管理统计大作业.doc

《管理统计大作业.doc》由会员分享，可在线阅读，更多相关《管理统计大作业.doc（129页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、Four short words sum up what has lifted most successful individuals above the crowd: a little bit more.-author-date管理统计大作业管理统计学实验报告管理统计学实验报告院系 ：交通运输管理学院 学生姓名： 班级 ： 学号 ： 成绩 ： 指导教师： 作业一：某地101例健康男子血清总胆固醇值测定结果如下，请绘制频数表、直方图、茎叶图、箱型图，计算均值、标准差、中位数、众数、标准差、方差、最小值、最大值、全距、四分位数。4.77 3.37 6.14 3.95 3.56 4.23 4.31

2、 4.71 5.69 4.12 4.56 4.37 5.39 6.30 5.21 7.22 5.54 3.93 5.21 4.12 5.18 5.77 4.79 5.12 5.20 5.10 4.70 4.74 3.50 4.69 4.38 4.89 6.25 5.32 4.50 4.63 3.61 4.44 4.43 4.25 4.03 5.85 4.09 3.35 4.08 4.79 5.30 4.97 3.18 3.97 5.16 5.10 5.86 4.79 5.34 4.24 4.32 4.77 6.36 6.38 4.88 5.55 3.04 4.55 3.35 4.87 4.17

3、 5.85 5.16 5.09 4.52 4.38 4.31 4.58 5.72 6.55 4.76 4.61 4.17 4.03 4.47 3.40 3.91 2.70 4.60 4.09 5.96 5.48 4.40 4.55 5.38 3.89 4.60 4.47 3.64 4.34 5.18 6.14 3.24 4.90 3.05步骤：输入数据：先点击变量，然后将名称、类型、宽度、小数、列、度量标准（度量级）再点击任意一个序号，回到原输入界面，将所给数据输入分析：分析-描述统计-频率-将“血清总胆固醇值”导入“变量”框中-选择统计量-“百分位值”中的“四分位数”，“集中趋势”中的“均值

4、、中位数、众数”，“离散”中的“标准差、方差、范围（得出全距）、最小值、最大值”-继续-图表选项- “直方图”，并在 “在直方图上显示正态曲线”打钩-继续，返回-确定分析-描述统计-探索- “血清胆固醇”导入，点击“绘制”-选择“茎叶图”和“直方图（此处的直方图指的是箱型图）”， “继续”- “确定”结果：频数表：血清总胆固醇值频率百分比有效百分比累积百分比有效2.7011.01.01.03.0411.01.02.03.0511.01.03.03.1811.01.04.03.2411.01.05.03.3522.02.06.93.3711.01.07.93.4011.01.08.93.5011

5、.01.09.93.5611.01.010.93.6111.01.011.93.6411.01.012.93.8911.01.013.93.9111.01.014.93.9311.01.015.83.9511.01.016.83.9711.01.017.84.0322.02.019.84.0811.01.020.84.0922.02.022.84.1222.02.024.84.1722.02.026.74.2311.01.027.74.2411.01.028.74.2511.01.029.74.3122.02.031.74.3211.01.032.74.3411.01.033.74.3711.

6、01.034.74.3822.02.036.64.4011.01.037.64.4311.01.038.64.4411.01.039.64.4722.02.041.64.5011.01.042.64.5211.01.043.64.5522.02.045.54.5611.01.046.54.5811.01.047.54.6022.02.049.54.6111.01.050.54.6311.01.051.54.6911.01.052.54.7011.01.053.54.7111.01.054.54.7411.01.055.44.7611.01.056.44.7722.02.058.44.7933.

7、03.061.44.8711.01.062.44.8811.01.063.44.8911.01.064.44.9011.01.065.34.9711.01.066.35.0911.01.067.35.1022.02.069.35.1211.01.070.35.1622.02.072.35.1822.02.074.35.2011.01.075.25.2122.02.077.25.3011.01.078.25.3211.01.079.25.3411.01.080.25.3811.01.081.25.3911.01.082.25.4811.01.083.25.5411.01.084.25.5511.

