流行术语。这场战役因影视明星、运动员的参与以及消费者对品尝试验优先权的抱怨而颇具特色。假定作为百事可乐营销战役的一部分，选择了1000名消费者进行匿名性质的品尝试验(即在品尝试验中，两个品牌不做外观标记)，请每一名被测试者说出A品牌或B品牌中哪个口味更好。要求： (1)描述总体； (2)描述研究变量； (3)描述样本； (4)一描述推断。 答：(1)总体：市场上的“可口可乐”与“百事可乐” (2)研究变量：更好口味的品牌名称； (3)样本：1000名消费者品尝的两个品牌 (4)推断：两个品牌中哪个口味更好。 第2章统计数据的描述——练习题 ●1.为评价家电行业售后服务的质量，随机抽取了由100家庭构成的一个样本。服务质量的等级分别表示为：A.好；B.较好；C.一般；D.差；E.较差。调查结果如下： B E C C A D C B A E D A C B C D E C E E A D B C C A E D C B B A C D E A B D D C C B C E D B C C B C D A C B C D E C E B B E C C A D C B A E B A C D E A B D D C A D B C C A E D C B C B C E D B C C B C (1) 指出上面的数据属于什么类型； (2)用Excel制作一张频数分布表；
多元统计分析期末复习
第一章： 多元统计分析研究的内容（5点） 1、简化数据结构（主成分分析） 2、分类与判别（聚类分析、判别分析） 3、变量间的相互关系（典型相关分析、多元回归分析） 4、多维数据的统计推断 5、多元统计分析的理论基础 第二三章： 二、多维随机变量的数字特征 1、随机向量的数字特征 随机向量X 均值向量： 随机向量X 与Y 的协方差矩阵： 当X=Y 时Cov （X ，Y ）=D （X ）；当Cov （X ，Y ）=0 ，称X ，Y 不相关。 随机向量X 与Y 的相关系数矩阵： )',...,,(),,,(2121P p EX EX EX EX μμμ='=Λ)')((),cov(EY Y EX X E Y X --=q p ij r Y X ?=)(),(ρ
2、均值向量协方差矩阵的性质 (1).设X ，Y 为随机向量，A ，B 为常数矩阵 E （AX ）=AE （X ）； E （AXB ）=AE （X ）B; D(AX)=AD(X)A ’; Cov(AX,BY)=ACov(X,Y)B ’; (2).若X ，Y 独立，则Cov(X,Y)＝０，反之不成立． (3).X 的协方差阵D(X)是对称非负定矩阵。例2.见黑板 三、多元正态分布的参数估计 2、多元正态分布的性质 (1).若 ,则E(X)= ,D(X)= . 特别地，当 为对角阵时， 相互独立。 (2).若 ，Ａ为sxp 阶常数矩阵，d 为s 阶向量， ＡＸ＋d ～ . 即正态分布的线性函数仍是正态分布． (3).多元正态分布的边缘分布是正态分布，反之不成立． (4).多元正态分布的不相关与独立等价． 例３．见黑板． 三、多元正态分布的参数估计 (1)“ 为来自p 元总体X 的（简单）样本”的理解---独立同截面． (2)多元分布样本的数字特征---常见多元统计量 样本均值向量 ＝ 样本离差阵Ｓ＝ 样本协方差阵Ｖ＝ S ;样本相关阵Ｒ (3) ,Ｖ分别是 和 的最大似然估计； (4)估计的性质 是 的无偏估计； ,Ｖ分别是 和 的有效和一致估计； ； Ｓ～ ， 与Ｓ相互独立； 第五章 聚类分析： 一、什么是聚类分析 ：聚类分析是根据“物以类聚”的道理，对样品或指标进行分类的一种多元统计分析方法。用于对事物类别不清楚，甚至事物总共可能有几类都不能确定的情况下进行事物分类的场合。聚类方法：系统聚类法（直观易懂）、动态聚类法（快）、有序聚类法（保序）...... Q-型聚类分析（样品）R-型聚类分析（变量） 变量按照测量它们的尺度不同，可以分为三类：间隔尺度、有序尺度、名义尺度。 