定性数据分析第三章课后答案
数据挖掘第三版第三章课后习题答案
2.1再给三个用于数据散布的常用特征度量（即未在本章讨论的），并讨论如何在大型数据库中有效的计算它们答：异众比率：又称离异比率或变差比。
是非众数组的频数占总频数的比率应用：用于衡量众数的代表性。
主要用于测度定类数据的离散程度，定序数据及数值型数据也可以计算。
还可以对不同总体或样本的离散程度进行比较计算：标准分数：标准分数（standard score）也叫z分数（z-score）,是一个分数与平均数的差再除以标准差的过程。
用公式表示为：z=(x-μ)/σ。
其中x为某一具体分数，μ为平均数，σ为标准差。
Z值的量代表着原始分数和母体平均值之间的距离，是以标准差为单位计算。
在原始分数低于平均值时Z则为负数，反之则为正数。
计算：Z=（x-μ)/σ其中μ= E( X) 为平均值、σ² = Var( X) X的概率分布之方差若随机变量无法确定时，则为算术平均数离散系数：离散系数，又称“变异系数”，是概率分布离散程度的一个归一化量度，其定义为标准差与平均值之比。
计算：CV=σ/μ极差（全距）系数：Vr=R/X’；平均差系数：Va，d=A.D/X’；方差系数：V方差=方差/X’；标准差系数：V标准差=标准差/X’；其中，X’表示X的平均数。
平均差：平均差是总体所有单位的平均值与其算术平均数的离差绝对值的算术平均数。
平均差是一种平均离差。
离差是总体各单位的标志值与算术平均数之差。
因离差和为零，离差的平均数不能将离差和除以离差的个数求得，而必须讲离差取绝对数来消除正负号。
平均差是反应各标志值与算术平均数之间的平均差异。
平均差异大，表明各标志值与算术平均数的差异程度越大，该算术平均数的代表性就越小；平均差越小，表明各标志值与算术平均数的差异程度越小，该算术平均数的代表性就越大。
计算：平均差=(∑|x-x'|)÷n,其中∑为总计的符号，x为变量，x'为算术平均数，n为变量值的个数。
定性数据分析课后答案
第二章课后作业【第 1题】解：由题可知消费者对糖果颜色的偏好情况（即糖果颜色的概率分布），调查者取 500 块糖果作为研究对象，则以消费者对糖果颜色的偏好作为依据，500 块糖果的颜色分布如下表 1.1所示：表 1.1 理论上糖果的各颜色数橙色黄色红色棕色绿色蓝色150100*********由题知r=6 ，n=500，我们假设这些数据与消费者对糖果颜色的偏好分布是相符，所以我们进行以下假设 :原假设： H 0 :类 A i所占的比例为 p i p i 0 (i 1, (6)其中 A i为对应的糖果颜色， p i 0 (i1,...,6)6p i0 1已知，1i则 2 检验的计算过程如下表所示：颜色类别n i np i0( n i np i 0 ) 2 np i 0 A1172150 3.2267A2124100 5.7600A385100 2.2500A44150 1.6200A53650 3.9200A64250 1.2800合计500500218.0567在这里 r 6 。
检验的 p 值等于自由度为 5 的2变量大于等于 18.0567 的概率。
在 Excel 中输入“chidist (18.0567,5) ”，得出对应的p值为 p0.0028762 0.05 ，故拒绝原假设，即这些数据与消费者对糖果颜色的偏好分布不相符。
【第 2题】解：由题可知 ，r=3 ， n=200，假设顾客对这三种肉食的喜好程度相同，即顾客选择这三种肉食的概率是相同的。
所以我们可以进行以下假设： 原假设 H 0 : p i1( 1,2,3)i32则 检验的计算过程如下表所示：肉食种类n inp i( n i np i ) 2 np i猪肉 85 66.67 5.03958 牛肉 41 66.67 9.88374 羊肉 74 66.670.80589合计200200215.72921在这里 r 3 。
检验的 p 值等于自由度为 2 的2变量大于等于 15.72921 的概率。
统计学第五版课后习题答案(完整版)
统计学(第五版)课后习题答案(完整版)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1.31.5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变量的分类变量可以分为分类变量,顺序变量,数值型变量。
变量也可以分为随机变量和非随机变量。
经验变量和理论变量。
1.7举例说明离散型变量和连续性变量离散型变量,只能取有限个值,取值以整数位断开,比如“企业数”连续型变量,取之连续不断,不能一一列举,比如“温度”。
第三章 定性数据的 检验
3
? ? 假 如设果三H0类成的立观，察我次们数希分望别在为样本n1中, n喜2和欢n每3 一，品i?1 牌ni 的? n顾。
从而
c
?