8、01.085.15.6911.01.086.15.7211.01.087.15.7711.01.088.15.8522.02.090.15.8611.01.091.15.9611.01.092.16.1422.02.094.16.2511.01.095.06.3011.01.096.06.3611.01.097.06.3811.01.098.06.5511.01.099.07.2211.01.0100.0合计101100.0100.0直方图茎叶图血清总胆固醇值 Stem-and-Leaf Plot Frequency Stem & Leaf 1.00 2 . 7 8.00 3 . 001233

9、34 9.00 3 . 556689999 24.00 4 . 000001111222333333344444 25.00 4 . 5555556666677777777788899 17.00 5 . 01111111222333334 9.00 5 . 556778889 6.00 6 . 112333 1.00 6 . 5 1.00 Extremes (=7.2) Stem width: 1.00 Each leaf: 1 case(s)箱型图计算均值、标准差、中位数、众数、标准差、方差、最小值、最大值、全距、四分位数。统计量血清总胆固醇值N有效101缺失0均值4.6995均值的标准误

10、.08573中值4.6100a众数4.79标准差.86162方差.742偏度.251偏度的标准误.240峰度.101峰度的标准误.476全距4.52极小值2.70极大值7.22和474.65百分位数254.1513b504.6100755.2017a. 利用分组数据进行计算。b. 将利用分组数据计算百分位数。结果分析：均值：4.7035、标准差：0.85635、方差：0.733、中位数：4.6100、众数：4.79、极小值：2.70、极大值：7.22、全距：4.52 作业二：某轮胎厂的质量分析报告中说明，该厂某轮胎的平均寿命在一定的载重负荷与正常行驶条件下会大于25000公里。平均轮胎寿命的公

11、里数近似服从正态分布。现对该厂该种轮胎抽取一容量为15个的样本，数据如下表所示，试验结果得样本均值为27000公里。试分析：该厂产品与申报的质量标准是否相符？（=0.05） 单样本参数t检验序号轮胎寿命121000219000333000431500518500634000729000826000925000102800011300001228500132750014280001526000步骤：输入数据：将数据逐一录入分析：分析比较均值单样本T检验 -选择要分析的变量，导入右框中，在 “检验值”中，填入总体均值假设-选项，将置信区间百分比95%，继续-确定结果：单个样本统计量N均值标准差均值

12、的标准误轮胎寿命1527000.004636.8091197.219单个样本检验检验值 = 25000 tdfSig.(双侧)均值差值差分的 95% 置信区间下限上限轮胎寿命1.67114.1172000.000-567.784567.78结果分析：均值为27000 t统计量=1.671，双侧检验P =0.1170.05接受H0即该厂产品与申报的质量标准没有显著性差异，在95%的置信区间：（-567.78，4567.78）,断点为一负一正，接受H0，综上：该厂产品与申报的质量标准相符。作业三：调查某厂的铅作业工人7人和非铅作业工人10人的血铅值（g / 100g）如下，血铅值含量服从正态分布。

13、问两组工人的血铅值有无差别？（=0.05） 非铅作业组556791213151821铅作业组17182025344344两个独立独自样本参数t检验步骤：输入数据：设置两个变量，一个存放样本值，一个存放组标记值。（0,1分别代表血铅作业组和非血铅作业组）分析过程：分析-非参数检验-旧对话框-2个独立样本（2）- “效果”导入到“检验变量列表”, “分组”加入到“分组变量”- “定义组”分别输入“0、1”-检验类型 “Mann-Whitney U”- “精确”，置信区间设置 “95%”，将样本组数 “17”-确定。结果：秩分组N秩均值秩和血铅值非铅作业105.9559.50铅作业713.3693.

