统计学课程实验报告综述文档格式.docx

1、1326120-1302346130-1401020140及以上12合计501001.2 50名工人加工零件的人数频数分布表组别频数（人）频率（%）10-1101.3零件数（个）人数（人）1301113039优秀率=1150100%=22%六、讨论与结论该实验主要是通过EXCEL软件的相关运用来对50名工人的日零件加工数进行分析，首先是制作组距式分布表并绘制柱状图。相对而言，这部分的操作难度不是很大，通过对这50个数据的观察，除了一个极端值外其余数据的分布都比较集中，最小值为107，最小值为139。我假设的组距为10，则组数=全距组距=3210=3.2组，化整可取为4组，另外将极端值509单独

2、归入开口组。然后通过统计数据便可的到每组的工人人数及其比重。在制作好的组距式分布表的基础上便可很容易的绘制出柱状图。把分布表与柱状图结合起来，我们可以对工人的日零件加工数的分布情况有一个大致的了解。其主要表现为集中分布在120-130之间，110-120和130-140之间的分布大致持平，而两端的数据都比较少。接下来是制作频数分布表和绘制直方图，这部分和上面的操作有很大类似的地方，并且通过这部分的操作我们可以更直观的看出工人日加工零件数的分布情况。如果日加工零件数大于等于130为优秀，那么这50个数据中符合条件的有11个，对应的优秀率为11100=22，所以从优秀率上看，这50名工人的技能水平

3、还有待提高。通过这个实验的操作，我EXCEL的基本命令与操作也有了一定的接触，在某种程度上熟悉了EXCEL数据输入、输出与编辑方法，这是对我们平日的学习工作很有帮助的。实验二：EXCEL的数据特征描述、抽样推断熟悉EXCEL用于数据描述统计、列联分析、多元回归的基本菜单操作及命令。根据实验1的数据，（1）计算特征值；（2）判断该企业职工的平均日加工零件数及优秀率的区间；（3）假设检验（如果以往该企业的工人日加工零件数为115，优秀率为5%，显著性水平为5%）。1、 在相应方格中输入命令，得到各特征值。COUNT（B4:B53）并回车，得到50个数据中的单位总量。SUM（B4:B53）并回车，得

4、到50个数据中的标志总量。MAX（B4:B53）并回车，得到50个数据中的最大值。MIN（B4:B53）并回车，得到50个数据中的最小值。AVERAGE（B4:B53）并回车，得到50个数据中的平均值。MEDIAN（B4:B53）并回车，得到50个数据中的中位数。GEOMEAN（B4:B53）并回车，得到50个数据中的几何平均数。HARMEAN（B4:B53）并回车，得到50个数据中的调和平均数。AVEDEV（B4:B53）并回车，得到50个数据中的变异统计的平均差。STDEV（B4:B53）并回车，得到50个数据中的变异统计的标准差。VAR（B4:B53）并回车，得到50个数据中的变异统计中

5、的方差。KURT（B4:B53）并回车，得到50个数据中的变异统计中的峰度。SKEW（B4:B53）并回车，得到50个数据中的变异统计中的偏度。2、 抽样推断在单元格中输入CONFIDENCE（所在单元格，标准差所在单元格，样本容量单元格），点得到极限误差，从而得到日价格零件数和优秀率的置信区间。单元格中键入“=（样本均值单元格-115）/（样本标准差单元格/SQRT（样本容量单元格）”，得到t值；单元格中键入“=TINA（0.05,49）”得到=0.05，自由度为49的临界值。五、实验结果与数据处理1.特征值单位总量标志总量6537最大值509最小值107平均值130.74中位数123几何平

6、均数126.2996调和平均数124.3825变异统计的平均差16.664变异统计的标准差55.17202变异统计中的方差3043.951变异统计中的峰度47.77895变异统计中的偏度6.8387522.抽样推断a0.05极限误差15.29262日加工零件数的置信区间 115.44738 146.03262，优秀率的置信区间 0.172436 0.334821t2.0173018自信度49临界值2.0095752由题可知待设检验ho:u115T=（样本均值单元格-115）/样本标准单元格/（样本容量单元格）=2.0173018由于TINA（0.05,49）=2.009575237，TTINA

7、（0.05,49）.所以拒绝ho 接受hi这个实验首先是要求我们计算这50个数据的特征值，然后运用所学知识求企业职工的平均日加工零件数及优秀率的区间，并且进行假设检验。在所给的实验步骤的指导下，首先我将这50个数据在excel表中从按照纵排依次排序，然后用实验给定的函数：COUNT（B4：B53）等，分别输入，得到50个数据的单位总量，标志总量等特征值。其实在掌握方法后这部分的操作并没有太大的难度。在算出了相应特征值后，由于要计算置信区间，我用CONFIDENCE（所在单元格，标准差所在单元格，样本容量单元格），得到了极限误差，并且有知道日加工零件数的平均值是130.74，优秀率是22%，所以

