当前位置：文档之家 › 数据分析方法与技术作业及答案

数据分析方法与技术作业及答案

  • 格式：docx
  • 大小：447.15 KB
  • 文档页数：14

一、填写题（抄题，写答案）1.数据分析“六步曲”按顺序依次是：明确分析目的和内容、数据收集、数据处理、数据分析、数据展现、报告撰写。

2.定量数据一般可分为计量的、计数的、二种类型。

定性数据一般可分为有序的、名义的、二种类型。

3.数据收集方法总的可分为一手数据、二手数据、两大类。

前一类方法常用的具体方法有调查法、观察法、实验法；后一类方法常用的具体方法有机构查询、书刊查询、网络查询。

4.SPSS中有三种主要的工作窗口，它们是：数据编辑窗口、结果浏览窗口、程序编辑窗口；在进行数据表编辑时，有二种主要视图，它们是：数据视图、变量视图。

5.SPSS中对变量属性进行定义时，对变量的命名在Name 栏中设置，定义变量值标签在Values 栏中设置。

6.根据数据的计量性质，可以将数据分为定量的数据和定性的数据；根据数据获得的直接性，可以将数据分为一手数据和二手数据。

7.统计检验的一种思路是：设定原假设H0，构造相应的统计判断量，当根据实验数据或样本数据计算出的统计判断量落在拒绝区域，则拒绝原假设；反之，则落在接受区域，接受原假设。

在SPSS软件的统计操作中，通过计算样本数据的实际显著性概率Sig.，并将其与给定的显著性概率水平α比较，当Sig. < α时（填“>” 或“<” ），则拒绝原假设。

8.方差分析主要用来判断样本数据之间的差异是由不可控的随机因素造成的还是由研究中施加的对结果形成影响的可控因素造成的。

9.因子分析法是多元统计分析中处理降维的一种，其最主要的工作是降维，即将具有错综复杂关系的变量或者样品综合为数量较少的几个因子，以再现原始变量与因子之间的相互关系。

10.下图所示因子分析结果中，数值6.845的含义是第一主成分特征根，数值84.421的含义是前三个主成分的累计贡献率；在Extraction Sums块中，有三行数据，其含义是根据提取因子条件----特征值大于1，共选出了三个公共因子。

11.下图所示椭圆圈中信息的含义11变量，200样例。

12.强规则是指：同时满足最小支持度阈值和最小置信度阈值的规则。

13.Statistica中实现聚类分析的过程是：[Statistics]/[ Multivariate Exploratory Techniques]/[ Cluster Analysis ]。

14.在对二值变量定类数据的距离进行计算时，若认为所取两个值的地位不对等，则可以用雅克比匹配系数对距离进行度量。

15.熵可以作为训练集的不纯度度量，熵越大，不纯度就越高（高或低）。

决策树的分枝原则就是使划分后的样本的子集越纯越好，即它们的熵越小越好。

16.C&RT算法的全称是Classification and Regression Trees ，它所构成的决策树是二叉树，该算法用gini指标指标作为选择分枝方案的依据，在选择分枝方案时，需经两步完成，第一步，在每个节点处评估所有属性的每个标准问题的gini 指标，第二步，选择gini 指标最大的标准问题作为分枝方案。

17.已知某数据集中某属性的不同取值为，{2.6，1，2.9，2，5，4.2，2.3，3 }，则该属性的标准问题集为{Is A≤1.5,Is A≤2.15,Is A≤2.45,Is A≤2.75,Is A≤2.95,Is A≤3.6,Is A≤4.6} 。

18.已知某数据集中某属性的不同取值为，{优，良，中，差}，则该属性的标准问题集为{Is A∈{优}，Is A∈{良}，Is A∈{中}，Is A∈{优，良}，Is A∈{良，中}，Is A∈{优，中}，Is A∈{优，良，中}。

二、单项选择题（抄题干及你认为正确的选项，图可以不画）1.Excel中，当把F7单元格复制到G8单元格时出现了如下信息提示，关于这一现象，以下描述正确的是( C )。

(A) G8单元格的数据应该是17，可能格式设置为小数点后5位，超过了单元格显示区域，出现此提示(B) C8或D8单元格的数据有问题(C) D8和E8不能相加(D) F8为空值，无法加总得到结果2.在Excel中，要实现如下图所示的汇率换算，可以在D5单元格中输入（B ），之后将它复制到下面的单元格，就可以实现不同币值的换算。

