4.14 （7.1，12.9）。 4.15 （7.18，11.57）。
4.16 （1）（148.9，150.1）；（2）中心极限定理。 4.17 （1）（100.9，123.7）；（2）（0.017，0.183）。 4.18 （15.63，16.55）。 4.19 （10.36，16.76）。
4.20 （1）（0.316，0.704）；（2）（0.777，0.863）；（3）（0.456，0.504）。 4.21 （18.11%，27.89%）；（17.17%，22.835）。 4.22 167。
4.23 （1）2522；（2）601；（3）268。 4.24 （1）（51.37%，76.63%）；（2）36。
4.25 （1）（2.13，2.97）；（2）（0.015，0.029）；（3）（25.3，42.5）。 4.26 （1）（0.33，0.87）；（2）（1.25，3.33）；（3）第一种排队方式更好。 4.27 48。 4.28 139。
第5章 假设检验
5.1 研究者想要寻找证据予以支持的假设是“新型弦线的平均抗拉强度相对于以前提高了”，所以原假设与备
择假设应为：H0:??1035，H1:??1035。 5.2
?＝“某一品种的小鸡因为同类相残而导致的死亡率”，H0:??0.04，H1:??0.04。
5.3 H0:??65，H1:??65。
5.4 （1）第一类错误是该供应商提供的这批炸土豆片的平均重量的确大于等于60克，但检验结果却提供证据
支持店方倾向于认为其重量少于60克；
（2）第二类错误是该供应商提供的这批炸土豆片的平均重量其实少于60克，但检验结果却没有提供足够的证据支持店方发现这一点，从而拒收这批产品；
（3）连锁店的顾客们自然看重第二类错误，而供应商更看重第一类错误。 5.5 （1）检验统计量z?x??s/n，在大样本情形下近似服从标准正态分布；
（2）如果z?z0.05，就拒绝H0；
（3）检验统计量z＝2.94>1.645，所以应该拒绝H0。 5.6 z＝3.11，拒绝H0。 5.7 5.8 5.9 5.10
t?1.66，不拒绝H0。 z??2.39，拒绝H0。 t?1.04，不拒绝H0 z?2.44，拒绝H0。
5.11 z＝1.93，不拒绝H0。 5.12 z＝7.48，拒绝H0。 5.13 ?＝206.22，拒绝H0。 5.14 F2?2.42，拒绝H0。
第6章 方差分析
6.1 F?4.6574?F0.01?8.0215(或P?value?0.0409??6.2 F?15.8234?F0.01?4.579(或P?value?0.00001???0.01)，不能拒绝原假设。 ?0.01)，拒绝原假设。 ?0.01)，拒绝原假设。 ?0.05)，拒绝原假设。
6.3 F?10.0984?F0.01?5.4170(或P?value?0.000685??6.4 F?11.7557?F0.05?3.6823(或P?value?0.000849??6.5 F?17.0684?F0.05?3.8853(或P?value?0.0003???0.05)，拒绝原假设。
xA?xB?44.4?30?14.4?LSD?5.85，拒绝原假设； xA?xC?44.4?42.6?1.8?LSD?5.85，不能拒绝原假设； xB?xC?30?42.6?12.6?LSD?5.85，拒绝原假设。
6.6 方差分析表中所缺的数值如下表： 差异源 组间 组内 总计 SS 420 3836 4256 df 2 27 29 MS 210 142.07 — F 1.478 — — P-value 0.245946 — — F crit 3.354131 — — F?1.478?F0.05?3.554131(或P?value?0.245946???0.05)，不能拒绝原假设。
第7章 相关与回归分析
7.1
（1）散点图（略），产量与生产费用之间正的线性相关关系。 （2）r?0.920232。
2（3）检验统计量t?14.4222?t?7.2
（1）散点图（略）。 （2）r7.3
?2.2281，拒绝原假设，相关系数显着。
?0.8621。
?0时y的期望值。
?表示当x（1）?0?表示x每变动一个单位（2）?1（3）E(y)?7。
y平均下降0.5个单位。
7.4
（1）R?90%。 （2）se?1。
27.5 （1）散点图（略）。 （2）r?0.9489。
??0.00358表示运送距离每增加1公里，运送时间平均??0.1181?0.00358x。回归系数?（3）y1增加0.00358天。 7.6
(1) 散点图（略）。二者之间为高度的正线性相关关系。 （2）r?0.998128，二者之间为高度的正线性相关关系。
??0.308683表示人均GDP每增??734.6928?0.308683x。回归系数?（3）估计的回归方程为：y1加1元，人均消费水平平均增加0.308683元。
（4）判定系数R?0.996259。表明在人均消费水平的变差中，有99.6259%是由人均GDP决定的。 （5）检验统计量F?1331.692?F??6.61，拒绝原假设，线性关系显着。
2?5000?734.6928?0.308683?5000?2278.1078（元）。 （6）y（7）置信区间：[1990.749，2565.464]；预测区间：[1580.463，2975.750]。 7.7
（1） 散点图（略），二者之间为负的线性相关关系。
???4.7表示航班正点率每增加1%，顾??430.1892?4.7x。回归系数?（2）估计的回归方程为：y1客投诉次数平均下降4.7次。 （3）检验统计量
