实验设计与数据处理上机作业.doc

实验数据与处理·上机作业
实验设计与数据处理·上机作业

第一题 PH值
题目：为了控制试验过程中溶液的pH值，在试验的进程中随机取样，测得如下pH值：8.29，8.32，8.30，8.27，8.32，8.34，8.26，8.33，试用EXCEL求出该组试验数据的算术平均值、几何平均值、调和平均值、样本标准差、样本平均数的标准误、总和。

项目
pH值
1
8.29
2
8.32
3
8.30
4
8.27
5
8.32
6
8.34
7
8.26
8
8.33
总和
66.43
算术平均值
8.30
几何平均值
8.30
调和平均值
8.30
样本标准差
0.03
样本平均数的标准误
0.01
解答：

在Excel的表格中输入以下公式进行计算

总和= SUM(B2:B9)
算术平均值=AVERAGE(B2:B9)
几何平均值= GEOMEAN(B2:B9)
调和平均值= HARMEAN(B1:B9)
样本标准差= STDEV(B2:B9)
样本平均数的标准误= B14/(8^(1/2))

第二题 饼状图
题目：脂肪酸是一种重要的工业原料，下表列出了某国脂肪酸的应用领域，试根据这些数据用EXCEL画出饼形图，并用选择性粘贴功能将饼形图拷贝到WORD文档中。
解答：
某国脂肪酸的应用领域
橡胶工业
合成表面活性剂
润滑油
洗涤剂
肥皂
其它
28%
11%
5%
25%
14%
17%
菜单栏：插入＞图表＞图表向导对话框

第三题
题目：在用原子吸收分光光度法测定镍电解液中微量杂质铜时，研究了乙炔和空气流量变化对铜在某波长上吸光度的影响，得到下表所示的吸光度数据。试根据表中数据统计分析乙炔和空气流量的变化对铜吸光度的影响。
解答：
乙炔和空气流量变化对铜在某波长上吸光度的影响
乙炔流量/(L/min)
空 气 流 量 /(L/min)
8
9
10
11
12
1
81.1
81.5
80.3
80
77
1.5
81.4
81.8
79.4
79.1
75.9
2
75
76.1
75.4
75.4
70.8
2.5
60.4
67.9
68.7
69.8
68.7
菜单栏：工具＞数据分析＞数据分析对话框

方差分析：无重复双因素分析
SUMMARY
观测数
求和
平均
方差

5
50
10
2.5
1
5
399.9
79.98
3.137
1.5
5
397.6
79.52
5.507
2
5
372.7
74.54
4.528
2.5
5
335.5
67.1
14.485

空气流量/(L/min)
5
305.9
61.18
956.342

5
316.3
63.26
951.743

5
313.8
62.76
890.803

5
315.3
63.06
863.048

5
304.4
60.88
758.567
方差分析
方差分析

差异源
SS
df
MS
F
P-value
行
17586.16
4
4396.541
733.9066
6.68E-18
列
24.7784
4
6.1946
1.034053
0.420032
误差
95.8496
16
5.9906

总计
17706.79
24

分析：表中行代表乙炔流量，列代表空气流量。由方差分析表中我们可以看出F=28.61486>F-crit,P-value=9.44E-06<0.01,所以乙炔流量对铜吸收光度的影响非常显著，而空气流量的F<F-crit，P-value>0.01，所以空气流量对铜吸收光度的影响不大。

第四题
题目：下表记录了3位操作工分别在4台不同的机器上操作3天的日产量，试根据表中数据检验操作工人之间和机器之间的差异是否显著，交互作用的影响是否显著，若显著影响则分别作多重比较。
机器代号
操 作 工 人 代 号
甲
乙
丙
A1
15，15，17
19，19，17
17，18，18
A2
17，17，17
18，19，20
19，22，22
A3
15，17，16
18，18，19
21，20，18
A4
18，19，17
18，20，21
18，20，22
解答：
菜单栏：工具＞数据分析＞数据分析对话框

方差分析：可重复双因素分析
SUMMARY
甲
乙
丙
总计

A1

观测数
3
3
3
9

求和
47
55
53
155

平均
15.66666667
18.33333333
17.66666667
17.22222

方差
1.333333333
1.333333333
0.333333333
2.194444

A2

观测数
3
3
3
9

求和
51
57
63
171

平均
17
19
21
19

方差
0
1
3
4

A3

观测数
3
3
3
9

求和
48
55
59
162

平均
16
18.33333333
19.66666667
18

方差
1
0.333333333
2.333333333
3.5

A4

观测数
3
3
3
9

求和
54
59
60
173

平均
18
19.66666667
20
19.22222

方差
1
2.333333333
4
2.694444

总计

观测数
12
12
12

求和
200
226
235

平均
16.66666667
18.83333333
19.58333333

方差
1.515151515
1.242424242
3.356060606

方差分析

差异源
SS
df
MS
F
P-value
F crit
样本
23.19444444
3
7.731481481
5.154321
0.006824
3.008787
列
55.05555556
2
27.52777778
18.35185
1.46E-05
3.402826
交互
8.055555556
6
1.342592593
0.895062
0.514285
2.508189
内部
36
24
1.5

