2025年統(tǒng)計學期末考試：統(tǒng)計軟件應用與數據倉庫試題庫考試時間：______分鐘總分：______分姓名：______一、Excel數據分析要求：運用Excel軟件進行數據分析，包括數據的錄入、排序、篩選、計算、圖表制作等。1.將以下數據錄入Excel表格，并計算平均數、中位數、眾數、方差和標準差。姓名年齡身高（cm）體重（kg）張三2017060李四2117565王五2216570趙六2318075孫七24160802.將以下數據按照年齡從低到高排序。姓名年齡專業(yè)張三20經濟學李四21金融學王五22會計學趙六23市場營銷孫七24國際貿易3.篩選出年齡在20歲到23歲之間的學生，并計算他們的平均身高和體重。姓名年齡身高（cm）體重（kg）張三2017060李四2117565王五2216570趙六23180754.根據以下數據，制作一個柱狀圖，比較各專業(yè)的平均成績。專業(yè)平均成績經濟學85金融學90會計學80市場營銷88國際貿易925.根據以下數據，制作一個折線圖，展示各月份的銷售額。月份銷售額（萬元）1月202月253月304月355月406.根據以下數據，制作一個餅圖，展示各銷售區(qū)域的銷售額占比。銷售區(qū)域銷售額（萬元）北方100南方150東方200西方2507.根據以下數據，制作一個散點圖，展示身高和體重的關系。姓名身高（cm）體重（kg）張三17060李四17565王五16570趙六18075孫七160808.根據以下數據，制作一個雷達圖，展示各學生的綜合素質評分。姓名學習能力實踐能力團隊協(xié)作創(chuàng)新能力張三80706050李四85756555王五90807060趙六75856545孫七709075509.根據以下數據，制作一個氣泡圖，展示各學生的身高、體重和年齡之間的關系。姓名身高（cm）體重（kg）年齡張三1706020李四1756521王五1657022趙六1807523孫七160802410.根據以下數據，制作一個組合圖，展示各專業(yè)的平均成績和平均年齡。專業(yè)平均成績平均年齡經濟學8521金融學9022會計學8023市場營銷8824國際貿易9225二、SPSS數據分析要求：運用SPSS軟件進行數據分析，包括數據的錄入、描述性統(tǒng)計、推斷統(tǒng)計等。1.將以下數據錄入SPSS表格，并計算平均數、中位數、眾數、方差和標準差。姓名年齡身高（cm）體重（kg）張三2017060李四2117565王五2216570趙六2318075孫七24160802.根據以下數據，進行獨立樣本t檢驗，比較男女學生的平均身高是否有顯著差異。性別身高（cm）男170男175男165男180女160女170女175女165女1803.根據以下數據，進行方差分析，比較三個年級學生的平均成績是否有顯著差異。年級平均成績一年級75二年級80三年級854.根據以下數據，進行卡方檢驗，比較各專業(yè)學生的性別比例是否有顯著差異。專業(yè)男生人數女生人數經濟學1015金融學1214會計學818市場營銷917國際貿易11135.根據以下數據，進行相關分析，分析身高和體重之間的關系。姓名身高（cm）體重（kg）張三17060李四17565王五16570趙六18075孫七160806.根據以下數據，進行回歸分析，預測學生的體重。姓名身高（cm）體重（kg）張三17060李四17565王五16570趙六18075孫七160807.根據以下數據，進行聚類分析，將學生分為不同群體。姓名學習能力實踐能力團隊協(xié)作創(chuàng)新能力張三80706050李四85756555王五90807060趙六75856545孫七709075508.根據以下數據，進行主成分分析，提取主要成分。姓名成績1成績2成績3張三807060李四857565王五908070趙六758565孫七7090759.根據以下數據，進行因子分析，提取主要因子。姓名個性1個性2個性3張三807060李四857565王五908070趙六758565孫七70907510.根據以下數據，進行時間序列分析，預測下個月的銷售額。月份銷售額（萬元）1月202月253月304月355月40四、SQL數據庫查詢要求：運用SQL語言進行數據庫查詢，包括選擇、投影、連接、篩選等操作。1.假設有一個名為“Employees”的數據庫表，包含以下列：EmployeeID（員工ID）、Name（姓名）、Department（部門）、Salary（薪水）。請編寫SQL語句，查詢所有部門的平均薪水。2.編寫SQL語句，查詢所有部門中薪水最高的員工的姓名和薪水。3.編寫SQL語句，查詢所有在“Sales”部門的員工的姓名和薪水。4.編寫SQL語句，查詢所有薪水超過50000元的員工的姓名和部門。5.編寫SQL語句，查詢所有在“Sales”部門且薪水超過50000元的員工的姓名和薪水。6.編寫SQL語句，查詢所有員工的姓名和部門，但只顯示那些在“Marketing”或“Sales”部門的員工。7.編寫SQL語句，查詢所有員工的姓名和薪水，但只顯示那些薪水排名前10的員工。8.編寫SQL語句，查詢所有員工的姓名和部門，同時顯示部門的平均薪水。9.編寫SQL語句，查詢所有在“Sales”部門但薪水低于平均薪水的員工的姓名和薪水。10.編寫SQL語句，查詢所有在“Marketing”或“Sales”部門且薪水超過平均薪水的員工的姓名和薪水。