二、常用数据的变换方法:中心化变换、标准化变换、极差正规化变换、对数变换（优缺点） 1、中心化变换（平移变换）：中心化变换是一种坐标轴平移处理方法，它是先求出每个变量的样本平均值，再从原始数据中减去该变量的均值，就得到中心化变换后的数据。不改变样本间的相互位置，也不改变变量间的相关性。 2、标准化变换：首先对每个变量进行中心化变换，然后用该变量的标准差进行标准化。 经过标准化变换处理后，每个变量即数据矩阵中每列数据的平均值为0，方差为1，且也不再具有量纲，同样也便于不同变量之间的比较。 3、极差正规化变换（规格化变换）：规格化变换是从数据矩阵的每一个变量中找出其最大值和最小值，这两者之差称为极差，然后从每个变量的每个原始数据中减去该变量中的最小值，再除以极差。经过规格化变换后，数据矩阵中每列即每个变量的最大数值为1，最小数值为0，其余数据取值均在0－1之间；且变换后的数据都不再具有量纲，便于不同的变),(~∑μP N X μ∑μ p X X X ,,,21Λ),(~∑μP N X ) ,('A A d A N s ∑+μ)()1(,, n X X ΛX )',,,(21p X X X Λ)')(()()(1X X X X i i n i --∑=n 1 X μ∑μX )1,(~∑n N X P μ),1(∑-n W p X X
统计学课后题答案第四版中国人民大学出版社
●3.2.某行业管理局所属40个企业2002年的产品销售收入数据如下（单位：万元）： 1521241291161001039295127104 10511911411587103118142135125 117108105110107137120136117108 9788123115119138112146113126 (1)根据上面的数据进行适当的分组，编制频数分布表，并计算出累积频数和累积频率； (2)如果按规定：销售收入在125万元以上为先进企业，115万～125万元为良好企业，105万～115万元为一般企业，105万元以下为落后企业，按先进企业、良好企业、一般企业、落后企业进行分组。 解：（1）要求对销售收入的数据进行分组， 全部数据中，最大的为152，最小的为87，知数据全距为152－87=65； 为便于计算和分析，确定将数据分为6组，各组组距为10，组限以整10划分； 为使数据的分布满足穷尽和互斥的要求，注意到，按上面的分组方式，最小值87可能落在最小组之下，最大值152可能落在最大组之上，将最小组和最大组设计成开口形式； 按照“上限不在组内”的原则，用划记法统计各组内数据的个数——企业数，也可以用Excel 进行排序统计(见Excel练习题2.2)，将结果填入表内，得到频数分布表如下表中的左两列；将各组企业数除以企业总数40，得到各组频率，填入表中第三列； 在向上的数轴中标出频数的分布，由下至上逐组计算企业数的向上累积及频率的向上累积，由上至下逐组计算企业数的向下累积及频率的向下累积。 整理得到频数分布表如下： 40个企业按产品销售收入分组表 （2）按题目要求分组并进行统计，得到分组表如下： 某管理局下属40个企分组表 按销售收入分组（万元）企业数（个）频率（%） 先进企业良好企业一般企业落后企业11 11 9 9 27.5 27.5 22.5 22.5 合计40100.0
应用多元统计分析试题及答案
一、填空题： 1、多元统计分析是运用数理统计方法来研究解决多指标问题的理论和方法. 2、回归参数显著性检验是检验解释变量对被解释变量的影响是否著. 3、聚类分析就是分析如何对样品（或变量）进行量化分类的问题。通常聚类分析分为 Q型聚类和 R型聚类。 4、相应分析的主要目的是寻求列联表行因素A 和列因素B 的基本分析特征和它们的最优联立表示。 5、因子分析把每个原始变量分解为两部分因素：一部分为公共因子，另一部分为特殊因子。 6、若 () (,), P x N αμα ∑=1,2,3….n且相互独立，则样本均值向量x服从的分布 为_x~N(μ，Σ/n)_。 二、简答 1、简述典型变量与典型相关系数的概念，并说明典型相关分析的基本思想。 在每组变量中找出变量的线性组合，使得两组的线性组合之间具有最大的相关系数。选取和最初挑选的这对线性组合不相关的线性组合，使其配对，并选取相关系数最大的一对，如此下去直到两组之间的相关性被提取完毕为止。被选出的线性组合配对称为典型变量，它们的相关系数称为典型相关系数。 2、简述相应分析的基本思想。 相应分析，是指对两个定性变量的多种水平进行分析。设有两组因素A和B，其中因素A包含r个水平，因素B包含c个水平。对这两组因素作随机抽样调查，得到一个rc的二维列联表，记为。要寻求列联表列因素A和行因素B的基本分析特征和最优列联表示。相应分析即是通过列联表的转换，使得因素A