?
2
?
(k
? 1)
对例3.1来说，k ? 3 ，当? ? 0.05 时，??2(k ?1)? ?02.05(2)? 5.991
? 2 ? (61 ? 50)2 ? (53 ? 50)2 ? (36 ? 50)2 ? 6.52
50
50
50
? 由于? 2 ? 6.52 ? 5.991，因此拒绝零假设。
由假设检验的一般原理知， c的值可由给定的显
著性水平 ? 确定，即c满足 P(? 2 ? c) ? ?
关于统计量 ? 2的分布，英国统计学家 Karl Pearson
给出下面的定理：
设总体中的每一个个体属于且只属 A1, A2 , , Ak
，k个类之一。总体中属于 k个类的比例为 p1, p 2 , , pk
即认为顾客对这三种品牌矿泉水的喜好确实存 在差异。
利用统计分析软件SPSS13.0可以大大简 化计算过程，下面用统计软件对例3.1进行分析。
?1.按要求录入数据； ?2.选择 Data ? weightCase 对数据进行加权； ?3.选择 Analyze ? Non ? parametricTest ? Chi ? square 进行非参数检验
3.1 多项分布与? 2 分布
?收集分类数据的目的是分析在每个类中 数据的分布。例如，我们为了估计消费 者中喜欢三种牙膏中每一种的比例，则 统计购买者三种牙膏的顾客购买每一种 的人数。在这里仅仅是根据牙膏的种类 来分类，我们称之为一维分类或一向分 类。下面通过例子来介绍一向分类数据 的分析。
数据分析方法课后答案
数据分析方法课后答案【篇一：数据的分析练习题及答案】、选择题:(每题3分,共15分)1.小明家要买台电脑,下面是甲、乙、丙三种电脑近几年来的销量,如果小明想买一台近期比较流行的电脑,他应买()a.甲b.乙c.丙2.小李是个彩票迷,为了能得奖,他特意询问了前15天的中奖号码分别是:519、、706、328、556、768、215、435、741、624、307、821、696、741、471、285. 你认为这样的观点是否合理()a.不合理b.合理3.小靖想买双好的运动鞋,于是她上网查找有关资料,得到下表:她想买一双价格在300-600元之间,且她喜欢白色、红白相间、浅绿或淡黄色, 并且防水性能很好,那么她应选()a.甲b.乙c.丙d.丁4.为了计算植树节时本班同学所种植的30棵树苗的平均高度, 三位同学先将所有树苗的然后,他们分别这样计算这30棵树苗的平均高度:130130列式正确的是()a.(1)b.(1)和(2);c.(1)和(3)d.(2)和(3)5.某班在一次物理测试中的成绩为:100分7人,90分14人,80分17人,70分8人, 60分2人,50分2人.则该班此次测试的平均成绩为() a.82分b.62分c.64分d.75分二、填空题:(每题4分,共20分)6.一次知识竞赛中,36名参赛选手的得分情况为:5人得75分,8人得80分,6 人得85分,8人得90分,7人得95 分, 2 人得100 分, 要计算他们的平均得分, 可列算式:_____________.(1)7.某校九年级6个班级的学生的人数和平均体重如下表:要计算全校学生的平均体重,可列算式________,平均体重约为__________.8.某家庭搬进新居后,又添置了新的家用电器,为了了解用电量的大小, 该家庭在6月初连续几天观察电表的度数,如下表所示:9.为了解我国14岁男孩的平均身高,从北方抽取了300个男孩,平均身高1.60m; 从南方抽取了200个男孩,平均身高为1.50m;若北方14岁男孩数与南方14岁男孩数的比为3:2,由此可推断我国14岁男孩的平均身高约为______m.10.小明先用5千米/时的速度行驶3小时后,又用4千米/时的速度行驶5小时到达目的地,则小明的平均速度为________. 三、解答题:(每题9分,共54分)11.