统计学公式

3章 数据的概括性度量

(二)主要公式

第6、7章 抽样与参数估计

49名顾客组成了一个简单随机样本。

(1)假定总体标准差为15元,求样本均值的抽样标准误差。

σ=

=

=2.143 (2)在95

%的置信水平下,求边际误差。

∆=t ⋅σ,由于是大样本抽样,因此样本均值服从正态分布,因此概率度t=z α2

因此,∆=

t ⋅σ=

z α⋅σ=z 0.025⋅σ=1.96×2.143=4.2 (3)如果样本均值为120元,求总体均值 的95%的置信区间。 置信区间为:

(-∆, +∆)=(120-4.2,120+4.2)=(115.8,124.2)

7.4 从总体中抽取一个n=100的简单随机样本, 得到=81,s=12。

要求:

⎛σ2⎫⎛s 2⎫

大样本,样本均值服从正态分布: N μ, ⎪或 N μ, ⎪

⎝n ⎭⎝n ⎭

置信区间为: -z α2=1.2 +z α2⎝

(1)构建μ的90%的置信区间。

置信区间为:(79.03,82.97) z α=z 0.05=1.645,(81-1.645⨯1.2,81+1.645⨯1.2)=(2)构建μ的95%的置信区间。

z α=z 0.025=1.96,置信区间为:(81-1.96⨯1.2,81+1.96⨯1.2)=(78.65,83.35)(3)构建μ的99%的置信区间。

z α=z 0.005=2.576,置信区间为:(81-2.576⨯1.2,81+2.576⨯1.2)=(77.91,84.09)

7.13 一家研究机构想估计在网络公司工作的员工每周加班的平均时间,为此

间的90%的置信区间。

解:小样本,总体方差未知,用t 统计量

t = t (n -1)

均值=13.56,样本标准差s=7.801 置信区间:

-t n -1+t n -1(

)(

)α2α2

1-α

=0.90,n=18,

t α2(n -1)=t 0.05(17)=1.7369

-t n -1+t n -1()()α2α2

= 13.56-1.7369+1.7369=(10.36,16.75)

第8、9章 假设检验

抽取36件,测得其平均寿命为680小时。已知该元件寿命服从正态分布,σ=60小时,试在显著性水平0.05下确定这批元件是否合格。 解:H 0:μ≥700;H 1:μ<700

已知:=680 σ=

60

由于n=36>30,大样本,因此检验统计量:

z =

=-2 当α=0.05,查表得z α=1.645。因为z <-z α,故拒绝原假设,接受备择假设,说明这批产品不合格。

8.4 糖厂用自动打包机打包,每包标准重量是100千克。每天开工后需要检验

一次打包机工作是否正常。某日开工后测得9包重量(单位:千克) 如下: 99.3 98.7 100.5 101.2 98.3 99.7 99.5 102.1 100.5

已知包重服从正态分布,试检验该日打包机工作是否正常(a=0.05)? 解:H 0:μ=100;H 1:μ≠100

经计算得:=99.9778 S =1.21221 检验统计量:

t =

-0.055 当α=0.05,自由度n -1=9时,查表得t α(9)=2.262。因为t <t α2,样本统计量落在接受区域,故接受原假设,拒绝备择假设,说明打包机工作正常。

8.10 装配一个部件时可以采用不同的方法,所关心的问题是哪一个方法的效

率更高。劳动效率可以用平均装配时间反映。现从不同的装配方法中各抽取12件产品,记录各自的装配时间(单位:分钟) 如下:

