当前位置：问答库＞考研试题

一、简答题

1． 中心极限定理。

【答案】设随机变量

令

则

也就是说，当n 趋于无穷大时，的分布趋向于标准正态分布 相互独立（S 卩，对任意给定的相互独立）且服从同一分布，该分布存在有限的期望和方

差

2． 什么叫变异、变量和变量值，试举例说明。

【答案】标志在同一总体不同总体单位之间的差别称为变异。例如：人的性别标志表现为男、女；年龄标志表现为20岁、30岁等。

变异标志又称为变量，是说明现象某种特征的概念，其特点是从一次观察到下一次观察结果会呈现出差别或 变化。变量的具体取值称为变量值。具体包括：

（1）分类变量，如“性别”就是分类变量，其变量值为“男”或“女”；

“二等品”、“三等品”、（2）顺序变量，如“产品等级”就是顺序变量，其变量值可以为“一等品”、

“次品”等；

（3）数值型变量，如“年龄”是连续数值型变量，变量值为非负数；“企业数”是离散数值型变量，变量 值为 1，2，……

3． 回归分析结果的评价。

【答案】对回归分析结果的评价可以从以下四个方面入手：

（1）所估计的回归系数的符号是否与理论或事先预期相一致；

（2）如果理论上认为

归方程也应该如此；

（3）用判定系数来回答回归模型在多大程度上解释了因变量取值的差异；

第 2 页，共 51 页 之间的关系不仅是正的，而且是统计上显著的，那么所建立的回

（4）考察关于误差项的正态性假定是否成立。因为在对线性关系进行检验和对回归系数进行？检验时，

都要求误差项服从正态分布，否则，所用的检验程序将是无效的。检验正态性的

简单方法是画出残差的直方图或正态概率图。

4． 简述统计分组的原则。

【答案】采用组距分组时，需要遵循不重不漏的原则。不重是指一项数据只能分在其中的某一组，不能在其他组 中重复出现；不漏是指组别能够穷尽。即在所分的全部组别中每项数据都能分在其中的某一组，不能遗漏。

为解决不重的问题，统计分组时习惯上规定“上组限不在内”。即当相邻两组的上下限重叠时，恰好等于某 一组上限的变量值不算在本组内，而计算在下一组内。而对于连续变量，可以采取相邻两组组限重叠的方法，根 据“上组限不在内”的规定解决不重的问题，也可以对一个组的上限值采用小数点的形式，小数点的位数根据所 要求的精度具体确定。

5． 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：设因变量为个自变量分别为

y 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

多元回归方程，其一般形式为：

式中是参数称为偏回归系数。

6． 正态分布所描述的随机现象有什么特点？为什么许多随机现象服从或近似服从正态分布？

【答案】（1）正态分布所描述的随机现象具有如下特点： ①正态曲线的图形是关于的对称钟形曲线，且峰值在处；

②正态分布的两个参数均值和标准差一旦确定，正态分布的具体形式也就唯一确定，不同参数取值的 正态分布构成一个完整的“正态分布族”。

③正态分布的均值可以是实数轴上的任意数值，它决定正态曲线的具体位置，标准差相

第 3 页，共 51 页 描述因变量为误差项。 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

：是模型的参数之间的关系。 是未知的，需要利用样本去估计回归方程中的未知参

数的估计值是因变量y 的估计值。其中

同而均值不同 的正态曲线在坐标轴上体现为水平位移。 ④正态分布的标准差

⑤当为大于零的实数，它决定正态曲线的“陡_”或“扁平”程度。越大，正态曲线 越扁平；越小，正态曲线越陡峭。 的取值向横轴左右两个方向无限延伸时，正态曲线的左右两个尾端也无限渐近横轴，但理论上永远不会与之相父。

⑥与其他连续型随机变量相同，正态随机变量在特定区间上的取值概率由正态曲线下的面积给出，而且其曲线下的总面积等于1。

（2）如果原有总体是正态分布，那么，无论样本量的大小，样本均值的抽样分布都服从正态分布。若原有 总体的分布是非正态分布，随着样本量的增大（通常要求

方差为总体方差的），不论原来的总体是否服从正态分布，样本均值的抽样分布都将趋于正态分布，其分布的数学期望为总体均值这就是统计上著名的中心极限定理。因此许多随机现象服从或近似服从正态分布。

7． 在多元线性回归中，为什么我们对整个回归方程进行检验后，还要对每个回归系数来进行检验呢？

【答案】在多元线性回归中，线性关系检验主要是检验因变量同多个自变量的线性关系是否显著，在个自变量中，只要有一个自变量与因变量的线性关系显著，F 检验就能通过，但这不一定意味着每个自变量与因变量的关系都显著。回归系数检验则是对每个回归系数分别进行单独的检验，它主要用于检验每个自变量对因变量的影响是否都显著。如果某个自变量没有通过检验，就意味着这个自变量对因变量的影响不显著，也许就没有必要将这个自变量放进回归模型中了。

8． 在什么条件下用正态分布近似计算二项分布的概率效果比较好？

【答案】当样本量n 越来越大时，二项分布越来越近似服从正态分布。这时，二项随机变量的直方图的形状接近正态分布的图形形状。即使对于小样本，当

然相当好，此时随机变量X 的分布是相对于其平均值时，二项分布的正态近似仍

和都对称的。当p 趋于0或1时，二项分布将呈现出偏态，但当n 变大时，这种偏斜就会消失。一般来说， 只要当n 大到使大于或等于5时，近似的效果就相当好。

9． 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。

第 4 页，共 51 页