
SPSS機(jī)試考題及答案_SPSS考題答案_SPSS機(jī)試考題(1)_數(shù)據(jù)分析師
第一部分 數(shù)據(jù)整理考試題 1 建立以下數(shù)據(jù)的數(shù)據(jù)文件:
對所建立的數(shù)據(jù)文件進(jìn)行以下處理: ⑴計(jì)算每個(gè)學(xué)生的總成績、平均成績,并按照總成績的大小進(jìn)行排序(轉(zhuǎn)換 -計(jì)算變量,數(shù)據(jù)-排序個(gè)案) ⑵設(shè) X、Y、Z 分別表示語文、數(shù)學(xué)、化學(xué),對稱其進(jìn)行以下處理: ①X′ =
X
②Y ′ =
Y + 5 (x1=sqrt(x)) Z + 5 (轉(zhuǎn)換-計(jì)算變量) Z + 10
③對化學(xué)成績,若是男生, Z ′ = 若是女生: Z ′ =
④把數(shù)學(xué)成績分成優(yōu)、良、中三個(gè)等級,規(guī)則為優(yōu)( X ≥85),良(75≤ X ≤ 84),中( X ≤74),并進(jìn)行匯總統(tǒng)計(jì)。 (轉(zhuǎn)換-重新編碼為不同變量,頻數(shù)分析)
2 在一次智力測驗(yàn)中,共有 10 個(gè)選擇題,每題有 A,B,C,D 四個(gè)答案,8 個(gè)被測 對象的答卷如下表。已知第 1、6、10 題的正確答案為 A,第 4、5、7、8 題的正 確答案為 B, 第 2、 題的正確答案為 C, 第 3 題的正確答案為 D,請建立合適的數(shù) 9 據(jù)文件,統(tǒng)計(jì)每個(gè)被測對象的總成績(滿分 100)。 (轉(zhuǎn)換-對個(gè)案內(nèi)的值計(jì)數(shù),選 擇題號(hào),再定義值 A or B C D 然后添加,轉(zhuǎn)換-計(jì)算變量,Q+W+E+R 再乘以 10 就是總成績)
3 某個(gè)汽車收費(fèi)站在每 10 分鐘內(nèi)統(tǒng)計(jì)到達(dá)車輛的數(shù)量,共取得 20 次觀察數(shù)據(jù), 分別是:27、30、3l、33、16、20、34、24、19、27、21、28、32、22、15、33、 26、26、38、24,現(xiàn)要求以 5 為組距,對上述資料進(jìn)行分組整理。 (再重新轉(zhuǎn)換重新編碼為不同變量)
4 練習(xí)加權(quán)處理功能: ⑴練習(xí)課本案例 3-8(p84).(加權(quán)銷售量,再分析-描述統(tǒng)計(jì)-描述,只添 加單價(jià),均值即是當(dāng)天平均價(jià)格)
⑵下表是某大學(xué)一個(gè)系的學(xué)生按照年級、 性別和年齡復(fù)合分組的人數(shù)的資料。 要求:首先建立合適的數(shù)據(jù)文件,其次計(jì)算全校學(xué)生的平均年齡以及每個(gè)年 級的平均年齡。 (加權(quán)人數(shù),分析-比較均值-均值,因變量是年齡,自變量是年 級)
5 練習(xí) spss 隨機(jī)數(shù)的產(chǎn)生方法。 ⑴利用 Spss 的變量計(jì)算功能, 隨機(jī)生成服從標(biāo)準(zhǔn)正態(tài)分布的 10 個(gè)樣本數(shù)據(jù)。 (轉(zhuǎn)換-計(jì)算變量-函數(shù)全部 找 RV.normal(0,1)) ⑴利用 Spss 的變量計(jì)算功能,隨機(jī)生成服從參數(shù)為 2 的指數(shù)分布的 15 個(gè)樣 本數(shù)據(jù)。 (轉(zhuǎn)換-計(jì)算變量-函數(shù)全部 找 RV.EXP(2))
第二部分 描述性統(tǒng)計(jì)分析考試題
6 下表為 10 個(gè)人對兩個(gè)不同的問題作出的回答(回答為“Yes”或“No”)后得到的數(shù)據(jù), 要求,建立數(shù)據(jù)文件,利用 SPSS 為該數(shù)據(jù)創(chuàng)建頻數(shù)分布表。(分析-描述統(tǒng)計(jì)-頻率--全 部變量加進(jìn)去)
7
調(diào)查 100 名健康女大學(xué)生的血清總蛋白含量(g%)如下表,試作頻數(shù)表分析。 (1)、建立數(shù)據(jù)文件并輸入數(shù)據(jù),并保存數(shù)據(jù)。 (2)、對女大學(xué)生的血清總蛋白含量進(jìn)行頻數(shù)分析(Frequencies) ,做出頻數(shù)表,并做出直方圖,計(jì)算四分位數(shù)(Quartiles)、均數(shù)(Mean)、中位數(shù)(Median)、眾數(shù)(Mode)、總和 (Sum)、標(biāo)準(zhǔn)差(Std.deviation)、方差(Variance)、全距 (Range)、最小值(Minimum)、最 大值(Maximum)、標(biāo)準(zhǔn)誤(S.E.mean)、偏度系數(shù)(Skewness)和峰度系數(shù)(Kurtosis)。(分析 -描述統(tǒng)計(jì)-頻率) (3)、并對此數(shù)據(jù)進(jìn)行整理,進(jìn)行統(tǒng)計(jì)分組,已知最小值為 6.430,最大值為 8.430,全 距 為 2.000 , 故 可 分 成 10 組 , 起 點(diǎn) 為 6.4 , 組 距 為 0.2, 對 新 變 量 進(jìn) 行 頻 數(shù) 分 析 (Frequencies) 。要求作出頻數(shù)表和條形圖。 (轉(zhuǎn)換-重新編碼為不同變量,分析-描述統(tǒng) 計(jì)-頻率)
8 調(diào)查 20 名男嬰的出生體重(克)資料如下,試作描述性統(tǒng)計(jì)。
利用描述性統(tǒng)計(jì)(Descriptives)可對變量進(jìn)行描述性統(tǒng)計(jì)分析,計(jì)算并列出一系列相 應(yīng)的統(tǒng)計(jì)指標(biāo)(集中趨勢指標(biāo)、離中趨勢指標(biāo)、分布指標(biāo)) ,且可將原始數(shù)據(jù)轉(zhuǎn)換成標(biāo)準(zhǔn) Z 分值并存入數(shù)據(jù)庫(分析-描述統(tǒng)計(jì)-描述-將標(biāo)準(zhǔn)化得分另存為變量) 。 (1)、建立數(shù)據(jù)文件并輸入數(shù)據(jù),并保存數(shù)據(jù)。 (2)、描述性統(tǒng)計(jì)分析,計(jì)算四分位數(shù)(Quartiles)、均數(shù)(Mean)、中位數(shù)(Median)、眾 數(shù)(Mode)、總和(Sum)、標(biāo)準(zhǔn)差(Std.deviation)、方差(Variance)、全距 (Range)、最小值 (Minimum)、最大值(Maximum)、標(biāo)準(zhǔn)誤(S.E.mean)、偏度系數(shù)(Skewness)和峰度系數(shù) (Kurtosis)。(分析-描述統(tǒng)計(jì)-頻率)
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10