甲方法:31 34 29 32 35 38 34 30 29 32 31 26 乙方法:26 24 28 29 30 29 32 26 31 29 32 28

两总体为正态总体,且方差相同。问两种方法的装配时间有无显著不同 (a=0.05)? 解:建立假设

H 0:μ1-μ2=0 H 1:μ1-μ2≠0

总体正态,小样本抽样,方差未知,方差相等,检验统计量

t =

-

根据样本数据计算,得n 1=12,n 2=121=31.75,2=28.6667,s 1=3.19446s 2=2.46183。

s

2

p

2

n 1-1)s 12+(n 1-1)s 2( =

n 1+n 2-2

12-1)⨯0.922162+(12-1)⨯0.710672( ==8.1326

12+12-2

t =

-=2.648

α=0.05时,临界点为t α(n 1+n 2-2)=t 0.025(22)=2.074,此题中t >t α2,故拒绝原假设,认为两种方法的装配时间有显著差异。

8.11 调查了339名50岁以上的人,其中205名吸烟者中有43个患慢性气管

炎,在134名不吸烟者中有13人患慢性气管炎。调查数据能否支持“吸烟者容易患慢性气管炎”这种观点(a=0.05)? 解:建立假设

H 0:π1≤π2;H 1:π1>π2

p 1=43/205=0.2097 n1=205 p 2=13/134=0.097 n2=134 检验统计量

z =

p -p -d

0.2098-0.097-0

=3

当α=0.05,查表得z α=1.645。因为z >z α,拒绝原假设,说明吸烟者容易患慢

性气管炎。

8.15 有人说在大学中男生的学习成绩比女生的学习成绩好。现从一个学校中

随机抽取了25名男生和16名女生,对他们进行了同样题目的测试。测试结果表明,男生的平均成绩为82分,方差为56分,女生的平均成绩为78分,方差为49分。假设显著性水平α=0.02,从上述数据中能得到什么结论?

解:首先进行方差是否相等的检验:

建立假设

22

H 0:σ12=σ2;H 1:σ12≠σ2 2n1=25,s 12=56,n2=16,s 2=49

56s 12

=1.143 F =2=49s 2

当α=0.02时,由于F 1-α2(24,15)F α(24,15)=3.294,F 1-α2(24,15)=0.346。<F <F α(24,15),检验统计量的值落在接受域中,所以接受原假设,说明总体方差无显著差异。

检验均值差: 建立假设

H 0:μ1-μ2≤0 H 1:μ1-μ2>0

总体正态,小样本抽样,方差未知,方差相等,检验统计量

t =

-

2

根据样本数据计算,得n 1=25,n 2=16,1=82,s 12=56,2=78,s 2=49

s

2

p

2

n 1-1)s 12+(n 1-1)s 2(=53.308

=

n 1+n 2-2

t =

-=1.711

α=0.02时,临界点为t α(n 1+n 2-2)=t 0.02(39)=2.125,t <t α,故不能拒绝原假

设,不能认为大学中男生的学习成绩比女生的学习成绩好。

第10章 方差分析

第11章 相关与回归分析

之间的线性关系是否显著,即检验假设:H 0:β1=0。

(1)线性关系检验的统计量F 值是多少? (2)给定显著性水平a =0.05,F a 是多少? (3)是拒绝原假设还是不拒绝原假设?

(4)假定x 与y 之间是负相关,计算相关系数r 。 (5)检验x 与y 之间的线性关系是否显著?

解:(1)SSR 的自由度为k=1;SSE 的自由度为n-k-1=18;

SSR 60 因此:F===27 40n -k -118

(2)F α(1,18)=F 0.05(1,18)=4.41 (3)拒绝原假设,线性关系显著。 (4),由于是负相关,因此r=-0.7746

(5)从F 检验看线性关系显著。

第12章 解:自变量3个,观察值15个。

ˆ=657.0534+5.710311X1-0.416917X 2-3.471481X 3 回归方程:y

拟合优度:判定系数R 2=0.70965,调整的R a 2=0.630463,说明三个自变量对因变量的影响的比例占到63%。

估计的标准误差S yx =109.429596,说明随即变动程度为109.429596 回归方程的检验:F 检验的P=0.002724,在显著性为5%的情况下,整个回归方

程线性关系显著。

回归系数的检验:β1的t 检验的P=0.008655,在显著性为5%的情况下,y 与X 1线性关系显著。

β2的t 检验的P=0.222174,在显著性为5%的情况下,y 与X 2

线性关系不显著。

β3的t 检验的P=0.034870,在显著性为5%的情况下,y 与X 3

线性关系显著。

因此,可以考虑采用逐步回归去除X 2,从新构建线性回归模型。

ˆ=-18.4+2.01x 1+4.74x 2,并且已知12.3 根据两个自变量得到的多元回归方程为y

n =10,SST =6 724.125,SSR =6 216.375,s βˆ=0.0813,s βˆ=0.056 7。要求:

1

2

(1)在a=0.05的显著性水平下,x 1, x 2与y 的线性关系是否显著? (2)在a =0.05的显著性水平下,β1是否显著?

