引例學(xué)生的身高體重與體育成績省名師優(yōu)質(zhì)課賽課獲獎?wù)n件市賽課百校聯(lián)賽優(yōu)質(zhì)課一等獎?wù)n件

實(shí)驗七身高、體重與體育成績統(tǒng)計推斷1/10引例：學(xué)生身高、體重與體育成績現(xiàn)有某高中高三學(xué)生中隨機(jī)抽取100名男生身高、體重與體育成績（1）給出這些數(shù)據(jù)直觀圖形描述（2）依據(jù)這些數(shù)據(jù)對全小學(xué)生平均身高和體重進(jìn)行預(yù)計（3）若普通中學(xué)同齡男生平均身高為168.3cm，平均體重為56.2kg，能否定為該中學(xué)男生身高和普通中學(xué)相比有顯著區(qū)分？（4）身高和體重對體育成績有何影響？2/10數(shù)理統(tǒng)計基本概念總體和樣本統(tǒng)計量樣本均值樣本中位數(shù)樣本方差樣本協(xié)方差抽樣分布及分位數(shù)標(biāo)準(zhǔn)正態(tài)分布t分布F分布χ2分布3/10MATLAB統(tǒng)計分析工具箱正態(tài)分布y=normpdf(x,mu,sigma):返回參數(shù)為mu和sigma正態(tài)分布密度函數(shù)在x處值p=normcdf(x,mu,sigma):正態(tài)分布函數(shù)值x=norminv(p,mu,sigma):生成參數(shù)為mu和sigma正態(tài)分布p分位數(shù)t分布，χ2分布，F(xiàn)分布x=tinv(p,n):自由度為nt分布p分位數(shù)x=chi2inv(p,n):自由度為nχ2分布p分位數(shù)x=finv(p,m,n):自由度為m,nF分布p分位數(shù)4/10統(tǒng)計推斷方法參數(shù)預(yù)計（依據(jù)樣本對總體分布中參數(shù)θ進(jìn)行預(yù)計）點(diǎn)預(yù)計：直接給出參數(shù)θ預(yù)計值區(qū)間預(yù)計：給出參數(shù)θ預(yù)計值區(qū)間，并附加一個概率（即每個區(qū)間置信度）置信區(qū)間：設(shè)總體分布中含有參數(shù)θ，若有區(qū)間I使得θ位于I中概率為1-α，則稱I為θ1-α置信區(qū)間5/10對于均值μ和標(biāo)準(zhǔn)差σ均未知正態(tài)總體，能夠用下面命令進(jìn)行兩個參量點(diǎn)預(yù)計[muhat,sigmahat,muci,sigmaci]=normfit(x,alpha)其中：x—樣本數(shù)據(jù)，alpha—置信度，muhat—μ點(diǎn)預(yù)計，sigmahat—σ點(diǎn)預(yù)計，muci—μ置信區(qū)間，sigmaci—σ置信區(qū)間6/10假設(shè)檢驗零假設(shè)（原假設(shè)）備擇假設(shè)（對立假設(shè)）顯著性檢驗單邊檢驗，雙邊檢驗已知標(biāo)準(zhǔn)差σ正態(tài)總體均值檢驗：z方法[h,sig]=ztest(x,m,sigma,alpha,tail)其中：x—樣本列向量，m—μ0，sigma—σ,tail—值為0表示雙邊檢驗，值為1表示右邊檢驗，值為-1表示左邊檢驗alpha—顯著性水平（缺省為0.5）h—返回為1表示拒絕原假設(shè)，返回0表示接收sig—返回臨界值拒絕概率，sig<alpha時h=17/10例：百分比檢驗?zāi)惩馍谭Q他所提供某種零件最少有95%是符合標(biāo)準(zhǔn)。現(xiàn)測試200臺這種設(shè)備，發(fā)覺有15臺是不符合規(guī)范。在顯著性水平α=0.05下，能否相信外商話？8/10線性回歸多元線性回歸模型y=b1x1+…+bnxn+ε，其中ε服從N(0,σ2)分布,β為回歸系數(shù)組成向量任務(wù)1：對觀察到y(tǒng)和x值求回歸系數(shù)任務(wù)2：判斷模型有效性regress命令[b,bint,r,rint,stats]=regress(y,x,alpha)Y—y數(shù)據(jù)向量x—x數(shù)據(jù)矩陣b—β預(yù)計值

bint—置信區(qū)間r—?dú)埐顁int—置信區(qū)間stats—1×3檢驗統(tǒng)計量，第一個值為回歸方程置信度，第二個值為F統(tǒng)計量值，第三個值是與F統(tǒng)計量