2017年中国药科大学专业学位432统计学[专业硕士]考研强化模拟题
● 摘要
一、简答题
1． 在显著性检验过程中，经常遇到值这一概念，试回答以下问题：
（1）值能告诉我们什么信息？
（2）当相应的值较小时为什么要拒绝原假设？
（3）显著性水平与值有何区别？
【答案】如果原假设为真，所得到的样本结果会像实际观测结果那么极端或更极端的概率，称为值，也称为观察到的显著性水平。
（1）值是当原假设正确时，得到所观测的数据的概率。如果原假设是正确的话，值告诉我们这样的观测数据会有多么的不可能得到。相当不可能得到的数据，就是原假设不对的合理证据。
（2）值是反映实际观测到的数据与原假设明实际观测到的数据与之间不一致程度的一个概率值。值越小，说之间不一致的程度就越大，检验的结果也就越显著。
（3）是犯第I 类错误的上限控制值，它只能提供检验结论可靠性的一个大致范围，而对于一个特定的假设检验问题，却无法给出观测数据与原假设之间不一致程度的精确度量。也就是说，仅从显著性水平来比较，
如果选择的值相同，
所有检验结论的可靠性都一样。而值可以测量出样本观测数据与原假设中假设的值的偏离程度。
2． 举例说明什么是列联表的独立性检验。
【答案】变量分为定量变量和定性变量。对于定量变量我们用回归分析等方法机进行研宄。对于定性变量，如吸烟是否与患癌症有关、性别与是否喜欢数学有关、年龄和喜欢的电视节目类型是否有关等等，我们对其进行列联 表的独立性检验。列联表的独立性检验是对一个分类变量的检验，因其分析过程可以通过列联表的方式呈现，故又可称为列联分析。
独立性检验就是分析列联表中行变量和列变量是否相互独立。
例如：为了研究年龄和喜欢的节目类型是否有关系，某单位对闲暇时间进行了全面调查，根据不同年龄档和喜爱收看电视节目的类型进行了如下的统计分类：
按照假设检验的步骤
：
按照假设检验的步骤：
设定假设：
（行变量与列变量独立）
（行变量与列变量不独立） （其中是行变量，是列变量）
选取统计量：
（其中，
第i 行第j 列类别的期望频数；并且
为列联表中第i 行第j 列类别的实际频数；
最后带入数字，进行判断。看是否有行向量与列向量独立。若拒绝原假设，即行向量与列向量不独立，即年龄和喜欢的节目类型有关系。反之，年龄和喜欢的节目类型无关。
3． 欲调查广州市初中学生的身高情况，随机抽取100名广州市初中学生，测量了身高。
（1）用此例说明这几个统计概念，总体（population ）, 样本（sample ）, 参数（pammeter ）, 统计量（statistics ）。
（2）请说明如何对这100例身高数据进行描述性统计分析。
【答案】（1）总体（population ）是包含所研宄的全部个体（数据）的集合，它通常由所研宄的一些个体组成。 本例中的总体是广州市所有初中学生。
样本（sample ）是从总体中抽取的一部分元素的集合，构成样本的元素的数目称为样本量（sample size）。 本例中的样本是随机抽取的100名广州市初中学生，其中样本量为100。
参数（parameter ）是用来描述总体特征的概括性数字度量，它是研究者想要了解的总体的某种特征值。本 例中广州市所有初中学生的平均身高即是一个参数。
统计量（statistic ）是用来描述样本特征的概括性数字度量。它是根据样本数据计算出来的一个量，由于 抽样是随机的，因此统计量是样本的函数。随机抽取的100名广州市初中学生的平均身高即是一个统计量。
（2）所谓描述性统计分析，就是对一组数据的各种特征进行分析，以便于描述测量样本的各种特征及其所 代表的总体的特征。主要包括集中趋势的描述，可计算身高的均值，中位数和众数，也可采用箱线图直观的反映 数据的集中趋势以及是否存在异常值；离散程度的描述，可计算身高的方差，变异系数，四分位差或极差，也可 采用折线图或散点图等直观反映数据的离散程度；分布的偏态与峰度描述，可计算偏度和峰度值，或采用茎叶图 或直方图直观的反映分布是否与正态分布或单峰偏态分布逼近。
4． 说明回归模型的假设以及当这些假设不成立时的应对方法。
【答案】（1）多元回归模型的基本假定有： ①自变量； 是非随机的、固定的，且相互之间互不相关（无多重共线性）
为列联表中
②误差项s 是一个期望值为0的随机变量，即
③对于自变
量
的所有
值 的方
差都相同，且不序列相关，
即
④误差项是一个服从正态分布的随机变量，且相互独立，即
（2）若模型中存在多重共线性时，解决的方法有：
第一，将一个或多个相关的自变量从模型中剔除，使保留的自变量尽可能不相关。
第二，如果要在模型中保留所有的自变量，那就应该：避免根据统计量对单个参数进行检验；对因变量Y 值的推断（估计或预测）限定在自变量样本值的范围内。
若模型中存在序列相关时，解决的方法有:如果误差项不是相互独立的，则说明回归模型存在序列相关性
，这时首先要查明序列相关产生的原因。如果是回归模型选用不当，则应改用适当的回归模型；如果是缺少重要的自变量，则应増加自变量；如果以上两种方法都不能消除序列相关性，则需采用迭代法、差分法等方法处理。
若模型中存在异方差性时，解决的方法有：当存在异方差性时，普通最小二乘估计不再具有最小方差线性估计的性质，而加权最小二乘估计则可以改进估计的性质。加权最小二乘估计对误差项方差小的项加一个大的权数，对误差项方差大的项加一个小的权数，因此加强了小方差性的地位，使离差平方和中各项的作用相同。
5． 单因素方差分析的实质是什么？并说明单因素方差分析的步骤。
【答案】单因素方差分析的实质是研宄一个分类型自变量对一个数值型因变量的影响。 单因素方差分析的步骤为：
（1）按要求检验的个水平的均值是否相等，提出原假设和备择假设。
（2）构造检验统计量，计算各样本均值（3）计算样本统计量
（4）统计决策。比较统计量 的值。若拒绝原假设；反之，不能样本总均值误差平方和 拒绝原假设。
6． 在研宄方法上，参数估计与假设检验有什么相同点和不同点？
【答案】（1）参数估计和假设检验的相同点
①是根据样本信息推断总体参数；
②都以抽样分布为理论依据，建立在概率论基础之上的推断，推断结果都有风险；
③对同一问题的参数进行推断，使用同一样本、同一统计量、同一分布，因而二者可以相互转换。
（2）参数估计和假设检验的不同点