(3)在a =0.05的显著性水平下,β2是否显著? 解(1)回归方程的显著性检验:

假设:H 0:β1=β2=0 H 1:β1,β2不全等于0 SSE=SST-SSR=6 724.125-6 216.375=507.75 F=

SSR p 2

==42.85

SSE n -p -1-2-1

F α(2,7)=4.74,F>F α(2,7),认为线性关系显著。 (2)回归系数的显著性检验: 假设:H 0:β1=0 H 1:β1≠0

t=

2.01β1==24.72 S β0.0813

1

t α2(n -p -1)=2.36,t >t α2(7),认为y 与x 1线性关系显著。 (3)回归系数的显著性检验: 假设:H 0:β2=0 H 1:β2≠0 t=

4.74β2==83.6 S β0.0567

2

t α2(n -p -1)=2.36,t >t α2(7),认为y 与x 2线性关系显著。

12.4 一家电器销售公司的管理人员认为,每月的销售额是广告费用的函数,并想通过广告费用对月销售额作出估计。下面是近8个月的销售额与广告费用数据:

(1)用电视广告费用作自变量,月销售额作因变量,建立估计的回归方程。 (2)用电视广告费用和报纸广告费用作自变量,月销售额作因变量,建立估计的回归方程。

(3)上述(1)和(2)所建立的估计方程,电视广告费用的系数是否相同? 对其回归系数分别进行解释。

(4)根据问题(2)所建立的估计方程,在销售收入的总变差中,被估计的回归方程所解释的比例是多少?

(5)根据问题(2)所建立的估计方程,检验回归系数是否显著(a=0.05)。

ˆ=88.64+1.6x 解:(1)回归方程为:y

ˆ=83.23+2.29x 1+1.3x 2 (2)回归方程为:y

(3)不相同,(1)中表明电视广告费用增加1万元,月销售额增加1.6

万元;(2)中表明,在报纸广告费用不变的情况下,电视广告费用增加1万元,月销售额增加2.29万元。

(4)判定系数R 2= 0.919,调整的R a 2= 0.8866,比例为88.66%。

(5)回归系数的显著性检验:

Coefficien 标准误Lower Upper 下限 上限

ts 差 t Stat P-value 95% 95% 95.0% 95.0%

1.5738652.88244.57E-0

Intercept 83.23009 9 8 8 79.18433 87.27585 79.18433 87.27585 电视广告费用工:x1 (万0.304067.531890.00065元) 2.290184 5 9 3 1.508561 3.071806 1.508561 3.071806

0.320704.056690.00976

报纸广告费用x2(万元) 1.300989 2 7 1 0.476599 2.125379 0.476599 2.125379

假设:H 0:β1=0 H 1:β1≠0 t=

β12.29==7.53 S β0.304

1

t 0.025(5)=2.57,t >t 0.025(5),认为y 与x 1线性关系显著。 (3)回归系数的显著性检验: 假设:H 0:β2=0 H 1:β2≠0 t=

β21.3==4.05 S β0.32

2

t 0.025(5)=2.57,t >t 0.025(5),认为y 与x 2线性关系显著。

第13章 时间序列分析和预测

第14章 指数

(1) 总平均劳动生产率指数:

k xf =

10

x f f =

x f f

10

111

11

00

4.5⨯240+6.4⨯180+9.2⨯120

6.18===97.78%

6.32

200+160+150

该企业总平均劳动生产率变动量为:

∆xf =

x f -x f f f

00

=6.18-6.32=-0.14(元/件)

(2)各个车间职工人数结构变动对总平均劳动生产率变动的影响:

k f

x f f =

x f f

10

011

01

00

4.4⨯240+6.2⨯180+9.0⨯120

6.02===95.29%

6.32

200+160+150

∆f =

x f -x f f f

00

=6.02-6.32=-0.3(元/件)

(3)各个车间劳动生产率变动对总平均劳动生产率变动的影响:

x f 4.5⨯240+6.4⨯180+9.2⨯120

f 6.18k ====102.66%

x f 6.02240+180+120f

x f x f ∆=-=6.18-6.02=0.16(元/件) f f x f x f x f

f f f =⨯(4)相对分析:k =k ⨯k x f x f x f f f f

111

x

011111

011

x

111

111

011

x f

000

011

000

97.78%=95.29%⨯102.66%

绝对分析:

∆xf =∆x ⨯∆f

x f

f

1

11

x f -

f

00

x f =(

f

1

11

x f -

f

01

1

x f ) +(

f

01

1

x f -

f

00

)

