logo
  • write-homewrite-home-active首页
  • icon-chaticon-chat-activeAI 智能助手
  • icon-pluginicon-plugin-active浏览器插件
  • icon-subjecticon-subject-active学科题目
  • icon-uploadicon-upload-active上传题库
  • icon-appicon-app-active手机APP
首页
/
统计
题目

例4 从某班级的英语期末考试成绩中,随机抽取10名同学的成绩,分别为:100,85,70,65,90,95,63,50,77,86. 求样本均值,样本方差及二阶原点矩.

例4 从某班级的英语期末考试成绩中,随机抽取10 名同学的成绩,分别为:100,85,70,65,90,95, 63,50,77,86. 求样本均值,样本方差及二阶原点矩.

题目解答

答案

1. **样本均值** \[ \overline{x} = \frac{1}{10} \sum_{i=1}^{10} x_i = \frac{781}{10} = 78.1 \] 2. **样本方差** \[ s^2 = \frac{1}{9} \sum_{i=1}^{10} (x_i - \overline{x})^2 \approx 252.54 \] 或使用公式: \[ s^2 = \frac{1}{9} \left( \sum_{i=1}^{10} x_i^2 - \frac{1}{10} \left( \sum_{i=1}^{10} x_i \right)^2 \right) \approx 252.54 \] 3. **二阶原点矩** \[ A_2 = \frac{1}{10} \sum_{i=1}^{10} x_i^2 = 6326.9 \] **答案:** 样本均值:$\boxed{78.1}$ 样本方差:$\boxed{252.54}$ 二阶原点矩:$\boxed{6326.9}$

解析

本题主要考察样本均值、样本方差及二阶原点矩的计算,具体思路如下:

1. 样本均值的计算

样本均值$\overline{x}$的公式为:
$\overline{x} = \frac{1}{n} \sum_{i=1}^n x_i$
其中$n=10$(样本数量),$x_i$为各样本值。
步骤:

  • 求和:$100+85+70+65+90+95+63+50+77+86=781$
  • 均值:$\overline{x}=\frac{781}{10}=78.1$

2. 样本方差的计算

样本方差$s^2$的公式为:
$s^2 = \frac{1}{n-1} \sum_{i=1}^n (x_i - \overline{x})^2$
(注:样本方差通常除以$n-1$,而非$n$,称为“无偏估计”)
步骤:

  • 先计算每个$x_i - \overline{x}$及其平方:
    $100-78.1=21.9$,平方$479.61$;$85-78.1=6.9$,平方$47.61$;$70-78.1=-8.1$,平方$65.61$;$65-78.1=-13.1$,平方$171.61$;$90-78.1=11.9$,平方$141.61$;$95-78.1=16.9$,平方$285.61$;$63-78.1=-15.1$,平方$228.01$;$50-78.1=-28.1$,平方$789.61$;$77-78.1=-1.1$,平方$1.21$;$86-78.1=7.9$,平方$62.41$
  • 平方和:$479.61+47.61+65.61+171.61+141.61+285.61+228.01+789.61+1.21+62.41=2272.88$
  • 方差:$s^2=\frac{2272.88}{9}\approx252.54$

另一种公式验证:
$s^2=\frac{1}{n-1}\left(\sum x_i^2 - \frac{1}{n}(\sum x_i)^2\right)$

  • $\sum x_i^2=100^2+85^2+70^2+65^2+90^2+95^2+63^2+50^2+77^2+86^2=10000+7225+4900+4225+8100+9025+3969+2500+5929+7396=63269$
  • 代入:$\frac{1}{9}\left(63269 - \frac{781^2}{10}\right)=\frac{1}{9}(63269 - 60996.1)=\frac{2272.9}{9}\approx252.54$

3. 二阶原点矩的计算计算**

二阶原点矩$A_2$的公式为:
$A_2 = \frac{1}{n} \sum_{i=1}^n x_i^2$

  • 已算得$\sum x_i^2=63269$,则$A_2=\frac{63269}{10}=6326.9$

相关问题

  • 假定用于分析的数据包含属性age.数据元组[1]中age的值如下(按递增序):13,15,16,16,19,20,20,21,22,22,25,25,25,30,33,33,35,35,36,40,45,46,52,70, 问题:使用按箱平均值平滑方法对上述数据进行平滑,箱的深度为3。第二个箱子值为:A. 18.3B. 22。6C. 26。8D. 27。9

