京公网安备 11010802034615号
经营许可证编号:京B2-20210330
SPSS机试考题及答案_SPSS考题答案_SPSS机试考题(2)_数据分析师
9
下列列出 3 个民族的血型分布数据,为了统计各个民族和各种血型的人数,选择合适的
结构将此组输入到 SPSS 数据窗口建立数据文件。 (加权人数) 要求,分别按照民族和血型作出频数表和条形图(分析-描述统计-频率)
10 下表为 30 名 10 岁少儿的身高(cm)资料,试作探索性分析。 它在一般描述性统计指标的基础上, 增加有关数据其他特征的文字与图形描述, 显得更加细 致与全面,有助于用户思考对数据进行进一步分析的方案。 (分析-描述统计-探索)
11 某医师测得如下血红蛋白值(g%) ,试作基本的描述性统计分析:注:分性别计算各组的 均数和标准差,则用 Means 过程更显简单快捷。 (分析-比较均值-均值,年龄,下一张,性 别)
12 进行住房和社区服务问题调查,从中抽取了 20 份调查结果,见下表,其中调查了住户的 住房是自购还是租用以及对社区服务的满意度。 要求:⑴建立 spss 数据文件“住房和社区服务.sav”; ⑵对住房状况与社区服务进行频数分析。 (分析-描述统计-频率) ⑶分析住户方式与对社区服务的态度间的关系。 (分析-描述统计-交叉表) 13 下表为随机抽查 148 人后,得到的人的出生季节与检测的智力高低结果,其中 IQ 为智力 单位(通常认为人的智力小于 70IQ),研究人的出生季节对智力的影响。(人数加权,分析描述统计-交叉表)
14 为了探讨吸烟与慢性支气管炎有无关系,调查了 339 人,
试在 0.05 水平下检验吸烟与患病是否有关系?(人数加权,分析-描述统计-交叉 表,统计量-卡方,相关性)
15
为了考察法院判决是否与被告种族有关,调查了 326 为被告的判决情况: 黑人 有罪 无罪 17 149 白人 19 141
试在 0.05 水平检验判决结果与被告种族是否独立。 (人数加权,分析-描述统计交叉表,统计量-卡方,相关性)
16 统计选票。候选人 5 人(张莉一 l,黄丽一 2,代天华一 3,刘潇一 4,封亚东一 5),投
票人 20 人(按职业分类:学生一 1,教师一 2),在候选人中选三人(不得重复)。统计结果如 下表所示: 要求 ⑴利用 SPSS 软件,计算各人的得票数,谁会当选? ⑵作出不同职业与各人得票交叉列联表。 (分析-多重响应, 类别 1-5, 再频数, 交叉表分析)
17 为了解笔记本电脑的市场情况,针对笔记本电脑的 6 种品牌,进行了满意度调查,随机 访问了 35 位消费者,让他们选出自己满意的品牌,调查结果见下表,其中变量“职业”的 取值中,1 表示文秘人员,2 表示管理人员,3 表示工程师,4 表示其他人;6 个品牌变量的 取值中,1 表示选择,0 表示未选,试利用多选项分析,研究各品牌的消费者满意度。 (分析 -多重响应,二分法-1,再频数,交叉表分析)
18 为评价家电行业售后服务的质量,随机抽取了由 100 个家庭构成的一个样本。服务质量 的等级分别表示:A. 好;B. 较好;C. 一般;D. 差;E. 较差。 (1)指出数据集中的数据属于什么类型。(数值,字符) (2)用 SPSS 制作一张频数分布表。 (分析-描述统计-频率) (3)绘制一张条形图,反映评价等级的分布。 (分析-描述统计-频率-条形图)
19 某行业管理局所属 40 个企业 2002 年的产品销售收入(单位:万元) 。
进行适当的分组(转换-重新编码为不同变量) 编制频数分布表,并计算出累计频率。 (分析-描述统计-频率)
20 某百货公司连续 40 天的商品销售额见。 进行适当的分组(转换-重新编码为不同变量) 编制频数分布表,并绘制直方图。 (分析-描述统计-频率,直方图)
21 为了确定灯泡的使用寿命(单位:小时) ,在一批灯泡中随机抽取 100 只进行测试。 (1)用 SPSS 对数据进行排序。(数据-排序个案) (2)以组距为 10 进行等距分组,整理成频数分布表,并绘制直方图。 (转换-重新编码为不 同变量) (3)制作茎叶图(分析-描述统计-探索-茎叶图) ,并与直方图作比较。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14