1、統計學課后思考題第一章導論1、解釋描述統計和推斷統計描述統計：研究的是數據收集、處理、匯總、圖表描述、概括與分析等統計方法。推斷統計：研究如何利用樣本數據來推斷總體特征的統計方法。2、統計數據可分為哪幾個類型？不同類型的數據各有什么特點？統計數據的類型按計量尺度按收集方法按時間狀況3、舉例說明總體、樣本、參數、統計量、變量這幾個概念總體：所研究的全部元素的集合，其中的每一個元素稱為個體。eg.要檢驗一批燈泡的使用壽命，這批燈泡構成的集合就是總體。樣本：從總體中抽取的一部分元素的集合。eg.從一批燈泡中隨機抽取100個，這100個燈泡就構成了一個樣本。參數：研究者想要了解的總體的某種特征值。eg

2、.總體平均數用p表示，總體標準差用。表示。統計量：根據樣本數據計算出來的一個量。eg.樣本標準差用s表示變量：說明現象某種特征的概念。eg.商品銷售額、受教育程度等第三章數據的圖表展示1、分類數據和順序數據的整理和圖示方法各有哪些分類數據整理：頻數、比例、百分比、比率圖示：條形圖、帕累托圖、餅圖、環形圖順序數據整理：累計頻數、累計頻率（累計百分比）圖示：累計頻數分布圖和累計頻率分布圖分類數據的整理和圖示方法同樣適用于順序數據2、莖葉圖與直方圖相比有什么優點？它們的應用場合是什么？莖葉圖是由“莖”和“葉”兩部分組成的、反映原始數據分布的圖形，其圖形是由數字 組成的。通過莖葉圖，可以看數據的分布形

3、狀及數據的離散狀況。與直方圖相比，莖葉圖既 能給出數據的分布狀況，又能給出一個原始數值，即保留了原始數據的信息。而直方圖不能 給出原始數值。在應用方面，直方圖一般適用于大批量數據，莖葉圖通常適用于小批量數據。第四章 數據的概括性度量1、一組數據的分布特征可以從哪幾個方面進行測度？一是分布的集中趨勢，反映各數據向其中心值靠攏或聚集的程度；二是分布的離散程度，反映各數據遠離其中心值的趨勢；三是分布的形狀，反映數據分布的偏態和峰態。2、簡述眾數、中位數和平均數的特點和應用場合（1）眾數特點：是一組數據分布的峰值，不受極端值影響。缺點是不具有唯一性。在數據較多時 才有意義。應用場合：主要用于測度分類數

4、據的集中趨勢。（2）中位數特點：是一組數據中間位置上的代表值，不受數值極端值的影響。應用場合：主要用于測度順序數據的集中趨勢，也適用于測度數值型數據的集中趨 勢。3）平均數。（3）平均數特點：是針對數值型數據計算的，利用了全部數據信息，是實際應用最廣泛的集中趨勢 測度值。缺點是易受數據極端值的影響，對于偏態分布的數據，平均數的代表性較差。應用場合：主要適用于數值型數據。第七章參數估計1、簡述評價估計量好壞的標準無偏性：估計量的數學期望等于被估計的總體參數。有效性：一個方差較小的無偏估計量稱為一個更有效的估計量。如，與其他估計量相比， 樣本均值是一個更有效的估計量。一致性：隨著樣本容量的增大，估

5、計量越來越接近被估計的總體參數。2、影響抽樣誤差的因素樣本量的大小 總體的變異性 抽樣方法 抽樣調查的組織形式第11章一元線性回歸1、解釋相關關系的含義，說明相關關系的特點相關關系：是根據樣本數據計算的度量兩個變量之間的線性關系強度的統計量。簡單的 說，就是客觀現象之間存在的互相依存的不確定性關系。特點：（1）現象之間確實存在著數量上的依存關系；（2）現象之間數量上的關系是不確定、不嚴格的依存關系。2、相關分析主要解決哪些問題？（1）變量之間是否存在關系？（2）如果存在關系，它們之間是什么樣的關系？（3）變量之間的關系強度如何？（4）樣本所反映的變量之間的關系能否代表總體總體變量之間的關系？3

6、、相關分析與回歸分析的聯系與區別聯系：相關分析是回歸分析的基礎和前提，回歸分析則是相關分析的深入和繼續。相關 分析需要依靠回歸分析來表現變量之間數量相關的具體形式，而回歸分析則需要依靠相關分 析來表現變量之間數量變化的相關程度。在具體應用過程中，只有把相關分析和回歸分析結 合起來，才能達到研究和分析的目的。區別：（1）相關分析主要通過相關系數來判斷兩個變量之間是否存在著相互關系及其關 系的密切程度，其前提條件是兩個變量都是隨機變量，且變量之間不必區別自變量和因變量。 而回歸分析研究一個隨機變量（Y）與另一個非隨機變量（X）之間的相互關系，且變量之間必須區別自變量和因變量。（2）相關系數只能觀察變量間相關關系的密切程度和方向，不能估計推算具體數值。而回歸分析可以根據回歸方程，用自變量數值推算因變量的估計值。（3）互為因果關系的兩個變量，可以擬合兩個回歸方程，且互相獨立、不能互相替換。而相關系數卻只有一個，即自變量與因變量互換相關系數不變。4、總平方和、回歸平方和與殘差平方和的含義及關系總平方和（sst）： （y -y）2i回歸平方和（ssr）： （y