
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
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01