某同学对他在本学期的自我检测成绩进行了统计:95分的有12次,90 分的有10次,85分的有15次,80分的有3次,75分的有1次,65分的有3次.试计算该同学本学期自我检测的平均成绩..12.超市里要举行转盘摇奖活动,转盘如图所示,买满100元可摇奖一次,有人说:如果大家都摇到自行车,那么超市岂不是亏本了?如果你是超市决策者,会不会因此而改变有奖销售的方案呢?说说你的理由?自行车300元洗洁精2.80元酱油5.0元西红柿2.00元墨水3.50元13.请你根据上表比较这两个国家的数据,你能得出什么结论?14.由于水资源贫乏,节约用水非常重要,请你调查一下,本班每位学生所在家庭的月人均用水量,并据此制作频数分布图,同时估计一下当地家庭的月人均用水量.15.爸爸给小明一串钥匙,共有4把,小明决定先试试哪把是防盗门的钥匙. 请你用模拟实验方法估计一下,他第1次试开就成功的机会有多大?16.转动如图所示的转盘两次,每次指针都指向一个数字. 如果两次所指的数字之积是质数,游戏者a得10分;乘积不是质数,游戏者b得10分.你认为这个游戏公平吗?如果你认为这个游戏不公平,你愿意做游戏者a还是游戏者b?为什么?31246517.有人对记忆和遗忘的规律进行研究,人在记忆过某些知识后, 在不同时间段对其进行测试,结果如下表:分析测试结果,在图中绘制曲线图,并回答遗忘在数量上的变化规律.记忆效果1%记忆的保持曲线图答案:一、1.b 2.a 3.d 4.d 5.a148?50?49.8?46?50.2?55?49.5?48?51?52?50.3?547., 49.8kg50?46?55?48?52?54358.387.75 9.1.56 10.千米/时8三、144所以,美国的吸烟总人数和每天吸烟的总数都大于日本,但吸烟人口占总人口的比例小于日本.14.列出调查表,对本班学生实事求是地进行调查以获得真实的信息.15.可用4个相同的球,1个白的,3个黑的,每次抽1个,则第1次抽到白球的概率为所求概率,1为. 41516.不公平,愿做b 解:乘积是质数的概率是,乘积不是质数的概率是, 游戏不公平,故66愿做b.17.遗忘曲线表明了遗忘在数量上的变化规律,遗忘的数量随时间的前进而递增;这种递增先快后慢,在识记后的短时间内特别迅速,然后逐渐缓慢下来.二、6.记忆效果1%/d记忆的保持曲线图【篇二：定性数据分析第三章课后答案】9、对72个可疑患者用两种不同的方法进行检测，检测结果如下：问：检测方法1阳性和阴性的比例是否与检测方法2阳性和阴性的比例相同？解：（1）提出原假设根据题意，我们假设检测方法1阳性和阴性的比例与检测方法2阳性和阴性的比例是相同。
定性数据分析第三章课后答案
第三章课后习题作业9、对72个可疑患者用两种不同的方法进行检测，检测结果如下：问：检测方法1阳性和阴性的比例是否与检测方法2阳性和阴性的比例相同？ 解：（1）提出原假设根据题意，我们假设检测方法1阳性和阴性的比例与检测方法2阳性和阴性的比例是相同。
即：原假设：011:,H p p ++= 备选假设：011:H p p ++≠（2）选择检验统计量如果边缘齐性检验问题的原假设成立时，因为121122211221,p p p p p --==，可见参数个数为2，并且似然函数为2221121122211211)21()()()()()(),(121112112212111211n n n n n n n n p p p p p p p p p L --==++所以11p 、12p 和2112p p =极大似然估计分别为n n p1111ˆ=、n n p 2222ˆ=和n n n p p2)(ˆˆ21122112+==。
从而得到边缘齐性检验问题的2χ检验统计量和似然比检验统计量)ln(2Λ-，它们分别为：2χ检验统计量：211222112212122)(ˆ)ˆ(n n n n p n p n n i j ij ij ij +-=-=∑∑==χ似然比检验统计量：⎪⎪⎭⎫⎝⎛+++-=⎪⎪⎭⎫⎝⎛-=Λ-∑∑==212112211221121221212ln 2ln 2ˆln 2)ln(2n n n n n n n n n p n n i j ijijij它们都有渐近2χ分布，其自由度都是4-2-1=1。