(A) $C$2*C5 (B) =C$2*C5 (C) =6.912*786 (D) =C2*C53.以下关于SPSS中定义变量值标签的描述中，错误的是（C）(A) 定义值标签可简化数据录入(B) 在显示数据表时，通过点击工具栏中的Value Labels按钮，可以在标签和值之间切换显示(C) 通过定义值标签可以为不同范围的数据定义不同的标签显示(D) 值标签的定义可以实现只输入标签就可以输入实际的数据4.SPSS19版本中数据文件的扩展名是（A）(A) .sav (B) .sps (C) .dat (D) .xls5.如果将数据分析方法论比喻成服装设计图，则服装制作中的平面、立体剪裁、合缝、包缝等相当于数据分析中的（C）(A) 分析工具(B) 分析技术(C) 分析思路(D) 补充分析6.以下统计量中，反映集中趋势的量有（B,C,E ）(A) 标准误(B) 平均值(C) 众数(D)方差(E)四分位数7.以下关于SPSS中定义变量值标签的描述中，错误的是（C ）(A) 定义值标签可简化数据录入(B) 在显示数据表时，通过点击工具栏中的Value Labels按钮，可以在标签和值之间切换显示(C) 通过定义值标签可以为不同范围的数据定义不同的标签显示(D) 值标签的定义可以实现只输入标签就可以输入实际的数据8.SPSS中实现二变量相关分析的过程是( A )。

(A) 【Analyze】/【Correlate】/【Bivariate】(B) 【Analyze】/【Compare Means】/【Bivariate】(C) 【Analyze】/【Correlate】/【Partial】(D) 【Analyze】/【Factor Analysis】9.因子分析中KMO检验的作用是（C ）。

(A) 检验各因子的齐次性(B) 说明各原始变量与因子的相关性(C) 检验因子分析的可行性(D) 其作用与LSB检验效果相同10.EM聚类主要基于（C ）进行聚类。

(A) 样本点之间的距离(B) 样本点之间的相似度(C) 数理统计模型(D) 熵函数的计算11.以下关于信度的描述中，错误的是（D ）：(A) 信度是反映测量的稳定性与一致性的一个指标(B) 大部分信度指标都是以相关系数表示的(C) 如果一个问卷在测试中不受调查环境各种因素的影响，就说该问卷的信度系数等于1(D) 问卷信度的高低，取决于我们对系统误差的控制程度12.以下关于信度的描述中，正确的是（B ）：(A) 信度高，则效度一定高(B) 效度高，则信度一定高(C) 0.6 <α< 0.7 量表设计存在问题，但有参考价值(D) 折半信度系数是从问卷中取出一半来计算其克朗巴哈α系数13.对数据挖掘这一概念的理解，以下描述错误的是（A ）。

(A) 发现的知识要可接受、可理解，且要有普遍的指导意义(B) 一般数据源是历史数据，具有相对的稳定性(C) 发现的是用户感兴趣的知识(D) 数据源必须是真实的、大量的、含噪声的14.关于下图所反映的关联规则分析结果，以下描述中错误的是（D）。

(A) 这里的关联规则可以描述为IF Body THEN Head的形式(B) IF (Gender=Male) Then (Pizza) 的置信度是70.12195%(C) 在此题中，IF (Gender=Male) Then (Pizza) 与IF (Pizza) Then(Gender=Male)的支持度均相同，这是正确的(D) 在此题中57.5%的支持度表示的是Head supp。

15.关于下图的描述中，错误的是（C ）。

(A) 上图反映了质心之间的距离(B) 上图反映了两个类之间的距离(C) 这是K-means聚类分析的结果，即基于分类的成批修改法(D) 类之间距离的计算方法有最长距离法、最短距离法等三、简答题（抄题干及分析，不用画图）1. 区分如下四个概念：类型抽样、等距抽样、整群抽样、多阶段抽样。

类型抽样类型抽样也称分层抽样，是将总体中的各单位按照某种特征或某种规则划分成若干个不同的类型组，然后从各类型组中独立、随机地抽取样本，再将各类型组的样本结合起来，对总体的目标量进行估计。

等距抽样等距抽样又称系统抽样，是将总体中各单位按照某一标志顺序排列，在规定的范围内随机确定起点，然后按照一定的间隔抽取其他样本单位的抽样组织形式。

整群抽样整群抽样是将总体各单位划分为若干群，然后以群为单位从中随机抽取一些群，对抽中群的所有单位都进行调查的抽样组织形式。

多阶段抽样多阶段抽样也称多级抽样或阶段抽样，是将对总体单位的整个抽样过程分为两个或更多个阶段进行，先从总体中抽选若干个大的样本群，称为第一阶段单位，然后从被抽中的若干个大的单位群中，抽选较小的样本单位，以此类推。

