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
1702642160
23.13 只有问题（b）可以使用显著性检验方法。
1702642161
1702642162
23.15 （a）置信区间的宽度（或者说误差范围）将会减小。（b）P值将减小。
1702642163
1702642164
23.17 用z*=1.96，置信区间是0.72±0.065。
1702642165
1702642166
23.19 （a）置信区间是159±3。（b）由于数据源自调查对象的自我报告，所以我们可以怀疑置信区间的有效性。
1702642167
1702642168
23.21 对于有868人通过测验的样本，置信区间是0.868±0.021；对于有869人通过测验的样本，置信区间是0.869±0.021。
1702642169
1702642170
第24章
1702642171
1702642172
24.5 至少有一位亲密家庭成员抽烟：35.7%的学生抽烟。没有亲密家庭成员抽烟：25%的学生抽烟。学生的抽烟习惯与其亲密家庭成员是否吸烟之间存在相关关系。
1702642173
1702642174
24.7 （a）成功孵化：16，38，75；未成功孵化：11，18，29。（b）寒冷：59.3%，中等：67.9%，暖和：72.1%。寒冷环境并不会导致所有蟒蛇蛋都孵不出来，但会使成功孵化的概率减小。
1702642175
1702642176
24.9 （a）约有1721000人获得了学士学位。（b）57.5%，61.1%，49.5%，53.3%。女性得到大部分的学士、硕士和博士学位，以及大约一半的专科学位。
1702642177
1702642178
24.11 先把a定义成0~40之间的数。
1702642179
1702642180
24.13 （a）毛利人，在陪审团：80。非毛利人，在陪审团：314。毛利人，不在陪审团：10138。非毛利人，不在陪审团：56353。
[
上一页 ]
[ :1.702642131e+09 ]
[
下一页 ]