-0.14=-0.3+0.16

经济意义:由于三个车间职工人数变化,使总平均劳动生产率价格提高了2.66%,即平均每

人增长了0.16万元,又由于三个车间劳动生产率的变化,使总平均劳动生产率降低了4.81%,即平均每人减少0.3万元,两者共同的影响,使总平均劳动生产率下降了2.22%,即平均每人减少0.14万元。

3章 数据的概括性度量

(二)主要公式

第6、7章 抽样与参数估计

49名顾客组成了一个简单随机样本。

(1)假定总体标准差为15元,求样本均值的抽样标准误差。

σ=

=

=2.143 (2)在95

%的置信水平下,求边际误差。

∆=t ⋅σ,由于是大样本抽样,因此样本均值服从正态分布,因此概率度t=z α2

因此,∆=

t ⋅σ=

z α⋅σ=z 0.025⋅σ=1.96×2.143=4.2 (3)如果样本均值为120元,求总体均值 的95%的置信区间。 置信区间为:

(-∆, +∆)=(120-4.2,120+4.2)=(115.8,124.2)

7.4 从总体中抽取一个n=100的简单随机样本, 得到=81,s=12。

要求:

⎛σ2⎫⎛s 2⎫

大样本,样本均值服从正态分布: N μ, ⎪或 N μ, ⎪

⎝n ⎭⎝n ⎭

置信区间为: -z α2=1.2 +z α2⎝

(1)构建μ的90%的置信区间。

置信区间为:(79.03,82.97) z α=z 0.05=1.645,(81-1.645⨯1.2,81+1.645⨯1.2)=(2)构建μ的95%的置信区间。

z α=z 0.025=1.96,置信区间为:(81-1.96⨯1.2,81+1.96⨯1.2)=(78.65,83.35)(3)构建μ的99%的置信区间。

z α=z 0.005=2.576,置信区间为:(81-2.576⨯1.2,81+2.576⨯1.2)=(77.91,84.09)

7.13 一家研究机构想估计在网络公司工作的员工每周加班的平均时间,为此

间的90%的置信区间。

解:小样本,总体方差未知,用t 统计量

t = t (n -1)

均值=13.56,样本标准差s=7.801 置信区间:

-t n -1+t n -1(

)(

)α2α2

1-α

=0.90,n=18,

t α2(n -1)=t 0.05(17)=1.7369

-t n -1+t n -1()()α2α2

= 13.56-1.7369+1.7369=(10.36,16.75)

第8、9章 假设检验

抽取36件,测得其平均寿命为680小时。已知该元件寿命服从正态分布,σ=60小时,试在显著性水平0.05下确定这批元件是否合格。 解:H 0:μ≥700;H 1:μ<700

已知:=680 σ=

60

由于n=36>30,大样本,因此检验统计量:

z =

=-2 当α=0.05,查表得z α=1.645。因为z <-z α,故拒绝原假设,接受备择假设,说明这批产品不合格。

8.4 糖厂用自动打包机打包,每包标准重量是100千克。每天开工后需要检验

一次打包机工作是否正常。某日开工后测得9包重量(单位:千克) 如下: 99.3 98.7 100.5 101.2 98.3 99.7 99.5 102.1 100.5

已知包重服从正态分布,试检验该日打包机工作是否正常(a=0.05)? 解:H 0:μ=100;H 1:μ≠100

经计算得:=99.9778 S =1.21221 检验统计量:

t =

-0.055 当α=0.05,自由度n -1=9时,查表得t α(9)=2.262。因为t <t α2,样本统计量落在接受区域,故接受原假设,拒绝备择假设,说明打包机工作正常。

8.10 装配一个部件时可以采用不同的方法,所关心的问题是哪一个方法的效

率更高。劳动效率可以用平均装配时间反映。现从不同的装配方法中各抽取12件产品,记录各自的装配时间(单位:分钟) 如下:

