统计学-基于R第3版习题答案(第二章)
- 格式:doc
- 大小:566.00 KB
- 文档页数:19
Hah 和网速是无形的1:各章练习题答案2.1 (1)属于顺序数据。
(2)频数分布表如下:服务质量等级评价的频数分布服务质量等级家庭数(频率)频率%A1414B2121C3232D1818E1515合计100100(3)条形图(略)2.2 (1)频数分布表如下:(2)某管理局下属40个企分组表按销售收入分组(万元)企业数(个)频率(%)先进企业良好企业一般企业落后企业11119927.527.522.522.5合计40 100.02.3 频数分布表如下:某百货公司日商品销售额分组表按销售额分组(万元)频数(天)频率(%)25~30 30~35 35~40 40~45 45~5046159610.015.037.522.515.0合计40 100.0 直方图(略)。
2.4 (1)排序略。
(2)频数分布表如下:100只灯泡使用寿命非频数分布按使用寿命分组(小时)灯泡个数(只)频率(%)650~660 2 2660~670 5 5670~680 6 6680~690 14 14690~700 26 26700~710 18 18710~720 13 13720~730 10 10730~740 3 3740~750 3 3合计100 100 直方图(略)。
2.5 (1)属于数值型数据。
(2)分组结果如下:分组 天数(天)-25~-20 6 -20~-15 8 -15~-10 10 -10~-5 13 -5~0 12 0~5 4 5~10 7 合计60(3)直方图(略)。
2.6 (1)直方图(略)。
(2)自学考试人员年龄的分布为右偏。
(2)A 班考试成绩的分布比较集中,且平均分数较高;B 班考试成绩的分布比A 班分散,且平均成绩较A 班低。
2.82.9 L U 。
(2)17.21 s (万元)。
2.10 (1)甲企业平均成本=19.41(元),乙企业平均成本=18.29(元);原因:尽管两个企业的单位成本相同,但单位成本较低的产品在乙企业的产量中所占比重较大,因此拉低了总平均成本。
习题2、1(1)简单频数分布表:> load("D:\\工作总结\\人大\\R语言\\《统计学—基于R》(第3版)—例题与习题数据(公开资源)\\exercise\\ ch2\\exercise2_1、RData")> summary(exercise2_1)行业性别满意度电信业:38 男:58 不满意:75航空业:19 女:62 满意 :45金融业:26旅游业:37二维列联表:> mytable1<-table(exercise2_1$行业,exercise2_1$满意度)> addmargins(mytable1) # 增加边界与不满意满意 Sum电信业 25 13 38航空业 12 7 19金融业 11 15 26旅游业 27 10 37Sum 75 45 120三维列联表:> mytable1<-ftable(exercise2_1, row、vars = c("性别","满意度"), col、var="行业");mytable1 行业电信业航空业金融业旅游业性别满意度男不满意 11 7 7 11满意 6 3 7 6女不满意 14 5 4 16满意 7 4 8 4(2)条形图:> count1<-table(exercise2_1$行业)> count2<-table(exercise2_1$性别)> count3<-table(exercise2_1$满意度)> par(mfrow=c(1,3),mai=c(0、7,0、7,0、6,0、1),cex=0、7,cex、main=0、8)> barplot(count1,xlab="行业",ylab="频数")> barplot(count2,xlab="性别",ylab="频数")> barplot(count3,xlab="满意度",ylab="频数")帕累托图:> count1<-table(exercise2_1$行业)> par(mai=c(0、7,0、7,0、1,0、8),cex=0、8)> x<-sort(count1,decreasing = T)> bar<-barplot(x,xlab="行业",ylab="频数",ylim=c(0,1、2*max(count1)),col=2:5) > text(bar,x,labels = x,pos=3) # 条形图增加数值> y<-cumsum(x)/sum(x) # cumsum累计求与> par(new=T)> plot(y,type="b",lwd=1、5,pch=15,axes=F)> axis(4) # 右Y轴> mtext("累积频率",side=4,line=3)> mtext("累积分布曲线",line=-2、5,cex=0、8,adj=0、75)复式条形图:> mytable1<-table(exercise2_1$满意度,exercise2_1$行业)> barplot(mytable1,xlab="行业",ylab="频数",legend=rownames(mytable1),args、legend=list(x= 13), beside = T)脊形图:> library(vcd)马赛克图:> mosaicplot(~性别+行业+满意度,data=exercise2_1,col=2:3)(3)饼图:> count1<-table(exercise2_1$行业)> name<-names(count1)> label1<-paste(name," ",percent,"%",sep="")> par(pin=c(3,3),mai=c(0、1,0、4,0、1,0、4),cex=0、8) # 圆得大小> pie(count1,labels=label1,init、angle = 