当前位置：问答库＞考研试题

一、概念题

1． 集中量数与差异量数

【答案】集中量数与差异量数都是描述一组数据特征的统计量。集中量数是表现数据集中性质或集中程度的，数据的集中情况指一组数据的中心位置；集中趋势的度量即确定一组数据的代表值，描述集中情况的度量包括:算术平均数、中位数、众数、几何平均数、调和平均数和加权平均数等。差异量数是表现数据分散性质或分散程度的，数据的差异性即为离中趋势；常见的差异量数有标准差或方差、全距、平均差、四分差和各种百分差等。

2． 分层随机抽样

【答案】分层随机抽样是抽样方式的一种。按照总体已有的某些特征，将总体分成几个不同的部分（层），再分别在每部分中随机抽样，这种抽样的方法称为分层随机抽样。总原则是:各层内的变异要小，层与层间的变异越大越好。分层抽样充分利用了总体己知的信息，其样本代表性及推论的精确性一般优于简单随机抽样。对于同一总体，n 相同时，分层抽样误差小于简单随机抽样误差。

3． 假设检验

【答案】在统计学中，通过样本统计量得出的差异作出一般性结论，判断总体参数之间是否存在差异，这种推论过程称假设检验。假设检验是推论统计中最重要的内容，它的基本任务就是事先对总体参数或总体分布形态做出一个假设，然后利用样本信息来判断原假设是否合理，从而决定是否接受原假设。检验的推理逻辑是一定概率保证下的反证法。一般包括四个步骤：（1）根

据问题要求提出原假设 （2）寻找检验统计量，用于提取样本中的用于推断的信息，要求在Ho 成立的条件下，统计量的分布已知且不包含任何未知参数；（3）由统计量的分布，计算“概率值”或确定拒绝域与接受域；（4）由具体样本值计算统计量的观测值，对统计假设作出判断。若Ho 的内容涉及到总体参数，称为参数假设检验，否则为非参数检验。

4． 逐步回归

【答案】逐步回归是多元回归中选择自变量，建立最优回归方程的一种方法。其基本原理和过程是:按各个自变量对因变量作用的大小，从大到小逐个引入回归方程。每引入一个自变量都要对回归方程中每一个自变量（包括刚刚引入的那个）的作用进行显著性检验，若发现作用不显著的自变量，就要将其剔除（因为引入新的自变量后，原来方程中显著作用的自变量有可能变成不

显著）。这样逐个地引进和剔除，直至没有自变量可引入也没有自变量应从方程中剔除为止，这时的回归方程一般来说是最优的。

二、简答题

5． 直条图适合哪种资料? 绘制直条图时应注意哪些问题？

【答案】条形图，又称直条图，主要用于表示离散型数据资料，即计数数据。它是以条形的长短表示各事物间数量的大小与数量之间的差异。条形图中一个轴是分类轴，表示类别；另一个轴是数量轴，表示大小多少，描述计量数据。这个轴上数据单位的大小取决于原始数据。

绘制条形图需要注意以下几点：

（1）尺度须从零点开始，要等距分点，一般不能断开。

（2）条宽与间隔的比例要适当，条形图是以条形的长短表明数量的多少。

（3）直条的排列顺序可按时间序列、数量多少以及相比较事物的固有序列。

（4）图形区域中条形的顶端和下端尽量少用数据标签。

（5）调节过长条形有两种方法，一种是调整尺度，另一种是采用折叠法、回转法来调整条形本身。

6． T 检验、F 检验、卡方各自适用于什么情况？

【答案】（l ）t 检验运用于总体分布已知的参数检验法中。需要满足总体正态分布，总体

方差未知的情况下的显著性、差异性检验。比较适合于小样本（这时需要数据符合t

分布。当样本含量n 小时，若观察值x 符合正态分布，则用t 检验（因此时样本均数符合t 分布）。

常见的t 检验形式有:样本均数与总体均数比较的t 检验；配对设计的t 检验；成组设计两样本均数比较的t 检验。

两个小样本均数比较的t 检验有以下应用条件:

