还剩9页未读，继续阅读
本资源只提供10页预览，全部文档请下载后查看！喜欢就下载吧，查找使用更方便
文本内容:
1、去年某企业每天平均生产元件105个，今年改进了生产技术随机抽取15天进行测量，结果为20811220210^10106206204118112116210114104214假定生产从正态分布，能否判断今年的产量是否是去年的两倍a=
0.05螂输入数据后，燎螃选择“分析”一“比较均值”一“朝羊本检验”命令，打开“单样本检验”对话T T框⑴将变量产量选入“检验变量”列表框⑵在“检验值”框中输入已知去年元件产量的平均数105⑶单击“确定”按钮，完成设置并执行上述操作单个样本统计量均值标准差均值的标准误N元件个数
15156.
2750.
00512.911分析样本数量为15,均值为
156.27,标准差为
50.005,均值的标准误差为
12.911单个样本检验检验值二105差分的95%置信区间t df Sig.（双侧）均值差值下限上限元件个数
3.
97114.
00151.
26723.
5778.96分析显著性水平为
0.001小于
0.05,所以认为今年的产量不是去年的两倍、一生产商想比较两种汽车轮胎和的磨损质量在比较中，选和2A BA型轮胎组成一对后任B记录下每只轮胎的磨损量数据如意安装在7辆汽车的后轮上，然后让汽车运行指定的英里数,下:汽车2345671轮胎A
9.
610.
811.
310.
78.
29.
011.2轮胎B
8.
29.
411.
89.
19.
311.
013.1品30293031店百32332932货3135313231342932公31342931司31353533超31353532市3336293232343031步骤⑴打开数据文件，从菜单栏选择“分析”一“比较均值”一“单因素ANOVA”命令，2将“销售量”作为观测变量选入“因变量列表”框，3将“商店”作为控制变量选入“因子”文本框中控制变量有几个不同的取值，就表示控制变量有几个水平⑷单击“对比”按钮，然后打开对比对话框中的“度”下拉列表中选择“线性”选项，单击“继续”按钮确认5在“单因素ANOVA:两两比较”两两比较对话框中选择LSD方法进行两两比较单击“继续”按钮确认⑹在“选项”对话框中，选择“描述性”项输出描述性统计量和“均值图”输出频数图单击“继续”按钮确认⑺单击“确定”按钮完成设置，执行单因素方差分析描述销售额均值的95%置信区间N均值标准差标准误下限上限极小值极大值副食品店
1627.
813.
763.
94125.
8129.821931百货公司.
4461631.
631.
78430.
6732.582935超市
1632.
752.
082.
52031.
6433.862936总数
4830.
733.
388.
48929.
7531.711936销售额ANOVA平方和df蜥F显著性组间组合
214.
2922107.
14614.
827.000线性项对比
195.
031195.
03126.
989.000偏差
19.
26019.
2602.
665.110组内
325.
188457.226总数
539.47947p为o.000小于o.05,拒绝原假设，认为不同商店类型对产品销售量有显著性影响多重比较销售额LSD95%置信区间I商店J商店均值差I-J标准误显著性下限上限副食品店百货公司-
3.
813.
950.000-
5.73-
1.
90.
950.000-
6.85-
3.02超市-
4.938百货公司副食品店
3.
813.
950.
0001.
905.73超市-
1.
125.
950.243-
3.
04.79超市副食品店
4.
938.
950.
0003.
026.
851.
125.
950.
243793.04百货公司*，均值差的显著性水平为
0.05•从两两比较的结果可知，在三中类型的商店中，副食品店与百货公司、副食品店与超市之间的差异是显著的,即不同类型的商店对销售量具有显著性差异这两种轮胎的平均磨损质量存在显著差异吗步骤1输入数据，执行“分析”一”比较均值”一“配对样本r检验”命令，打开“配对样本r检验”对话框2在“置信区间百分比”框内输入置信度95%然后单击“继续”按钮确认，返回主对话框⑶单击“确定”按钮，完成设置并执行配对样本T检验成对样本统计量均值N标准差均值的标准误对1轮胎A
10.
11471.
1950.4517轮胎B
10.
2711.
7433.65897轮胎A的均值
10.114小于轮胎B的均值
10.271o成对样本相关系数N相关系数Sig.对1轮胎A轮胎B
7457.303相关系数为
0.457,认为轮胎之间相关性大成对样本检验成对差分差分的95%置信区间均值标准差均值的标准误下限上限dfSig.双侧对1轮胎A-轮胎B-
15711.
6009.6051-
1.
63771.3234t.
2606.804显著性水平为
0.804,大于
0.01,接受原假设，认为两个轮胎的平均磨损质量之间无显著性差异
3、某地一年级12名女大学生的身高、体重与肺活量数据如下，试建立体重与身高、肺活量间的线性回归方程体重肺活量身高
142.
005155.
002420020158.
00346.
005156.
00446.