14、50总数17检验统计量c血铅值Mann-Whitney U4.500Wilcoxon W59.500Z-2.980渐近显著性(双侧).003精确显著性2*（单侧显著性）.001aMonte Carlo 显著性（双侧）显著性.000b95% 置信区间下限.000上限.162Monte Carlo 显著性（单侧）显著性.000b95% 置信区间下限.000上限.162a. 没有对结进行修正。b. 基于 17 个具有起始种子 2000000 的采样表。c. 分组变量: 分组结果分析：两个显著性概率P= 0.1620.05，表示两组工人的血铅值无显著差别。作业四：选甲型流感病毒血凝抑制抗体滴度（对数）

15、，共24人，随机分为两组，每组12人。用甲型流感病毒活疫苗进行免疫，一组用气雾法，另一组用鼻腔雾法。免疫后一月后采学，分别测定血凝抑制抗体滴度。结果如下，试问两种方法的效果有无差异？血凝抑制抗体滴度服从正态分布。（=0.05） 两组独立样本参数t检验气雾组（1）: 40 20 30 25 10 15 25 30 40 10 15 30鼻腔雾组（2）：50 40 30 35 60 70 30 20 25 70 35 25步骤：输入数据：变量分别命名为“免疫效果（表示血凝抑制抗体滴度）”，“注射方法（表示分别用气雾法和鼻腔雾法）”数值小数个数改为“0”，设置标签以及设定值“0”，“1”分别代表气雾

16、组和鼻腔雾组，然后输入数据。分析：分析-比较均值-独立样本T检验-选出“免疫效果”，导入“检验变量”中，选出“注射方法”，导入分组变量中-继续-输入变量值“0”和“1”，“继续”- “选项”置信区间为“95%”- “确定”。结果：组统计量分组N均值标准差均值的标准误效果气雾组1224.1710.4083.005鼻腔雾组1240.8317.5595.069独立样本检验方差方程的 Levene 检验均值方程的 t 检验FSig.tdfSig.(双侧)均值差值标准误差值差分的 95% 置信区间下限上限效果假设方差相等3.865.062-2.82822.010-16.6675.893-28.887-4

17、.446假设方差不相等-2.82817.880.011-16.6675.893-29.052-4.281分析结果： f的显著性概率p=0.0620.05，方差齐性成立。即两个实验组的效果的方差没有明显差异。t统计量的显著性概率p=0.010选出“A”和“B”变量导入右边框中- “选项”，置信区间百分比为95%- “确定”。结果：成对样本统计量均值N标准差均值的标准误对 1A值3318.758632.420223.594B值2506.258555.130196.268成对样本相关系数N相关系数Sig.对 1A值 & B值8.584.129成对样本检验成对差分tdfSig.(双侧)均值标准差均值的

18、标准误差分的 95% 置信区间下限上限对 1A值 - B值812.500546.253193.130355.8211269.1794.2077.004结果分析：T检验的最后结果（p=0.004一般线性模型-单变量-选择重量导入“因变量”；选择“区组号”和“营养素”导入“固定因子”- “模型”-“设定”;构建项 ,“主效应”选类型；选择要分析的变量, “区组号、营养素类型”导入“模型”-选择“平方和”的处理方法，接受系统的默认值类型-选定 “在模型中包含截距”，若不取消此项，等于假设数据过原点-点击“继续”-点击“确定”。结果：UNIANOVA 重量 BY 区组号 营养素 /METHOD=SST

19、YPE(3) /INTERCEPT=INCLUDE /CRITERIA=ALPHA(0.05) /DESIGN=营养素 区组号.方差的单变量分析主体间因子N区组号1323334353637383营养素A8B8C8主体间效应的检验因变量:重量源III 型平方和df均方FSig.校正模型2515.432a9279.49211.473.000截距74381.800174381.8003053.283.000营养素144.216272.1082.960.085区组号2371.2167338.74513.905.000误差341.0571424.361总计77238.29024校正的总计2856.490