甲方法:31 34 29 32 35 38 34 30 29 32 31 26 乙方法:26 24 28 29 30 29 32 26 31 29 32 28

两总体为正态总体,且方差相同。问两种方法的装配时间有无显著不同 (a=0.05)? 解:建立假设

H 0:μ1-μ2=0 H 1:μ1-μ2≠0

总体正态,小样本抽样,方差未知,方差相等,检验统计量

t =

-

根据样本数据计算,得n 1=12,n 2=121=31.75,2=28.6667,s 1=3.19446s 2=2.46183。

s

2

p

2

n 1-1)s 12+(n 1-1)s 2( =

n 1+n 2-2

12-1)⨯0.922162+(12-1)⨯0.710672( ==8.1326

12+12-2

t =

-=2.648

α=0.05时,临界点为t α(n 1+n 2-2)=t 0.025(22)=2.074,此题中t >t α2,故拒绝原假设,认为两种方法的装配时间有显著差异。

8.11 调查了339名50岁以上的人,其中205名吸烟者中有43个患慢性气管

炎,在134名不吸烟者中有13人患慢性气管炎。调查数据能否支持“吸烟者容易患慢性气管炎”这种观点(a=0.05)? 解:建立假设

H 0:π1≤π2;H 1:π1>π2

p 1=43/205=0.2097 n1=205 p 2=13/134=0.097 n2=134 检验统计量

z =

p -p -d

0.2098-0.097-0

=3

当α=0.05,查表得z α=1.645。因为z >z α,拒绝原假设,说明吸烟者容易患慢

性气管炎。

8.15 有人说在大学中男生的学习成绩比女生的学习成绩好。现从一个学校中

随机抽取了25名男生和16名女生,对他们进行了同样题目的测试。测试结果表明,男生的平均成绩为82分,方差为56分,女生的平均成绩为78分,方差为49分。假设显著性水平α=0.02,从上述数据中能得到什么结论?

解:首先进行方差是否相等的检验:

建立假设

22

H 0:σ12=σ2;H 1:σ12≠σ2 2n1=25,s 12=56,n2=16,s 2=49

56s 12

=1.143 F =2=49s 2

当α=0.02时,由于F 1-α2(24,15)F α(24,15)=3.294,F 1-α2(24,15)=0.346。<F <F α(24,15),检验统计量的值落在接受域中,所以接受原假设,说明总体方差无显著差异。

检验均值差: 建立假设

H 0:μ1-μ2≤0 H 1:μ1-μ2>0

总体正态,小样本抽样,方差未知,方差相等,检验统计量

t =

-

2

根据样本数据计算,得n 1=25,n 2=16,1=82,s 12=56,2=78,s 2=49

s

2

p

2

n 1-1)s 12+(n 1-1)s 2(=53.308

=

n 1+n 2-2

t =

-=1.711

α=0.02时,临界点为t α(n 1+n 2-2)=t 0.02(39)=2.125,t <t α,故不能拒绝原假

设,不能认为大学中男生的学习成绩比女生的学习成绩好。

第10章 方差分析

第11章 相关与回归分析

之间的线性关系是否显著,即检验假设:H 0:β1=0。

(1)线性关系检验的统计量F 值是多少? (2)给定显著性水平a =0.05,F a 是多少? (3)是拒绝原假设还是不拒绝原假设?

(4)假定x 与y 之间是负相关,计算相关系数r 。 (5)检验x 与y 之间的线性关系是否显著?

解:(1)SSR 的自由度为k=1;SSE 的自由度为n-k-1=18;

SSR 60 因此:F===27 40n -k -118

(2)F α(1,18)=F 0.05(1,18)=4.41 (3)拒绝原假设,线性关系显著。 (4),由于是负相关,因此r=-0.7746

(5)从F 检验看线性关系显著。

第12章 解:自变量3个,观察值15个。

ˆ=657.0534+5.710311X1-0.416917X 2-3.471481X 3 回归方程:y

拟合优度:判定系数R 2=0.70965,调整的R a 2=0.630463,说明三个自变量对因变量的影响的比例占到63%。

估计的标准误差S yx =109.429596,说明随即变动程度为109.429596 回归方程的检验:F 检验的P=0.002724,在显著性为5%的情况下,整个回归方

程线性关系显著。

回归系数的检验:β1的t 检验的P=0.008655,在显著性为5%的情况下,y 与X 1线性关系显著。

β2的t 检验的P=0.222174,在显著性为5%的情况下,y 与X 2

线性关系不显著。

β3的t 检验的P=0.034870,在显著性为5%的情况下,y 与X 3

线性关系显著。

因此,可以考虑采用逐步回归去除X 2,从新构建线性回归模型。

ˆ=-18.4+2.01x 1+4.74x 2,并且已知12.3 根据两个自变量得到的多元回归方程为y

n =10,SST =6 724.125,SSR =6 216.375,s βˆ=0.0813,s βˆ=0.056 7。要求:

1

2

(1)在a=0.05的显著性水平下,x 1, x 2与y 的线性关系是否显著? (2)在a =0.05的显著性水平下,β1是否显著?

