⏺第13章 时间序列分析和预测13.1 下表是1981年—1999年国家财政用于农业的支出额数据(1)绘制时间序列图描述其形态。 (2)计算年平均增长率。 (3)根据年平均增长率预测2000年的支出额。 详细答案: (1)时间序列图如下: 从时间序列图可以看出,国家财政用于农业的支出额大体上呈指数上升趋势。 (2)年平均增长率为: 。 (3) 。13.2 下表是1981年—2000年我国油彩油菜籽单位面积产量数据(单位:kg / hm2)(1)绘制时间序列图描述其形态。 (2)用5期移动平均法预测2001年的单位面积产量。 (3)采用指数平滑法,分别用平滑系数a=0.3和a=0.5预测2001年的单位面积产量,分析预测误差,说明用哪一个平滑系数预测更合适? 详细答案: (1)时间序列图如下: (2)2001年的预测值为: | (3)由Excel输出的指数平滑预测值如下表:年份 单位面积产量 指数平滑预测 a=0.3误差平方 指数平滑预测 a=0.5误差平方 19811451198213721451.06241.01451.06241.0198311681427.367236.51411.559292.3198412321349.513808.61289.83335.1198512451314.34796.51260.9252.0198612001293.58738.51252.92802.4198712601265.429.51226.51124.3198810201263.859441.01243.249833.6198910951190.79151.51131.61340.8199012601162.09611.01113.321518.4199112151191.4558.11186.7803.5199212811198.56812.41200.86427.7199313091223.27357.61240.94635.8199412961249.02213.11275.0442.8199514161263.123387.71285.517035.9199613671308.93369.91350.7264.4199714791326.423297.71358.914431.3199812721372.210031.01418.921589.8199914691342.116101.51345.515260.32001年a=0.3时的预测值为: a=0.5时的预测值为: 比较误差平方可知,a=0.5更合适。13.3 下面是一家旅馆过去18个月的营业额数据(1)用3期移动平均法预测第19个月的营业额。 (2)采用指数平滑法,分别用平滑系数a=0.3、a=0.4和a=0.5预测各月的营业额,分析预测误差,说明用哪一个平滑系数预测更合适? (3)建立一个趋势方程预测各月的营业额,计算出估计标准误差。 详细答案: (1)第19个月的3期移动平均预测值为: (2)由Excel输出的指数平滑预测值如下表: a=0.3时的预测值: ,误差均方=87514.7。 a=0.4时的预测值: ,误差均方=62992.5.。 a=0.5时的预测值: ,误差均方=50236。 比较各误差平方可知,a=0.5更合适。 (3)根据最小二乘法,利用Excel输出的回归结果如下:。估计标准误差 。13.4 下表是1981年—2000年我国财政用于文教、科技、卫生事业费指出额数据(1)绘制时间序列图描述其趋势。 (2)选择一条适合的趋势线拟合数据,并根据趋势线预测2001年的支出额。 详细答案: (1)趋势图如下: (2)从趋势图可以看出,我国财政用于文教、科技、卫生事业费指出额呈现指数增长趋势,因此,选择指数曲线。经线性变换后,利用Excel输出的回归结果如下:, ; , 。所以,指数曲线方程为: 。 2001年的预测值为: 。13.5 我国1964年~1999年的纱产量数据如下(单位:万吨):(1)绘制时间序列图描述其趋势。 (2)选择一条适合的趋势线拟合数据,并根据趋势线预测2000年的产量。 详细答案: (1)趋势图如下: (2)从图中可以看出,纱产量具有明显的线性趋势。用Excel求得的线性趋势方程为: 2000年预测值为: 600-|||-500-|||-400-|||-纱300-|||-产200 ,-|||-量100-|||-196496797097397日979982985988991994997=585.65(万吨)。13.6 对下面的数据分别拟合线性趋势线600-|||-500-|||-400-|||-纱300-|||-产200 ,-|||-量100-|||-196496797097397日979982985988991994997 、二阶曲线 和阶次曲线 。并对结果进行比较。详细答案: 在求二阶曲线和三阶曲线时,首先将其线性化,然后用最小二乘法按线性回归进行求解。用Excel求得的趋势直线、二阶曲线和三阶曲线的系数如下:各趋势方程为: 线性趋势: 二阶曲线: 三阶曲线: 。 根据趋势方程求得的预测值和预测误差如下表:时间t 观测值Y 直线 二阶曲线 三阶曲线 预测 误差平方 预测 误差平方 预测 误差平方 1372373.52.4379.961.6373.42.02370372.98.6378.166.0374.015.63374372.32.8376.56.1374.20.14375371.710.8374.90.0374.20.65377371.134.9373.413.3374.08.96377370.542.5371.926.1373.611.67374369.917.1370.512.2373.01.18372369.37.6369.27.9372.20.09373368.619.0367.925.7371.23.110372368.015.8366.727.6370.23.311369367.42.5365.611.4369.00.012367366.80.0364.65.9367.70.613367366.20.7363.611.6366.40.314365365.60.3362.75.4365.10.015363365.03.8361.81.4363.70.516359364.328.5361.04.2362.311.117358363.732.8360.35.4361.08.918359363.116.9359.70.5359.70.5不同趋势线预测的标准误差如下: 直线: 二阶曲线: 三阶曲线: 比较各预测误差可知,直线的误差最大,三阶曲线的误差最小。 从不同趋势方程的预测图也可以看出,三阶曲线与原序列的拟合最好。 13.7 下表是1981—2000年我国的原煤产量数据(1)绘制时间序列图描述其趋势。 (2)选择一条适合的趋势线拟合数据,并根据趋势线预测2001年的产量。 详细答案: (1)原煤产量趋势图如下: 从趋势图可以看出,拟合二阶曲线比较合适。 (2)用Excel求得的二阶曲线趋势方程为: 2001年的预测值为: 。(1)人均GDP作自变量,人均消费水平作因变量,绘制散点图,并说明二者之间的关系形态。(2)计算两个变量之间的线性相关系数,说明两个变量之间的关系强度。(3)利用最小二乘法求出估计的回归方程,并解释回归系数的实际意义。(4)计算判定系数,并解释其意义。(5)检验回归方程线性关系的显著性(a=0.05)。(6)如果某地区的人均GDP为5 000元,预测其人均消费水平。(7)求人均GDP为5 000元时,人均消费水平95%的置信区间和预测区间。

