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。
1702642135
1702642136
22.25 用表B得到P值小于0.0006，它和练习22.16的（d）中不一致。
1702642137
1702642138
22.27 （a）大致是一个平均数为0.1，标准差为0.01464的正态分布。（b）P值小于0.0003，所以证据很有力。
1702642139
1702642140
22.29 P值小于0.0003，所以证据很有力，证明会超速驾驶的司机不足一半。
1702642141
1702642142
22.31 H0：μ=19，Ha：μ＜19。
1702642143
1702642144
22.33 P值约为0.25，所以我们几乎没理由认为这个软件产生的所有数字的平均数不是0.5。
1702642145
1702642146
22.35 p是客人留在餐馆的小费百分比，H0：p=20%，Ha：p＜20%。标准分是-4.05，相应的P值小于0.0003。所以，我们有很强的证据证明，当这家餐馆的客人接到提示明天天气可能变差的消息时，他们留下小费平均的百分比低于20%。
1702642147
1702642148
第23章
1702642149
1702642150
23.3 置信区间只能用于检验简单随机抽样的结论。
1702642151
1702642152
23.5 整个置信区间包括了大于50%的p值。
1702642153
1702642154
23.7 （a）不恰当。在200人的样本里，我们预期看到2个有超感知觉的人的P＜0.01。（b）重新检测这个人。
1702642155
1702642156
23.9 可以。因为P值非常小，这意味着我们应该否定零假设所说的两个设计在0.02的水平上无显著性差异。
1702642157
1702642158
23.11 例如，我们应该了解抽样方法，这是一个随机样本吗？
1702642159