2. 为什么要进行数据清洗？1. 重复数据处理2. 处理缺失数据3. 检查数据逻辑错误数据仓库中的数据是面向某一主题的数据的集合，这些数据从多个业务系统中抽取而来而且包含历史数据，这样就避免不了有的数据是错误数据、有的数据相互之间有冲突，这些错误的或有冲突的数据显然是我们不想要的，称为“脏数据”。

不符合要求的数据主要是有不完整的数据、错误的数据、重复的数据三大类。

3. 数据分析方法论与具体的数据分析方法有何区别？数据分析方法论与数据分析法的区别数据分析方法论主要用来指导数据分析师进行一个完整的数据分析，它更多的是指导数据分析思路，比如，主要从哪几个方面开展数据分析？各方面包含什么内容或指标？数据分析方法论从宏观角度指导如何进行数据分析，它就像是一个数据分析的前期规划，指导着后期数据分析工作的开展。

而数据分析法则是指各种具体的方法，主要从微观层面指导如何进行数据分析。

4. 简述类型抽样与整群抽样的区别。

5. 在数据分析方法的层次上，5W2H属于方法论还是具体的方法，简述其主要内容。

方法论，具体内容：why（何因）what(何事) who（何人）when（何时）where(何地) how(如何做) how much(何价)。

(1) WHA T--是什么?目的是什么?做什么工作?(2) HOW --怎么做?如何提高效率?如何实施?方法怎样?(3) WHY--为什么?为什么要这么做?理由何在?原因是什么?造成这样的结果为什么?(4)WHEN--何时?什么时间完成?什么时机最适宜?(5) WHERE--何处?在哪里做?从哪里入手?(6) WHO--谁?由谁来承担?谁来完成?谁负责?(7) HOW MUCH--多少?做到什么程度?数量如何?质量水平如何?费用产出如何?6.假设检验的总体思路是怎样的，简述之。

合集下载

数据分析与处理技术作业指导书

数据分析与处理技术作业指导书

数据分析与处理技术作业指导书第1章数据分析概述 (3)1.1 数据分析的意义与价值 (3)1.2 数据分析的主要流程与方法 (4)第2章数据预处理 (4)2.1 数据清洗 (4)2.1.1 缺失值处理 (4)2.1.2 异常值处理 (5)2.1.3 重复数据删除 (5)2.2 数据集成 (5)2.2.1 数据合并 (5)2.2.2 数据整合 (5)2.3 数据变换 (5)2.3.1 数据规范化 (5)2.3.2 数据离散化 (5)2.3.3 数据聚合 (5)2.4 数据归一化与标准化 (5)2.4.1 最小最大归一化 (5)2.4.2 Z分数标准化 (6)2.4.3 对数变换 (6)第3章数据可视化 (6)3.1 数据可视化原则与技巧 (6)3.1.1 原则 (6)3.1.2 技巧 (6)3.2 常用数据可视化工具 (7)3.2.1 Tableau (7)3.2.2 Power BI (7)3.2.3 ECharts (7)3.2.4 Highcharts (7)3.3 可视化案例分析与实践 (7)3.3.1 案例背景 (7)3.3.2 数据处理 (7)3.3.3 可视化实践 (7)第4章描述性统计分析 (8)4.1 频数与频率分析 (8)4.1.1 频数分析 (8)4.1.2 频率分析 (8)4.2 集中趋势分析 (8)4.2.1 均值 (8)4.2.2 中位数 (8)4.2.3 众数 (8)4.3 离散程度分析 (9)4.3.1 极差 (9)4.3.2 四分位差 (9)4.3.3 方差与标准差 (9)4.4 分布形态分析 (9)4.4.1 偏度 (9)4.4.2 峰度 (9)4.4.3 置信区间 (9)第5章概率论与数理统计基础 (9)5.1 随机变量与概率分布 (9)5.1.1 随机变量 (9)5.1.2 概率分布 (10)5.2 假设检验 (10)5.2.1 假设检验的基本概念 (10)5.2.2 常见的假设检验方法 (10)5.3 方差分析与回归分析 (10)5.3.1 方差分析 (10)5.3.2 回归分析 (10)第6章数据降维与特征选择 (11)6.1 数据降维的意义与方法 (11)6.2 特征选择与特征提取 (11)6.3 主成分分析（PCA） (11)6.4 线性判别分析（LDA） (12)第7章分类与预测 (12)7.1 分类与预测方法概述 (12)7.2 决策树与随机森林 (12)7.2.1 决策树 (12)7.2.2 随机森林 (13)7.3 逻辑回归与支持向量机 (13)7.3.1 逻辑回归 (13)7.3.2 支持向量机 (13)7.4 神经网络与深度学习 (13)7.4.1 神经网络 (13)7.4.2 深度学习 (14)第8章聚类分析 (14)8.1 聚类分析方法概述 (14)8.2 K均值聚类 (14)8.2.1 算法步骤 (14)8.2.2 优缺点 (14)8.3 层次聚类 (14)8.3.1 算法步骤 (15)8.3.2 优缺点 (15)8.4 密度聚类 (15)8.4.1 算法步骤 (15)8.4.2 优缺点 (15)第9章时间序列分析 (15)9.1 时间序列的基本概念 (15)9.1.1 时间序列的组成 (15)9.1.2 时间序列的特点 (16)9.1.3 时间序列的分类 (16)9.2 时间序列预处理 (16)9.2.1 数据清洗 (16)9.2.2 数据转换 (16)9.2.3 特征提取 (17)9.3 时间序列预测方法 (17)9.3.1 传统统计方法 (17)9.3.2 机器学习方法 (17)9.4 时间序列案例分析 (17)9.4.1 金融领域 (17)9.4.2 气象领域 (17)9.4.3 经济领域 (17)第10章综合案例实战 (17)10.1 数据分析与处理案例背景 (18)10.2 数据预处理与可视化 (18)10.2.1 数据清洗 (18)10.2.2 数据整合 (18)10.2.3 数据可视化 (18)10.3 模型构建与优化 (18)10.3.1 特征工程 (18)10.3.2 模型选择与训练 (18)10.3.3 模型优化 (18)10.4 结果评估与总结 (18)10.4.1 结果评估 (18)10.4.2 总结 (18)第1章数据分析概述1.1 数据分析的意义与价值数据分析作为现代社会的一种核心技术，其意义与价值日益凸显。