多组均数比较的方差分析，如果PA. 两均数的t检验B. 区组方差分析C. 方差齐性检验D. 后续两两比较E. 确定单独效应

在方差分析中,反映各处理组间数据误差大小的平方和称为A. 组内平方和()B. 组间平方和()C. 组内方差()D. 组间方差

请用卡方检验来决定" times d(d)^11 的杂交,得到30株高的、20株矮的豌豆植株,这是否-|||-符合1:1的分离预期值?-|||-(T)^2P 0.99 0.95 0.50 0.10 0.05 0.02 0.01-|||-1 0.00016 0.0039 0.46 2.71 3.84 5.41 6.64-|||-2 0.0201 0.103 1.39 4.51 5.99 7.82 9.21-|||-3 0.115 0.352 2.37 6.25 7.82 9.84 11.35-|||-4 0.297 0.711 3.36 7.78 9.49 11.67 13.28-|||-5 0.554 1.145 4.35 9.24 11.07 13.39 15.09-|||-I-|||-10 2.558 |3.94 9.34 15. 18.31 21.16 23.21-|||-A.卡方值为1,自由度为2,符合预期-|||-B.卡方值为1,自由度为2,不符合预期-|||-C.卡方值为2,自由度为1,符合预期-|||-D.卡方值为2,自由度为1,不符合预期