000161.
00546.
0158.065001607510160852015009516:
0105161.
0011580167.0012530操作步骤1从菜单栏中选择“分析”一“回归”一“线性”，将“体重”选入“因变量”，将“身高”“肺“自变量”o⑵单击“统计量”按面，选择“置信区间”输入95,选择“描述性”和“个案诊断”并选择“所有个案”，单击继续⑶单击“绘制”按钮，选用和*并选择“直方图”和“正态概率图”，单击继续DEPENDENT ZPEAD,⑷单击“确定”按钮，并进行线性回归分析体重和身高分析:描述性统计量均值标准偏差N体重
49.
41675.0893512身高
160.
58333.7769212肺活量
2.89424174512体重的均值为
49.41,身高的均值为
160.58,肺活量的均值为
2.89相关性体重身高肺活量Pearson相关性体重
1.
000.
771.800身高.
7711.
000.640肺活量.
800.
6401.000Sig.单侧体重.
002.001身高.
002.012肺活量.001012N体重121212身高121212肺活量121212显著性水平小于
0.05,因此它们之间具有显著性差异水平描述性统计量均值标准偏差N体重
49.
41675.0893512身高
160.
58333.7769212肺）舌量
2.
8942.4174512输入/移去的变量模型输入的变量移去的变量方法肺活量，身高输入a已输入所有请求的变量b.因变量体重模型汇总模型R R方调整R方标准估计的误差868*.
754.
6992.79325a预测变量（常量），肺活量，身高b.因变量体重Anova模型平方和df FSig.1回归
214.
6972107.
34813.
759.002残差
70.
22097.802总计
284.91711a.预测变量（常量），肺活量，身高b.因变量体重系数非标准化系数标准系数B的
95.0%置信区间模型B标准误差试用版Sig.下限上限1（常量）-
63.
96842.1551-
1.
517.163-
159.
32931.393身高.
592.
290.
4392.
040.
0720641.249肺活量
6.
3202.
626.
5182.
407039.
38012.260a.因变量体重体重与身高的线性回归方程为体重与肺活量的线性回归方程为y=6-320x-
63.968案例诊断案例数目标准残差体重预测值残差
169342.
0043.9351-
1.
93511253742.
0043.4995-
1.499463,
07546.
0045.
7914.208644-
19346.
0046.
5401.
54005546246.
0047.2917-
1.
291726.
11350.
0049.
6837.316277-
1.
11351.
0054.1080-
3.
1080381.
21952.
0048.
59573.404329-
1.
29252.
0055.6084-
3.
6084010.
93652.
0049.
38432.
6157511.
34258.
0057.
0456.
95445121.
60556.
0051.
51674.48334a因变量体重残差统计量极小值极大值均值标准偏差N预测值
43.
499557.
045649.
41674.4179012标准预测值-
1.
3391.
727.
0001.00012预测值的标准误差.
8341.
6901.369,28712调整的预测值
44.
332056.
905349.
48424.4626712残差-
3.
608404.48335,
000002.5265912标准残差-
1.
2921.
605.
000.90512Student化残差-
1.
5061.715-
0111.03112已删除的残差-
4.
905275.
25044067503.3065812Student化已删除的残差-
1.
6421.
971.
0091.10912Mahal o距离.
0653.
1111.
8331.04312Cook的距离.
00.
414.
104.12712居中杠杆值.
006.
283.
167.095a.因变量体重12残差统计量极小值极大值均值标准偏差N预测值
43.
499557.
045649.
41674.4179012标准预测值-
1.
3391.
727.
0001.00012预测值的标准误差.
8341.
6901.
369.28712调整的预测值
44.
332056.
905349.
48424.4626712残差-
3.
608404.
48335.
000002.5265912标准残差-
1.
2921.
605.
000.90512Student化残差-
1.
5061.715-.
0111.03112已删除的残差-
4.
905275.
25044067503.3065812Student化已删除的残差-
1.
6421.
971.
0091.10912Mahal o距离.
0653.
1111.
8331.04312Cook的距离.
001.
414.
104.12712居中杠杆值.
006.
283.
167.09512a.因变量体重直方图因变量体重均值=
4.22E・15标液偏差.4905N=12颜率-2-102回归标准化残差回归标准化残差的标准P-P图因变量体重期望的累积樱率I I I III
0.
00.
20.
40.
60.
81.0观测的累积概率由图可知，标准化残差呈正态分布，散点在直线上或下靠近直线，说明变量之间呈线性分布d8oOd6散点图回归标准化0-预计值
40.
0045.
0050.
0055.
0060.00体重因变量体重由图可知回归方程满足线性以及其次方程的检验
4、某企业欲研究不同类型的商店对一种新产品的销售影响，选取了三类商店副食品店、百货公司和超市调查时销售额如表，现分析不同商店类型对销售量有无显著影响19241929食2930283029292930。
个人认证
优秀文档
获得点赞 0