和因素B 具有对等性，从而用相同的因子轴同时描述两个因素各个水平的情况。把两个因素的各个水平的状况同时反映到具有相同坐标轴的因子平面上，从而得到因素A 、B 的联系。 3、简述费希尔判别法的基本思想。 从k 个总体中抽取具有p 个指标的样品观测数据，借助方差分析的思想构造一个线性判别函数 系数： 确定的原则是使得总体之间区别最大，而使每个总体内部的离差最小。将新样品的p 个指标值代入线性判别函数式中求出 值，然后根据判别一定的规则，就可以判别新的样品属于哪个总体。 5、简述多元统计分析中协差阵检验的步骤 第一，提出待检验的假设 和H1； 第二，给出检验的统计量及其服从的分布； 第三，给定检验水平，查统计量的分布表，确定相应的临界值，从而得到否定域； 第四，根据样本观测值计算出统计量的值，看是否落入否定域中，以便对待判假设做出决策（拒绝或接受）。 协差阵的检验 检验0=ΣΣ 0p H =ΣI ： /2 /21exp 2np n e tr n λ???? =-?? ? ???? S S 00p H =≠ΣΣI ： /2 /2**1exp 2np n e tr n λ???? =-?? ? ???? S S
统计学第四版(贾俊平)课后思考题答案
统计课后思考题答案 第一章思考题 1.1什么是统计学 统计学是关于数据的一门学科，它收集，处理，分析，解释来自各个领域的数据并从中得出结论。 1.2解释描述统计和推断统计 描述统计；它研究的是数据收集，处理，汇总，图表描述，概括与分析等统计方法。 推断统计；它是研究如何利用样本数据来推断总体特征的统计方法。 1.3统计学的类型和不同类型的特点 统计数据；按所采用的计量尺度不同分； （定性数据）分类数据：只能归于某一类别的非数字型数据，它是对事物进行分类的结果，数据表现为类别，用文字来表述； （定性数据）顺序数据：只能归于某一有序类别的非数字型数据。它也是有类别的，但这些类别是有序的。 （定量数据）数值型数据：按数字尺度测量的观察值，其结果表现为具体的数值。 统计数据；按统计数据都收集方法分； 观测数据：是通过调查或观测而收集到的数据，这类数据是在没有对事物人为控制的条件下得到的。 实验数据：在实验中控制实验对象而收集到的数据。 统计数据；按被描述的现象与实践的关系分； 截面数据：在相同或相似的时间点收集到的数据，也叫静态数据。 时间序列数据：按时间顺序收集到的，用于描述现象随时间变化的情况，也叫动态数据。 1.4解释分类数据，顺序数据和数值型数据 答案同1.3 1.5举例说明总体，样本，参数，统计量，变量这几个概念 对一千灯泡进行寿命测试，那么这千个灯泡就是总体，从中抽取一百个进行检测，这一百个灯泡的集合就是样本，这一千个灯泡的寿命的平均值和标准差还有合格率等描述特征的数值就是参数，这一百个灯泡的寿命的平均值和标准差还有合格率等描述特征的数值就是统计量，变量就是说明现象某种特征的概念，比如说灯泡的寿命。 1.6变量的分类
(完整word版)实用多元统计分析相关习题
