作业第五章：4、假设样本总体服从正态分布，比较置信度为95%的情况下男女得分是否有显著性差异。
解：组统计量性别 N均值 标准差 均值的标准误成绩男 10 84.0000 11.52774 3.64539 女1062.900018.453855.83562从上表可以看出，Sig.=0.221，显著性水平位0.05，由于概率P 值大于0.05，可以认为两个总体的方差无显著性差异。
5、假设体重近似服从正态分布， 试分析服药前后，体重是否有显著变化。
解：成对样本统计量均值 N标准差 均值的标准误对 1服药前体重 198.38 16 33.472 8.368 服药后体重190.311633.5088.377成对样本相关系数N相关系数Sig.对 1服药前体重 & 服药后体重16.996.000成对样本检验成对差分 t df Sig.(双侧)独立样本检验方差方程的 Levene 检验均值方程的 t 检验FSig.t dfSig.(双侧) 均值差值 标准误差值差分的 95% 置信区间 下限 上限 成绩假设方差相等 1.607.2213.067 18 .007 21.10000 6.88065 6.64429 35.55571 假设方差不相等3.06715.096.00821.100006.880656.4423535.75765均值标准差均值的标准误差分的 95% 置信区间下限上限对 1 服药前体重 - 服药后体重8.063 2.886 .722 6.525 9.600 11.175 15 .000从成对样本相关系数表中可以看出，概率P值为0，小于0.05，拒绝原假设，可以认为服药后的体重有明显的线性关系。
服药前、服药后样本的平均差值为8.063，差值的标准差为2.886，差值的均值标准误为0.722，置信度为95%时差值的置信下限和上线共同构成了改差值的置信区间（6.525,9.600），统计量的观测值t为11.175，自由度df为15，Sig.（双侧）为双尾检验概率P值，在显著性水平位0.05时，由于概率P值为0，小于0.05，拒绝原假设，故可以认为服药对体重有显著效果。
第六章：5、分析不同品种油菜的平均产量在显著性水平0.05下有无显著性差异。
解：描述产量N 均值标准差标准误均值的 95% 置信区间极小值极大值下限上限1 4 264.0000 32.86335 16.43168 211.7071 316.2929 222.00 298.002 4 277.2500 24.43188 12.21594 238.3734 316.1266 244.00 300.003 4 269.7500 39.80264 19.90132 206.4151 333.0849 230.00 322.004 4 285.5000 23.15887 11.57944 248.6491 322.3509 259.00 315.005 4 212.5000 5.74456 2.87228 203.3591 221.6409 206.00 220.00 总数20 261.8000 36.04617 8.06017 244.9299 278.6701 206.00 322.00方差齐性检验产量Levene 统计量df1 df2 显著性1.896 4 15 .164从方差齐性检验表可以看出相伴概率Sig.=0.164)05.0(α〉说明应该接受原假设（即方差相等）。
ANOVA产量平方和df 均方 F 显著性组间13195.700 4 3298.925 4.306 .016组内11491.500 15 766.100总数24687.200 19从上表可知，由于组间比较的相伴概率Sig.（P值）=0.016)05.0(α〈，故应该拒绝原假设，说明不同品种油菜对亩产量有显著性差异。
在此之后检验多重比较产量LSD(I) 品种(J) 品种均值差(I-J) 标准误显著性95% 置信区间下限上限1 2 -13.25000 19.57166 .509 -54.9660 28.46603 -5.75000 19.57166 .773 -47.4660 35.96604 -21.50000 19.57166 .289 -63.2160 20.21605 51.50000*19.57166 .019 9.7840 93.21602 1 13.25000 19.57166 .509 -28.4660 54.96603 7.50000 19.57166 .707 -34.2160 49.21604 -8.25000 19.57166 .679 -49.9660 33.46605 64.75000*19.57166 .005 23.0340 106.46603 1 5.75000 19.57166 .773 -35.9660 47.46602 -7.50000 19.57166 .707 -49.2160 34.21604 -15.75000 19.57166 .434 -57.4660 25.96605 57.25000*19.57166 .010 15.5340 98.96604 1 21.50000 19.57166 .289 -20.2160 63.21602 8.25000 19.57166 .679 -33.4660 49.96603 15.75000 19.57166 .434 -25.9660 57.46605 73.00000*19.57166 .002 31.2840 114.71605 1 -51.50000*19.57166 .019 -93.2160 -9.78402 -64.75000*19.57166 .005 -106.4660 -23.03403 -57.25000*19.57166 .010 -98.9660 -15.53404 -73.00000*19.57166 .002 -114.7160 -31.2840*. 均值差的显著性水平为 0.05。
从上表可以看出第5种油菜的相伴概率P值都小于显著性水平)05.0(α，则拒绝原假设，认为不同品种油菜的平均产量在显著性水平0.05下有显著性差异。
均值图第七章：3、以0.05的显著性水平检验相关系数的显著性。
解：描述性统计量均值标准差N花瓣长40.44 5.973 18花枝长19.67 5.029 18花萼长16.17 3.294 18相关性花瓣长花枝长花萼长花瓣长Pearson 相关性 1 .955**.797**显著性（双侧）.000 .000平方与叉积的和606.444 487.667 266.667协方差35.673 28.686 15.686N 18 18 18花枝长Pearson 相关性.955** 1 .678**显著性（双侧）.000 .002平方与叉积的和487.667 430.000 191.000协方差28.686 25.294 11.235N 18 18 18花萼长Pearson 相关性.797**.678** 1显著性（双侧）.000 .002平方与叉积的和266.667 191.000 184.500协方差15.686 11.235 10.853N 18 18 18**. 在 .01 水平（双侧）上显著相关。
从表中可以看出，花瓣长和花枝长的相关系数为0.955＞0，说明呈正相关，相关系数的显著性为0＜0.05，因此拒绝原假设，说明花瓣长受花枝长显著正影响。
花瓣长和花萼长的相关系数为0.797＞0，说明呈正相关，相关系数的显著性为0＜0.05，因此拒绝原假设，说明花瓣长受花萼长显著正影响。
花枝长和花萼长的相关系数未0.678＞0，说明呈正相关，相关系数的显著性为0.002＜0.05，因此拒绝原假设，说明花枝长和花萼长显著正影响。
第八章：5、请对年龄与远视率的关系进行曲线估计。
解：模型汇总R R 方调整 R 方估计值的标准误.979 .959 .945 5.313自变量为年龄。
复相关系数R=0.979，2R=0.959，经校正后的R方值为0.945。
故可判断年龄与远视率之间有较显著的三次曲线关系。
ANOVA平方和df 均方 F Sig.回归5887.850 3 1962.617 69.538 .000残差254.013 9 28.224总计6141.863 12自变量为年龄。
相伴概率Sig.=0说明模型具有显著的统计学意义。
系数未标准化系数标准化系数B 标准误Betat Sig.年龄-54.717 15.340 -9.419 -3.567 .006年龄 ** 2 3.398 1.338 14.173 2.540 .032年龄 ** 3 -.069 .037 -5.625 -1.868 .095（常数）290.851 55.296 5.260 .001 上表是三次曲线模型的回归系数表，从表中可知因变量与自变量的三次回归模型为：32069xxy-290x=-+.3398.0717.85154.。