对于完全跟随机设计的四格表资料,当有TA. 可以作校正卡方检验B. 卡方检验不用校正C. 可以采用t检验D. 可采用精确概率法

()是根据事物的某种特征相似度的度量,将数据对象分组成为多个类或簇。A. 分类B. 聚类C. 集中D. 浓缩

4.设(X1,X2,···,Xn)是来自 approx N(mu ,(sigma )^2) 的一个简单随机样本,σ^2-|||-未知 overline (X)=dfrac (1)(n)sum _(i=1)^n(X)_(i),(s)^2=dfrac (1)(n-1)sum _(i=1)^n(({X)_(i)-overline (X))}^2 ta(n)为t分布的上侧α分位-|||-点,则e^n的置信度为 https:/img.cdnjtzy.com/zyb_c8dd42467158d2d3dffe73a5a550deb6.jpg-a 的置信区间为 () .-|||-(A) ((e)^dfrac (pi {x)}-dfrac ({s)_(t)}(sqrt {n)}sum _(i=i)_(i)(n-1),(e)^overline (x)+dfrac ({s)_(i)}(sqrt {n)}i(n-1))-|||-(B) ((e)^dfrac (pi {x)}-dfrac ({s)_(n)}(sqrt {n)}(t)_(i-i)(n-1),(e)^dfrac (pi {x)}+dfrac ({s)_(i)}(sqrt {n)}(t)_(i-i)(n-1))-|||-(C) (exp overline {X)-dfrac ({s)_(n)}(sqrt {n)}(t)_(dfrac {n)(2)}(n-1)} , overrightarrow {x)+dfrac ({S)_(n)}(sqrt {n)}(t)_(dfrac {n)(2)}(n-1)} )-|||-D) (exp overrightarrow {x)-dfrac ({S)_(n)}(sqrt {n)}(t)_(1-dfrac {a)(2)}(n-1)} overrightarrow {x)+dfrac ({S)_(n)}(sqrt {n)}(t)_(1-dfrac {n)(2)}(n-1)} )-|||-其中 {t)^3=(e)^t.

在假设检验中，P值越小，说明：A. 犯 I 类错误的概率越小B. 检验结果越可靠C. 拒绝无效假设的证据越充分D. 总体参数差异越大E. 样本统计量差异越大

2【判断题】单正态总体N(μ,σ²)中，σ²已知，则μ的置信度为1-α的双侧置信区间为(overline(x)±Z_((alpha)/(2))(sigma)/(sqrt(n)))。()bigcirc对 bigcirc错

某地区市场上有80种品牌的饼干，它们近一段时间内的平均售价（以下简称“价格”）和销售量的数据如下所示． 品牌编号 价格/（元/千克） 销售量/千克 品牌编号 价格/（元/千克） 销售量/千克 1 14 1231.85 12 19.09 3566.58 2 34.62 1465.89 13 26.67 4264.28 3 30.86 1774.29 14 17.51 4672.33 4 14 1892.91 15 13 4752.20 5 36 2324.44 16 25.24 4865.42 6 28.41 2480.04 17 31.1 5042.91 7 9.09 2545.33 18 26.24 5108.73 8 44.84 2568.11 19 25.88 5367.70 9 31.68 2638.48 20 17.81 5465.26 10 20 3233.99 21 29.56 5500.35 11 14.67 3518.17 22 25 5655.53 23 31.41 5865.45 52 16.95 10101.74 24 23.48 6103.94 53 15.38 10461.08 25 23.6 6243.10 54 13.88 10561.53 26 22.13 6509.67 55 13.04 10960.55 27 21.48 6758.18 56 29.33 11627.43 28 25.03 7100.93 57 4.9 11838.62 29 19.55 7356.44 58 11.91 12303.55 30 24.81 7439.63 59 13.9 12713.1 31 20.92 7627.28 60 17.78 12830.9 32 17.7 7740.45 61 17.31 13686.17 33 20.79 7744.67 62 12.27 14181.94 34 24.63 7989.30 63 11.89 15175.16 35 13.59 7996.84 64 10.08 17658.74 36 19.29 8151.09 65 6.13 18058.67 37 20 8231.85 66 10.4 19937.88 38 22.03 8289.18 67 12.7 23055.87 39 20.08 8524.06 68 9.19 26508.14 40 19.03 8689.36 69 8 29504.40 41 16.67 8874.66 70 5.22 3193.07 42 16.04 8888.74 71 9.23 32123.53 43 14.12 9005.62 72 7.6 34732.28 44 13.75 9046.93 73 8.33 36321.39 45 19.87 9384.98 74 9.25 36898.25 46 15.72 9414.11 75 9.36 38343.50 47 25.04 9454.50 76 8.42 39033.51 48 14 9731.32 77 6.25 43832.88 49 11.26 9762.08 78 23.01 112827.40 50 11.25 9809.51 79 8.7 139493.10 51 20.92 9924.99 80 12.32 21134.65 试对这80种品牌饼干近一段时间内的价格和销售量进行回归分析．