练习题 一、填空题 1．人们通过各种实践，发现变量之间的相互关系可以分成（相关）和（不相关）两种类型。多元统计中常用的统计量有：样本均值、样本方差、样本协方差和样本相关系数。 2．总离差平方和可以分解为（回归离差平方和）和（剩余离差平方和）两个部分，其中（回归离差平方和）在总离差平方和中所占比重越大，则线性回归效果越显著。3．回归方程显著性检验时通常采用的统计量是（S R/p）/[S E/（n-p-1）]。 4．偏相关系数是指多元回归分析中，（当其他变量固定时，给定的两个变量之间的）的相关系数。 5．Spss中回归方程的建模方法有（一元线性回归、多元线性回归、岭回归、多对多线性回归）等。 6．主成分分析是通过适当的变量替换，使新变量成为原变量的（线性组合），并寻求（降维）的一种方法。 7．主成分分析的基本思想是（设法将原来众多具有一定相关性（比如P个指标），重新组合成一组新的互相无关的综合指标来替代原来的指标）。 8．主成分表达式的系数向量是（相关系数矩阵）的特征向量。 9．样本主成分的总方差等于（1）。 10．在经济指标综合评价中，应用主成分分析法，则评价函数中的权数为（方差贡献度）。主成分的协方差矩阵为（对称）矩阵。主成分表达式的系数向量是（相关矩阵特征值）的特征向量。 11．SPSS中主成分分析采用（analyze—data reduction—facyor）命令过程。 12．因子分析是把每个原始变量分解为两部分因素，一部分是（公共因子），另一部分为（特殊因子）。 13．变量共同度是指因子载荷矩阵中（第i行元素的平方和）。 14．公共因子方差与特殊因子方差之和为（1）。 15．聚类分析是建立一种分类方法，它将一批样品或变量按照它们在性质上的（亲疏程度）进行科学的分类。 16．Q型聚类法是按（样品）进行聚类，R型聚类法是按（变量）进行聚类。 17．Q型聚类统计量是（距离），而R型聚类统计量通常采用（相关系数）。 18．六种Q型聚类方法分别为（最长距离法）、（最短距离法）、（中间距离法）、（类平均法）、（重心法）、（离差平方和法）。 19．快速聚类在SPSS中由（k-均值聚类（analyze—classify—k means cluster））过程实现。 20．判别分析是要解决在研究对象已（已分成若干类）的情况下，确定新的观测数据属于已知类别中哪一类的多元统计方法。 21．用判别分析方法处理问题时，通常以（判别函数）作为衡量新样本点与各已知组别接近程度的指标。 22．进行判别分析时，通常指定一种判别规则，用来判定新样本的归属，常见的判别准则有（Fisher准则）、（贝叶斯准则）。 23．类内样本点接近，类间样本点疏远的性质，可以通过（类与类之间的距离）与（类内样本的距离）的大小差异表现出来，而两者的比值能把不同的类区别开来。这个比值越大，说明类与类间的差异越（类与类之间的距离越大），分类效果越（好）。24．Fisher判别法就是要找一个由p个变量组成的（线性判别函数），使得各自组内点的
统计学课后习题答案(袁卫)
统计学课后习题答案(袁卫、庞皓、曾五一、贾俊平）第三版 第1章绪论 1．什么是统计学?怎样理解统计学与统计数据的关系? 2．试举出日常生活或工作中统计数据及其规律性的例子。 3．．一家大型油漆零售商收到了客户关于油漆罐分量不足的许多抱怨。因此，他们开始检查供货商的集装箱，有问题的将其退回。最近的一个集装箱装的是2 440加仑的油漆罐。这家零售商抽查了50罐油漆，每一罐的质量精确到4位小数。装满的油漆罐应为4.536 kg。要求： (1)描述总体； (2)描述研究变量； (3)描述样本； (4)描述推断。 答：(1)总体：最近的一个集装箱内的全部油漆； (2)研究变量：装满的油漆罐的质量； (3)样本：最近的一个集装箱内的50罐油漆； (4)推断：50罐油漆的质量应为4.536×50＝226.8 kg。 4．“可乐战”是描述市场上“可口可乐”与“百事可乐”激烈竞争的一个流行术语。这场战役因影视明星、运动员的参与以及消费者对品尝试验优先权的抱怨而颇具特色。假定作为百事可乐营销战役的一部分，选择了1000名消费者进行匿名性质的品尝试验(即在品尝试验中，两个品牌不做外观标记)，请每一名被测试者说出A品牌或B品牌中哪个口味更好。要求： (1)描述总体； (2)描述研究变量； (3)描述样本； (4)一描述推断。 答：(1)总体：市场上的“可口可乐”与“百事可乐” (2)研究变量：更好口味的品牌名称； (3)样本：1000名消费者品尝的两个品牌 (4)推断：两个品牌中哪个口味更好。 第2章统计数据的描述——练习题 ●1.