
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)。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15