90)扇形图:> count1<-table(exercise2_1$行业)> name<-names(count1)> percent<-count1/sum(count1)*100> labs<-paste(name," ",percent,"%",sep="")> library(plotrix)> fan、plot(count1,labels=labs,ticks=200)2、2(1)分10组,绘制频数分布表> load("D:\\工作总结\\人大\\R语言\\《统计学—基于R》(第3版)—例题与习题数据(公开资源)\\exercise\\ ch2\\exercise2_2、RData")> library(actuar)> v<-as、vector(exercise2_2$灯泡寿命)> gd1<-grouped、data(v, breaks = 10, right = FALSE)> table1<-data、frame(gd1);table1Var、1 v1 [2600, 2800) 12 [2800, 3000) 43 [3000, 3200) 124 [3200, 3400) 135 [3400, 3600) 276 [3600, 3800) 207 [3800, 4000) 198 [4000, 4200) 4(2)直方图> d<-exercise2_2$灯泡寿命> hist(d,breaks=10,xlab="寿命",ylab="频数")茎叶图:> stem(exercise2_2$灯泡寿命)The decimal point is 2 digit(s) to the right of the |26 | 028 | 96830 | 9932 | 788899013456934 | 11222334445555936 | 444556778838 | 2245556667005566940 | 0010172、3(1)箱线图:> load("D:\\工作总结\\人大\\R语言\\《统计学—基于R》(第3版)—例题与习题数据(公开资源)\\exercise\\ ch2\\exercise2_3、RData")> boxplot(exercise2_3[,-1],xlab="城市",ylab="气温",cex、lab=0、8,cex、axis=0、6) # 从第二列开始,到最后小提琴图:> library(vioplot)> x1<-exercise2_3$北京> x2<-exercise2_3$沈阳> x3<-exercise2_3$上海> x4<-exercise2_3$南昌> vioplot(x1,x2,x3,x4,names=c("北京","沈阳","上海","南昌"))> table1_1<-melt(exercise2_3,id、vars=c("月份"),variable_name="城市") > table1_1<-rename(table1_1,c(value="温度"))> dotchart(table1_1$温度,groups=table1_1$城市,xlab="温度",pch=20)> library(lattice)> dotplot(温度~城市,data=table1_1,pch=19)> dp1<-densityplot(~温度,group=城市,data=table1_1,auto、key=list(columns=1,x=0、01,y=0、9 5,cex=0、6),cex=0、5)> plot(dp1)> library(sm)> sm、density、pare(table1_1$温度,table1_1$城市,lty=1:6,col=1:6)> legend("topleft",legend = levels(table1_1$城市),lty=1:6,col=1:6)(3)轮廓图> matplot(t(exercise2_3[,-1]),type="b",xlab="城市",ylab="温度",pch=1,xaxt="n")> axis(side=1,at=1:10,labels = c("北京","沈阳","上海","南昌","郑州","武汉","广州","海口","重庆","昆明"))> legend("bottomright",legend=names(exercise2_3[,-1])) # 取列名雷达图:> table1<-data、frame(t(exercise2_3[,2:11])) #行列进行转换,并数据框> radarchart(table1,axistype=0,seg=4,maxmin=F,vlabels=exercise2_3[,1])> legend(x="topleft",legend=names(exercise2_3[,2:11]), col=1:10, lty=1:10) #lty图例(4)星图:> matrix1<-as、matrix(exercise2_3[,2:11])> rownames(matrix1)<-exercise2_3[,1]> stars(matrix1,key、loc=c(7,2,5),cex=0、8)脸谱图:> library(aplpack)> faces(t(matrix1),nrow、plot = 5,ncol、plot = 2,face、type = 0) effect of variables:modified item Var"height of face " "1月""width of face " "2月""structure of face" "3月""height of mouth " "4月""width of mouth " "5月""smiling " "6月""height of eyes " "7月""width of eyes " "8月""height of hair " "9月""width of hair " "10月""style of hair " "11月""height of nose " "12月""width of nose " "1月""width of ear " "2月""height of ear " "3月"2、4(1)散点图:> plot(地区生产总值,最终消费支出,xlab="",ylab='最终消费支出')> abline(lm(最终消费支出~地区生产总值,data=exercise2_4))> abline(lm(最终消费支出~固定资产投资,data=exercise2_4),col="blue")气泡图:> r<-sqrt(最终消费支出/pi)> symbols(最终消费支出,地区生产总值,circles=r, inches=0、3, fg="white",bg="lightblue",ylab="最终消费支出",xlab="地区生产总值")> text(最终消费支出,地区生产总值,rownames(exercise2_4))> mtext("气泡大小=最终消费支出",line=-2、5,adj=0、1)(2)星图:> matrix1<-as、matrix(exercise2_4[,2:4])> rownames(matrix1)<-exercise2_4[,1]> stars(matrix1,key、loc=c(7,2,5),cex=0、8)脸谱图:> library(aplpack)> faces(matrix1,nrow、plot = 6,ncol、plot = 6,face、type = 0)2、5时序图:> load("D:\\工作总结\\人大\\R语言\\《统计学—基于R》(第3版)—例题与习题数据(公开资源)\\exercise\\ ch2\\exercise2_5、RData")> table1<-ts(exercise2_5,start=2004)> plot(table1[,2],xlab="年份",ylab="价格指数",type="n")> points(table1[,2],type="o",xlab="年份",ylab="城镇价格指数")> lines(table1[,3],type="b")2、6洛伦茨曲线:> load("D:\\工作总结\\人大\\R语言\\《统计学—基于R》(第3版)—例题与习题数据(公开资源)\\exercise\\ ch2\\exercise2_6、RData")> library(DescTools)> Lc(exercise2_6$不同阶层人口数得收入额*10000/exercise2_6$不同收入阶层得人口数,exercise2_6$不同收入阶层得人口数) # 标红为组中值,收入/人数$p[1] 0、0000000 0、3478261 0、6086957 0、8260870 0、9565217 1、0000000$L[1] 0、00000000 0、06060606 0、15151515 0、33333333 0、63636364 1、00000000$L、general[1] 0 20000 50000 110000 210000 330000$Gini[1] 0、6232632[1] 1250、00 2500、00 6000、00 16666、67 60000、00$n[1] 80 60 50 30 10attr(,"class")[1] "Lc"> plot(Lc(exercise2_6$不同阶层人口数得收入额*10000/exercise2_6$不同收入阶层得人口数,exercise2_ 6$不同收入阶层得人口数),xlab="人数比例",ylab="收入比例",col=4,panel、first=grid(10,10,col="gr ay70"))结论:>0、4, 收入差距巨大。
李⾦昌《统计学》(第3版)练习与思考答案练习与思考答案第⼀章⼀、判断题1.√2.×3.×4.×5.√6.√7.√8.×9.√10.×⼆、单项选择题1.B2.C3.B4.D5.D6.C三、简答题(略)第⼆章⼀、判断题1.×2.×3.×4.√5.×6.×7.×8.×⼆、单项选择题1.C2.A3.B4.A5.C三、简答题(略)四、计算题(4)钟型分布。
五、实践题(略)第三章⼀、判断题1.×2.√3.×4.×5.×6.×7.×8.×9.×10.√⼆、单项选择题1.B2.C3.C4.B5.C6.D7.A8.C9.C 10.C 11. D 12.D三、简答题(略)四、计算题1、平均时速=109.09(公⾥/时)2、顾客占了便宜,因为如果两条鲫鱼分开买,则平均价格为16.92元/公⽄。
在这次买卖中,顾客所占的便宜是11元-10.4元=0.6元。
原因是鲫鱼重量有权数作⽤。
3、(1)平均每个企业利润额=203.70(万元);(2)全公司平均资⾦利润率=13.08%。
4、(1)全⼚总合格率、平均合格率和平均废品率分别是92.17%、97.32%和2.68%;(采⽤⼏何平均法)(2)全⼚总合格率、平均合格率和平均废品率分别是97.31%、97.31%和2.69%;(采⽤调和平均法)(3)全⼚总合格率、平均合格率和平均废品率分别是97.38%、97.38%和2.62%。
(采⽤算术平均法)5、(1)算术平均数x =76.3043;四分位数L Q =70.6818,M Q =75.9091和U Q =82.5;众数o m =75.38;(2)全距R=50;平均差 A.D.=7.03;四分位差d Q =11.82,异众⽐率r V =51.11%;⽅差2s =89.60;标准差s =9.4659;(3)偏度系数(1)k S =0.0977,(2)k S =0.1154,(3)k S =0.0454;(4)峰度系数β=2.95;(5)12.41%12.5%s s V V ==⼄甲;。
第1章绪论1.什么是统计学?怎样理解统计学与统计数据的关系?2.试举出日常生活或工作中统计数据及其规律性的例子。
3..一家大型油漆零售商收到了客户关于油漆罐分量不足的许多抱怨。
因此,他们开始检查供货商的集装箱,有问题的将其退回。
最近的一个集装箱装的是2 440加仑的油漆罐。
这家零售商抽查了50罐油漆,每一罐的质量精确到4位小数。
装满的油漆罐应为4.536 kg。
要求:(1)描述总体;(2)描述研究变量;(3)描述样本;(4)描述推断。