数据分析答案梅长林

数据分析答案梅长林

数据分析答案梅长林【篇一：1.1一维数据数字特征】013学年第一学期主讲教师李晓燕课程名称数据分析课程类别专业限选课学时及学分 68；4授课班级信息101 102使用教材《数据分析方法》系(院.部) 数理系教研室(实验室) 信息和计算科学教研室数据分析总学时：68 理论38.上机28 适用专业：信息和计算科学内容：? sas软件介绍 3学时 ? 数据的描述性分析10学时 ? 线性回归分析 13学时 ? 方差分析 10学时 ? 主成分分析和典型相关分析8学时? 判别分析 8学时 ? 聚类分析 8学时 ? 学生报告 8学时教材：《数据分析方法》，梅长林、范金城编，高等教育出版社.2006. 参考资料：《实用统计方法》，梅长林编，科学出版社；《使用多元统计分析》，高惠璇编，北京大学出版社，2005；《使用统计方法和sas系统》，高惠璇编，北京大学出版社，2001；《多元统计分析》(二版)，何晓群编，中国人民大学出版社，2008；《使用回归分析》(二版)，何晓群编，中国人民大学出版社，2007；《统计建模和r软件》，薛毅编著，清华大学出版社，2007. 考核：期末成绩（闭卷测试+上机测试）：70%。

平时成绩（平时作业+考勤+大报告）：30%。

课程作业（1）作业题目在网络教学平台公布，按格式要求，以电子版方式通过平台提交。

（2）大报告：2-3人一组，每组一个选题，成员按相同的成绩计分。

收集数据，撰写小论文，做ppt讲解。

每组讲10-20分钟，提问环节。

同学打分。

课时授课计划课次序号： 01一、课题：1.1 一维数据的数字特征及相关系数二、课型：新授课三、目的要求：1.掌握数据的数字特征（均值、方差等）；2.掌握几种描述性分析的sas过程和作图过程计算这些数字特征及进行描述性分析.四、教学重点：均值、方差等数字特征.教学难点：基本概念的理解.五、教学方法及手段：传统教学和上机实验相结合．六、参考资料：1.《实用统计方法》，梅长林，周家良编，科学出版社；2.《sas统计分析使用》，董大钧主编，电子工业出版社．七、作业：1.1八、授课记录：九、授课效果分析：0 绪论0.1 课程内涵数据分析(即多元统计学statistics）：是以数据为依据，以统计方法为理论、计算机及软为工具，研究多变量问题、挖掘数据的统计规律的学科. 通过收集数据、整理数据、分析数据和由数据得出结论的一组概念、原则和方法。

试验设计和数据分析第一次作业习题答案解析

试验设计和数据分析第一次作业习题答案解析

习题答案1．设用三种方法测定某溶液时，得到三组数据，其平均值如下：x1̅=(1.54±0.01)mol/Lx2̅=(1.7±0.2)mol/Lx3̅=(1.537±0.005)mol/L试求它们的加权平均值。

