1、1、去年某企業(yè)每天平均生產(chǎn)元件105個(gè)，今年改進(jìn)了生產(chǎn)技術(shù)隨機(jī)抽取15天進(jìn)行測(cè)量，結(jié)果為 208 112 202 108 210 106 206 204 118 112 116 210 114 104 214假定生產(chǎn)從正態(tài)分布，能否判斷今年的產(chǎn)量是否是去年的兩倍(a=0.05) 步驟：輸入數(shù)據(jù)后，從菜單欄選擇“分析”“比較均值”“單樣本T檢驗(yàn)”命令，打開“單樣本T檢驗(yàn)”對(duì)話框。（1） 將變量產(chǎn)量選入“檢驗(yàn)變量”列表框。（2） 在“檢驗(yàn)值”框中輸入已知去年元件產(chǎn)量的平均數(shù)105。（3） 單擊“確定”按鈕，完成設(shè)置并執(zhí)行上述操作。單個(gè)樣本統(tǒng)計(jì)量N均值標(biāo)準(zhǔn)差均值的標(biāo)準(zhǔn)誤元件個(gè)數(shù)15156.2750.

2、00512.911分析：樣本數(shù)量為15，均值為156.27，標(biāo)準(zhǔn)差為50.005，均值的標(biāo)準(zhǔn)誤差為12.911單個(gè)樣本檢驗(yàn)檢驗(yàn)值 = 105 tdfSig.(雙側(cè))均值差值差分的 95% 置信區(qū)間下限上限元件個(gè)數(shù)3.97114.00151.26723.5778.96分析：顯著性水平為0.001小于0.05，所以認(rèn)為今年的產(chǎn)量不是去年的兩倍。2、一生產(chǎn)商想比較兩種汽車輪胎A和B的磨損質(zhì)量。在比較中，選A和B型輪胎組成一對(duì)后任意安裝在7輛汽車的后輪上，然后讓汽車運(yùn)行指定的英里數(shù)，記錄下每只輪胎的磨損量。數(shù)據(jù)如下： 汽車 1 2 3 4 5 6 7 輪胎A 9.6 10.8 11.3 10.7 8.

3、2 9.0 11.2 輪胎B 8.2 9.4 11.8 9.1 9.3 11.0 13.1這兩種輪胎的平均磨損質(zhì)量存在顯著差異嗎？步驟：（1） 輸入數(shù)據(jù)，執(zhí)行“分析”“比較均值”“配對(duì)樣本T檢驗(yàn)”命令，打開“配對(duì)樣本T檢驗(yàn)”對(duì)話框。（2） 在“置信區(qū)間百分比”框內(nèi)輸入置信度95%，然后單擊“繼續(xù)”按鈕確認(rèn)，返回主對(duì)話框。（3） 單擊“確定”按鈕，完成設(shè)置并執(zhí)行配對(duì)樣本T檢驗(yàn)。成對(duì)樣本統(tǒng)計(jì)量均值N標(biāo)準(zhǔn)差均值的標(biāo)準(zhǔn)誤對(duì) 1輪胎A10.11471.1950.4517輪胎B10.27171.7433.6589輪胎A的均值 10.114 小于輪胎B的均值 10.271。成對(duì)樣本相關(guān)系數(shù)N相關(guān)系數(shù)Sig.

4、對(duì) 1輪胎A & 輪胎B7.457.303相關(guān)系數(shù)為0.457，認(rèn)為輪胎之間相關(guān)性大成對(duì)樣本檢驗(yàn)成對(duì)差分tdfSig.(雙側(cè))均值標(biāo)準(zhǔn)差均值的標(biāo)準(zhǔn)誤差分的 95% 置信區(qū)間下限上限對(duì) 1輪胎A - 輪胎B-.15711.6009.6051-1.63771.3234-.2606.804顯著性水平為0.804，大于0.01，接受原假設(shè)，認(rèn)為兩個(gè)輪胎的平均磨損質(zhì)量之間無顯著性差異。 3、某地一年級(jí)12名女大學(xué)生的身高、體重與肺活量數(shù)據(jù)如下，試建立體重與身高、肺活量間的線性回歸方程。 操作步驟： (1)從菜單欄中選擇“分析”“回歸”“線性”，將“體重”選入“因變量”，將“身高”“肺活量”選入“自變量”

