统计学(第六版)贾俊平——_课后习题答案
140120100投诉次数8060402000204060航班正点率80100
从散点图可以看出，航班正点率与被投诉次数之间为负的线性相关关系。 （2）由Excel输出的回归结果如下表：
回归统计
Multiple R R Square
Adjusted R Square 标准误差 观测值 方差分析
回归分析 残差 总计
Intercept X Variable 1
df 0.868643 0.75454 0.723858 18.88722
10
SS
MS
F
Significance F
0.001108
1 8772.584 8772.584 24.59187 8 2853.816 356.727 9 11626.4
Coefficients 标准误差
t Stat
P-value
430.1892 72.15483 5.962029 0.000337
-4.70062 0.947894 -4.95902 0.001108
???4.7表示航班正点率每增??430.1892?4.7x。回归系数?得到的回归方程为：y1加1%，顾客投诉次数平均下降4.7次。
（3）回归系数检验的P-Value=0.001108
?80?430.1892?4.7?80?54.1892（次） （4）y（5）当??0.05时，t0.052(10?2)?2.306，se?18.88722 置信区间为：
?0?t?2sey(x0?x)21?nn?(xi?x)2i?11(80?75.86)2 ?54.1892?2.306?18.88722?10397.024?54.1892?16.48即（37.7，70.7）
统计学(第六版)贾俊平——_课后习题答案
预测区间为：
?0?t?2sey(x0?x)211??nn?(xi?x)2i?11(80?75.86)2 ?54.1892?2.306?18.887221??10397.024?54.1892?46.57即（7.6，100.8）
11．8．Excel输出的回归结果如下： Multiple R R Square
Adjusted R Square 标准误差 观测值 方差分析
回归 残差 总计
Intercept X Variable 1
df 0.7951 0.6322 0.6117 2.6858
20
SS
18 129.8452 19 352.9855
Coefficients 标准误差
49.3177 0.2492
3.8050 0.0448
t Stat 12.9612 5.5618
MS 7.2136
P-value 0.0000 0.0000
F
Significance F
2.79889E-05
1 223.1403 223.1403 30.9332
??49.3177?0.2492x。由上表结果可知，出租率与月租金之间的线性回归方程为：y??0.2492表示：月租金每增加1元，出租率平均增加0.2492%。 回归系数?1R2?63.22%，表明在出租率的变差中被出租率与租金之间的线性关系所解释的比例
为63.22%，回归方程的拟合程度一般。
估计标准误差se?2.6858表示，当用月租金来预测出租率时，平均的预测误差为2.6858%，表明预测误差并不大。
由方差分析表可知，Significance F=2.79889E-05
11．9．（1）方差分析表中所缺的数值如下 方差分析表如下： 变差来源 回归 残差 df 1 10 SS 1422708.6 40158.07 MS 1422708.6 4015.807 F 354.277 — Significance F 2.17E-09 — 统计学(第六版)贾俊平——_课后习题答案
总计 11 1642866.67 — 2— — （2）根据方差分析表计算的判定系数R?SSR1422708.60??0.8660?86.60% SST1642866.67表明汽车销售量的变差中有86.60%是由于广告费用的变动引起的。
（3）相关系数可由判定系数的平方根求得：r?R2?0.8660?0.9306
??1.420211表示广告费??363.6891?1.420211x。回归系数?（4）回归方程为：y1用每增加一个单位，销售量平均增加1.420211个单位。
（5）由于Significance F＝2.17E-09
11．10．Excel输出的回归结果如下：
回归统计
Multiple R
R Square
Adjusted R Square 标准误差 观测值 方差分析
回归分析 残差 总计
Intercept X Variable 1
df 0.968167 0.937348 0.916463 3.809241
5
SS
MS
F
Significance F
0.006785
1 651.2691 651.2691 44.88318 3 43.53094 14.51031 4 694.8
Coefficients 标准误差
t Stat
P-value
13.62541 4.399428 3.097086 0.053417
2.302932 0.343747 6.699491 0.006785
??13.6254?2.3029x，回归系数表明，x每增加一个由上述结果可知：回归方程为y单位y平均增加2.3029个单位；判定系数R?93.74%，表明回归方程的拟合程度较高；估计标准误差se?3.8092，表明用x来预测y时平均的预测误差为3.8092。
11．11．（1）检验统计量：F?2SSR1601??27
SSEn?24020?220?2)?4.41 （2）F?(1,n?2)?F0.05(1，（3）由于F?27?F??4.41，所以拒绝原假设H0:?1?0 （4）根据相关系数与判定系数之间的关系可知，
r?R2?SSR?SSTSSR?SSR?SSE60?0.7746
60?40统计学(第六版)贾俊平——_课后习题答案
（5）提出假设：H0:?1?0，H1:?1?0
由于F?27?F??4.41，拒绝H0，线性关系显著。
?4?5?3?4?17。当??0.05，11．12．（1）当x?4时，yt?2(n?2)?t0.052(20?2)?2.101。y的平均值的95%的置信区间为：
?0?t?2sey(x0?x)21?nn?(xi?x)2i?1
1(4?2)2?17?2.101?1.0??17?1.05052020即（15.95，18.05） （2）预测区间为：
?0?t?2sey(x0?x)211??nn?(xi?x)2i?1
1(4?2)2?17?2.101?1.01???17?2.34902020即（14.65，19.35）
11．13．Excel输出的回归结果如下：
回归统计
Multiple R
R Square
Adjusted R Square 标准误差 观测值 方差分析
回归分析 残差 总计
Intercept X Variable 1
df 0.947663 0.898064 0.881075 108.7575
8
SS
MS
F
Significance F
0.000344
1 625246.3 625246.3 52.86065 6 70969.2 11828.2 7 696215.5
Coefficients 标准误差
t Stat
P-value
-46.2918 64.89096 -0.71338 0.502402
15.23977 2.096101 7.270533 0.000344
???46.2918?15.23977x 得到的线性回归方程为：y当x?40时，E(y)??46.2918?15.23977?40?563.299。当
??0.05，
统计学(第六版)贾俊平——_课后习题答案
t?2(n?2)?t0.052(8?2)?2.447。
（2）销售收入95%的置信区间为：
?0?t?2sey(x0?x)21?nn?(xi?x)2i?11(40?24.9375)2?563.299?2.447?108.7575?
82692.11875?563.299?121.745即（270.65，685.04）。
441.54?E(y40)?685.04。
11．14．回归1残差图：
回归1 残差32.521.510.50-0.50-1-1.5510152025回归1 残差
回归2残差图：
回归2 残差21.510.50-0.5-1-1.505101520回归2 残差
结论：回归1的残差基本上位于一条水平带中间，说明变量之间的线性假设以及对误差项正态假设是成立，用一元线性回归方程描述变量间的关系是合适的。
回归2的残差表示，变量之间用一元线性回归模型不合理，应考虑曲线回归或多元回归。
??29.399?1.547x 11．15．（1） 估计的回归方程为：y（2）由于Significance F＝0.020
（3） 残差图
统计学(第六版)贾俊平课后习题答案
