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(3)_数据分析师
22 给出 A,B 两个班学生的数学考试成绩(单位:分) 。 (1)用 SPSS 制作变量“数学成绩”的,包含所有观测值的盒形图。 (分析-描述统计-探索) (2)用 SPSS 制作变量“数学成绩”的,以班级分组的盒形图。 (因子列表是班级) (3)分别就 A 班和 B 班制作变量“数学成绩”的直方图。 (分析-描述统计-探索-直方图) (4)简要叙述两个班组数学成绩分布的异同之处。
23 北方某个城市 1 月份——2 月份各天气温的记录数据。 (1)指出数据集中的数据属于什么类型; (数值) (2)对数据进行适当的分组; (转换-重新编码为不同变量) (3)绘制直方图,说明该城市气温分布的特点。 (分析-描述统计-频率)
24 对 10 名成年人和 10 名幼儿的身高(单位:厘米)进行抽样调查。 (1)要比较成年组和幼儿组的身高差异,你会采用什么样的统计量?为什么?(标准差说 明波动情况,均值说明身高水平) (2)比较分析哪一组的身高差异大。 (分析-描述统计-描述)
第三部 参数估计
25 某大学为了了解学生每天上网的时间, 在全校 7500 名学生中采取不重复抽样方法随机抽 取 37 人, 调查他们每周上网的时间 (单位: 小时) 求该校大学生平均上网时间的置信区间, , 置信水平分别为 90%,95%和 99%。 (分析-比较均值-单样本 T 检验-在选项里修改置信区间)
26.1 某居民小区为研究职工上班从家里到单位的距离,抽取了由 16 个人组成的一个随机 样本,他们到单位的距离(单位:千米) ,求职工上班从家里到单位平均距离 95%的置信区 间。 (分析-比较均值-单样本 T 检验)
26.2 从一个正态总体中随机抽取容量为 8 的样本。求总体均值 95%的置信区间。 (分析-比 较均值-单样本 T 检验)
第四部分 假设检验
27 某轮胎厂的质量分析报告中说明,该厂某轮胎的平均寿命在一定的载重负荷与正常行驶 条件下会大于 25000 公里。 平均轮胎寿命的公里数近似服从正态分布。 现对该厂该种轮胎抽 取一容量为 15 个的样本,试验结果得样本均值为 27000 公里。要求写出原假设(与 25000 没有差异)和备择假设(与 25000 有差异) ,根据 T 检验表,能否做出结论:该厂产品与申 报的质量标准相符?(分析-比较均值-单样本 T 检验与 25000 比较)结果: 接受原假设, 合格
29 为了评价两个学校的教学质量,分别在两个学校抽取样本 。在 A 学校抽取 30 名学生,在 B 学校抽取 40 名学生,对两个学校的学生同时进行一次英语标准化考试。假设学校 A 考试成 绩的方差为 64,学校 B 考试成绩的方差为 100。 检验两个学校的教学质量是否有显著差异。 (α =0.05) (分析-比较均值-独立样本 T 检验,上加成绩,下加学校,定义组 1,2 接受原假设, 认为方差相等,看 0.47) 30 用某种药物治疗 9 例再生障碍性贫血患者, 血红蛋白变化的数据如下表。 问在 0.01 的显 著性水平下(1)治疗是否有作用?(分析-比较均值-配对样本) (2)能否认为这种药物至 少可以使血红蛋白的数量增加 10 个单位?(计算变量 cz=治疗后-治疗前,分析-比较均值单样本 T 检验-与 10 比较) 31 9 名运动员在初进运动队时和接受一周训练后各进行一次体能测试, 假设分数服从正态分布, 试在显著性水平 α = 0.05 下, 判断运动员体能训练效果是否显著?(分析-比较均值配对样本)。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
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