社会统计学实验报告 9页

本文格式为Word版，下载可任意编辑社会统计学实验报告　试验一：EXCEL的数据整理与显示　一、试验结果与数据处理　第第11题　组距式次数分布表按日加工零件数分组（个）　工人数（人）　工人数比重（%）　100-11048　110-1201326　120-1302448　130-140918　合计50100　第第22题　频数分布表　工人日加工零件数/件　频数/人　100-1104　110-12013　120-13024　130-1409　总数50　第第3题　优秀率(日生产零件数130个以上)：9/50=18%二、争论与结论　通过试验一的试验操作与学习，我把握了excel软件的运用以及用直方图工具绘制频数分布直方图的方法。在试验操作过程中，我进行了如下操作内容：1、EXCEL软件的基本操作；2、编制组距式次数分布表；3、将次数分布表转变成分布柱形图；4、利用FREQUENCY函数进行频数统计；5、利用直方图工具绘制频数分布直方图。第9页共9页\n本文格式为Word版，下载可任意编辑　试验二：EXCEL的数据特征描述、抽样推断　一、试验结果与数据处理　（（1）COUNT（B4:B53）并回车，得到50个数据中的单位总量为50SUM（B4:B53）并回车，得到50个数据中的标志总量为6127MAX（B4:B53）并回车，得到50个数据中的最大值为139MIN（B4:B53）并回车，得到50个数据中的最小值为107AVERAGE（B4:B53）并回车，得到50个数据中的平均值为122.54MEDIAN（B4:B53）并回车，得到50个数据中的中位数为123GEOMEAN（B4:B53）并回车，得到50个数据中的几何平均数为122.2679876　HARMEAN（B4:B53）并回车，得到50个数据中的调和平均数为121.9951108AVEDEV（B4:B53）并回车，得到50个数据中的变异统计的平均差为6.4384STDEV（B4:B53）并回车，得到50个数据中的变异统计的标准差为8.234348171VAR（B4:B53）并回车，得到50个数据中的变异统计中的方差为67.8044898KURT（B4:B53）并回车，得到50个数据中的变异统计中的峰度为0.451931676SKEW（B4:B53）并回车，得到50个数据中的变异统计中的偏度为0.026074（（2）由（1）得均值为122.54，即企业职工的平均日加工零件数为122.54　由题意得置信度为95%，即1=0.95，则显著性水平为=0.05　则极限误差=CONFIDENCE(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：u115　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)第9页共9页\n本文格式为Word版，下载可任意编辑=TINV(0.05,49)=2.009575237，约等于2.01，即=0.05，自由度为49的临界值由于|t|=6.47t(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　二、争论与结论　通过试验二的试验操作与学习，我本着较娴熟地把握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。这一次试验操作让我把握了以下方面：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，最终比较t值和临界值的大小来进行假设检验。　试验三：时间序列分析一、试验结果与数据处理　月度第一年其次年第三年第四年　42244746945543833453663523414354327341427537441238835863593533323557365381392376843746042944193533443613821　771　9812457486491473　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2021/11993.1　22971.2　332264.11542.9251627.98751.390735441943.31713.051833.08751.0601242021/151673.61953.1252161.08750.774425261931.52369.052511.08750.769189373927.82653.1252736.7251.435219483079.62820.3252897.96251.0626782021/292342.42975.62953.06250.79321　2102552.62930.5253104.6750.8221793113747.53278.8253392.8251.1045374124472.83506.8253718.4第9页共9页\n本文格式为Word版，下载可任意编辑1.2028832021/1133254.43929.9754205.4250.7738582144245.24480.8754718.41250.8997093155951.14955.955037.1751.1814364166373.15118.45225.98751.2195022021/1173904.25333.5755496.26250.7103372185105.95658.955941.1250.8594163197252.66223.36420.6751.129574208630.56618.056729.4751.2824922021/1215483.26840.97031.33750.7798232225997.37221.7757233.03750.8291543238776.17244.37199.351.2190134248720.67154.47161.11251.2177722021/1255123.67167.8257269.83750.70477522660517371.857324.4250.826143279592.272777254.351.3222694288341.27231.77328.51251.1381852021/1294942.47425.3257338.81250.673462306825.57252.37300.03750.9349953318900.17347.7757356.21251.2098754328723.17364.657293.71.1959772021/1335009.97222.757112.33750.7043962346257.97001.9256894.73750.9076343358016.86787.556918.7251.1587114367865.67049.96995.1251.124442021/1376059.36940.356908.10.877132385819.76875.856908.6750.8423763397758.86941.5　4408128.2　各季节指数计算表　年/季1234合计2021　1.390735491.060123972.45085920210.7744250.7691891.43521911.062677664.0415120210.793210.8221791.104536781.202882963.9228120210.7738580.8997091.181436021.219501584.07450520210.7103370.8594161.129569711.282492323.98181620210.7798230.8291541.219012831.217771684.04576120210.7047750.826141.322268711.138184593.99136820210.673460.934995第9页共9页\n本文格式为Word版，下载可任意编辑1.209875331.195977354.01430820210.7043960.9076341.15871061.124440243.895181　20210.877130.842376　1.7195056.7914147.69079311.151364610.504052336.13762平均0.7546020.8545331.239040511.167116934.015292季节指数0.7517280.8512781.23432171.162672034　季节指数　10.75172820.85127831.23432241.162672　销售额的季节变动000.20.40.60.8111.21.411223344季节指数季度季节指数　