答:(1)总体:最近的一个集装箱内的全部油漆;(2)研究变量:装满的油漆罐的质量;(3)样本:最近的一个集装箱内的50罐油漆;(4)推断:50罐油漆的质量应为4.536×50=226.8 kg。
4.“可乐战”是描述市场上“可口可乐”与“百事可乐”激烈竞争的一个流行术语。
这场战役因影视明星、运动员的参与以及消费者对品尝试验优先权的抱怨而颇具特色。
假定作为百事可乐营销战役的一部分,选择了1000名消费者进行匿名性质的品尝试验(即在品尝试验中,两个品牌不做外观标记),请每一名被测试者说出A品牌或B品牌中哪个口味更好。
要求:(1)描述总体;(2)描述研究变量;(3)描述样本;(4)一描述推断。
答:(1)总体:市场上的“可口可乐”与“百事可乐”(2)研究变量:更好口味的品牌名称;(3)样本:1000名消费者品尝的两个品牌(4)推断:两个品牌中哪个口味更好。
第2章统计数据的描述——练习题●1.为评价家电行业售后服务的质量,随机抽取了由100家庭构成的一个样本。
服务质量的等级分别表示为:A.好;B.较好;C.一般;D.差;E.较差。
调查结果如下:B EC C AD C B A ED A C B C DE C E EA DBC C A ED C BB ACDE A B D D CC B C ED B C C B CD A C B C DE C E BB EC C AD C B A EB ACDE A B D D CA DBC C A ED C BC B C ED B C C B C(1) 指出上面的数据属于什么类型;(2)用Excel制作一张频数分布表;(3) 绘制一张条形图,反映评价等级的分布。
《基础统计(第三版)习题集》答案第一章概论一、解释概念1. 总体和总体单位——凡是客观存在的并至少具有某一相同性质而结合起来的许多个别事物构成的整体,当它作为统计的研究对象时,就称为统计总体,简称总体。
构成总体的每一个事物,就称为总体单位。
2. 标志和标志表现——标志是说明总体单位特征的名称。
标志表现是标志的属性或数量在总体各单位的具体体现。
3. 品质标志和数量标志——品质标志是表明总体单位的质的特征的名称。
数量标志是表明总体单位的量的特征的名称。
4. 不变标志和可变标志——同一总体中各个总体单位上的表现都一样的标志就称为不变标志。
同一总体中各个总体单位上的表现不完全相同的标志就称为可变标志。
5. 指标和指标体系——指标是说明总体数量特征的概念及其综合数值,故又称为综合指标。
指标体系就是若干个反映社会经济现象数量特征的相对独立又相互联系的统计指标所组成的整体。
二、填充内容1. 统计资料、统计学、统计学2. 总体性、社会性、数量关系、数量界限3. 数字、概率论、大量观察法4. 总体、方法论5. 信息、监督、信息6. 统计数学模型、统计逻辑模型7. 静态统计推断、动态统计推断8. 同质、相对9. 离散变量、连续变量10. 定性规范、指标数值三、选择答案1. (b)2. (b)3. (c)4. (c)5. (a)6. (c)7. (a b)8. (b d)9. (b)10.(a)11. (a)12. (a)13. (b)14. (a)15. (c)16. (c)17. (d)18. (c)19. (a b c d)20. (c)四、判断改错1.(√)2.(×)但需要对个别事物进行调查研究。
3.(√)4.(×)这部分家庭的生活状况对全国的城市居民家庭总体具有代表性。
5.(×)统计分组法是统计工作的基本方法。
6.(×)我国所有的企业能够构成总体。
7.(√)8.(√)9.(√)10.(×)定比尺度中的“0”,表示“没有”或该事物不存在、未发生;定距尺度中的“0”,表示一个有特定内涵的数值,不表示“没有”。
附录1:各章练习题答案第1章绪论(略)第2章统计数据的描述2.1 (1)属于顺序数据。
(2)频数分布表如下:服务质量等级评价的频数分布服务质量等级家庭数(频率)频率%A 14 14B 21 21C 32 32D 18 18E 15 15合计100 100(3)条形图(略)2.2 (1)频数分布表如下:按销售收入分组(万元)企业数(个)频率(%)先进企业良好企业一般企业落后企业11119927.527.522.522.5合计40 100.0 2.3 频数分布表如下:某百货公司日商品销售额分组表按销售额分组(万元)频数(天)频率(%)25~30 30~35 35~40 40~45 45~5046159610.015.037.522.515.0合计40 100.0 直方图(略)。
2.4 (1)排序略。
(2)频数分布表如下:100只灯泡使用寿命非频数分布按使用寿命分组(小时)灯泡个数(只)频率(%)650~660 2 2660~670 5 5670~680 6 6680~690 14 14690~700 26 26700~710 18 18710~720 13 13720~730 10 10730~740 3 3740~750 3 3合计100 100 直方图(略)。
(2)分组结果如下:分组天数(天)-25~-20 6-20~-15 8-15~-10 10-10~-5 13-5~0 120~5 45~10 7合计60(3)直方图(略)。
2.6 (1)直方图(略)。
(2)自学考试人员年龄的分布为右偏。
2.7 (A班分散,且平均成绩较A班低。
2.82.9 (1)x =274.1(万元);Me=272.5 ;Q L =260.25;Q U =291.25。
(2)17.21=s (万元)。
2.10 (1)甲企业平均成本=19.41(元),乙企业平均成本=18.29(元);原因:尽管两个企业的单位成本相同,但单位成本较低的产品在乙企业的产量中所占比重较大,因此拉低了总平均成本。
第2章统计数据的描述●9.某百货公司6月份各天的销售额数据如下(单位:万元):257 276 297 252 238 310 240 236 265 278271 292 261 281 301 274 267 280 291 258272 284 268 303 273 263 322 249 269 295(1)计算该百货公司日销售额的均值、中位数和四分位数;(2)计算日销售额的标准差。