  • 5.聚类分析可以看作是一种非监督的分类。()

  • 皮尔逊相关系数的取值范围为0到正无穷。()A. 正确B. 错误

  • 以下几种数据挖掘功能中,〔〕被广泛的用于购物篮分析.A. 关联分析B. 分类和预测C. 聚类分析D. 演变分析

  • 设随机变量XY都服从N(0,1),则有()A. X+Y服从正态分布B. X+Y服从x^2分布 C. X^2和Y^2都服从x^2分布 D. (X^2)div (Y^2)服从F分布

  • {15分)常规情况下,下列不属于人口学变量的是A. 民族B. 收入C. 年龄D. 睡眠时间E. 性别

  • 44.2021年,我国人均预期寿命提高到了()。A. 78岁B. 79岁C. 78.2岁D. 79.2岁

  • 48皮尔逊相关系数的取值范围为0到正无穷。()A. 错误B. 正确

  • 请你从下表中找出1~100中所有质数.并数一数一共多少个. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100

  • 下列哪项属于常见的池化方式。()A. 反向传播B. 最大池化C. 方差池化D. 协方差池化

  • {1.5分)确定研究总体和样本时,不需要考虑A. 立题依据B. 样本量C. 抽样方法D. 目标总体E. 纳入及排除标准

  • 对研究对象制定明确的纳入标准和排除标准,是为了保证样本的A. 可靠性B. 可行性C. 代表性D. 合理性E. 科学性

  • 可以从最小化每个类簇的方差这一视角来解释K均值聚类的结果,下面对这一视角描述正确的A. 每个样本数据分别归属于与其距离最远的聚类质心所在聚类集合B. 每个簇类的质心累加起来最小C. 最终聚类结果中每个聚类集合中所包含数据呈现出来差异性最大D. 每个簇类的方差累加起来最小

  • 1. 名词解释 假设检验 (请在答题纸上手写并拍照上传)

  • 重测信度用重测相关系数来表示,相关系数越趋近于下列哪一数值时,则重测信度越高A. 1B. 0.7C. 2D. 3

  • 下列说法正确的是()A. 方差数值上等于各个数据与样本方差之差的平方和之平均数B. 协方差和方差的计算方式完全一致C. 协方差衡量了多个变量的分布D. 方差描述了样本数据的波动程度

  • 像从性不好的资料是()A. 由于死亡或者其他原因不能继续试验B. 能按照试验规定要求完成实验C. 重复参加试验D. 由于纳入标准不合格导致选择的研究对象不符合试验要求E. 能完成试验但是不能按照规定要求完成试验

  • 下列哪项属于常见的池化方式。()A. 协方差池化B. 方差池化C. 反向传播D. 最大池化

  • 下列关于回归分析的描述不正确的是()A. 回归分析模型可分为线性回归模型和非线性回归模型B. 回归分析研究不同变量之间存在的关系()C. 刻画不同变量之间关系的模型统称为线性回归模型D. 回归分析研究单个变量的变化情况

  • 下列说法正确的是()A. 方差数值上等于各个数据与样本方差之差的平方和之平均数B. 协方差衡量了多个变量的分布C. 协方差和方差的计算方式完全一致D. 方差描述了样本数据的波动程度

上一页下一页
logo
广州极目未来文化科技有限公司
注册地址:广州市黄埔区揽月路8号135、136、137、138房
关于
  • 隐私政策
  • 服务协议
  • 权限详情
学科
  • 医学
  • 政治学
  • 管理
  • 计算机
  • 教育
  • 数学
联系我们
  • 客服电话: 010-82893100
  • 公司邮箱: daxuesoutijiang@163.com
  • qt

©2023 广州极目未来文化科技有限公司 粤ICP备2023029972号    粤公网安备44011202002296号