©2010-2026 宁波自信网络信息技术有限公司 版权所有
客服电话：0574-28810668 投诉电话：18658249818
浙ICP备2021020529号-1 | 浙B2-20240490
关注我们 ：
1、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
2、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EXC
3、EL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)
4、 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、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
6、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
7、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
8、 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
9、 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 1
10、2 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
11、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
12、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
13、 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
14、 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
15、 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
16、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。
17、 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
18、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 .
19、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
©2010-2026 宁波自信网络信息技术有限公司 版权所有
客服电话：0574-28810668 投诉电话：18658249818
浙ICP备2021020529号-1 | 浙B2-20240490
关注我们 ：