(3)在a =0.05的显著性水平下,β2是否显著? 解(1)回归方程的显著性检验:

假设:H 0:β1=β2=0 H 1:β1,β2不全等于0 SSE=SST-SSR=6 724.125-6 216.375=507.75 F=

SSR p 2

==42.85

SSE n -p -1-2-1

F α(2,7)=4.74,F>F α(2,7),认为线性关系显著。 (2)回归系数的显著性检验: 假设:H 0:β1=0 H 1:β1≠0

t=

2.01β1==24.72 S β0.0813

1

t α2(n -p -1)=2.36,t >t α2(7),认为y 与x 1线性关系显著。 (3)回归系数的显著性检验: 假设:H 0:β2=0 H 1:β2≠0 t=

4.74β2==83.6 S β0.0567

2

t α2(n -p -1)=2.36,t >t α2(7),认为y 与x 2线性关系显著。

12.4 一家电器销售公司的管理人员认为,每月的销售额是广告费用的函数,并想通过广告费用对月销售额作出估计。下面是近8个月的销售额与广告费用数据:

(1)用电视广告费用作自变量,月销售额作因变量,建立估计的回归方程。 (2)用电视广告费用和报纸广告费用作自变量,月销售额作因变量,建立估计的回归方程。

(3)上述(1)和(2)所建立的估计方程,电视广告费用的系数是否相同? 对其回归系数分别进行解释。

(4)根据问题(2)所建立的估计方程,在销售收入的总变差中,被估计的回归方程所解释的比例是多少?

(5)根据问题(2)所建立的估计方程,检验回归系数是否显著(a=0.05)。

ˆ=88.64+1.6x 解:(1)回归方程为:y

ˆ=83.23+2.29x 1+1.3x 2 (2)回归方程为:y

(3)不相同,(1)中表明电视广告费用增加1万元,月销售额增加1.6

万元;(2)中表明,在报纸广告费用不变的情况下,电视广告费用增加1万元,月销售额增加2.29万元。

(4)判定系数R 2= 0.919,调整的R a 2= 0.8866,比例为88.66%。

(5)回归系数的显著性检验:

Coefficien 标准误Lower Upper 下限 上限

ts 差 t Stat P-value 95% 95% 95.0% 95.0%

1.5738652.88244.57E-0

Intercept 83.23009 9 8 8 79.18433 87.27585 79.18433 87.27585 电视广告费用工:x1 (万0.304067.531890.00065元) 2.290184 5 9 3 1.508561 3.071806 1.508561 3.071806

0.320704.056690.00976

报纸广告费用x2(万元) 1.300989 2 7 1 0.476599 2.125379 0.476599 2.125379

假设:H 0:β1=0 H 1:β1≠0 t=

β12.29==7.53 S β0.304

1

t 0.025(5)=2.57,t >t 0.025(5),认为y 与x 1线性关系显著。 (3)回归系数的显著性检验: 假设:H 0:β2=0 H 1:β2≠0 t=

β21.3==4.05 S β0.32

2

t 0.025(5)=2.57,t >t 0.025(5),认为y 与x 2线性关系显著。

第13章 时间序列分析和预测

第14章 指数

(1) 总平均劳动生产率指数:

k xf =

10

x f f =

x f f

10

111

11

00

4.5⨯240+6.4⨯180+9.2⨯120

6.18===97.78%

6.32

200+160+150

该企业总平均劳动生产率变动量为:

∆xf =

x f -x f f f

00

=6.18-6.32=-0.14(元/件)

(2)各个车间职工人数结构变动对总平均劳动生产率变动的影响:

k f

x f f =

x f f

10

011

01

00

4.4⨯240+6.2⨯180+9.0⨯120

6.02===95.29%

6.32

200+160+150

∆f =

x f -x f f f

00

=6.02-6.32=-0.3(元/件)