20、23a. R 方 = .881（调整 R 方 = .804）结果分析：第一列：注明了变差来源；第二列：常规的变差；第三列：自由度；第四列：方差（变差与相应自由度之比）；第五列： F统计量的值；第六列： F统计量的显著性水平。Sig.代表的是P值，其中营养素的p=0.0850.05，所以在两种因素的不同水平的不同组合中，仅营养素效果有显著差异。所以小白鼠经三种不同营养素喂养后所增体重有无差别.作业七：设A,B,C3台机器生产同一产品，4名工人操作机器A,B,C各一天，日产量(单位：件)服从正态分布，日产量数据如下表所示：1234A50474753B63545758C52424148问:机器之间、

21、工人之间在日产量上是否有显著差异？（=0.05）（不重复实验的双因素方差分析）步骤：输入数据：添加变量分别为“机器”、“工人（共4人)”、“产量”。 “机器”和“工人”的数值小数个数为“0”。 “机器”的值“1（A机器）”“2（B机器）”“3（C机器）”，设置1-4分别代表工人，数据录入。分析：“分析”-“一般线性模型”-“单变量”-“因变量” “日产量”导入因变量- “机器”和“工人”导入“固定因子”- “模型”-“自定义”- “构建项”的“类型”-“主效应”- “机器”和“工人”导入“模型”-选择平方和的处理方法，接受系统的默认值-选定 “把截距项包括在模型中”，若不取消此项，等于假设数据

22、过原点- “继续”-“确定”.结果：主体间因子值标签N机器1a42b43c4工人113223333443主体间效应的检验因变量:产量源III 型平方和df均方FSig.校正模型433.167a586.63315.831.002截距31212.000131212.0005703.716.000机器318.5002159.25029.102.001工人114.667338.2226.985.022误差32.83365.472总计31678.00012校正的总计466.00011a. R 方 = .930（调整 R 方 = .871）结果分析：第一列：注明了变差来源；第二列：常规的变差；第三列：自由

23、度；第四列：方差（变差与相应自由度之比）；第五列： F统计量的值；第六列： F统计量的显著性水平。Sig.代表的是P值，机器：P=0.0010.005，表示工人之间在日产量上有差异。作业八：某实验室观察局部温热治疗小鼠移植肿瘤的疗效，以生存日数作为观察指标，实验结果如下表所示，试用非参数检验两组小鼠生存日数有无差别？ （=0.05） 非参数置和检验组别生存日数N实验组10121515161718202390对照组234567891011121312步骤：输入数据：变量： “生存日数”和“组别”，“组别”的值设置为0（实验组）和1（对照组），小数个数：0分析：分析非参数检验旧对话框2个独立样本生

24、存日期导入检验变量，组别导入分组变量定义组设定组别（“0”和“1”代表“实验组”和“对照组”）“检验类型”：Mann-Whitney U “精确”选择Monte Calro .置信区间：“95%”，样本数12。 “继续”-确定。结果：Mann-Whitney 检验秩分组N秩均值秩和效果实验组1017.85178.50对照组137.5097.50总数23检验统计量b效果Mann-Whitney U6.500Wilcoxon W97.500Z-3.633渐近显著性(双侧).000精确显著性2*（单侧显著性）.000aa. 没有对结进行修正。b. 分组变量: 分组结果分析:Mann-Whitney

25、U统计值5.000，Wilcoxon W统计值83.000，两个P“回归”-“线性”，将“体重”选入自变量框中，将“肺活量”选入因变量框中-在复选框中选入“估计”和“置信区”，置信区间水平“95%”，选择右侧的“模拟拟合度”，点击“继续-单击“确定”，输出结果结果：相关性体重肺活量体重Pearson 相关性1.749*显著性（双侧）.005N1212肺活量Pearson 相关性.749*1显著性（双侧）.005N1212*. 在 .01 水平（双侧）上显著相关。模型汇总模型RR 方调整 R 方标准 估计的误差1.749a.562.518.28775a. 预测变量: (常量), 体重。Anova