5、。(2)單擊“統(tǒng)計(jì)量”按鈕，選擇“置信區(qū)間”輸入95，選擇“描述性”和 “個(gè)案診斷”并選擇“所有個(gè)案”，單擊繼續(xù)。(3)單擊“繪制”按鈕，選用DEPENDENT和*ZPEAD，并選擇“直方圖”和“正態(tài)概率圖”，單擊繼續(xù)。(4)單擊“確定”按鈕，并進(jìn)行線性回歸分析。體重和身高分析：描述性統(tǒng)計(jì)量均值標(biāo)準(zhǔn) 偏差N體重49.41675.0893512身高160.58333.7769212肺活量2.8942.4174512體重的均值為49.41，身高的均值為160.58，肺活量的均值為2.89相關(guān)性體重身高肺活量Pearson 相關(guān)性體重1.000.771.800身高.7711.000.640肺活量.8

6、00.6401.000Sig. （單側(cè)）體重.002.001身高.002.012肺活量.001.012.N體重121212身高121212肺活量121212顯著性水平小于0.05，因此它們之間具有顯著性差異水平描述性統(tǒng)計(jì)量均值標(biāo)準(zhǔn) 偏差N體重49.41675.0893512身高160.58333.7769212肺活量2.8942.4174512輸入移去的變量b模型輸入的變量移去的變量方法1肺活量, 身高a.輸入a. 已輸入所有請(qǐng)求的變量。b. 因變量: 體重模型匯總b模型RR 方調(diào)整 R 方標(biāo)準(zhǔn) 估計(jì)的誤差1.868a.754.6992.79325a. 預(yù)測(cè)變量: (常量), 肺活量, 身高。

7、b. 因變量: 體重Anovab模型平方和df均方FSig.1回歸214.6972107.34813.759.002a殘差70.22097.802總計(jì)284.91711a. 預(yù)測(cè)變量: (常量), 肺活量, 身高。b. 因變量: 體重系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B 的 95.0% 置信區(qū)間B標(biāo)準(zhǔn) 誤差試用版下限上限1(常量)-63.96842.155-1.517.163-159.32931.393身高.592.290.4392.040.072-.0641.249肺活量6.3202.626.5182.407.039.38012.260a. 因變量: 體重體重與身高的線性回歸方程為：y

8、=0.592x-63.968體重與肺活量的線性回歸方程為：y=6.320x-63.968案例診斷a案例數(shù)目標(biāo)準(zhǔn) 殘差體重預(yù)測(cè)值殘差1-.69342.0043.9351-1.935112-.53742.0043.4995-1.499463.07546.0045.7914.208644-.19346.0046.5401-.540055-.46246.0047.2917-1.291726.11350.0049.6837.316277-1.11351.0054.1080-3.1080381.21952.0048.59573.404329-1.29252.0055.6084-3.6084010.9365

9、2.0049.38432.6157511.34258.0057.0456.95445121.60556.0051.51674.48334a. 因變量: 體重殘差統(tǒng)計(jì)量a極小值極大值均值標(biāo)準(zhǔn) 偏差N預(yù)測(cè)值43.499557.045649.41674.4179012標(biāo)準(zhǔn) 預(yù)測(cè)值-1.3391.727.0001.00012預(yù)測(cè)值的標(biāo)準(zhǔn)誤差.8341.6901.369.28712調(diào)整的預(yù)測(cè)值44.332056.905349.48424.4626712殘差-3.608404.48335.000002.5265912標(biāo)準(zhǔn) 殘差-1.2921.605.000.90512Student 化 殘差-1.5061