(3)各个车间劳动生产率变动对总平均劳动生产率变动的影响:

x f 4.5⨯240+6.4⨯180+9.2⨯120

f 6.18k ====102.66%

x f 6.02240+180+120f

x f x f ∆=-=6.18-6.02=0.16(元/件) f f x f x f x f

f f f =⨯(4)相对分析:k =k ⨯k x f x f x f f f f

111

x

011111

011

x

111

111

011

x f

000

011

000

97.78%=95.29%⨯102.66%

绝对分析:

∆xf =∆x ⨯∆f

x f

f

1

11

x f -

f

00

x f =(

f

1

11

x f -

f

01

1

x f ) +(

f

01

1

x f -

f

00

)

-0.14=-0.3+0.16

经济意义:由于三个车间职工人数变化,使总平均劳动生产率价格提高了2.66%,即平均每

人增长了0.16万元,又由于三个车间劳动生产率的变化,使总平均劳动生产率降低了4.81%,即平均每人减少0.3万元,两者共同的影响,使总平均劳动生产率下降了2.22%,即平均每人减少0.14万元。


相关文章

  • EXCEL在统计学中的应用
  • <EXCEL在统计学中的应用> 第一章 EXCEL简介 在统计数据处理中,EXCEL是相对操作比较简单也比较容易得到的软件.对于一般的统计分析其功能也相对全面,因此我们想就EXCEL在统计工作中的应用显见要做一些介绍,在以后的章 ...查看


  • 统计学常用公式
  • 公式一 1. 众数[MODE] (1) 未分组数据或单变量值分组数据众数的计算 未分组数据或单变量值分组数据的众数就是出现次数最多的变量值. (2) 组距分组数据众数的计算 对于组距分组数据,先找出出现次数最多的变量值所在组,即为众数所在组 ...查看


  • Excel在学校中的应用31- 考试试卷分析诊断表
  • 4.9 考试试卷分析诊断表 案例背景 每逢考试阅卷完毕,成绩汇总出来后,学校领导,年级组长.学科组长都会从不同角度关心考试结果,而任课教师除了要关心自己任教的班级学生的成绩外,还应该根据总体考试情况对试卷进行分析,通过统计每道题的得分率,平 ...查看


  • 满期赔付率算法说明
  • 满期赔付率 已报告赔付率(历年制赔付率) 一.签单保费 口径:历年制或者会计年度. 取数逻辑: 1. 保单保费:保单上载明的保单保费. 条件:直保业务.起保日期核保日期大者在统计期间内. 2. 批增保费:批单上载明的大于0的不包含注销退保的 ...查看


  • 统计学公式大全
  • 电大<统计学原理>常用公式汇总及计算题目分析 第一部分常用公式 第三章 统计整理 a 组距=上限-下限 b 组中值=(上限+下限)÷2 c 缺下限开口组组中 值=上限-1/2邻组组距 d 缺上限开口组组中值=下限+1/2邻组组距 ...查看


  • 财产保险公司经营指标
  • 险公司经营分析指标 (征求意见稿) 目 录 1. 引言 ............................................................................................ ...查看


  • 统计学公式汇总
  • 统计学原理常用公式汇总 第三章 统计整理 a) 组距=上限-下限 b) 组中值=(上限+下限)÷2 c) 缺下限开口组组中值=上限-1/2邻组组距 d) 缺上限开口组组中值=下限+1/2邻组组距 第四章 综合指标 i. 相对指标 1. 结构 ...查看


  • 建立销售数据统计表
  • 产品日常销售过程中会形成各种销售单据,首先需要建立销售数据统计报表以便统计这些原始数据.本节采用VLOOKUP函数直接引用原始数据(该函数功能说明详见8.1节)同时还要使用到COLUMN函数. 本节将要使用到COLUMN函数,先简单介绍一下 ...查看


  • 人口统计公式
  • 常用统计公式 1.年平均人口数:某年内各个时点人口的平均数.年初人口数,年末人口数,年中人口数都属于时点人口指标,反映某一时点(年初.年末.年中)的人口规模,不能反映一年的人口规模.年平均人口数则能综合反映全年的人口规模,属于时期人口指标. ...查看


  • 信息技术--EXCEL公式统计数据教学设计
  • Excel 表格中数据的计算--使用公式统计数据 [教学目标] 知识与技能: 1.了解EXCEL 公式的基本概念: 2.掌握公式的输入和编辑: 3.掌握填充柄的应用 4.利用公式对单元格或单元格区域中的数据进行运算操作: 过程与方法:通过学 ...查看


热门内容