总计
122.3055556
35

分析：由组间表格知机器之间差异显著，工人之间差异显著，但两者交互并不显著，由上方多重比较可知，在操作工人之间，甲与乙，甲与丙差异显著，乙与丙差异并不显著；在机器之间，A1与A2，A1与A4，A3与A4差异显著，A1与A3，A2与A3，A2与A4差异并不显著。

第五题
题目：在送到某工厂的原料中，含有两种有用的组分A和B，为了研究这两种组分含量之间的关系，在不同地区和不同时间送来的原料中，取10个样品进行化学分析，得到下表的测定结果，试确定这两种组分含量间的线性回归方程。
样品编号
1
2
3
4
5
6
7
8
9
10
A%
69
56
74
66
41
26
60
45
48
36
B%
25
16
24
20
18
14
21
17
18
15
解答：
菜单栏：插入＞图表＞图表导航对话框

右击图标上的点＞添加趋势线

第六题
题目：在制定某市城区垃圾处置规划前，调查了近10年的城区垃圾产生量和主要的社会经济发展指标如：城区人口、国内生产总值、城区建设总面积、社会商品零售总额和人均消费支出等（如下表），（1）试求出垃圾产生量与影响该产生量的主要社会经济发展指标间的多元线性回归方程式；（2）对该方程式进行显著性检验，并判定因素的主次顺序。
年份
城区垃圾清运量（万吨）
年平均人口/万人
国内生产总值/亿元
城区面积/km2
社会商品零售总额（亿元）
人均消费支出/元

Y
X1
X2
X3
X4
X5
2000
21.9
106.80
69.57
48.0
36.62
4003
2001
21.9
107.18
73.95
50.0
39.21
4452
2002
23.7
107.74
80.91
50.0
45.24
4396
2003
23.7
108.03
89.36
53.0
50.51
4411
2004
24.0
109.10
98.7
53.0
57.77
5229
2005
24.0
109.70
108.33
59.0
66.30
5400
2006
24.0
110.16
120.46
60.0
75.91
6036
2007
28.1
110.80
128.99
62.4
78.08
5848
2008
28.0
111.70
145.2
63.4
91.57
6161
2009
29.2
111.70
170.55
64.0
108.27
7851
2010
30.0
111.82
201.85
65.1
127.62
9756
解答：
从菜单“Analyze” →“Regression” →“Linear”，打开Linear线性回归主对话框。在左边的源变量栏中选择Y作为因变量进入Dependent栏中，选择X1到X5作为自变量进入Independent(s)栏中。在Method栏中选择Stepwise。
单击“Options”按钮，进入Options对话框。在Use probability of F栏中的Entry框内输入0.10，Remove框中输入0.11。
单击“Statistics”按钮，进入Statistics对话框，选择Descriptives、Casewise diagnostic中的Outliers(n=3为默认值)。
其余使用默认选项，单击“OK”按钮，运行程序，得到结果如下。

模型
非标准化系数
标准系数
t
Sig.
B
标准 误差
试用版
1
(常量)
17.617
.963

18.289
.000
国内生产总值X2
.066
.008
.942
8.448
.000
2
(常量)
19.584
1.071

18.291
.000
国内生产总值X2
.137
.028
1.969
4.846
.001
人均消费支出X5
-.002
.001
-1.051
-2.587
.032
3
(常量)
15.992
1.463

10.930
.000
国内生产总值X2
.431
.104
6.175
4.160
.004
人均消费支出X5
-.002
.001
-1.395
-4.409
.003
社会商品零售总额X4
-.388
.134
-3.875
-2.891
.023
a. 因变量: 城区垃圾清运量Y
已排除的变量d
模型
Beta In
t
Sig.
偏相关
共线性统计量
容差
1
年平均人口
.336a
1.132
.290
.372
.137
城区面积
.218a
.749
.475
.256
.155
社会商品零售总额
-1.650a
-.731
.486
-.250
.003
人均消费支出
-1.051a
-2.587
.032
-.675
.046
2
年平均人口
-.270b
-.740
.483
-.269
.061
城区面积
-.326b
-1.086
.313
-.380
.083
社会商品零售总额
-3.875b
-2.891
.023
-.738
.002
3
年平均人口
.488c
1.469
.192
.514
.031
城区面积
.086c
.294
.779
.119
.053
a. 模型中的预测变量: (常量), 国内生产总值。
b. 模型中的预测变量: (常量), 国内生产总值, 人均消费支出。
c. 模型中的预测变量: (常量), 国内生产总值, 人均消费支出, 社会商品零售总额。
d. 因变量: 城区垃圾清运量
分析结果：(1)多元线性回归方程为y=15.992+0.431x2-0.002x5-0.388x4
(2)显著性检验如上表所示，由表中t绝对值比较后得出主次顺序为人均消费支出、国内生产总值、社会商品零售总额。

11