解:(1)将全部30个数据输入Excel表中同列,点击列标,得到30个数据的总和为8223,于是得该百货公司日销售额的均值:(见Excel练习题2.9)x=xn∑=822330=274.1(万元)或点选单元格后,点击“自动求和”→“平均值”,在函数EVERAGE()的空格中输入“A1:A30”,回车,得到均值也为274.1。
在Excel表中将30个数据重新排序,则中位数位于30个数据的中间位置,即靠中的第15、第16两个数272和273的平均数:M e=2722732+=272.5(万元)由于中位数位于第15个数靠上半位的位置上,所以前四分位数位于第1~第15个数据的中间位置(第8位)靠上四分之一的位置上,由重新排序后的Excel表中第8位是261,第15位是272,从而:Q L=261+2732724-=261.25(万元)同理,后四分位数位于第16~第30个数据的中间位置(第23位)靠下四分之一的位置上,由重新排序后的Excel表中第23位是291,第16位是273,从而:Q U=291-2732724-=290.75(万元)。
(2)未分组数据的标准差计算公式为:s =302 1()1iix xn=--∑利用上公式代入数据计算是个较为复杂的工作。
手工计算时,须计算30个数据的离差平方,并将其求和,()再代入公式计算其结果:得s=21.1742。
(见Excel练习题2.9)我们可以利用Excel表直接计算标准差:点选数据列(A列)的最末空格,再点击菜单栏中“∑”符号右边的小三角“▼”,选择“其它函数”→选择函数“STDEV”→“确定”,在出现的函数参数窗口中的Number1右边的空栏中输入:A1:A30,→“确定”,即在A列最末空格中出现数值:21.17412,即为这30个数据的标准差。
stata统计分析与应用第三版第二章课后答案1、统计分析里面共有4个板块,请问分别是什么板块?() * [单选题] *A.房客分析、运营分析、业绩分析、推广分析(正确答案)B.房客统计、运营统计、业绩统计、推广统计C.工作量分析、业绩分析、小程序统计分析、房客带分析D.房客分析、运营分析、财务分析、推广分析2、如果需要了解员工今天登记了多少求购客源,应该在哪里查看?() * [单选题] *A.电脑端-工作台-任务目标-客源新增B.手机端-任务目标-客增(有效工作量)C.电脑端-统计分析-运营分析-工作量统计-选择求购登记(正确答案)D.电脑端-客源管理-选择今日登记-数登记量3、店长想要统计门店员工今天的各类工作量(带看量、房勘量、跟进量等),应该在哪里查看?() * [单选题] *A.统计分析-运营分析-工作量统计(正确答案)B.统计分析-推广分析-站点发布统计C.统计分析-房客分析-精耕楼盘分析D.统计分析-业绩分析-业绩来源分析4、员工今天带一个客户一共看了三套房源,在工作量统计中“带盘量”应该怎么统计呢?() * [单选题] *A.统计1个带盘工作量B.统计3个带盘工作量(正确答案)C.统计4个带盘工作量D.以上都不对5、A店员工今天拿到了一套房源钥匙,但是把钥匙放在了B店,在系统提交钥匙之后,该员工提交钥匙的工作量是统计在A店还是B店呢?() * [单选题] *A.A店(正确答案)B.B店C.AB店都会统计一次D.以上都不对6、门店内有多个分组,店长想要按照分组统计工作量详情应该怎么操作?() * [单选题] *A.统计分析-运营分析-去电跟进分析-维度选择分组统计B.统计分析-运营分析-审核统计表-维度选择分组统计C.统计分析-运营分析-转化率排行-维度选择分组统计D.统计分析-运营分析-工作量统计-维度选择分组统计工作量(正确答案)7、管理员想要了解公司每个楼盘的精耕详情,比如每个楼盘房源量有多少,渗透率详情,应该在哪里查看呢?() * [单选题] *A.统计分析-房客分析-房源库存时长-报表查看B.统计分析-房客分析-供需分析-报表查看C.统计分析-房客分析-精耕楼盘分析-分析报表查看(正确答案)D.统计分析-房客分析-房源标签统计-报表查看8、公司想知道每个员工的业绩排名以及业绩占比应该在哪里统计查看呢?() * [单选题] *A.统计分析-业绩分析-业绩排行-查看业绩排行榜(正确答案)B..统计分析-业绩分析-业绩达标情况C..统计分析-业绩分析-人均业绩对比分析D.统计分析-业绩分析-业绩来源分析9、在工作量统计中,工作量类型中“有效出售登记量”的统计方式是怎么统计呢?() * [单选题] *A.房源登记后被带看作为一个有效量B.房源登记后有房勘作为一个有效量C.房源登记后有委托作为一个有效量D.房源登记后有房勘或带看(被带看)或委托作为一个有效量(正确答案)10、管理员想要把员工的工作量以表格的形式导出怎么操作?() * [单选题] *A.统计分析-运营分析-工作量统计-右上角导出按钮导出报表(正确答案)B.统计分析-业绩分析-业绩来源分析-右上角导出按钮导出报表C.统计分析-运营分析-房源维护情况-右上角导出按钮导出报表D.工作量不支持导出操作11、负责人需要了解本月每个门店的总业绩,请问该从哪里导出数据?() * [单选题] *A.统计分析-运营分析-转化率排行-维度选择门店-右上角导出B.统计分析-业绩分析-业绩排行-维度选择门店-右上角导出(正确答案)C.管理中心-财务管理-应收实收-维度选择门店-右上角导出D.管理中心-业绩提成-公司业绩-维度选择门店-右上角导出12、月初给每个经纪人设置了业绩目标,月底怎么查询每个人的业绩目标和当前完成情况?() * [单选题] *A.统计分析-业绩分析-业绩排行-维度选择员工-右上角导出B.统计分析-业绩分析-业绩情况-维度选择员工-右上角导出C.统计分析-业绩分析-业绩达标情况-维度选择员工-右上角导出(正确答案)D.统计分析-业绩分析-业绩目标完成率走势-维度选择员工-右上角导出13、店长想要查看门店小黎的所有合同的详细业绩明细,应该去哪里查看并导出?() * [单选题] *A.交易管理-合同列表-找到小黎相关的合同-查看并导出B.财务管理-成交信息-筛选小黎的名字-查看并导出(正确答案)C.