年/季度时间标号销售额(Y)季节指数(S)季节分别后的时间序列(Y/S)回归后的趋势(T)最终猜测值猜测误差2021/11993.10.7517281321.092207.0981659.137-666.03722971.20.8512781140.8732370.8052021.214-1047.01332264.11.2343221834.2872534.5113128.402-864.302441943.31.1626721671.4092698.2183137.142-1193.842021/151673.60.7517282226.3382861.9242151.388-477.788261931.50.8512782268.9413025.632575.653-644.153373927.81.2343223182.1533189.3373936.668-8.86761483079.61.1626722648.7263353.0433898.49-818.892021/292342.40.7517283116.0223516.752643.638-301.2382102552.60.8512782998.553680.4563133.092-580.4923113747.51.2343223036.083844.1624744.933-997.4334124472.81.1626723847.0014007.8694659.837-187.0372021/1133254.40.7517284329.2274171.5753135.889118.5112　2144245.20.8512784986.8554335.2823690.53554.66983155951.11.2343224821.3534498.9885553.198397.90154166373.11.1626725481.4254662.6945421.184951.9156第9页共9页\n本文格式为Word版，下载可任意编辑2021/1173904.20.7517285193.6364826.4013628.139276.06072185105.90.8512785997.9234990.1074247.969857.93113197252.61.2343225875.7785153.8146361.464891.13614208630.51.1626727422.9885317.526182.5322447.9682021/1215483.20.7517287294.135481.2264120.391362.812225997.30.8512787045.0545644.9334805.4081191.8923238776.11.2343227110.0595808.6397169.7291606.3714248720.61.1626727500.4815972.3466943.8791776.7212021/1255123.60.7517286815.7666136.0524612.64510.959522660510.8512787108.1366299.7585362.846688.15373279592.21.2343227771.2326463.4657977.9951614.2054288341.21.1626727174.1646627.1717705.227635.97342021/1294942.40.7517286574.7216790.8785104.891-162.4912306825.50.8512788017.9446954.5845920.285905.21513318900.11.2343227210.5197118.298786.26113.83974328723.11.1626727502.6327281.9978466.574256.5262021/1335009.90.7517286664.5147445.7035597.142-587.2422346257.90.8512787351.1827609.416477.724-219.8243358016.81.2343226494.9037773.1169594.526-1577.734367865.61.1626726765.1067936.8229227.921-1362.322021/1376059.30.7517288060.4988100.5296089.392-30.09222385819.70.8512786836.4268264.2357035.162-1215.463397758.81.2343226285.8828427.94210402.79-2643.994408128.21.1626726990.9658591.6489989.269-1861.072021/141　0.751728　8755.3546581.643　242第9页共9页\n本文格式为Word版，下载可任意编辑　0.851278　8919.0617592.601　343　1.234322　9082.76711211.06　444　1.162672　9246.47410750.62　SUMMARYOUTPUT　回归统计MultipleR0.882769RSquare0.779281AdjustedRSquare0.773473标准误差1031.834观测值40　方差分析　dfSSMSFSignificanceF　回归分析1142842941142842941134.1654.93466E-14残差3840457896.11064681.48　总计39183300837　Coefficients标准误差tStatP-valueLower95%Upper95%Intercept2043.4332.5102656.145350023.5974E-071370.260132716.5238XVariable1163.7114.133386811.58295964.9347E-14135.0949031192.31799　季节分别后的序列及其趋势0202140006000800010000120212021/132021/132021/232021/132021/132021/132021/132021/132021/132021/132021/13季度销售额销售额(Y)季节分别后的时间序列(Y/S)回归后的趋势(T)　销售额猜测图0202140006000800010000120212021/132021/132021/232021/132021/132021/132021/132021/132021/132021/132021/13季度销售额销售额(Y)最终猜测值第9页共9页\n本文格式为Word版，下载可任意编辑　二、争论与结论　1、季节指数是以其平均数等于100%为条件构成的，应留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别后的序列从季节分别后的序列可以看出销售量具有明显的线性趋势。　3、这个试验主要是一些计算问题，所以我们要有足够的急躁才能完成。　试验四：时间序列分析　一、试验结果与数据处理　某地区1996～2021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　18667.822937.11997　21781.53149.481998　26923.483483.371999　35333.924348.952021　48197.865218.12021　60793.736242.22021　71176.597407.992021　78973.048651.142021　84402.289875.952021　89677.0511444.082021　99214.5513395.232021　109655.216386.042021　120332.718903.642021　135822.821715.252021　159878.326396.472021　183084.831649.29第9页共9页\n本文格式为Word版，下载可任意编辑　依据回归分析的结果，得到一元线性回归方程为：　y=2043.39+163.70*x二、争论与结论　这次试验比较麻烦，处理的步骤许多，有一些操作还不是那么娴熟。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称为待估量的回归参数，下标i表示第i个观测值。　最终的结论是我们可以用一元线性回归分析模型来猜测将来几年的国内生产总值和财政收入状况。第9页共9页