解：根据数据的绝对误差计算权重：w1=10.012，w2=10.22，w3=10.0052因为w1:w2:w3=400:1:1600所以w̅̅̅=1.54×400+1.7×1+1.537×1600400+1+1600=1.5376812．试解释为什么不宜用量程较大的仪表来测量数值较小的物理量。

答：因为用量程较大的仪表来测量数值较小的物理量时，所产生的相对误差较大。

如3．测得某种奶制品中蛋白质的含量为(25.3±0.2)g/L，试求其相对误差。

解：E w=∆ww =0.225.3=0.79%4．在测定菠萝中维生素C含量的测试中，测得每100g菠萝中含有18.2mg维生素C，已知测量的相对误差为0.1%，试求每100g菠萝中含有维生素C的质量范围。

解：E w=∆ww=0.1%，所以∆m=m×E w=18.2×0.1%=0.0182ww所以m的范围为18.1818mg<m<18.2182ww或依据公式w w=w×(1±|w w|)=18.2×(1±0.1%)mg5．今欲测量大约8kPa（表压）的空气压力，试验仪表用1）1.5级，量程0.2MPa 的弹簧管式压力表；2）标尺分度为1mm的U型管水银柱压差计；3）标尺分度为1mm的U形管水柱压差计。

求最大绝对误差和相对误差。

解：1）压力表的精度为1.5级，量程为0.2MPa，则|∆w|www=0.2×1.5%=0.003www=3wwww w=∆ww×100%=38×100%=3.75×10−1=37.5%2）1mm汞柱代表的大气压为0.133KPa，所以|∆w|www=0.133wwww w=∆ww×100%=0.1338×100%=1.6625×10−2=1.6625%3）1mm水柱代表的大气压：ρgh，其中g=9.80665m/s2，通常取g=9.8m/s2则|∆w|www=9.8×10−3wwww w=∆ww×100%=9.8×10−38×100%=1.225×10−36．在用发酵法生产赖氨酸的过程中，对产酸率（%）作6次评定。

商务数据分析与应用模拟习题与答案

商务数据分析与应用模拟习题与答案

商务数据分析与应用模拟习题与答案一、单选题（共60题，每题1分，共60分）1、商品组合思路中，（）要求整个商品组合的定价要从顾客、竞争对手、供应商价格政策以及企业自身的定价策略四个方面考虑。

A、正确的质量B、正确的状态C、正确时间D、正确的价格正确答案：D2、以下不属于竞争对手定位方法的是（）。

A、类似商品且销量相近B、类似商品且价格相近C、配送中心相近D、商品属性相近正确答案：C3、某店铺2023年度会员信息表中，某会员的出生年份是1990年，但年龄却记录为25岁，此类错误需要进行（）。

A、逻辑值清洗B、重复值清洗C、无价值数据清洗D、缺失值清洗正确答案：A4、网店为展示店内5种不同商品的计划销售额与实际销售额的情况，适合采用（）图表。

A、散点图B、簇状柱形图C、复合型饼图D、分离型饼图正确答案：B5、以下内容中，不可衡量产品竞争能力的是（）。

A、成本优势B、管理人员创新能力C、技术优势D、质量优势正确答案：B6、将原始数据进行集成、变换、维度规约、数值规约是（）步骤的任务。

A、数据挖掘B、频繁模式挖掘C、分类和预测D、数据预处理正确答案：D7、当用户有大量数据（千万级别以下）的分析需求时，以下不适合作为数据分析软件的是（）。

A、PythonB、SPSSC、RD、Excel正确答案：D8、供应商考核是企业供应商数据管理中的一项重要活动，下列有关供应商考核的说法，正确的是（）。

A、供应商考核是对供应商供货能力与积极性的综合评估过程B、供应商考核是企业在选择供应商时对资质、信誉、价格、质量等的考察C、供应商考核是对现有的供应商供货的实际表现进行不定期的监测、考核的静态管理活动D、供应商考核的结果是初次选择合格供应商的依据正确答案：A9、以下不属于综合评价分析法特点的是（）。

A、评价结果不再是具有具体含义的统计指标，而以指数或分值表示参评单位综合状况的排序B、在综合评价过程中，一般要根据指标的重要性进行加权处理C、评价结果是具有具体含义的统计指标D、评价过程不是逐个指标依次完成的，而是通过一些特殊方法将多个指标的评价同时完成正确答案：C10、下列选项不属于商务数据分析作用的是（）。