1702642085
21.9 （a）p是年龄18岁及以上的成年人声称自己或住户成员在此前一年是计算机或网络犯罪受害者的真实比例。（b）用z*=2，95%置信区间是0.11±0.02，即0.09~0.13。
1702642086
1702642087
21.11 （a）0.75~0.81。（b）0.76~0.80。（c）0.765~0.795。（d）样本量增加时，置信区间会变窄。
1702642088
1702642089
21.13 不同种类的图钉会得到不同的结果。
1702642090
1702642091
21.15 用z*=2，95%置信区间是0.5069±0.0157，即0.491~0.523。从这个置信区间我们可以得出结论，这个概率非常接近1/2，0.50包含在这个区间内。
1702642092
1702642093
21.17 （a）这个抽样分布大致是一个平均数为0.28，标准差为0.018的正态分布。（b）分别是16%和84%。
1702642094
1702642095
1702642096
21.19 样本比例。95%的置信区间，用速算公式计算是0.091~0.181；用本章方法计算，更精确的区间是0.105~0.167。
1702642097
1702642098
21.21 （a）在表A中，让数字0~5代表支持女国会议员连任的选民，用数字6~9代表不支持她连任的选民。从你选择的行开始，读取前25个数字，算出它们是0，1，2，3，4或5的比例。（b）和（c）的答案取决于你选择从表A的哪一行开始。比如，从第101行开始，支持她连任的选民样本比例是16/25，一个68%置信区间是0.544~0.736。
1702642099
1702642100
21.23 对于一个99%置信区间，我们用z*=2.58，所以该区间是0.68±0.04，即0.64~0.72。因为置信度更高，所以这个区间要比练习21.8的区间宽。
1702642101
1702642102
21.25 90%置信区间是0.085±0.018。
1702642103
1702642104
21.29 （a）平均数是105.8，标准差是14.3。（b）95%的置信区间是105.8±5.03。（c）如果分数来自一所学校，我们得到的就不是一个随机样本，该学校的数据不能代表总体（该区所有女中学生）。
1702642105
1702642106
21.31 （a）95%置信区间是114.9±3.5。（b）我们假设这27位安慰组的男士可以代表实验对象总体。
1702642107
1702642108
21.33 99%置信区间是346.00±20.43美元。
1702642109
1702642110
21.35 （a）样本量（n=200）够大。（b）例如，生活成本提高或失业率上升。
1702642111
1702642112
第22章
1702642113
1702642114
22.5 结论1：样本的两性收入差别如此之大，从一个男女收入相当的总体中几乎无法抽到这样的样本（概率为0.028）。结论2：从一个黑人和白人收入相当的总体中抽取样本，存在收入差别并不奇怪（概率为0.576）。
1702642115
1702642116
22.7 （b）差异可以归因于随机性。
1702642117
1702642118
22.9 差异可归因于随机性。
1702642119
1702642120
22.11 （a）承认没去教堂参加宗教仪式可能会让他们感到尴尬。（b）p是上周去教堂参加宗教仪式的美国成年人的比例。零假设H0：p=0.39，备择假设Ha：p＜0.39。
1702642121
1702642122
22.13 零假设H0：p=0.09，备择假设Ha：p≠0.09。
1702642123
1702642124
1702642125
22.15 （a）p是这所大学所有运动员的毕业比例。（b）H0：p=0.78，Ha：p＜0.78。（c）0.721。P值是当我们假设毕业比例为78%时＜0.721的概率。（d）如果真实比例是0.78，P值不太可能是像0.721这样的极端值。
1702642126
1702642127
1702642128
22.17 （a）参数p是长相好的候选人赢得竞选场次的真实比例。（b）H0：p=0.50，Ha：p＞0.50。（c）=0.6875，P值是当我们假设p=0.50时会得到一个比例大于0.6875的概率。（d）这个P值告诉我们，如果零假设为真，我们很难得到这样一个极端的观察结果（概率为0.017）。
1702642129
1702642130
22.19 从练习22.16得知P值是0.0037。这个结果在5%和1%的水平上都具有统计学显著性。
1702642131
1702642132
22.21 一项检验在1%的水平上具有统计学显著性，是指每100次里出现比观察更极端结果的次数小于1次。一项检验在5%的水平上具有统计学显著性，是指每100次里出现比观察值更极端结果的次数少于5次。每100次中的出现机会少于1次，必然也少于5次，但反过来却不一定成立。
1702642133
1702642134
22.23 （a）用数字0~4代表“方法A胜出”，5~9代表“方法B胜出”，从表A中选取20个数字。（b）B在10个回合中取胜的数字是12，13，11，12，11，10，8，14，9，12，由此估算出P值为0.5。（c）我们模拟了观察值和样本结果至少同样极端的概率。