统计学

龙望、胡智星

目录

  • 1 第一单元   绪论
    • 1.1 课程总体介绍
    • 1.2 理论部分
    • 1.3 应用部分
    • 1.4 单元小结
    • 1.5 随堂小练
    • 1.6 课后习题详解
    • 1.7 【思政导读】统计学家:戴世光
  • 2 第二单元  数据的搜集
    • 2.1 理论部分
    • 2.2 应用部分
    • 2.3 单元小结
    • 2.4 随堂小测
    • 2.5 课后习题详解
    • 2.6 【思政导读】统计学家:吴定良
  • 3 第三单元  数据的图表展示
    • 3.1 理论部分
    • 3.2 应用部分
    • 3.3 单元小结
    • 3.4 随堂小测
    • 3.5 课后习题详解
    • 3.6 【思政导读】数据可视化名人
  • 4 第四单元   数据的概括性度量
    • 4.1 理论部分
    • 4.2 应用部分
    • 4.3 单元小结
    • 4.4 随堂小测
    • 4.5 课后习题详解
    • 4.6 【思政导读】趣味统计故事会
  • 5 第五单元  概率与概率分布
    • 5.1 理论部分
    • 5.2 应用部分
    • 5.3 单元小结
    • 5.4 随堂小测
    • 5.5 课后习题详解
    • 5.6 【思政导读】正态分布的前世今生
  • 6 第六单元  统计量及其抽样分布
    • 6.1 理论部分
    • 6.2 应用部分
    • 6.3 单元小结
    • 6.4 随堂小测
    • 6.5 课后习题详解
    • 6.6 【思政导读】T分布的由来
  • 7 第七单元  参数估计
    • 7.1 理论部分
    • 7.2 应用部分
    • 7.3 单元小结
    • 7.4 随堂小测
    • 7.5 课后习题详解
    • 7.6 【思政导读】脱贫普查工作
  • 8 第八单元  假设检验
    • 8.1 理论部分
    • 8.2 应用部分
    • 8.3 单元小结
    • 8.4 随堂小测
    • 8.5 课后习题详解
    • 8.6 【思政导读】 P 值详解
  • 9 第九单元  分类数据分析
    • 9.1 理论部分
    • 9.2 应用部分
    • 9.3 单元小结
    • 9.4 随堂小测
    • 9.5 课后习题详解
    • 9.6 【思政导读】从数据的角度看《泰坦尼克号》
  • 10 第十单元  方差分析
    • 10.1 理论部分
    • 10.2 应用部分
    • 10.3 单元小结
    • 10.4 随堂小测
    • 10.5 课后习题详解
    • 10.6 【思政导读】方差分析的应用
  • 11 第十一单元 一元线性回归
    • 11.1 理论部分
    • 11.2 应用部分
    • 11.3 单元小结
    • 11.4 随堂小测
    • 11.5 课后习题详解
    • 11.6 【思政导读】高尔顿与回归
  • 12 第十二单元 多元线性回归
    • 12.1 理论部分
    • 12.2 应用部分
    • 12.3 单元小结
    • 12.4 随堂小测
    • 12.5 课后习题详解
    • 12.6 【思政导读】统计学家:许宝騄
  • 13 第十三单元 时间序列分析和预测
    • 13.1 理论部分
    • 13.2 应用部分
    • 13.3 单元小结
    • 13.4 随堂小测
    • 13.5 课后习题详解
    • 13.6 【思政导读】毛主席田野调查
  • 14 第十四单元 指数…
    • 14.1 理论部分
    • 14.2 应用部分
    • 14.3 单元小结
    • 14.4 随堂小测
    • 14.5 课后习题详解
    • 14.6 【思政导读】中国统计思维
  • 15 【选学】专题1:统计调查
    • 15.1 调查问卷基础知识
    • 15.2 网络问卷实操
  • 16 【选学】专题2:空间统计基础
    • 16.1 理论:空间统计学
    • 16.2 应用1:空间模式识别
  • 17 【选学】专题3:多元统计分析
    • 17.1 多元统计分析入门
    • 17.2 【实操案例】K-means聚类分析
    • 17.3 【实操案例】主成分分析
  • 18 【选学】专题4:高级统计工具
    • 18.1 R语言之Rstudio入门
    • 18.2 python之Jupyter notebook入门
    • 18.3 数据可视化BI工具
  • 19 【选学】专题5:文本大数据统计应用
    • 19.1 理论
    • 19.2 应用
  • 20 【选学】专题6:统计建模竞赛
    • 20.1 大学生统计建模培训
    • 20.2 空间计量建模
  • 21 国贸专题:国际贸易网络流数据分析
    • 21.1 网络计量方法
    • 21.2 国际贸易网络分析实践
  • 22 审计与财管专题:统计实务
    • 22.1 ppt
    • 22.2 应用案例
  • 23 数经与财管专题:商务大数据分析
    • 23.1 RFM:识别客户群体
  • 24 金科专题:时间序列预测综合
课后习题详解
  • 1 一、思考题
  • 2 二、练习题

一、思考题

1.假设检验和参数估计有什么相同点和不同点? 

是建立在概率基础上的推断,推断结果都有一定的可信度或风险。

参数μ 在估计前是未知的。而在假设检验中,则是先 μ 的值提出一个假设,然后利用样本信息去检验这个假设是否成立。


2.什么是假设检验中的显著性水平?统计显著是什么意思? 

1弃真α表示。它是由人们根据检验的要求确定的,通常 α0.05 α0.01

2)统计显著是指在原假设为真的条件下,用于检验的样本统计量的值落在了拒绝域内,作出了拒绝原假 设的决定。

 

3.什么是假设检验中的两类错误?

假设检验中所犯的错误有两种类型,一类错误是原假H0 为真却被拒绝了,犯这种错误的概率 α  也称α 错误或弃真错误另一类错误是原假设为伪却没有拒犯这种错误的概率β 也称 β 错误或取伪错误。

 

4.两类错误之间存在什么样的数量关系?

如果减α 错误,就会增大 β 错误的机会;若减β 错误,也会增大α 错误的机会。如果想使α β 同时变小,就只有增大样本量。

 

 

5.解释假设检验中 P 值。

P 值就是当原假设为真时所得到的样本观察结果或更极端结果出现的概率P  况发生的概率很小而如果出现了根据小概率原理就有理由拒绝原假P 就越充分。

 

 

6.显著性水平 P 值有何区别? 

1显著性水平是当原假设正确时却被拒绝的概率或风险即假设检验中犯弃真错误的概率P 值就是当原假设为真时所得到的样本观察结果或更极端结果出现的概率。

2是由人们根据检验的要求确定的通常 α0.05  α0.01显著性水平表示的是一个笼 统的犯第一类错误的概率P 是通过计算得到的,P 值是拒绝原假设的最小显著性水平,它比一般的显著性水 P 值的大小取决于三个因素一个是样本数据与原假设之间的差 异;另一个是样本量;再一个是被假设参数的总体分布。

 

 

7.假设检验依据的基本原理是什么? 

假设检验的基本原理可以用小概率原理来解释小概率原理是指发生概率很小的随机事件在一次试验中几乎不可能发生根据这一原理可以作出是否拒绝原假设的决定那么 不利于或不能支持这一假设的事A 在一次试验中是几乎不可能发生要是在一次试验中事A 竟然发生了,就有理由怀疑这一假设的真实性,因拒绝这一假设。

 

 

8.在单侧检验中原假设和备择假设的方向应如何确定? 单侧检验有两种情况:一种是所考察的数值越大越好,也就是左单侧检验,要求原假设“≥,相应

的备择假设假设“>