2017年湖南科技大学商学院861统计学原理考研题库
● 摘要
一、简答题
1． 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。
2． 利用相关系数如何判断变量之间相关的方向和相关关系的密切程度？
【答案】相关系数r 的取值范围在关关系；若
相关关系；若
相关关系。
当
说明两个变量之间的线性关系越强
时. 可视为中度相关
；说明两个变量之间的线性关系越弱。对于一时，
可视为高度相关时，说明两个变量之间的个具体的r 取值，根据经验可将相关程度分为以下几种情况：
当时。视为低度相关；当之间。若表明变量之间存在正线性相表明x 与y 之间存在负线性相关关系；若表明x 与y 之间为完全负线性相关关系。可见当表明x 与y 之间为完全正线性时，y 的取值完全依赖于X ，二者之间即为函数关系；当r=0时，说明两者之间不存在线性相关关系，但可能存在其他非线性
相关程度极弱，可视为不相关。但这种解释必须建立在对相关系数的显著性检验的基础之上。
3． 简述古典概率法和经验概率法如何定义事件发生的概率。
【答案】概率的古典定义是，如果某一随机试验的结果有限，而且各个结果出现的可能性相等，则某一事件A 发生的概率为该事件所包含的基本事件数m 与样本空间中所包含的基本事件数n 的比值，记为：
经验概率又称主观概率，是指对一些无法重复的试验，只能根据以往的经验，人为确定这个事件的概率。
4． 简述系数、c 系数、系数的各自特点。
【答案】（1）相关系数是描述
式为：式中，列联表数据相关程度最常用的一种相关系数。它的计算公《为列联表中的总频数，也即样本量。说系数适合
这个范围。
列联表的情况。C 系数的列联表，是因为对于
计算公式为：
列联表中的数据，计算出的系数可以控制在（2）列联相关系数又称列联系数，简称c 系数，主要用于大于
当列联表中的两个变量相互独立时，系数c=0, 但它不可能大于1。c 系数的特点是，其可能的最大值依赖于列联表的行数和列数，且随着R 和C 的增大而增大。
（3）克莱默提出了 V 系数。V 系数的计算公式为：
当两个变量相互独立时，当两个变量完全相关时，所以V 的取值在之间。如果列联表中有一维为2，即则V 值就等于值。
5． 在单个总体均值的假设检验中，检验统计量要根据总体是否服从正态分布、总体方差是否己知，以及样本量的大小来确定。说明在不同情况下分别需要使用何种检验统计量。
【答案】在对单个总体均值进行假设检验时，采用何种检验统计量取决于所抽取的样本是大样本情况。
（1）在大样本情况下，样本均值的抽样分布近似服从正态分布。设总体均值为
为当总体方差已知时，总体均值的检验统计量为：
当总体方差
为：
！还是小样本此外还需要区分总体是否服从正态分布、总体方差是否已知等几种总体方差
未知时，可以用样本方差来近似代替总体方差，此时总体均值检验的统计量
（2）在小样本情况下，假设总体服从正态分布： ①当总体方差 已知时，样本均值的抽样分布近似服从正态分布。总体均值检验的统计量为：
②当总体方差未知时，需要用样本方差代替总体方差样本均值的抽样分布服从自由度为（n －l ）的t 分布。因此需要采用t 分布来检验总体均值。检验的统计量为：
6． 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
③对于自变
量
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。
7． 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
； 是非随机的、固定的，且相互之间互不相关（无多重共线性） 的方
差都相同，且不序列相关，
即
的所有
值②误差项s 是一个期望值为0的随机变量，即
相关内容
相关标签