這次作業(yè)練習(xí)收獲挺多，難的不是練習(xí)題，而是在計(jì)算前的數(shù)據(jù)預(yù)處理。本來以為可以很快解決的，還是花了些力氣，看來還是要多練習(xí)~

文章目錄

• chapter7-14題
• chapter8-6題
• chapter8-22題

chapter7-14題

晨星公布了1208家企業(yè)的股票信息數(shù)據(jù)（晨星官網(wǎng),2012年10月24日）。這些股票中的40只組成一個(gè)樣本，存放在數(shù)據(jù)文件Morningstar.csv 中，利用Morningstar數(shù)據(jù)集回答下列問題。
1.求晨星股票中達(dá)到最高評級5星的股票所占比率的點(diǎn)估計(jì)。
2.求晨星股票中商業(yè)風(fēng)險(xiǎn)評級高于平均水平的股票所占比率的點(diǎn)估計(jì)。
3.求晨星股票中評級不高于2星的股票所占比率的點(diǎn)估計(jì)。

數(shù)據(jù)預(yù)處理

import pandas as pd import numpy as np##讀取數(shù)據(jù) ms = pd.read_csv("/myfile/個(gè)人事務(wù)/數(shù)據(jù)分析學(xué)習(xí)/商務(wù)與經(jīng)濟(jì)統(tǒng)計(jì)/數(shù)據(jù)文件/第7章/Morningstar.csv",sep=",") ms.head(10)

星級和風(fēng)險(xiǎn)水平都是字符串的形式，為了方便計(jì)算先轉(zhuǎn)換成數(shù)值型

ms_star = ms["Morningstar Rating "] # 將星級中的數(shù)字提取出來## 自定義函數(shù)將字符串中的數(shù)字提取出來 def star_rated(star_str):star_num = filter(str.isdigit, star_str)star_num = list(star_num)s = int(star_num[0])return sstar = [star_rated(i) for i in ms_star] ms["star"] = star# 將風(fēng)險(xiǎn)水平用數(shù)值進(jìn)行替換 ## Average = 0,Above Average = 1,Below Average = -1 def risk_num(risk_str):if risk_str == "Average":r = 0elif risk_str == "Above Average":r = 1elif risk_str == "Below Average":r = -1return r risk = [risk_num(i) for i in ms["Business Risk"]] ms["risk"]=risk ms.head(10)

1.求5星所占比率的點(diǎn)估計(jì)

2.求高于平均水平的股票所占比率的點(diǎn)估計(jì)

3.求評級不高于2星的股票所占比率的點(diǎn)估計(jì)

chapter8-6題

全球商務(wù)旅行協(xié)會（GBTA）對旅行中住宿、租車、和餐飲方面每天的旅行稅進(jìn)行了研究，試圖評價(jià)各個(gè)城市的每日總旅行稅。關(guān)于芝加哥商務(wù)旅行的研究結(jié)果存放在名為TravelTax的文件中（GBTA基金，2012年10月30日）。假設(shè)已知總體標(biāo)準(zhǔn)差為8.05美元，試求芝加哥每日旅行稅的總體均值的區(qū)間估計(jì)，取95%置信區(qū)間。

TT = pd.read_csv("/myfile/個(gè)人事務(wù)/數(shù)據(jù)分析學(xué)習(xí)/商務(wù)與經(jīng)濟(jì)統(tǒng)計(jì)/數(shù)據(jù)文件/第8章/TravelTax.csv",sep=",") TT.head(10)

# 95%置信區(qū)間，z_score = 1.96，直接計(jì)算 tax = TT["Lodging, Car Rental, and Meal Taxes ($)"] tax_mean = tax.mean() n = len(tax) tax_sigma = 8.50 tax_up = tax_mean + 1.96*tax_sigma/np.sqrt(n) tax_low = tax_mean - 1.96*tax_sigma/np.sqrt(n) print(tax_up) print(tax_low)

# 編寫函數(shù)求解 from scipy.stats import norm import numpy as np def confidence_interval(sample_mean,population_std,sample_size,confidence):alpha = 1 - confidence z = abs(norm.ppf(alpha/2)) #求z_score的值# 根據(jù)概率求解z值，或者是求解陰影面積，它的逆操作是norm.cdf(z_score)upper_limit = sample_mean + z*population_std/np.sqrt(sample_size)lower_limit = sample_mean - z*population_std/np.sqrt(sample_size)return [lower_limit,upper_limit]

chapter8-22題

漫威公司電影《銀河護(hù)衛(wèi)隊(duì)》在2014年勞動(dòng)節(jié)周末的前兩天上映，其票房收入打破北美記錄，達(dá)到9340萬美元（《好萊塢報(bào)道》，2014年8月3日）。由30家電影院組成一個(gè)樣本，其票房銷售收入（單位：美元）存放在名為Guardians的文件中。
1.求每家電影院票房銷售收入均值的95%置信區(qū)間，并解釋這個(gè)結(jié)果。
2.電影票的價(jià)格是每張8.11美元，試估計(jì)每家電影院的平均觀影人數(shù)。
3.該部影片已經(jīng)在4080家影院上映，估計(jì)觀看電影《銀河護(hù)衛(wèi)隊(duì)》的觀眾總?cè)藬?shù)和周末的票房收入。

數(shù)據(jù)預(yù)處理

# 讀取文件 movie = pd.read_csv("/myfile/個(gè)人事務(wù)/數(shù)據(jù)分析學(xué)習(xí)/商務(wù)與經(jīng)濟(jì)統(tǒng)計(jì)/數(shù)據(jù)文件/第8章/Guardians.csv",sep=",") movie.head()

在西文表達(dá)中，數(shù)值被加入逗號分隔開，因此先要去除數(shù)字中的逗號并轉(zhuǎn)換為數(shù)值型，才能進(jìn)行計(jì)算。

# 數(shù)據(jù)中的數(shù)字有逗號分隔符，需要去掉逗號，將數(shù)字轉(zhuǎn)換為數(shù)值型才能進(jìn)行計(jì)算 m = movie["Revenue ($)"] m_num = [int(i.replace(",","")) for i in m] m_num

1.求95%置信區(qū)間

# 總體標(biāo)準(zhǔn)差未知，使用t分布求解 from scipy.stats import t # import numpy as np def confidence_interval_t(sample_mean,sample_std,sample_size,confidence):alpha = 1 - confidencet_df = sample_size - 1 #自由度t_score = abs(t.ppf(alpha/2,t_df))# 根據(jù)概率求解t值，或者是求解陰影面積，它的逆操作是t.cdf(t_score) upper_limit = sample_mean + t_score * sample_std/np.sqrt(sample_size)lower_limit = sample_mean - t_score * sample_std/np.sqrt(sample_size)return [lower_limit,upper_limit]movie_mean = np.mean(m_num) movie_std = np.std(m_num,ddof = 1) #計(jì)算中使用的除數(shù)是N-ddof n_movie = len(m_num) m_limit = confidence_interval_t(movie_mean,movie_std,n_movie,0.95) m_limit

2.每家影院的平均觀影人數(shù)

price = 8.11 mean_people = sum(m_num)/price/n_movie mean_people

3.求觀影總?cè)藬?shù)和票房

cinema = 4080 sum_people = mean_people * cinema income_movie = sum_people * price print("觀看電影的觀眾總?cè)藬?shù)為{}，周末的總票房為{}。".format(sum_people,income_movie))

總結(jié)

以上是生活随笔為你收集整理的用python完成《商务与经济统计（第13版）》课后练习——第7章和第8章的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。