26、b模型平方和df均方FSig.1回归1.06111.06112.817.005a残差.82810.083总计1.88911a. 预测变量: (常量), 体重。b. 因变量: 肺活量系数a模型非标准化系数标准系数tSig.B标准 误差试用版1(常量).000.815.0011.000体重.059.016.7493.580.005a. 因变量: 肺活量结果分析： R=0.749a、R2=0.562、修正的R2=0.518。ANOVA为回归分析中的方差分析表。F统计量的显著性概率p=0.0050.05，母体的常数项与0无显著性差异。回归方程：y=0.794x作业十：29例儿童的血液中血红蛋白（y,g

27、）与钙（x1）、镁（x2）、铁（x3）、锰（x4）及铜（x5）的含量如下表所示，用逐步回归方法筛选对血红蛋白有显著作用的微量元素（ug）。序号yx1x2x3x4x5113.5054.8930.86448.700.0121.010213.0072.4942.61467.300.0081.640313.7553.8152.86425.610.0041.220414.0064.7439.18469.800.0051.220514.2558.8037.67456.550.0121.010612.7543.6726.18395.780.0010.594712.5054.8930.86448.700.91

28、21.010812.2586.1243.79440.130.0171.770912.0060.3538.20394.400.0011.4401011.7554.0434.23405.600.0081.3001111.5061.2337.35446.000.0221.3801211.2560.1733.67383.200.0010.9141311.0069.6940.01416.700.0121.3501410.7572.2840.12430.800.0001.2001510.5055.1333.02445.800.0120.9181610.2570.0836.80409.800.0121.99

29、01710.0063.0535.07384.100.0000.853189.7548.7530.53342.900.0180.924199.5052.2827.14326.290.0040.817209.2552.2136.18388.540.0241.020219.0049.7025.43331.100.0120.897228.7561.0229.27258.940.0161.190238.5053.6828.79292.600.0481.320248.2550.2229.17292.600.0061.040258.0065.3429.99312.800.0061.030267.8056.3

30、929.29283.000.0161.350277.5066.1231.93344.200.0000.689287.2573.8932.94312.500.0641.150297.0047.3128.55294.700.0050.838步骤：数据输入：变量名分别为y、x1、x2、x3、x4、x5，数据录入。分析：“分析”-“回归”线性Y导入因变量，x1、x2、x3、x4、x5导入自变量 “方法”改为“逐步”-选定“估计”置信区间：95%、模型拟合度、个案诊断继续绘制勾选直方图，正态概率图， *ZRESID导入Y， *ZPRED导入X中继续确定-输出结果。结果：输入移去的变量a模型输入的变量移去

31、的变量方法1铁x3.步进（准则: F-to-enter 的概率 = .100）。a. 因变量: 血红蛋白y模型汇总模型RR 方调整 R 方标准 估计的误差1.863a.745.7361.12002a. 预测变量: (常量), 铁x3。Anovab模型平方和df均方FSig.1回归99.195199.19579.075.000a残差33.870271.254总计133.06428a. 预测变量: (常量), 铁x3。b. 因变量: 血红蛋白y系数a模型非标准化系数标准系数tSig.B标准 误差试用版1(常量)-.6541.275-.513.612铁x3.029.003.8638.892.000a

32、. 因变量: 血红蛋白y已排除的变量b模型Beta IntSig.偏相关共线性统计量容差1钙x1-.177a-1.815.081-.335.910镁x2.035a.277.784.054.597锰x4-.010a-.098.923-.019.968铜x5-.016a-.154.879-.030.928a. 模型中的预测变量: (常量), 铁x3。b. 因变量: 血红蛋白y结果分析： ANOVA是回归分析中的方差分析表。F的显著性概率为0，小于0.05，回归效果是好的。相关性表，只有x3 相关系数大于0.05，可以排除掉其他因变量，模型汇总表看出Y于x3 有线性关系。系数表，B列是普通最小二乘法的回归系数。标准回归系数为0.863，回归系数中的常数项的显著性概率p=0.6120.05，母体的常数项与0无显著性差异。所以方程：y=