（3）计算检验统计量和p 值，并作出决策则McNemar 2χ检验统计量和似然检验统计量)ln(2Λ-的值分别为：3918)918(22=+-=χ 05818.392918ln 9182918ln 182)ln(2=⎪⎭⎫ ⎝⎛⋅++⋅+-=Λ-我们在Excel 中分别输入“)1,3(chidist =”和“)1,05818.3(chidist =”，可得到2χ检验统计量和似然检验统计量)ln(2Λ-的p 值分别为：083264517.0)3)1((2=≥=χP p 080331601.0)05818.3)1((2=≥=χP p由于p 值都不小，我们不能拒绝原假设，从而认为检测方法1阳性和阴性的比例与检测方法2阳性和阴性的比例是相同。
统计学第三版课后答案
统计学第三版课后答案第一章1.什么是统计学？统计学是一门研究如何收集、分析和解释数据的学科。
它涉及到收集数据的方法、数据的描述和分析、以及通过数据来进行推断和预测。
2.数据可以分为哪两种类型？数据可以分为定量数据和定性数据。
定量数据是可以用数字表示的，例如身高、体重等；定性数据是描述性的，例如颜色、性别等。
3.描述性统计与推论统计有什么区别？描述性统计是对收集到的数据进行总结、整理和展示的过程，主要通过统计指标如平均数、中位数等来描述数据的特征。
推论统计则是通过对样本数据进行推断，从而对整个总体进行推断和预测。
4.什么是样本？样本是从总体中选取出来的一部分个体。
通过对样本进行统计分析，我们可以对整个总体进行推断和预测。
5.什么是抽样误差？抽样误差是指由于样本选择的随机性所导致的样本统计量与总体参数之间的差异。
第二章1.总体和样本的区别是什么？总体是指研究对象的全体个体，而样本是从总体中选取出来的一部分个体。
2.简单随机抽样和分层抽样的区别是什么？简单随机抽样是指每个个体被抽中的概率相等且相互独立的抽样方法，适用于总体中各个个体之间没有明显分层的情况。
而分层抽样是将总体分为若干层次，然后从每个层次中分别抽取样本，适用于总体中各个层次之间存在明显差异的情况。
3.什么是系统抽样？系统抽样是指根据某种规则，从总体中以一定间隔选取样本的抽样方法。
例如，每隔k个个体选取一个个体作为样本。
4.方便抽样和判断抽样的特点是什么？方便抽样是指通过方便快捷的方法选取样本，例如通过问卷调查、网络调研等。
方便抽样的特点是样本选择的随机性不足，很容易导致样本与总体之间存在偏差。
判断抽样则是基于研究者的判断来选取样本，因此也可能存在主观性和偏见。
5.什么是多阶段抽样？多阶段抽样是指将总体分为若干个阶段，先从每个阶段中按一定方法抽取较小的样本，然后再从这些小样本中抽取最终的样本。
第三章1.什么是频率？频率是指某个数值或范围在样本或总体中出现的次数。
第三章 定性数据
的渐近分布为N(0,1)
原假设H0:p1=p2成立时，记p1=p2=p
n11 / n1 n21 / n2 ~ N (0,1)，其中： p(1 p)(1/ n1 1/ n2 )
n11 n21 n1 n1 n11 n2 n21 n1 n2 ˆ ˆ ˆ p p1 p2 n1 n2 n n n1 n n2 n n
C ov( X , Y ) E ( XY ) E ( X ) E (Y ) (a1 a2 )(b1 b2 )( p11 p1 p1 )
其中，a1,a2和b1,b2分别是属性A和B的分类(取值) 当A与B不相关时，有： Cov(X,Y)=0 可见，四格表中属性A与B无关也就是相互独立。
§3.2 独立性检验
3.2.1 独立与不相关 设属性A把总体分成A1和A2两类，属性B把总体 分成B1和B2两类。考虑一个四格表，其中的频数 换成相应的概率.
