《管理统计大作业.pdf》由会员分享，可在线阅读，更多相关《管理统计大作业.pdf（29页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、管理统计学实验报告管理统计学实验报告院系院系：交通运输管理学院：交通运输管理学院学生姓名：学生姓名：班级班级：学号学号：成绩成绩：指导教师：指导教师：作业一：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。4.773.376.143.953.564.234.314.715.694.124.565.396.305.217.225.543.935.214.125.185.774.795.205.104.704.743.504.694.384.896.255.324.503
2、.614.444.434.254.035.854.093.354.084.795.303.183.975.165.105.864.795.344.244.324.776.364.885.553.044.553.354.874.175.855.165.094.524.314.585.726.554.764.614.174.034.473.403.914.604.095.965.484.404.555.383.894.604.473.645.186.143.244.903.054.375.124.634.976.384.382.704.34步骤：步骤：输入数据输入数据：先点击变量，然后将名称、类型
3、、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：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、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：结果：频数表：血清总胆固醇值血清总胆固醇值有效百分累积百分频率百分比比比有效2.7
4、03.043.053.183.243.353.373.403.503.563.613.643.893.913.933.953.974.034.084.0911.011.011.011.011.022.011.011.011.011.011.011.011.011.011.011.011.022.011.022.01.01.01.02.01.03.01.04.01.05.02.06.91.07.91.08.91.09.91.010.91.011.91.012.91.013.91.014.91.015.81.016.81.017.82.019.81.020.82.022.84.124.174.23
5、4.244.254.314.324.344.374.384.404.434.444.474.504.524.554.564.584.6022.022.011.011.011.022.011.011.011.022.011.011.011.022.011.011.022.011.011.022.02.024.82.026.71.027.71.028.71.029.72.031.71.032.71.033.71.034.72.036.61.037.61.038.61.039.62.041.61.042.61.043.62.045.51.046.51.047.52.049.54.614.634.69
6、4.704.714.744.764.774.794.874.884.894.904.975.095.105.125.165.185.2011.011.011.011.011.011.011.022.033.011.011.011.011.011.011.022.011.022.022.011.01.050.51.051.51.052.51.053.51.054.51.055.41.056.42.058.43.061.41.062.41.063.41.064.41.065.31.066.31.067.32.069.31.070.32.072.32.074.31.075.25.215.305.32
7、5.345.385.395.485.545.555.695.725.775.855.865.966.146.256.306.366.3822.011.011.011.011.011.011.011.011.011.011.011.022.011.011.022.011.011.011.011.02.077.21.078.21.079.21.080.21.081.21.082.21.083.21.084.21.085.11.086.11.087.11.088.12.090.11.091.11.092.12.094.11.095.01.096.01.097.01.098.06.557.22合计11
8、1011.01.0100.01.01.0100.099.0100.0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 3.00123334 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 Ea
9、ch 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有效缺失10104.6995.085734.6100a4.79.86162.742.251.240.101.4764.522.707.22474.65均值均值的标准误中值众数标准差方差偏度偏度的标准误峰度峰度的标准误全距极小值极大值和百分位数2550754.1513b4.61005.2017统计量血清总胆固醇值N有效缺失均值均值的标准误中值众数标准差方差偏度偏度的标准误峰度峰度的标准误全距极小值极大值和百分位数25507510104.6995.085734
10、.6100a4.79.86162.742.251.240.101.4764.522.707.22474.654.1513b4.61005.2017a.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：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
11、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 检验序号序号123456789101112131415轮胎寿命轮胎寿命210001900033000315001850034000290002600025000280003000028500275002800026000步骤：输入数据输入数据：将数据逐一录入分析：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：单个样本统计量单个样本统计量均值的标准N轮胎寿命单个样本检验单个样本检验检验值=250
12、00差分的 95%置信Sig.(双t轮胎寿命1.671df14侧)均值差值区间下限上限均值1527000.00标准差4636.809误1197.219.1172000.00-567.78 4567.780结果分析：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：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。问两组工人的血铅值有无差
