社会统计学实验报告Word文档格式.docx
- 文档编号:3051183
- 上传时间:2023-05-01
- 格式:DOCX
- 页数:16
- 大小:130.77KB
社会统计学实验报告Word文档格式.docx
《社会统计学实验报告Word文档格式.docx》由会员分享,可在线阅读,更多相关《社会统计学实验报告Word文档格式.docx(16页珍藏版)》请在冰点文库上搜索。
由题意得置信度为95%,即1—α=0.95,则显著性水平为α=0.05
则极限误差=CONFIDENCE(α所在单元格,标准差所在单元格,样本容量单元格)=CONFIDENCE(0.05,8.234348171,50)=2.282402924,约等于2.28
所以日生产零件的置信区间为[122.54-2.28,122.54+2.28],即[120.26,124.82]
(3)由题意得待检假设为H0:
u<
=115,H1:
u>
115
t值=(样本均值单元格-115)/(样本标准差单元格/SQRT(样本容量单元格))=(122.54-115)/(8.234348171/SQRT(50))=6.474811387,约等于6.47
t(n-1)=TINV(0.05,49)=2.009575237,约等于2.01,即α=0.05,自由度为49的临界值
因为|t|=6.47>
t(n-1)=2.01,则拒绝H0而接受H1,即企业日生产零件数有显著提高
通过实验二的实验操作与学习,我本着较熟练地掌握EXCEL在数据特征描述、抽样推断中的基本操作内容,利用EXCEL软件计算描述统计特征值的目的进行学习和操作。
这一次实验操作让我掌握了以下方面:
1、利用EXCEL的统计函数求解统计分布特征值;
2、利用CONFIDENCE函数计算极限误差,从而得到相关的置信度3、通过宏程序计算相关的t值,再利用TINV函数计算临界值,最后比较t值和临界值的大小来进行假设检验。
实验三:
时间序列分析
月度
第一年
第二年
第三年
第四年
1
508
574
585
542
2
447
469
455
438
3
345
366
352
341
354
327
427
5
374
412
388
358
6
359
353
332
355
7
365
381
392
376
437
460
429
441
344
361
382
10
295
311
291
377
11
454
453
395
398
12
457
486
491
473
年/季度
时间标号
销售额
移动平均值
中心化后的移动平均值
比值
2000/1
993.1
971.2
2264.1
1542.925
1627.9875
1.390735
1943.3
1713.05
1833.0875
1.060124
2001/1
1673.6
1953.125
2161.0875
0.774425
1931.5
2369.05
2511.0875
0.769189
3927.8
2653.125
2736.725
1.435219
3079.6
2820.325
2897.9625
1.062678
2002/2
2342.4
2975.6
2953.0625
0.79321
2552.6
2930.525
3104.675
0.822179
3747.5
3278.825
3392.825
1.104537
4472.8
3506.825
3718.4
1.202883
2003/1
3254.4
3929.975
4205.425
0.773858
14
4245.2
4480.875
4718.4125
0.899709
15
5951.1
4955.95
5037.175
1.181436
16
6373.1
5118.4
5225.9875
1.219502
2004/1
17
3904.2
5333.575
5496.2625
0.710337
5105.9
5658.95
5941.125
0.859416
19
7252.6
6223.3
6420.675
1.12957
20
8630.5
6618.05
6729.475
1.282492
2005/1
21
5483.2
6840.9
7031.3375
0.779823
22
5997.3
7221.775
7233.0375
0.829154
23
8776.1
7244.3
7199.35
1.219013
8720.6
7154.4
7161.1125
1.217772
2006/1
25
5123.6
7167.825
7269.8375
0.704775
6051
7371.85
7324.425
0.82614
27
9592.2
7277
7254.35
1.322269
28
8341.2
7231.7
7328.5125
1.138185
2007/1
29
4942.4
7425.325
7338.8125
0.67346
30
6825.5
7252.3
7300.0375
0.934995
31
8900.1
7347.775
7356.2125
1.209875
32
8723.1
7364.65
7293.7
1.195977
2008/1
33
5009.9
7222.75
7112.3375
0.704396
34
6257.9
7001.925
6894.7375
0.907634
35
8016.8
6787.55
6918.725
1.158711
36
7865.6
7049.9
6995.125
1.12444
2009/1
37
6059.3
6940.35
6908.1
0.87713
38
5819.7
6875.85
6908.675
0.842376
39
7758.8
6941.5
40
8128.2
各季节指数计算表
年/季
合计
2000
1.39073549
1.06012397
2.450859
2001
1.4352191
1.06267766
4.04151
2002
1.10453678
1.20288296
3.92281
2003
1.18143602
1.21950158
4.074505
2004
1.12956971
1.28249232
3.981816
2005
1.21901283
1.21777168
4.045761
2006
1.32226871
1.13818459
3.991368
2007
1.20987533
1.19597735
4.014308
2008
1.1587106
1.12444024
3.895181
2009
1.719505
∑
6.791414
7.690793
11.1513646
10.5040523
36.13762
平均
0.754602
0.854533