为评价家电行业售后服务的质量，随机抽取了由100家庭构成的一个样本。服务质量的等级分别表示为：A.好；B.较好；C.一般；D.差；E.较差。调查结果如下： B E C C A D C B A E D A C B C D E C E E A D B C C A E D C B B A C D E A B D D C C B C E D B C C B C D A C B C D E C E B B E C C A D C B A E B A C D E A B D D C A D B C C A E D C B C B C E D B C C B C (1) 指出上面的数据属于什么类型；
秋季多元统计分析考试答案
《多元统计分析》课程试卷答案 A 卷 2009年秋季学期 开课学院：理 考试方式：√闭卷、开卷、一纸开卷、其它 考试时间：120 分钟 班级 姓名 学号 散卷作废。 一、（15分）设()∑????? ??=,~3321μN x x x X ，其中????? ??-=132μ，??? ? ? ??=∑221231111， 1．求32123x x x +-的分布； 2. 求二维向量???? ??=21a a a ，使3x 与??? ? ??'-213x x a x 相互独立。 解：1.32123x x x +-()CX x x x ???? ? ? ??-=321123，则()C C C N CX '∑,~μ。（2分） 其中：μC ()13132123=????? ??--=，()9123221231111123=??? ? ? ??-????? ??-='∑C C 。（4分） 所以32123x x x +-()9,13~N （1分） 2. ????? ?????? ??'-213 3x x a x x =AX x x x a a ????? ? ?????? ??--3212 1110 ，则()A A A N AX '∑,~2μ。（1分） 其中： 订 线 装
μA ???? ??++-=???? ? ??-???? ??--=132113********* a a a a ，（1分） ??? ? ??+--+++--+--='???? ??--???? ? ?????? ??--='∑242232222211002212311111100 2121222121212121 a a a a a a a a a a a a a a A A （2分） 要使3x 与???? ??'-213x x a x 相互独立，必须02221=+--a a ，即2221=+a a 。 因为2221=+a a 时24223212122 21 +--++a a a a a a 0>。所以使3x 与??? ? ??'-213x x a x 相互独立，只要 ???? ??=21a a a 中的21,a a 满足2221=+a a 。 （4分） 二、（14分）设一个容量为n=3的随机样本取自二维正态总体，其数据矩阵为 ??? ? ? ??=3861096X ，给定显著性水平05.0=α， 1. 求均值向量μ和协方差矩阵∑的无偏估计 2. 试检验,38:H 0???? ??=μ .38:H 1??? ? ??≠μ （已知F 分布的上α分位数为19)2,2(F ,5.199)1,2(F ,51.18)2,1(F 0.050.050.05===） 解：1、??? ? ??==∑=68X n 1X n 1i i （3分） ???? ??--='--=∑=9334)X X ()X X (1-n 1S i n 1i i （3分） 2、,38:H 0???? ??=μ .38:H 1??? ? ??≠μ…（1分）
统计学课后题答案
第二章 3.某公司下属40个销售点2012年的商品销售收入数据如下：单位：万元152 124 129 116 100 103 92 95 127 104 105 119 114 115 87 103 118 142 135 125 117 108 105 110 107 137 120 136 117 108 97 88 123 115 119 138 112 146 113 126 要求：（1）根据上面的数据进行适当分组，编制频数分布表，绘制直方图。 （2）制作茎叶图，并与直方图进行比较。 解：（1）频数分布表