13、别？（=0.05）非铅作业组非铅作业组5铅作业组铅作业组1756182072593412431344151821两个独立独自样本参数 t 检验步骤：步骤：输入数据输入数据：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-WhitneyU”-“精确”，置信区间设置“95%”，将样本组数“17”-确定。结果：结果：秩秩血铅值分组非铅作业铅作业总数N10717秩均值5.9513.36
14、秩和59.5093.50检验统计量检验统计量c cMann-Whitney UWilcoxon WZ渐近显著性(双侧)精确显著性2*（单侧显著性）Monte Carlo 显著性（双侧）显著性95%置信区间下限上限Monte Carlo 显著性（单侧）显著性95%置信区间下限上限血铅值4.50059.500-2.980.003.001a.000b.000.162.000b.000.162检验统计量检验统计量c cMann-Whitney UWilcoxon WZ渐近显著性(双侧)精确显著性2*（单侧显著性）Monte Carlo 显著性（双侧）显著性95%置信区间下限上限Monte Carlo
15、显著性（单侧）显著性95%置信区间下限上限a.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:分组血铅值4.50059.500-2.980.003.001a.000b.000.162.000b.000.162结果分析结果分析：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：作业四：选甲型流感病毒血凝抑制抗体滴度（对数），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
16、服从正态分布。（=0.05）两组独立样本参数 t 检验气雾组（1）:402030251015253040101530鼻腔雾组（2）：504030356070302025703525步骤：步骤：输入数据输入数据：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”分别代表气雾组和鼻腔雾组，然后输入数据。分析：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”
17、。结果：结果：组统计量组统计量分组效果 气雾组鼻腔雾组独立样本检验独立样本检验方差方程的Levene 检验Sig.(FSig.tdf均值标准误差值均值方程的 t 检验差分的 95%置信区间下限上限N均值标准差均值的标准误3.0055.0691224.1710.4081240.8317.559双侧)差值效假设方差3.865.062-2.82822.010-16.667.011-16.6675.893-28.8-4.44876果相等假设方差不相等-2.8217.88805.893-29.0-4.28521分析结果分析结果：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
18、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：结果：成对样本统计量成对样本统计量均值的标准均值对 1A值B值成对样本相关系数成对样本相关系数相关系N对 1A值&B值成对样本检验成对样本检验成对差分差分的 95%置均值的标均值标准差对 1 A值-812.50 546.25B值03准误信区间下限上限t4.207df7Sig.(双侧).0048数.584Sig.1293318.752506.25N标准差8 632.4208 555.130误223.594196.268193.130 355.821269.1
19、179结果分析结果分析：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：结果：UNIANOVA 重量 BY 区组号 营养素/METHOD=SSTYPE(3)/INTERCEPT=INCLUDE/CRITERIA=ALPHA(0.05)/DESIGN=营养素 区组号.方差的单变量分析方
20、差的单变量分析主体间因子主体间因子区组号12345678N33333333营养素ABC888主体间效应的检验主体间效应的检验因变量:重量源校正模型截距营养素区组号误差总计校正的总计III 型平方和2515.432a74381.800144.2162371.216341.05777238.2902856.490df9127142423均方279.49274381.80072.108338.74524.361F11.4733053.2832.96013.905Sig.000.000.085.000a.R 方=.881（调整 R 方=.804）结果分析结果分析：第一列：注明了变差来源；第二列：常规的
21、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：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：ABC1506352247544234757414535848问:机器之间、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：
22、步骤：输入数据输入数据：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：“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，等于假设数据过原点-“继续”-“确定”.结果：结果：主体间因子主体间因子机器12
23、3工人1234值标签abc1234N4443333主体间效应的检验主体间效应的检验因变量:产量III 型平源校正模型截距方和433.167a31212.000机器工人误差总计318.500114.66732.83331678.000校正的总计a.R 方=.930（调整 R 方=.871）466.00011df5均方86.633F15.8315703.71629.1026.985.001.022Sig.002.000131212.0002159.250361238.2225.472结果分析结果分析：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）；
24、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：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对照组23456生存日数789101112N1312实验组10121515161718202390步骤：步骤：输入数据输入数据：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：分析非参数检验旧对话框2 个独立样本生存日期导入检