1.23904051
1.16711693
4.015292
季节指数
0.751728
0.851278
1.2343217
1.16267203
季节
指数
1.234322
1.162672
销售额(Y)
季节指数(S)
季节分离后的时间序列(Y/S)
回归后的趋势(T)
最终预测值
预测误差
1321.09
2207.098
1659.137
-666.037
1140.873
2370.805
2018.214
-1047.01
1834.287
2534.511
3128.402
-864.302
1671.409
2698.218
3137.142
-1193.84
2226.338
2861.924
2151.388
-477.788
2268.941
3025.63
2575.653
-644.153
3182.153
3189.337
3936.668
-8.86761
2648.726
3353.043
3898.49
-818.89
3116.022
3516.75
2643.638
-301.238
2998.55
3680.456
3133.092
-580.492
3036.08
3844.162
4744.933
-997.433
3847.001
4007.869
4659.837
-187.037
4329.227
4171.575
3135.889
118.5112
4986.855
4335.282
3690.53
554.6698
4821.353
4498.988
5553.198
397.9015
5481.425
4662.694
5421.184
951.9156
5193.636
4826.401
3628.139
276.0607
5997.923
4990.107
4247.969
857.9311
5875.778
5153.814
6361.464
891.1361
7422.988
5317.52
6182.532
2447.968
7294.13
5481.226
4120.39
1362.81
7045.054
5644.933
4805.408
1191.892
7110.059
5808.639
7169.729
1606.371
7500.481
5972.346
6943.879
1776.721
6815.766
6136.052
4612.64
510.9595
7108.136
6299.758
5362.846
688.1537
7771.232
6463.465
7977.995
1614.205
7174.164
6627.171
7705.227
635.9734
6574.721
6790.878
5104.891
-162.491
8017.944
6954.584
5920.285
905.2151
7210.519
7118.29
8786.26
113.8397
7502.632
7281.997
8466.574
256.526
6664.514
7445.703
5597.142
-587.242
7351.182
7609.41
6477.724
-219.824
6494.903
7773.116
9594.526
-1577.73
6765.106
7936.822
9227.921
-1362.32
8060.498
8100.529
6089.392
-30.0922
6836.426
8264.235
7035.162
-1215.46
6285.882
8427.942
10402.79
-2643.99
6990.965
8591.648
9989.269
-1861.07
2010/1
41
8755.354
6581.643
42
8919.061
7592.601
43
9082.767
11211.06
44
9246.474
10750.62
SUMMARYOUTPUT
回归统计
MultipleR
0.882769
RSquare
0.779281
AdjustedRSquare
0.773473
标准误差
1031.834
观测值
方差分析
df
SS
MS
F
SignificanceF
回归分析
142842941
134.165
4.93466E-14
残差
40457896.1
1064681.48
总计
183300837
Coefficients
tStat
P-value
Lower95%
Upper95%
Intercept
2043.4
332.510265
6.14535002
3.5974E-07
1370.26013
2716.5238
XVariable1
163.71
14.1333868
11.5829596
4.9347E-14
135.0949031
192.31799
1、季节指数是以其平均数等于100%为条件构成的,应注意当季节比率的平均值不等于1,需要进行调整,即将每个季度比率的平均值除以它们的总平均值,从而使季节比率的平均值等于1。
2、将实际销售量除以相应的季节指数后得到季节分离后的序列从季节分离后的序列可以看出销售量具有明显的线性趋势。
3、这个实验主要是一些计算问题,所以我们要有足够的耐心才能完成。
实验四:
一、实验结果与数据处理
某地区1996~2011年国内生产总值和财政收入资料单位:
亿元
年份
国内生产总值
财政收入
1996
18667.82
2937.1
1997
21781.5
3149.48
1998
26923.48
3483.37
1999
35333.92
4348.95
48197.86
5218.1
60793.73
6242.2
71176.59
7407.99
78973.04
8651.14
84402.28
9875.95
89677.05
11444.08
99214.55
13395.23
109655.2
16386.04
120332.7
18903.64
135822.8
21715.25
2010
159878.3
26396.47
2011
183084.8
31649.29
根据回归分析的结果,得到一元线性回归方程为:
=2043.39+163.70*x
这次实验比较麻烦,处理的步骤很多,有一些操作还不是那么熟练。
我们知道,一元回归分析在数学关系式中只描述了一个变量与另一个变量之间的数量变化关系,则称其为一元回归分析,其回归模型为
,y称为因变量,x称为自变量,
称为随机误差,a,b称为待估计的回归参数,下标i表示第i个观测值。
最后的结论是我们可以用一元线性回归分析模型来预测未来几年的国内生产总值和财政收入情况。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 社会 统计学 实验 报告