10、.715-.0111.03112已刪除的殘差-4.905275.25044-.067503.3065812Student 化 已刪除的殘差-1.6421.971.0091.10912Mahal。 距離.0653.1111.8331.04312Cook 的距離.001.414.104.12712居中杠桿值.006.283.167.09512a. 因變量: 體重殘差統(tǒng)計(jì)量a極小值極大值均值標(biāo)準(zhǔn) 偏差N預(yù)測(cè)值43.499557.045649.41674.4179012標(biāo)準(zhǔn) 預(yù)測(cè)值-1.3391.727.0001.00012預(yù)測(cè)值的標(biāo)準(zhǔn)誤差.8341.6901.369.28712調(diào)整的預(yù)測(cè)值44.33

11、2056.905349.48424.4626712殘差-3.608404.48335.000002.5265912標(biāo)準(zhǔn) 殘差-1.2921.605.000.90512Student 化 殘差-1.5061.715-.0111.03112已刪除的殘差-4.905275.25044-.067503.3065812Student 化 已刪除的殘差-1.6421.971.0091.10912Mahal。 距離.0653.1111.8331.04312Cook 的距離.001.414.104.12712居中杠桿值.006.283.167.09512a. 因變量: 體重 由圖可知，標(biāo)準(zhǔn)化殘差呈正態(tài)分布，散

12、點(diǎn)在直線上或下靠近直線，說明變量之間呈線性分布。由圖可知回歸方程滿足線性以及其次方程的檢驗(yàn)4、某企業(yè)欲研究不同類型的商店對(duì)一種新產(chǎn)品的銷售影響，選取了三類商店：副食品店、百貨公司和超市。調(diào)查時(shí)銷售額如表，現(xiàn)分析不同商店類型對(duì)銷售量有無顯著影響。副食品店19241929293028302929293030293031百貨公司32332932313531323134293231342931超市31353533313535323336293232343031步驟（1）打開數(shù)據(jù)文件，從菜單欄選擇“分析”“比較均值”“單因素ANOVA”命令， (2) 將“ 銷售量 ”作為觀測(cè)變量選入“因變量列表”框，（

13、3）將“ 商店 ”作為控制變量選入“因子”文本框中?？刂谱兞坑袔讉€(gè)不同的取值，就表示控制變量有幾個(gè)水平。（4）單擊“對(duì)比”按鈕，然后打開對(duì)比對(duì)話框中的“度”下拉列表中選擇“線性”選項(xiàng)，單擊“繼續(xù)”按鈕確認(rèn)。（5）在“單因素ANOVA:兩兩比較”兩兩比較對(duì)話框中選擇LSD方法進(jìn)行兩兩比較。單擊“繼續(xù)”按鈕確認(rèn)。（6）在“選項(xiàng)”對(duì)話框中，選擇“描述性”項(xiàng)輸出描述性統(tǒng)計(jì)量和“均值圖”輸出頻數(shù)圖。單擊“繼續(xù)”按鈕確認(rèn)。（7）單擊“確定”按鈕完成設(shè)置，執(zhí)行單因素方差分析。 描述銷售額N均值標(biāo)準(zhǔn)差標(biāo)準(zhǔn)誤均值的 95% 置信區(qū)間極小值極大值下限上限副食品店1627.813.763.94125.8129.82

14、1931百貨公司1631.631.784.44630.6732.582935超市1632.752.082.52031.6433.862936總數(shù)4830.733.388.48929.7531.711936ANOVA銷售額平方和df均方F顯著性組間（組合）214.2922107.14614.827.000線性項(xiàng)對(duì)比195.0311195.03126.989.000偏差19.260119.2602.665.110組內(nèi)325.188457.226總數(shù)539.47947p為0.000小于0.05，拒絕原假設(shè)，認(rèn)為不同商店類型對(duì)產(chǎn)品銷售量有顯著性影響。多重比較銷售額LSD(I) 商店(J) 商店均值差 (I-J)標(biāo)準(zhǔn)誤顯著性95% 置信區(qū)間下限上限副食品店百貨公司-3.813*.950.000-5.73-1