①两样本来自的总体均符合正态分布，

②两样本来自的总体方差齐。

因此在进行两小样本均数比较的t 检验之前，要用方差齐性检验来推断两样本代表的总体方差是否相等，方差齐性检验的方法使用F 检验，其原理是看较大样本方差与较小样本方差的商是否接近“1”。若接近“1”，则可认为两样本代表的总体方差齐。判断两样本来自的总体是否符合正态分布，可用正态性检验的方法。若两样本来自的总体方差不齐，也不符合正态分布，对符合对数正态分布的资料可用其几何均数进行t 检验，对其他资料可 用检验或秩和检验进行分析。

（2）F 检验常常用于方差的显著性检验中。要检验两组数据的离散程度是否有显著不同，需要对两组数据的方差进行差异检验。这时数据符合F 分布。在平均数差异检验时，如果不是相关样本，需要进行方差齐性检验。单因方差分析（F 检验）•常用来检验一个变异因素对试验结果的显著性。作为参数检验法的一种，单因方差分析通常需要假设数据为服从正态分布的随

机样本和方差齐性。

方差分析的基本条件是:总体正态分布；变异的可加性；各处理内的方差一致。

（3）卡方运用于非参数检验。适用于样本是频数分布的情况。其数据是属于点计而来的离散变量；总体分布未知；不是对总体参数的检验，而是对总体分布的假设检验。计数资料的统计检验主要用卡方检验，可以用来同时检验一个因素两项或多项分类的实际观测数据，与某理论次数分布是否相一致的问题，或有无显著差异的问题；还可用于检验两个或两个以上因素各有多项分类之间，是否有关联或是否具有独立性的问题。

卡方检验用于计数资料的分析，对于数据资料本身的分布形态不作任何假设，所以从一定的意义上来讲，又是一种非参数检验的方法。

7． 简述条形图与直方图的区别。

【答案】条形图与直方图的区别：

①描述的数据类型不同。条形图用来描述称名型数据或计数数据，而直方图主要用来描述分组的连续性数据；

②表示数据多少的方式不同。条形图用直条的长短或高低表示数据的多少和大小，而直方图用面积表示数据的多少和大小。直方图的总面积与总次数相等；

③坐标轴上的标尺分点意义不同。条形图的一个坐标轴是分类轴，而直方图的一个坐标轴上表示的是另一个刻度值；

④图形直观形状不同。条形图之间有间隔，直条与直条之间的间隔大小没有任何关系，不表示任何意义。直方图各个直方块之间紧密相接，没有间隙，当在某一数据上面分布的人数极少或没有，会出现断点。因此，在使用过程中，要注意二者之间的区别。

8． 简述编制分组次数分布表的步骤。

【答案】（1）求全距。全距指最大数和最小数两个数据值之间的差距。从被分组的数据中找出最大数和最小数，二者相减所得差数就是全距。

（2）决定组距与组数。组距是指任意一组的起点和终点之间的距离，用符合i 表示。决定组距的大小需要以全距为参考。全距大，则组距可以大一些；全距小，则组距可以小一些。

组数的多少根据组距的多少来定。如果数据个数在100以上，习惯上一般分10〜20组，但经常取12〜16组。数据个数较少时，一般分为7〜9组。如果数据的总体分为正态，那么可以用下面的经验公式计算组数（K ），这样可使分组满足渐进最优关系。

为数据个数，K 取近似整数）。

（3）列出分组区间。分组区间即一个组的起点值和终点值之间的距离，又叫组限。起点值称为组下限，终点值称为组上限，组限有表述组限和精确组限两种。在列出分组区间时要注意：最高组区间应包含最大的数据，最小组应包含最小的数据；最大组或最小组最好是组距i 的倍数；各分组区间一般在纵坐标上按照顺序排列，数值大的分组区间排在上面，数值小的分组区间排在下面；等级次数时，要按照精确组限将数据归类划分到相应的组别中。

（N