五、Python數據分析要求：運用Python進行數據分析，包括數據讀取、處理、可視化等。1.使用Python的Pandas庫讀取以下CSV文件，并計算每列的平均值、中位數和標準差。```Name,Age,SalaryAlice,30,50000Bob,25,45000Charlie,35,55000David,28,48000Eve,22,47000```2.使用Python的Matplotlib庫繪制一個柱狀圖，展示不同年齡段的員工人數。3.使用Python的Seaborn庫繪制一個散點圖，展示年齡與薪水之間的關系。4.使用Python的Pandas庫對以下DataFrame進行排序，首先按薪水降序排列，然后按年齡升序排列。```pythonimportpandasaspddata={'Name':['Alice','Bob','Charlie','David','Eve'],'Age':[30,25,35,28,22],'Salary':[50000,45000,55000,48000,47000]}df=pd.DataFrame(data)```5.使用Python的Pandas庫計算以下DataFrame中每個員工的工作年數。```pythonimportpandasaspdcurrent_year=2023data={'Name':['Alice','Bob','Charlie','David','Eve'],'StartYear':[2015,2018,2010,2016,2019]}df=pd.DataFrame(data)df['YearsOfWork']=current_year-df['StartYear']```6.使用Python的Matplotlib庫繪制一個折線圖，展示不同年份的員工人數。7.使用Python的Pandas庫計算以下DataFrame中每個部門的平均薪水。```pythonimportpandasaspddata={'Name':['Alice','Bob','Charlie','David','Eve'],'Department':['HR','HR','IT','IT','Finance'],'Salary':[50000,45000,55000,48000,47000]}df=pd.DataFrame(data)```8.使用Python的Pandas庫對以下DataFrame進行分組，計算每個部門的平均薪水。9.使用Python的Pandas庫對以下DataFrame進行分組，計算每個部門的薪水總和。10.使用Python的Pandas庫對以下DataFrame進行分組，計算每個部門的薪水中位數。六、數據倉庫設計要求：設計一個簡單的數據倉庫，包括數據模型、數據流和ETL過程。1.設計一個數據倉庫的數據模型，包括事實表和維度表。假設有一個銷售數據的事實表，包含以下列：SalesID（銷售ID）、Date（日期）、ProductID（產品ID）、Quantity（數量）、Price（價格）。2.設計一個產品維度的數據模型，包含以下列：ProductID（產品ID）、ProductName（產品名稱）、Category（類別）、Supplier（供應商）。3.設計一個時間維度的數據模型，包含以下列：DateID（日期ID）、Year（年份）、Month（月份）、Day（日）。4.描述ETL過程中數據清洗的步驟，包括數據驗證、數據轉換和數據加載。5.描述ETL過程中數據轉換的步驟，包括數據聚合、數據匯總和數據標準化。6.描述ETL過程中數據加載的步驟，包括數據導入、數據同步和數據更新。7.設計一個查詢，使用數據倉庫中的數據，計算每個產品的年度銷售額。8.設計一個查詢，使用數據倉庫中的數據，計算每個供應商的年度銷售額。9.設計一個查詢，使用數據倉庫中的數據，計算每個月份的銷售額。10.設計一個查詢，使用數據倉庫中的數據，計算每個產品的平均售價。本次試卷答案如下：一、Excel數據分析1.解析：首先在Excel中錄入數據，然后使用公式計算平均數（=AVERAGE(A2:A6)）、中位數（=MEDIAN(A2:A6)）、眾數（=MODE(A2:A6)）、方差（=VAR(A2:A6)）和標準差（=STDEV(A2:A6)）。2.解析：在Excel中錄入數據，然后使用“排序”功能，根據年齡列從低到高排序。3.解析：在Excel中錄入數據，使用“篩選”功能，篩選出年齡在20歲到23歲之間的學生，然后計算平均身高和體重。4.解析：在Excel中錄入數據，然后使用“插入”菜單中的“圖表”功能，選擇柱狀圖，根據專業(yè)和平均成績創(chuàng)建圖表。5.解析：在Excel中錄入數據，然后使用“插入”菜單中的“圖表”功能，選擇折線圖，根據月份和銷售額創(chuàng)建圖表。6.解析：在Excel中錄入數據，然后使用“插入”菜單中的“圖表”功能，選擇餅圖，根據銷售區(qū)域和銷售額創(chuàng)建圖表。7.解析：在Excel中錄入數據，然后使用“插入”菜單中的“圖表”功能，選擇散點圖，根據姓名、身高和體重創(chuàng)建圖表。8.解析：在Excel中錄入數據，然后使用“插入”菜單中的“圖表”功能，選擇雷達圖，根據姓名和綜合素質評分創(chuàng)建圖表。9.解析：在Excel中錄入數據，然后使用“插入”菜單中的“圖表”功能，選擇氣泡圖，根據姓名、身高、體重和年齡創(chuàng)建圖表。