属性之间独立与不相关
两个相互独立的随机变量一定不相关，但不相关不一定
独立。 这里相关指线性相关 四格表中属性A与B相互独立等价于不相关。 根据前面的频数分布表可以得到概率四格表：
单侧给定的四格表的检验
例3.1的解：
H 0 : p1 p2或肺癌患者与吸烟相互独立 H1 : p1 p2或肺癌患者吸烟比例高于健康人 106 （60 11-32 3） U 3.1086 92 14 63 43
在给定的显著性水平(0.05)下，显然大于临界值，应该拒 绝原假设。 相应的P-值为0.00094，可以得到同样的结论。
表3.8 概率四格表
B1
B2
合计
A1 A2 合计
p11 p21 p+1
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第三章课后习题作业
9、对72个可疑患者用两种不同的方法进行检测，检测结果如下：
问：检测方法1阳性和阴性的比例是否与检测方法2阳性和阴性的比例相同？ 解：
（1）提出原假设
根据题意，我们假设检测方法1阳性和阴性的比例与检测方法2阳性和阴性的比例是相同。
即：
原假设：011:,H p p ++= 备选假设：011:H p p ++≠
（2）选择检验统计量
如果边缘齐性检验问题的原假设成立时，因为121122211221,p p p p p --==，可见参数个数为2，并且似然函数为
2221121122211211)21()()()()()(),(121112112212111211n n n n n n n n p p p p p p p p p L --==++
所以11p 、12p 和2112p p =极大似然估计分别为n n p
1111ˆ=、n n p 2222ˆ=和n n n p p
2)(ˆˆ21122112+==。
从而得到边缘齐性检验问题的2χ检验统计量和似然比检验统计量)ln(2Λ-，它们分别为：
2
χ检验统计量：211222112212
1
22
)(ˆ)ˆ(n n n n p n p n n i j ij ij ij +-=-=∑∑==χ
似然比检验统计量：
⎪⎪⎭⎫
⎝⎛+++-=⎪⎪⎭
⎫
⎝⎛-=Λ-∑∑==21211221122112122
1212ln 2ln 2ˆln 2)ln(2n n n n n n n n n p n n i j ij
ij
ij
它们都有渐近2χ分布，其自由度都是4-2-1=1。
（3）计算检验统计量和p 值，并作出决策
则McNemar 2χ检验统计量和似然检验统计量)ln(2Λ-的值分别为：
39
18)918(2
2
=+-=
χ 05818.392918ln 9182918ln 182)ln(2=⎪⎭⎫ ⎝
⎛
⋅++⋅+-=Λ-
我们在Excel 中分别输入“)1,3(chidist =”和“)1,05818.3(chidist =”，可得到2χ检验统计量和似然检验统计量)ln(2Λ-的p 值分别为：
083264517.0)3)1((2=≥=χP p 080331601.0)05818.3)1((2=≥=χP p
由于p 值都不小，我们不能拒绝原假设，从而认为检测方法1阳性和阴性的比例与检测方法2阳性和阴性的比例是相同。
13、某肿瘤学专家在11年里对4万多个中年人的生活方式进行了观察。
发现在喜爱腌制食品的男性中，每500人中就有1人患胃癌。
这是很少吃腌制食品男性的两倍。
令A 表示患胃癌，B 表示喜爱腌制食品。
B 作为A 的风险因素，试求其相对危险度和优比。
解：由题意知，A 表示患胃癌，B 表示喜爱腌制食品，则相应的概率四格表为：
（1）相关概念
①相对危险度是指有风险因素的危险程度与无风险的危险程度之比，在本题则是指喜爱腌制食品的男性中患胃癌的概率与很少吃腌制食品男性中患胃癌的概率之比；
②优比是指两个优势的比，本题中优比是指在喜爱腌制食品的男性中患胃癌与不患胃癌的概率比比上很少吃腌制食品男性中患胃癌与不患胃癌的概率所得的结果。
（2）根据题意列出相应关系式 ①用C 表示相对危险度，则有
)|()|(B A P B A P C =
②用θ表示优比，则有
)
|()|()
|()|(B A P B A P B A P B A P =
θ
（3）计算结果
由题喜爱腌制食品的男性中，每500人中就有1人患胃癌，他是很少吃腌制食品男性的两倍，我们可以知道
001
.021
5001)|(002.0500
1
)|(=⨯===
B A P B A P
①则相对危险度为
2001.0002.0)|()|(===B A P B A P C
②由四格表知
2
12111)|()|(++==p p B A P p p B A P
且有2221212111,++=+=+p p p p p p 所以优比为
002004008
.2001.0999
.0998.0002.0001
.01001.0002.01002
.011)()()|()|()|()|(2
122121
1111121222121111111222212
121
111
=⨯=--=--=--===++++++++++++++θθp p p p p p p p p p p p p p p p p p p p p p p p p p B A P B A P B A P B A P
由此可知优比与相对危险度相差很小。