财务管理-业绩报表-筛选小黎的名字-查看并导出D.交易管理-成交记录-筛选小黎的名字-查看并导出14、参数设置了二手房需要收10%平台费,公司现在需要统计公司当月预收平台费,该怎么统计?() * [单选题] *A.交易管理-合同列表-选择二手房合同-直接统计总应收*10%即可计算出来B.成本核算-利润表-维度选择公司-查看并导出统计C.业绩提成-公司业绩-维度选择公司-查看并导出统计D.交易管理-合同列表-平台费-查看并导出统计(正确答案)15、员工写了房勘的跟进,如果在工作量统计里面怎么筛选?() * [单选题] *A.运营分析-工作量统计-筛选房勘的工作量(正确答案)B.运营分析-工作量统计-筛选空看的工作量C.运营分析-工作量统计-筛选带看的工作量D.运营分析-工作量统计-筛选图片的工作量16、负责人想要了解获得客户的数量,请问系统里面怎么统计() * [单选题] *A.推广分析-分享趋势/获客来源分析B.推广分析-分享排行C.推广分析-微信营销点击量D.推广分析-分享获客统计(正确答案)17、店长在外面,想要了解员工今日工作量,怎么利用手机端查看量化?() * [单选题] *A.消息-日程管理-筛选员工-查看工作量B.我的-工作台-工作量统计-查看工作量C.我的-任务目标-更多-查看工作量(正确答案)D.手机端无法查看量化统计,需要去电脑统计分析18、怎么设置11月员工、门店、区域的业绩目标?() * [单选题] *A.管理中心-业绩提成-业绩信息-设置目标(正确答案)B.统计分析-业绩达标情况-设置目标C.工作台-11月任务目标-设置目标D.管理中心-薪资配置-设置目标19、公司开启了隐号拨打,如何统计公司全体员工通过系统拨打的数量?() * *A.业务工具-语音日志-查看并导出统计B.运营分析-工作量统计-选择IP拨号-维度选择员工-查看并导出统计(正确答案)C.运营分析-电话统计-维度选择员工-查看并导出统计(正确答案)D.运营分析-语音统计-维度选择员工-查看并导出统计(正确答案)20、统计分析板块可以统计哪些数据?() * *A.员工日常工作量(正确答案)B.员工业绩情况(正确答案)C.精耕楼盘销控数据(正确答案)D.营销数据统计(正确答案)。
略第二章习题答案2.1〔1非平稳〔20.0173 0.700 0.412 0.148 -0.079 -0.258 -0.376〔3典型的具有单调趋势的时间序列样本自相关图2.2〔1非平稳,时序图如下〔2-〔3样本自相关系数及自相关图如下:典型的同时具有周期和趋势序列的样本自相关图2.3〔1自相关系数为:0.2023 0.013 0.042 -0.043 -0.179 -0.251 -0.0940.0248 -0.068 -0.072 0.014 0.109 0.217 0.316 0.0070 -0.025 0.075 -0.141 -0.204 -0.245 0.0660.0062 -0.139 -0.034 0.206 -0.010 0.080 0.118〔2平稳序列〔3白噪声序列2.4,序列不能LB=4.83,LB统计量对应的分位点为0.9634,P值为0.0363。
显著性水平=0.05视为纯随机序列。
2.5〔2 非平稳〔3非纯随机2.6〔1平稳,非纯随机序列〔拟合模型参考:ARMA<1,2>〔2差分序列平稳,非纯随机3.1()0t E x =,21() 1.9610.7t Var x ==-,220.70.49ρ==,220φ= 3.2 1715φ=,2115φ= 3.3 ()0t E x =,10.15() 1.98(10.15)(10.80.15)(10.80.15)t Var x +==--+++ 10.80.7010.15ρ==+,210.80.150.41ρρ=-=,3210.80.150.22ρρρ=-= 1110.70φρ==,2220.15φφ==-,330φ=3.4 10c -<<, 1121,1,2k k k c c k ρρρρ--⎧=⎪-⎨⎪=+≥⎩ 3.5 证明:该序列的特征方程为:32--c 0c λλλ+=,解该特征方程得三个特征根:11λ=,2λ=3λ=无论c 取什么值,该方程都有一个特征根在单位圆上,所以该序列一定是非平稳序列。
习题2.1(1)简单频数分布表:> load("D:\\工作总结\\人大\\R语言\\《统计学—基于R》(第3版)—例题和习题数据(公开资源)\\exercis e\\ch2\\exercise2_1.RData")> summary(exercise2_1)行业性别满意度电信业:38 男:58 不满意:75航空业:19 女:62 满意 :45金融业:26旅游业:37二维列联表:> mytable1<-table(exercise2_1$行业,exercise2_1$满意度)> addmargins(mytable1) # 增加边界和不满意满意 Sum电信业 25 13 38航空业 12 7 19金融业 11 15 26旅游业 27 10 37Sum 75 45 120三维列联表:> mytable1<-ftable(exercise2_1, row.vars = c("性别","满意度"), col.var="行业");mytable1 行业电信业航空业金融业旅游业性别满意度男不满意 11 7 7 11满意 6 3 7 6女不满意 14 5 4 16满意 7 4 8 4(2)条形图:> count1<-table(exercise2_1$行业)> count2<-table(exercise2_1$性别)> count3<-table(exercise2_1$满意度)> par(mfrow=c(1,3),mai=c(0.7,0.7,0.6,0.1),cex=0.7,cex.main=0.8)> barplot(count1,xlab="行业",ylab="频数")> barplot(count2,xlab="性别",ylab="频数")> barplot(count3,xlab="满意度",ylab="频数")帕累托图:> count1<-table(exercise2_1$行业)> par(mai=c(0.7,0.7,0.1,0.8),cex=0.8)> x<-sort(count1,decreasing = T)> bar<-barplot(x,xlab="行业",ylab="频数",ylim=c(0,1.2*max(count1)),col=2:5) > text(bar,x,labels = x,pos=3) # 条形图增加数值> y<-cumsum(x)/sum(x) # cumsum累计求和> par(new=T)> plot(y,type="b",lwd=1.5,pch=15,axes=F)> axis(4) # 右Y轴> mtext("累积频率",side=4,line=3)> mtext("累积分布曲线",line=-2.5,cex=0.8,adj=0.75)复式条形图:> mytable1<-table(exercise2_1$满意度,exercise2_1$行业)> barplot(mytable1,xlab="行业",ylab="频数",legend=rownames(mytable1),args.legend=list(x= 13), beside = T)脊形图:> library(vcd)> spine(行业~满意度,data=exercise2_1,xlab="满意度", ylab="行业",margins=c(4,3.5,1,2.5))马赛克图:> mosaicplot(~性别+行业+满意度,data=exercise2_1,col=2:3)(3)饼图:> count1<-table(exercise2_1$行业)> name<-names(count1)> percent<-prop.table(count1)*100> label1<-paste(name," ",percent,"%",sep="")> par(pin=c(3,3),mai=c(0.1,0.4,0.1,0.4),cex=0.8) # 圆的大小> pie(count1,labels=label1,init.angle = 90)扇形图:> count1<-table(exercise2_1$行业)> name<-names(count1)> percent<-count1/sum(count1)*100> labs<-paste(name," ",percent,"%",sep="")> library(plotrix)> fan.plot(count1,labels=labs,ticks=200)2.2(1)分10组,绘制频数分布表> load("D:\\工作总结\\人大\\R语言\\《统计学—基于R》(第3版)—例题和习题数据(公开资源)\\exercis e\\ch2\\exercise2_2.RData")> library(actuar)> v<-as.vector(exercise2_2$灯泡寿命)> gd1<-grouped.data(v, breaks = 10, right = FALSE)> table1<-data.frame(gd1);table1Var.1 v1 [2600, 2800) 12 [2800, 3000) 43 [3000, 3200) 124 [3200, 3400) 135 [3400, 3600) 276 [3600, 3800) 207 [3800, 4000) 198 [4000, 4200) 4(2)直方图> d<-exercise2_2$灯泡寿命> hist(d,breaks=10,xlab="寿命",ylab="频数")茎叶图:> stem(exercise2_2$灯泡寿命)The decimal point is 2 digit(s) to the right of the |26 | 028 | 96830 | 055788235679932 | 788899013456934 | 1133566779911222334445555936 | 03356660002444556778838 | 2245556667005566940 | 0010172.3(1)箱线图:> load("D:\\工作总结\\人大\\R语言\\《统计学—基于R》(第3版)—例题和习题数据(公开资源)\\exercis e\\ch2\\exercise2_3.RData")> boxplot(exercise2_3[,-1],xlab="城市",ylab="气温",b=0.8,cex.axis=0.6) # 从第二列开始,到最后小提琴图:> library(vioplot)> x1<-exercise2_3$北京> x2<-exercise2_3$沈阳> x3<-exercise2_3$上海> x4<-exercise2_3$南昌> vioplot(x1,x2,x3,x4,names=c("北京","沈阳","上海","南昌"))(2)点图:> library(reshape)> table1_1<-melt(exercise2_3,id.vars=c("月份"),variable_name="城市") > table1_1<-rename(table1_1,c(value="温度"))> dotchart(table1_1$温度,groups=table1_1$城市,xlab="温度",pch=20)> library(lattice)> dotplot(温度~城市,data=table1_1,pch=19)核密度图:> library(lattice)> dp1<-densityplot(~温度,group=城市,data=table1_1,auto.key=list(columns=1,x=0.01,y=0.95, cex=0.6),cex=0.5)> plot(dp1)> library(sm)> pare(table1_1$温度,table1_1$城市,lty=1:6,col=1:6)> legend("topleft",legend = levels(table1_1$城市),lty=1:6,col=1:6)(3)轮廓图> matplot(t(exercise2_3[,-1]),type="b",xlab="城市",ylab="温度",pch=1,xaxt="n")> axis(side=1,at=1:10,labels = c("北京","沈阳","上海","南昌","郑州","武汉","广州","海口","重庆","昆明"))> legend("bottomright",legend=names(exercise2_3[,-1])) # 取列名雷达图:> library(fmsb)> table1<-data.frame(t(exercise2_3[,2:11])) #行列进行转换,并数据框> radarchart(table1,axistype=0,seg=4,maxmin=F,vlabels=exercise2_3[,1])> legend(x="topleft",legend=names(exercise2_3[,2:11]), col=1:10, lty=1:10) #lty图例(4)星图:> matrix1<-as.matrix(exercise2_3[,2:11]) > rownames(matrix1)<-exercise2_3[,1]> stars(matrix1,key.loc=c(7,2,5),cex=0.8)脸谱图:> library(aplpack)> faces(t(matrix1),nrow.plot = 5,ncol.plot = 2,face.type = 0)effect of variables:modified item Var"height of face " "1月""width of face " "2月""structure of face" "3月""height of mouth " "4月""width of mouth " "5月""smiling " "6月""height of eyes " "7月""width of eyes " "8月""height of hair " "9月""width of hair " "10月""style of hair " "11月""height of nose " "12月""width of nose " "1月""width of ear " "2月""height of ear " "3月"2.4(1)散点图:> plot(地区生产总值,最终消费支出,xlab="",ylab='最终消费支出')> abline(lm(最终消费支出~地区生产总值,data=exercise2_4))> points(固定资产投资,最终消费支出,ylab='最终消费支出',pch=2,col="blue")> abline(lm(最终消费支出~固定资产投资,data=exercise2_4),col="blue")气泡图:> r<-sqrt(最终消费支出/pi)> symbols(最终消费支出,地区生产总值,circles=r, inches=0.3, fg="white",bg="lightblue",ylab="最终消费支出",xlab="地区生产总值")> text(最终消费支出,地区生产总值,rownames(exercise2_4))> mtext("气泡大小=最终消费支出",line=-2.5,adj=0.1)(2)星图:> matrix1<-as.matrix(exercise2_4[,2:4]) > rownames(matrix1)<-exercise2_4[,1]> stars(matrix1,key.loc=c(7,2,5),cex=0.8)脸谱图:> library(aplpack)> faces(matrix1,nrow.plot = 6,ncol.plot = 6,face.type = 0)2.5时序图:> load("D:\\工作总结\\人大\\R语言\\《统计学—基于R》(第3版)—例题和习题数据(公开资源)\\exercis e\\ch2\\exercise2_5.RData")> table1<-ts(exercise2_5,start=2004)> plot(table1[,2],xlab="年份",ylab="价格指数",type="n")> points(table1[,2],type="o",xlab="年份",ylab="城镇价格指数")> lines(table1[,3],type="b")2.6洛伦茨曲线:> load("D:\\工作总结\\人大\\R语言\\《统计学—基于R》(第3版)—例题和习题数据(公开资源)\\exercis e\\ch2\\exercise2_6.RData")> library(DescTools)> Lc(exercise2_6$不同阶层人口数的收入额*10000/exercise2_6$不同收入阶层的人口数,exercise2_6$不同收入阶层的人口数) # 标红为组中值,收入/人数$p[1] 0.0000000 0.3478261 0.6086957 0.8260870 0.9565217 1.0000000$L[1] 0.00000000 0.06060606 0.15151515 0.33333333 0.63636364 1.00000000$L.general[1] 0 20000 50000 110000 210000 330000$Gini[1] 0.6232632$x[1] 1250.00 2500.00 6000.00 16666.67 60000.00$n[1] 80 60 50 30 10attr(,"class")[1] "Lc"> plot(Lc(exercise2_6$不同阶层人口数的收入额*10000/exercise2_6$不同收入阶层的人口数,exercise2_ 6$不同收入阶层的人口数),xlab="人数比例",ylab="收入比例",col=4,panel.first=grid(10,10,col="gr ay70"))结论:>0.4,收入差距巨大。