25、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-WhitneyU“精确”选择 Monte Calro.置信区间：“95%”，样本数 12。“继续”-确定。结果：结果：Mann-WhitneyMann-Whitney 检验检验秩秩效果分组实验组对照组总数N101323秩均值17.857.50秩和178.5097.50检验统计量检验统计量b bMann-Whitney UWilcoxon WZ渐近显著性(双侧)精确显著性2*（单侧显著性）a.没有对结进行修正。b.分组变量:分组效果6.50097.500-3.633.000.000a结果分析
26、结果分析:Mann-Whitney 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：结果：相关性相关性体重Pearson 相关性显著性（双侧）N体重1肺活量.749*.0051212肺活量Pearson 相关性显著性（双侧）N.749*.00512112*.在.01 水平（双侧）上显著相关。模型汇总模型汇总标准 估计的误模型1R.749aR 方.562调整 R 方.518差.28
27、775a.预测变量:(常量),体重。AnovaAnovab b模型1回归残差总计平方和1.061.8281.889df11011均方1.061.083F12.817Sig.005aa.预测变量:(常量),体重。b.因变量:肺活量系数系数a a非标准化系数模型1(常量)体重a.因变量:肺活量B.000.059标准 误差.815.016标准系数试用版t.001.7493.580Sig.1.000.005结果分析结果分析：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
28、归方程：y=0.794xy=0.794x作业十：作业十：29 例儿童的血液中血红蛋白（y,g）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yx1x2x3x4x5113.5054.8930.86448.700.0121.010213.0072.4942.61467.300.0081.640313.7553.8152.86425.610.0041.220414.0064.7439.18469.800.0051.220514.2558.8037.67456.550.0121.010612.7543.672
29、6.18395.780.0010.594712.5054.8930.86448.700.9121.010812.2586.1243.79440.130.0171.770912.0060.3538.20394.400.0011.4401011.7554.0434.23405.600.0081.3001111.5061.2337.35446.000.0221.3801211.2560.1733.67383.200.0010.9141311.0069.6940.01416.700.0121.3501410.7572.2840.12430.800.0001.2001510.5055.1333.0244
30、5.800.0120.9181610.2570.0836.80409.800.0121.9901710.0063.0535.07384.100.0000.853189.7548.7530.53342.900.0180.924199.5052.2827.14326.290.0040.817209.2552.2136.18388.540.0241.020219.0049.7025.43331.100.0120.897228.7561.0229.27258.940.0161.190238.5053.6828.79292.600.0481.320248.2550.2229.17292.600.0061
31、.040258.0065.3429.99312.800.0061.030267.8056.3929.29283.000.0161.350277.5066.1231.93344.200.0000.689287.2573.8932.94312.500.0641.150297.0047.3128.55294.700.0050.838步骤：步骤：数据输入数据输入：变量名分别为 y、x1 1、x2 2、x3 3、x4 4、x5 5，数据录入。分析分析：“分析”-“回归”线性Y 导入因变量，x1 1、x2 2、x3 3、x4 4、x5 5导入自变量“方法”改为“逐步”-选定“估计”置信区间：95%、模型拟
32、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：结果：输入移去的变量输入移去的变量a a模型1输入的变量铁 x3移去的变量方法.步 进（准 则:F-to-enter的 概率=.100）。a.因变量:血红蛋白 y模型汇总模型汇总标准 估计的误模型1R.863aR 方.745调整 R 方.736差1.12002a.预测变量:(常量),铁 x3。AnovaAnovab b模型平方和df均方FSig.1回归残差总计99.19533.870133.0641272899.1951.25479.075.000aa.预测变量:(常量)
33、,铁 x3。b.因变量:血红蛋白 y系数系数a a非标准化系数模型1(常量)铁 x3a.因变量:血红蛋白 yB-.654.029标准 误差1.275.003标准系数试用版t-.513.8638.892Sig.612.000已排除的变量已排除的变量b b共线性统计量模型1钙 x1镁 x2锰 x4铜 x5Beta In-.177a.035a-.010a-.016at-1.815.277-.098-.154Sig.081.784.923.879偏相关-.335.054-.019-.030容差.910.597.968.928a.模型中的预测变量:(常量),铁 x3。b.因变量:血红蛋白 y结果分析结果
34、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 3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 3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=0.863xy=0.863x3 3。作业十一：作业十一：某批发市场某类衬衫最近 5 年的销售量资料如下表所示，请进行季节分解。年份（年）2001季节春夏秋冬春夏秋冬春夏秋冬春夏秋冬春夏秋冬销售量（万件）182253
35、12285204306130922443281411022923851611083294411721122002200320042005步骤：步骤：输入数据输入数据：设置变量（销售量）、类型（数值）、宽度、小数（0）、列、度量标准（度量级）数据输入。分析分析：分析-预测-创建模型-定义日期-选择年份、季度-年份：2001，季度从 1 开始，选择 4 季度-确定分析-预测-季节性分解-销售量导入“变量”-确定-确定-输出结果结果：结果：结果分析：结果分析：看各个季度的销售量的移动平均序列，以及季节性调整序列，由表一看出四个季度的季节性指数，前两个季度的季节性指数大于1为旺季，后两个季度的季节性指数小于1，为销售淡季，商家可以据此来调整进货量。