《气象统计预报(重点范围)》由会员分享，可在线阅读，更多相关《气象统计预报(重点范围)（3页珍藏版）》请在金锄头文库上搜索。
1、气象统计预报习题一、名词解释1、均方差及其计算公式：均方差Sx，描述样本中资料与平均值差异的平均状况，反映变量围绕平均值的平均变化程度（离散程度）. 2、总体与样本：总体：是统计分析对象的全体，一个变量的全部可能取值组成总体。样本：总体中的一部分资料组成样本。3、自相关系数：描述某一变量不同时刻之间相关的统计量。将滞后长度为j的自相关系数记为r（j）。自相关系数也是总体相关系数（j）的渐进无偏估计。4、回归平方和及其计算公式：U称回归平方和，其大小反映了自变量的重要程度，即回归值的分散程度。5、中心化：把资料处理为距平的方法叫中心化。气象上常用距平值代替原样本中的资料值作为研究对象。6、距平：
2、反映数据偏离平均值的状况 ，也是通常所说的异常。其公式为：7、落后交叉相关系数：设Xt 和 Yt （t=1,2,n），分别为两个时间序列，则对时间间隔j的落后交叉协方差为：相应的落后交叉相关系数为二、简答题1、资料的标准化原因：各要素单位不同、平均值和标准差也不同。为使它们在同一水平上比较，采用标准化方法，使它们变成同一水平的无单位的变量-标准化变量。2、标准化序列的两个特征：（1）标准化变量的平均值为0。（2）标准化变量的方差为1。3、列出原始序列、距平序列及标准化序列所得的三种不同形式和相关系数公式：l 原始序列相关系数：l 距平序列相关系数：l 标准化序列相关系数：4、列出相关分析和回归
3、分析的区别：1. 相关分析中，变量 x 变量 y 处于平等的地位；回归分析中，变量 y 称为因变量，处在被解释的地位，x 称为自变量，用于预测因变量的变化。2. 相关分析中所涉及的变量 x 和 y 都是随机变量；回归分析中，因变量 y 是随机变量，自变量 x 可以是随机变量，也可以是非随机的确定变量。3. 相关分析主要是描述两个变量之间线性关系的密切程度；回归分析不仅可以揭示变量 x 对变量 y 的影响大小，还可以由回归方程进行预测和控制。 5、列出经验正交函数的计算步骤：1）根据分析目的，确定X的具体形态(距平或者标准化距平)；2）由X求协方差矩阵 ；3）求A的全部特征值 、特征向量 ，h=
4、1H（通常使用Jacobi法）；4）将特征值作非升序排列（通常使用沉浮法），并对特征向量序数作相应变动；5）根据 ,h=1H和X总方差，求出全部 、 , h=1H；6）由X及主要 求其时间系数 、h=1H，主要的数量由分析目的及分析对象定；7）输出主要计算结果。 6、解释何谓相关系数显著性检验：在气象统计预报中，选择因子往往需要计算很多相关系数，逐个检验很麻烦。实际上，在样本量固定情况下，可以计算统一的判别标准相关系数， 若 ，则通过显著性的t检验。 的计算过程如下：由 计算出 ，样本容量固定时，通过检验的t值应该至少等于 ，故有 式中， 就是通过检验的相关系数临界值。三、解答题1 应用实例3
5、.4赤道东太平洋地区19821990年春季海温已在应用实例3.3中给出。西风漂流区（4020N，180145W）19821992年11年春季海温（）分别为17.0，16.1，17.4，17.7，16.8，16.2，16.9，17.5，17.1，17.1和16.7。在总体方差2未知的情况下，检验来自两个总体的样本均值有无显著差异。赤道东太平洋地区春季海温的9年样本均值=27.6,样本方差=3.1;西风漂流区春季海温的11年样本均值17.0，样本方差2.3。解：（1）提出原假设。 （2）计算统计量，将特征量代入（3.2.5），即（3）确定显著性水平0.05，自由度9+11-218，查分布表2.10，由于，拒绝原假设，认为在0.05显著性水平上，赤道东太平洋地区的海温均值与西风漂流区海温均值有显著性差异。2、一直某地1951-1970年20年气温t及要素A（见表）求以A要素为自变量，对应变量t的回归方程。并检验在信度水平为0.05下，该回归方程是否显著。（已知F0.05=0.41）解答：1）计算回归系数，确定方程：2）回归方程显著性检验：END