显着。
t?4.959?t?2?2.3060（P-Value=0.001108
?80?430.1892?4.7?80?54.1892（次）。 （4）y（5）置信区间：（37.660，70.619）；预测区间：（7.572，100.707）。 7.8
Excel输出的结果如下（解释与分析请读者自己完成）
Multiple R R Square Adjusted R Square 标准误差 观测值
0.7951 0.6322 0.6117 2.6858
20
SS
MS
223.1403 129.8452 352.9855
F
223.1403 7.2136
30.9332
Significance F 2.79889E-05
方差分析
df
1 18 19
回归分析 残差 总计
P-value
Lower 95%
Upper 95%
t Stat
Coefficients
标准误差
Intercept X Variable 1
49.3177 0.2492
3.8050 0.0448
12.9612 5.5618
0.0000 0.0000
41.3236 0.1551
57.3117 0.3434
7.9 （1）方差分析表中所缺的数值如下
变差来源 回归 残差 总计 （2）R2 方差分析表 df 1 10 11 SS 1422708.6 40158.07 1642866.67 MS 1422708.6 4015.807 — F 354.277 — — Significance F 2.17E-09 — — ?SSR1422708.60??0.8660?86.60%。表明汽车销售量的变差中有86.60%是由于SST1642866.67广告费用的变动引起的。 （3）r?R2?0.8660?0.9306。
??1.420211表示广告费用每增加一个单位，销售量??363.6891?1.420211x。回归系数?（4）y1平均增加1.420211个单位。 （5）Significance F＝2.17E-09
?0.05，线性关系显着。
??13.6254?2.3029x；R2?93.74%；se?3.8092。 y（1）27。 （2）4.41。 （3）拒绝H0。 （4）r??0.7746。
（5）拒绝H0。 7.12
（1）15.95?E(y)?18.05。
（2）14.651?y0?19.349。 7.13 7.14 7.15 7.16
???46.29?15.24x；441.555?E(y40)?685.045。 y??25.03?0.0497x1?1.928x2；预测28.586。 y（略）。 （1）显着。
（2）显着。 （3）显着。 7.17
??88.6377?1.6039x1。 （1）y??83.2301?2.2902x1?1.3010x2。 （2）y??1.6039表示电视广告费用每增加1万元，月销售额平均增（3）不相同。方程（1）中的回归系数?1??2.2902表示在报纸广告费用不变的条件下，电视广告费加1.6039万元；方程（1）中的回归系数?1用每增加1万元，月销售额平均增加2.2902万元。 （4）R?91.91%；Ra?88.66%。
（5）?1的P-Value=0.0007，?2的P-Value=0.0098，均小于?7.18
22?0.05，两个回归系数均显着。
???0.5910?22.3865x1?327.6717x2 （1）y??22.3865表示降雨量每增加1毫mm，小麦收获量平均增加22.3865kg/hm2；回归（2）回归系数?1??327.6717表示温度每增加1C，小麦收获量平均增加327.6717kg/mh2。 系数?20（3）可能存在。 7.19
??148.7005?0.8147x1?0.8210x2?0.1350x3。 （1）y（2）R?89.75%；Ra?87.83%。 （3）Significance F＝3.88E-08?22?0.05，线性关系显着。
?0.05，不显着；?2的P-Value=0.0013
?0.05，不显着。
第8章 时间序列分析和预测
8.1 （1）时间序列图（略）。
（2）13.55%。 （3）1232.90(亿元)。
8.2 （1）时间序列图（略）。
（2）1421.2(公斤/公顷)。 （3）?P-Value=0.0571>??0.3时的预测值：F2001?1380.18，误差均方＝291455； ??0.5时的预测值：
F2001?1407.23，误差均方＝239123。??0.5更合适。
8.3 （1）3期移动平均预测值＝630.33（万元）。 （2）
??0.3时的预测值：F19?567.95，误差均方＝87514.7；
??0.4时的预测值：
F19?591.06，误差均方＝62662.5；??0.5时的预测值：F19?606.54，误差均方＝50236。
??0.5更合适
? （3）趋势方程Yt?（2）趋势方程Yt?239.73?21.9288t。估计标准误差sY?31.6628。
8.4 （1）趋势图（略）。
?145.78?1.16077t。2001年预测值＝3336.89(亿元)。
8.5 （1）趋势图（略）。
??69.5202?13.9495t，2000年预测值=585.65（万吨）。 （2）线性趋势方程Y??374.1613?0.6137t；二次曲线：Y??381.6442?1.8272t?0.0337t；三次曲8.6 线性趋势：Y2
统计学贾俊平课后习题答案
