当前位置：问答库＞考研试题

一、简答题

1． 要检验多个总体均值是否相等时，为什么不作两两比较，而用方差分析方法？

【答案】方差分析不仅可以提高检验的效率，同时由于它是将所有的样本信息结合在一起，也增加了分析的可靠性。

检验多个总体均值是否相等时，如果作两两比较，则需要进行多次的检验。随着增加个体显著性检验的次数，偶然因素导致差别的可能性也会増加（并非均值真的存在差别）。而方差分析方法则是同时考虑所有的样本，因此排除了错误累积的概率，从而避免拒绝一个真实的原假设。

2． 给出显著性检验中，P 值的含义，以及如何利用P 值决定是否拒绝原假设。

【答案】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。如果P 值很小，说明这种情况发生的概率很小，而如果出现了，根据小概率原理，我们就有理由拒绝原假设。P 值越小，我们拒绝原假设的 理由就越充分。

从研宄总体中抽取一个随机样本，计算检验统计量的值和概率P 值，即在假设为真的前提下，检验统计量大于或等于实际观测值的概率。如果

数取值；如果

即一般以为显著

，结果更倾向于接受假定的参数取值。

为非常显著，其含义是样本间的差异由抽样误差所致的概率

时小于0.05或0.01。但是，P 值不能赋予数据任何重要性，只能说明某事件发生的机率。

样本间的差异比时更大，这种说法是错误的。

3． 简述描述离散程度的统计量和适用类型。

【答案】衡量数据离散程度的统计量主要有极差、平均差、方差和标准差，其中最常用的是方差和标准差。

（1）极差是指一组数据的最大值与最小值之差。用R 表示，其计算公式为：

极差是描述数据离散程度的最简单测度值，计算简单，易于理答，但它容易受极端值的影响。由于极差只是利用了一组数据两端的信息，不能反映出中间数据的分散状况，因而不能准确描述出数据的分散程度。

（2）平均差也称平均绝对离差，它是各变量值与其平均数离差绝对值的平均数。平均差以平均数为中心，反映了每个数据与平均数的平均差异程度，它能全面准确地反映一组数据的离散状况。平均差越大，说明数据的离散程度越大；反之说明数据的离散程度小。为了避免离差之和等于零而无法计算平均差这一问题，平均差在计算时对离差取了绝对值，以离差的绝对值来表示总离差，这就给计算带来了不便，因而在实际中应用较少。但平均差的实际意义比较清楚，容易理

第 2 页，共 60 页 说明是较强的判定结果，拒绝假定的参说明说明是较弱的判定结果，拒绝假定的参数取值；如果

答。

（3）方差是各变量值与其平均数离差平方的平均数。它在数学处理上是通过平方的办法消去离差的正负号， 然后再进行平均，方差开方后即得到标准差，方差或标准差能较好地反映出数据的离散程度，是实际中应用最广泛的离散程度测度值。与方差不同的是，标准差是具有量纲的，它与变量值的计量单位相同，其实际意义要比方差清楚。因此，在对实际问题进行分析时更多地使用标准差。

4． 说明计算统计量的步骤。

【答案】计算

（2）将

（3）将平方结果

统计量的步骤：

之差平方； 除以（1）用观察值减去期望值（4）将步骤（3）的结果加总，即得：

5． 简述均值、众数和中位数三者之间的关系及其在实际中的应用。

【答案】（1）众数、中位数和平均数的关系

从分布的角度看，众数始终是一组数据分布的最高峰值，中位数是处于一组数据中间位置上的值，而平均数 则是全部数据的算术平均。

对于具有单峰分布的大多数数据而言，众数、中位数和平均数之间具有以下关系：

①如果数据的分布是对称的，众数中位数和平均数必定相等，即

②如果数据是左偏分布，说明数据存在极小值，必然拉动平均数向极小值一方靠，而众数和中位数由于是位 置代表值，不受极值的影响，因此三者之间的关系表现为：

③如果数据是右偏分布，说明数据存在极大值，必然拉动平均数向极大值一方靠，

则

（2）众数、中位数和平均数在实际中的应用

①众数是一组数据分布的峰值，不受极端值的影响。其缺点是具有不唯一性，一组数据可能有一个众数，也可能有两个或多个众数，也可能没有众数。众数只有在数据量较多时才有意义，当数据量较少时，不宜使用众数。 众数主要适合作为分类数据的集中趋势测度值。

②中位数是一组数据中间位置上的代表值，不受数据极端值的影响。中位数主要适合作为顺序数据的集中趋势测度值。

③平均数是对数值型数据计算的，而且利用了全部数据信息，它是实际中应用最广泛的集中趋势测度值。当数据呈对称分布或接近对称分布时，3个代表值相等或接近相等，这时则应选择平均数作为集中趋势的代表值。 但平均数的主要缺点是易受数据极端值的影响，对于偏态分布的数据，平均数的代表性较差。因此，当数据为偏态分布，特别是当偏斜程度较大时，可以考虑选择众数或中位数。

第 3 页，共 60 页

6． 给出在一元线性回归中：

（1）相关系数的定义和直观意义；

（2）判定系数的定义和直观意义；

（3）相关系数和判定系数的关系。

【答案】（1）相关系数是根据样本数据计算的度量两个变量之间线性关系强度的统计量。若相关系数是根据总体全部数据计算的，称为总体相关系数，记为

称为样本相关系数，记为r 。样本

相关系数的计算公式为：

按上述计算公式计算的相关系数也称为线性相关系数，或称为相关系数。r 仅仅是x 若是根据样本数据计算的，则与y 之间线性关系的一个度量，它不能用于描述非线性关系。这意味着，r=0只表示两个变量之间不存在线性相关关系，并不说明变量之间没有任何关系，它们之间可能存在非线性相关关系。变量之间的非线性相关程度较大时，就可能会导致r=0。因此，当r=0或很小时，不能轻易得出两个变量之间不存在相关关系的结论，而应结合散点图做出合理的答释。

（2）回归平方和占总平方和的比例称为判定系数，记为其计算公式为：

判定系数测度了回归直线对观测数据的拟合程度。

的取值范围是越接近于1, 表明回归平方和占总平方和的比例越大，回归直线与各观测点越接近，用x 的变化来答释y 值变

差的部分就越多，回归直线的拟合程度就越好；反之，越接近于0, 回归直线的拟合程度就越差。

（3）相关系数和判定系数都是用来表明X 与Y 的关系，即X 对Y 的拟合程度。在一元线性回归中，相关系数实际上是判定系数的平方根。相关系数取值范围在卜之间。判定系数取值范围在[0, 1]之间。

7． 解释多元回归模型、多元回归方程、估计的多元回归方程的含义。

【答案】（1）多元回归模型：设因变量为如何依赖于自变量

式中（2）多元回归方程：

根据回归模型的假定有

方程，它描述了因变量y 的期望值与自变量

（3）估计的多元回归方程：

回归方程中的参数

数据去估计它们。当用样本统计

量

时，就得到了估计的

第 4 页，共 60 页 个自变量分别为是模型的参数描述因变量y

为误差项。 称为多元回归和误差项的方程称为多元回归模型。其一般形式可表示为

：之间的关系。 是未知的，需要利用样本去估计回归方程中的未知参

数