8、根据这些数据从而得到日价格零件数和优秀率的置信区间。然后是根据公式我们可以得到t值，由t值和极限误差，由于实验已经告诉我们以往该企业的工人加工零件数，优秀率和显著性水平，则我们用总体比例的区间估计来求得优秀率的区间，假设检验阶段用总体比率的假设检验来判断工人平均日加工零件数是否下降。tt（n-1），所以拒绝h0，接受h1，即工人平均日加工零件数比以前有所上升。假设检验是用来检验总体的，样本与总体的差异是由抽样误差引起还是本质差别引起的统计推断方法，实验二主要是在excel中运用各种命令进行计算大大的减少我们的工作量 同时能够更加准确。实验三：时间序列分析掌握EXCEL用于移动平均、线性趋势分析

9、的基本菜单操作及命令。 （二）内容及要求 综合运用统计学时间序列中的移动平均、季节指数运算、时间序列因素分解、图形展示等知识，对某小区居民用电量（千度）季节数据的构成要素进行分解，并作出图形进行分析。月度第一年第二年第三年第四年5595745855424474694554383453663523414354327427537441238835835935333235573653813923768437460429441934436138229531129137745445339539812457486491409 时间序列分析中的移动平均分析原理、季节指数原理等。1（1）输入“年/月度”、 “

10、时间标号”，复制各月度销售额到“用电量”。（2）点击“数据分析”“移动平均”，输入区域为“销售额”，间隔4，输出“移动平均值”；同样的办法对“移动平均值”进行2步平均，输出“中心化后的移动平均值”。（3）对称一下 “移动平均值”和“中心化后的移动平均值”，然后用“用电量”除以“中心化后的移动平均值”求出“比值”。（4）将“比值”中的数据复制到“季节指数计算表”中，计算完成表。（5）点击“图标向导”“折线图”，输入区域为季节指数中的数值，修改完成图表。 2（1）完善“用电量”和“季节指数”并计算“用电量”/“季节指数”，完成季节分离后的时间序列。（2）点击“数据分析”“回归”，Y值输入区域为季节

11、分离后的时间序列，X值输入区域为时间标号，输出。（3）利用计算出的趋势模型和季节比率，对该小区第五年用电量数据进行预测。3点击“图表向导”“折线图”，数据区域为“用电量”、“季节分离后的时间序列”和“回归后的趋势”，系列产生在“列”，完善标题、X轴、Y轴，完成，再修改完成图。4用与图3相同的方法绘制销售额预测图。五、实验结果与数据处理 年月份时间标号用电量移动平均中心化的移动平均比值426.25403.1250.855813953803690.95934959360.51.03744799363373.3750.96149983383.75381.1250.95769105378.5370.5

12、1.17948718362.5373.6250.94479759384.75387.250.76178179389.75417.3751.08775082445466.750.97911087488.5477.51.2020942414466.5450.251.0416435315434413.750.8845921516393.53790.8627968317364.5366.3751.1245308818368.25384.8750.917180919401.53930.96946565384.5379.251.21292024213830.8981723222395.250.786843

13、77398.5428.6251.0568678924458.75476.751.019402225494.75482.1251.21337827469.5451.3751.0080310227433.25408.6250.8614255128384368.6250.9250593429353.25358.251.0830425730363.25374.250.8871075531385.25381.8751.02651391321.14897891330.9793150234376.750.7723954935407.1250.9702179936429.75448.1251.09567643

14、37459.751.17890158380.984269664140.823671540391380.6251.1218390841370.25374.6250.9556222942380.750.9323703243382.5385.50.9753566844388.5391.251.1271565545394396.750.96282294399.5395.50.9532237747391.548季节指数折线图2. 季节分离后的时间序列月平均季节指数1.2020941.2133783.594374091.19812471.198955661.0416441.0080313.03394421

15、1.011314741.012016140.8558140.8845920.8614263.425503110.856375780.856969720.959350.8627970.9250593.869044840.967261210.967932061.0374481.1245311.0830434.200643731.050160931.050889280.96150.9171810.8871083.69815860.924539650.925180870.9576910.9694661.0265143.929027290.982256820.982938071.1794871.2129

16、21.1489794.668542881.167135721.167945190.9447980.8981720.9793153.785107870.946276970.946933260.7617820.7868440.7723953.274244820.818561210.819128921.0877511.0568680.9702183.11483671.03827891.0389990.9791111.0194021.0956763.09418951.03139651.0321118311.9916831季节分离后的时间序列466.2390934441.6925604402.58131

17、87365.7281483355.8890619388.0322342371.3357038374.1613937372.7823437360.1386702436.9590346442.7814765478.7499815463.4313441427.0862686337.8336285392.0489131381.5470158387.6134333393.8540986363.277978379.6716151435.9965698470.879207487.9246327449.5975726410.7496354352.2974536369.2111123358.8487514398.8043723367.3117572381.2306688355.255434380.1736094475.7236432452.060087432.7994216397.9137092441.1466648340.6638614383.7087552382.5266428377.5862119403.4075221460.2450125383.061