或： （2）茎叶图
第三章 1. 已知下表资料： 试根据频数和频率资料，分别计算工人平均日产量。解：计算表
根据频数计算工人平均日产量：6870 34.35200 xf x f = = =∑∑（件） 根据频率计算工人平均日产量：34.35f x x f = = ∑∑ g （件） 结论：对同一资料，采用频数和频率资料计算的变量值的平均数是一致的。 2.某企业集团将其所属的生产同种产品的9个下属单位按其生产该产品平均单位成本的分组资料如下表： 试计算这9个企业的平均单位成本。 解：
这9个企业的平均单位成本=f x x f = ∑∑ =13.74（元） 3.某专业统计学考试成绩资料如下： 试计算众数、中位数。 解：众数的计算： 根据资料知众数在80～90这一组，故L=80，d=90-80=10,fm=20,fm-1=14,fm+1=9, ()() 1 11m m o m m m m f f M L d f f f f --+-=+ ?-+-
实用多元统计分析相关习题学习资料
实用多元统计分析相 尖习题 练习题 一、填空题 1?人们通过各种实践，发现变量之间的相互矢系可以分成（相尖）和（不相尖）两种 类型。多元统计中常用的统计量有：样本均值、样本方差、样本协方差和样本相尖系数。 2?总离差平方和可以分解为（回归离差平方和）和（剩余离差平方和）两个部分，其中（回归离差平方和）在总离差平方和中所占比重越大，则线性回归效果越显著。 3 ?回归方程显著性检验时通常采用的统计量是（S R/P）/[S E/ （n-p-1） ]O 4?偏相尖系数是指多元回归分析中，（当其他变量固定时，给定的两个变量之间的） 的相尖系数。 5. Spss中回归方程的建模方法有（一元线性回归、多元线性回归、岭回归、多对多线性回归）等。
6 ?主成分分析是通过适当的变量替换，使新变量成为原变量的（线性组合），并寻求 （降维）的一种方法。 7 ?主成分分析的基本思想是（设法将原来众多具有一定相尖性（比如P个指标），重 新组合成一组新的互相无矢的综合指标来替代原来的指标）。 8 ?主成分表达式的系数向量是（相尖系数矩阵）的特征向量。 9 ?样本主成分的总方差等于（1）。 10 ?在经济指标综合评价中，应用主成分分析法，则评价函数中的权数为（方差贡献度）。主成分的协方差矩阵为（对称）矩阵。主成分表达式的系数向量是（相尖矩阵特征值）的特征向量。 11. SPSS 中主成分分析采用（analyze—data reduction — facyor）命令过程。 12?因子分析是把每个原始变量分解为两部分因素，一部分是（公共因子），另一部
分为（特殊因子）。 13 ?变量共同度是指因子载荷矩阵中（第i行元素的平方和）。 14 ?公共因子方差与特殊因子方差之和为（1） o 15 ?聚类分析是建立一种分类方法，它将一批样品或变量按照它们在性质上的（亲疏 程度）进行科学的分类。 16. Q型聚类法是按（样品）进行聚类，R型聚类法是按（变量）进行聚类。 17. Q型聚类统计量是（距离），而R型聚类统计量通常采用（相尖系数）。 18. 六种Q型聚类方法分别为（最长距离法）、（最短距离法）、（中间距离法）、（类平均法）、（重心法）、（离差平方和法）。 19?快速聚类在SPSS中由（k■均值聚类（analyze— classify— k means cluste））过程实 现。 20. 判别分析是要解决在研究对象已（已分成若干类）的情况下，确定新的观测数据属于已知类别中哪一类的多元统计方法。 21. 用判别分析方法处理问题时，通常以（判别函数）作为衡量新样本点与各已知组别接近程度的指标。 22. 进行判别分析时，通常指定一种判别规则，用来判定新样本的归属，常见的判别准则有 （Fisher准则）、（贝叶斯准则）。 23. 类内样本点接近，类间样本点疏