统计建模与R软件第五章习题(仅供参考).doc

. . . . .

原假设：油漆工人的血小板计数与正常成年男子无差异。
备择假设：油漆工人的血小板计数与正常成年男子有差异。
因为p值小于0.05，拒绝原假设，那么认为油漆工人的血小板计数与正常成年男子有差异。

由程序结果可知，x<=1000的概率为0.5087941，所以x大于1000的概率为0.4912059.

P值为0.5804，大于0.05，承受原假设，那么两种方法治疗后患者血红蛋白无差异。

（1） 以上检验中p值均大于0.05，承受原假设，数据来自正态分布。

（2） 三种检验的结果都显示两组数据均值无差异。

（3） 因为p值为0.3153，大于0.05，所以承受原假设，两组数据方差一样。

（1） 因为两组数据p值都大于0.05，所以均承受原假设，两组数据都服从正态分布。
（2） P=0.3544>0.05,承受原假设，可认为两组样本方差一样。

（3） P值小于0.05，拒绝原假设，两组有差异。

P 值>0.05，故承受原假设，表示调查结果支持该市老年人口的看法。

不能认为这种处理能增加母鸡的比例。

承受原假设，符合自由组合定律。

因为p值大于0.05，承受原假设，可以认为X服从poission分布。

因为p大于0.05，承受原假设，所以两样本来自同一总体。

因为p值小于0.05，拒绝原假设，有影响。

因为P 值<0.05 ，所以拒绝原假设，B与C不独立。

由于p值大于0.05，故两变量独立，两种工艺对产品的质量没有影响。

因为p值大于0.05，承受原假设，可以认定两种方法测定结果一样。

〔1〕p<0.05,拒绝原假设，中位数小于14.6

(2)p<0.05,所以拒绝原假设，中位数小于14.6

〔1〕p值大于0.05，承受原假设，无差异。

（2） p=0.005191<0.05,拒绝原假设，有差异。

（3） p=0.04524<0.05,拒绝原假设，有差异。

(4) 可认为两组数据方差一样。综上，该数据可做t检验，p值小于0.05，拒绝原假设，有差异。
(5) 综上所述，Wilcoxon符号秩检验的差异检出能力最强，符号检验的差异检出最弱。

P值均小于0.05，承受原假设，二者有关系，呈正相关。

因为p值大于0.05，承受原假设，尚不能认为新方法的疗效显著优于原疗法。
13 / 13