但犯第二类错误的概率却是不确定的，因此作出“拒绝原假设”的结论，其可靠性是确定的，但作出“不拒绝原假设”的结论，其可靠性是难以控制的。
4.什么是p值？p值检验和统计量检验有什么不同？
答：p值是当原假设为真时，检验统计量小于或等于根据实际观测样本数据计算得到的检验统计量值的概率。P值常常作为观察到的数据与原假设不一致程度的度量。统计量检验采用事先确定显著性水平?，来控制犯第一类错误的上限，p值可以有效地补充?提供地关于检验可靠性的有限信息。p值检验的优点在于，它提供了更多的信息，让人们可以选择一定的水平来评估结果是否具有统计上的显著性。
5.什么是统计上的显著性？
答：一项检验在统计上是显著的（拒绝原假设），是指这样的（样本）结果不是偶然得到的，或者说，不是靠机遇能够得到的。显著性的意义在于“非偶然的 6. 7.
练习题： 1. 2.
3．解（1）第I类错误是，供应商提供的炸土豆片的平均重量不低于60克，但店方拒收并投诉。
（2）第II类错误是，供应商提供的炸土豆片的平均重量低于60克，但店方没有拒收。
（3）顾客会认为第II类错误很严重，而供应商会将第一类错误看得较严重。
4.解：提出假设 H0:??6,H2:??6 已知 ??1.19,n?100,??0.05
（1） 检验统计量为Z?x?6?n:aN?0,1?
（2） 拒绝规则是：若Z?z?，拒绝H0；否则，不拒绝H0 （3） 由x?6.35得：Z?6.35?6?2.94?z0.05?1.64，拒绝H0，认为改进工艺
1.19100能提高其平均强度。
5.解： 设?为如今每个家庭每天收看电视的平均时间（小时） 需检验的假设为：H0:??6.70,H1:?f6.70 调查的样本为：n?200,x?7.25,s?2.5
大样本下检验统计量为：z?x?6.707.25?6.700.55*14.14???3.11
2.5s/n2.5/200在0.01的显著性水平下，右侧检验的临界值为z0.01?2.33
因为z?2.33，拒绝H0，可认为如今每个家庭每天收看电视的平均时间增加了
222226.解：提出假设 H0:?TV??VCR?0.75,H1:?TV?0.75
已知：n?30,s?2,??0.05
2n?1?s2?检验统计量??22?VCR?29*22?103??0.05?29??42.557 20.75 拒绝H0，可判定电视使用寿命的方差显著大于VCR
7.解：提出假设：H0:?1??2?5,H1:?1??2?5
??0.02,n1?100,n2?50，独立大样本，则检验统计量为： z??x1?x2??5??14.8?10.4??5??5.1458ss?n1n221220.80.6?1005022
而z0.01?2.33 因为z?z?/2，拒绝H0，平均装配时间之差不等于5分钟
8.解：匹配小样本 提出假设：H0:?a??b,H1:?a??b
由计算得：d?0.625,sd?1.302,n?8,??0.05，检验统计量为
t?d?00.625??1.3577?t0.05?7??1.8946，不拒绝H0，不能认为广告提高了
sd/n1.302/8潜在购买力的平均得分。
9.解：提出假设：H0:?1??2,H1:?1??2 已知：n1?288,p1?197301?0.684,n2?367,p2??0.82,??0.1 288367 大样本，则检验统计量为： p?p1n1?p2n2288*0.684?367*0.82??0.76
n1?n2288?367 z?p1?p2?11?p?1?p?????n1n2??0.684?0.821??10.76*0.24????288367???4.0476
而z0.1?1.29，因为z??z0.1，拒绝H0，可认为信息追求者消极度假的比率显著小于非信息追求者。
222210.解：提出假设：H0:?1??2,H1:?1??2
由题计算得：n1?25,s1?0.221,n2?22,s2?0.077
s120.2212 检验统计量为：F?2??8.2376，而F0.025?24,21??2.37 2s20.077 F?F?/2?n1?1,n2?1?，所以拒绝H0，认为两种机器的方差存在显著差异。 11.
第六章：方差分析与实验设计
思考与练习
思考题：
练习题：
1.F?4.6574?F0.01?8.0215(或P?value?0.0409???0.01)，不能拒绝原假设。
2.F?17.0684?F0.05?3.8853(或P?value?0.0003???0.05)，拒绝原假设。
xA?xB?44.4?30?14.4?LSD?5.85，拒绝原假设； xA?xC?44.4?42.6?1.8?LSD?5.85，不能拒绝原假设；
xB?xC?30?42.6?12.6?LSD?5.85，拒绝原假设。
3.方差分析表中所缺的数值如下表：
差异源 组间 组内 总计 SS df MS 210 — F P-value 0.245946 — — F crit 3.354131 — — 420 3836 2 27 29 1.478 — 142.07 — 4256 F?1.478?F0.05?3.554131(或P?value?0.245946???0.05)，不能拒绝原假
设。
4.有5种不同品种的种子和4种不同的施肥方案，在20快同样面积的土地上，分别采用5种种子和4种施肥方案搭配进行试验，取得的收获量数据如下表：
F种子?7.2397?F0.05?3.2592(或P?value?0.0033???0.05)，拒绝原假设。 F施肥方案?9.2047?F0.05?3.4903(或P?value?0.0019???0.05)，拒绝原假
设。
5.F地区?0.0727?F0.05?6.9443(或P?value?0.9311???0.05)，不能拒绝原假设。
F包装方法?3.1273?F0.05?6.9443(或P?value?0.1522???0.05)，不能拒绝原假
设。
6.F广告方案?10.75?F0.05?5.1432(或P?value?0.0104???0.05)，拒绝原假设。
F广告媒体?3?F0.05?5.9874(或P?value?0.1340???0.05)，不能拒绝原假
设。
F交互作用?1.75?F0.05?5.1432(或P?value?0.2519???0.05)，不能拒绝原假
设。
第七章：相关与回归分析
思考与练习
思考题：
1.相关分析与回归分析的区别与联系是什么？ 答：相关与回归分析是研究变量之间不确定性统计关系的重要方法，相关分析主要是判断两个或两个以上变量之间是否存在相关关系，并分析变量间相关关系的形态和程度。回归分析主要是对存在相关关系的现象间数量变化的规律性作出测度。但它们在研究目的和对变量的处理上有明显区别。它们均是统计方法，不能揭示现象之间的本质关系。