当前位置：问答库＞考研试题

一、简答题

1． 重复抽样和不重复抽样相比，抽样均值抽样分布的标准差有什么不同？

【答案】样本均值的方差与抽样方法有关。在重复抽样条件下，样本均值的方差为总体方差的即

去修正重复抽样时样本均值在不重复抽样条件下，样本均值的方差则需要用修正系数

的方差，即

对于无限总体进行不重复抽样时，可以按重复抽样来处理，因为其修正系数

对于有限总体，

当N 很大而n 很小时，

其修正系数

来计算。 趋向于1; 也趋向于1，

这时样本均值的方差也可以按公式

2． 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。

3． 下面两个统计图分别是对某数据集中y 关于x 的线性回归分析后的残差（Residuad ）请指出这个回归分析所存在的问题，并提出解诀方案。

【答案】由残差图可知，两个变量之间可能为非线性关系。表明所选择的线性回归分析模型不合理，应该考虑选 用非线性模型。处理非线性回归的基本方法是，通过变量变换，将非线性回归化为线性回归，然后用线性 回归方法处理。假定根据理论或经验，已获得输出变量与输入变量之间的非线性表达式，但表达式的系 数是未知的，要根据输入输出的n 次观察结果来确定系数的值。按最小二乘法原理来求出系数值。

此外，残差连续的出现在横坐标轴的上面或下面，两个变量也可能存在正自相关问题，即线性回归模型扰动 项的方差-协方差矩阵的非主对角线的元素不全为0, 存在扰动项的自相关。可以采用检验，检验方程是否存在一阶自相关问题，或采用

或仍用检验高阶自相关问题。如果存在自相关，可以采用可行广义最小二乘法法，但使用方差-协方差矩阵的稳健估计

值。

4． 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。

5． 简述复合型时间序列的预测步骤。

【答案】复合型序列是指含有趋势性、季节性、周期性和随机成分的序列。对这类序列预测方法通常是将时间序列的各个因素依次分解出来，然后再进行预测，分解法预测通常按下面的步骤进行：

（1）确定并分离季节成分。计算季节指数，以确定时间序列中的季节成分。然后将季节成分从时间序列中分离出去，即用每一个时间序列观测值除以相应的季节指数，以消除季节性；

（2）建立预测模型并进行预测。对消除了季节成分的时间序列建立适当的预测模型，并根据这一模型进行预测；

（3）计算出最后的预测值。用预测值乘以相应的季节指数，得到最终的预测值。

6． 简述指数平滑法的基本含义。

【答案】指数平滑法是对过去的观察值加权平均进行预测的一种方法，该方法使得第

形式，观察值时间越远，其权数也跟着呈现指数的下降，因而称为指数平滑。

使用指数平滑法时，关键的问题是确定一个合适的平滑系数因为不同的会对预测结果产生

不同的影响。当

值

大的权数；同样时，预测值仅仅是重复上一期的预测结果；

当时，预测值就是上一期实际

越接近1，模型对时间序列变化的反应就越及时，因为它对当前的实际值赋予了比预测值更越接近0, 意味着对当前的预测值赋予更大的权数，因此模型对时间序列变化的

但实际应用时，还应考虑预测误差，这里仍用误差期的预测值等于

期的实际观察值与第期预测值的加权平均值。指数平滑法是加权平均的一种特殊反应就越慢。一般而言，当时间序列有较大的随机波动时，

宜选较大的以便能很快跟上近期的变化，当时间序列比较平稳时，宜选较小的

均方来衡量预测误差的大小，确定时，可选择几个进行预测，然后找出预测误差最小的作为最后的值。

7． 利用增长率分析时间序列时应注意哪些问题？

【答案】在应用増长率分析实际问题时，应注意以下几点：

（1）当时间序列中的观察值出现0或负数时，不宜计算增长率。这是因为对这样的序列计算增长率，要么不符合数学公理，要么无法解释其实际意义；

（2）在有些情况下，不能单纯就增长率论増长率，要注意增长率与绝对水平的结合分析。

8． 构建综合评价指数时需要考虑哪些方面的问题？

【答案】构建综合评价指数需要考虑如下几个方面的问题：

（1）进行理论研宄，其中包括统计指标理论以及统计指标体系的理论研宄，以便为确定所需的评价指标提供一定的理论依据。