10.解析：在Excel中錄入數據，然后使用“插入”菜單中的“圖表”功能，選擇組合圖，根據專業(yè)、平均成績和平均年齡創(chuàng)建圖表。二、SPSS數據分析1.解析：在SPSS中錄入數據，使用“描述統(tǒng)計”功能，選擇“均值、標準差、中位數、眾數、方差和標準差”，對年齡、身高和體重進行分析。2.解析：在SPSS中錄入數據，使用“比較平均值”功能，選擇“獨立樣本t檢驗”，比較性別和身高的均值差異。3.解析：在SPSS中錄入數據，使用“ANOVA”功能，選擇“單因素方差分析”，比較年級和平均成績的差異。4.解析：在SPSS中錄入數據，使用“交叉表”功能，選擇“卡方檢驗”，比較專業(yè)和性別的比例差異。5.解析：在SPSS中錄入數據，使用“相關”功能，選擇“皮爾遜相關”，分析身高和體重之間的關系。6.解析：在SPSS中錄入數據，使用“回歸”功能，選擇“線性回歸”，預測體重。7.解析：在SPSS中錄入數據，使用“聚類”功能，選擇“層次聚類”，將學生分為不同群體。8.解析：在SPSS中錄入數據，使用“因子分析”功能，選擇“主成分分析”，提取主要成分。9.解析：在SPSS中錄入數據，使用“因子分析”功能，選擇“因子分析”，提取主要因子。10.解析：在SPSS中錄入數據，使用“時間序列”功能，選擇“自回歸模型”，預測下個月的銷售額。三、SQL數據庫查詢1.解析：使用SQL語句`SELECTDepartment,AVG(Salary)ASAverageSalaryFROMEmployeesGROUPBYDepartment;`查詢每個部門的平均薪水。2.解析：使用SQL語句`SELECTName,SalaryFROMEmployeesWHERESalary=(SELECTMAX(Salary)FROMEmployees);`查詢薪水最高的員工的姓名和薪水。3.解析：使用SQL語句`SELECTName,SalaryFROMEmployeesWHEREDepartment='Sales';`查詢“Sales”部門的員工的姓名和薪水。4.解析：使用SQL語句`SELECTName,SalaryFROMEmployeesWHERESalary>50000;`查詢薪水超過50000元的員工的姓名和薪水。5.解析：使用SQL語句`SELECTName,SalaryFROMEmployeesWHEREDepartment='Sales'ANDSalary>50000;`查詢“Sales”部門且薪水超過50000元的員工的姓名和薪水。6.解析：使用SQL語句`SELECTName,SalaryFROMEmployeesWHEREDepartmentIN('Marketing','Sales');`查詢“Marketing”或“Sales”部門的員工的姓名和薪水。7.解析：使用SQL語句`SELECTName,SalaryFROMEmployeesORDERBYSalaryDESCLIMIT10;`查詢薪水排名前10的員工。8.解析：使用SQL語句`SELECTName,Salary,Department,AVG(Salary)OVER(PARTITIONBYDepartment)ASAvgSalaryFROMEmployees;`顯示員工的姓名、薪水、部門以及部門的平均薪水。9.解析：使用SQL語句`SELECTName,SalaryFROMEmployeesWHEREDepartment='Sales'ANDSalary<(SELECTAVG(Salary)FROMEmployees);`查詢“Sales”部門但薪水低于平均薪水的員工的姓名和薪水。10.解析：使用SQL語句`SELECTName,SalaryFROMEmployeesWHEREDepartmentIN('Marketing','Sales')ANDSalary>(SELECTAVG(Salary)FROMEmployees);`查詢“Marketing”或“Sales”部門且薪水超過平均薪水的員工的姓名和薪水。四、Python數據分析1.解析：使用Pandas庫讀取CSV文件，然后使用`.mean()`,`.median()`,`.mode()`,`.var()`,`.std()`方法計算平均值、中位數、眾數、方差和標準差。2.解析：使用Pandas庫讀取CSV文件，然后使用`.value_counts()`方法統(tǒng)計不同年齡段的員工人數，并使用Matplotlib庫繪制柱狀圖。3.解析：使用Pandas庫讀取CSV文件，然后使用`.scatter()`方法繪制散點圖，使用`.plot()`方法繪制折線圖。4.解析：使用Pandas庫對DataFrame進行排序，使用`.sort_values()`方法，首先按薪水降序排列，然后按年齡升序排列。5.解析：使用Pandas庫讀取CSV文件，然后使用`.apply()`方法計算每個員工的工作年數。6.解析：使用Matplotlib庫繪制折線圖，使用`.plot()`方法，指定x軸和y軸的數據。7.解析：使用Pandas庫讀取DataFrame，使用`.groupby()`方法按部門分組，然后使用`.mean()`方法計算每個部門的平均薪水。8.解析：使用Pandas庫讀取DataFrame，使用`.groupby()`方法按部門分組，然后使用`.sum()`方法計算每個部門的薪水總和。9.解析：使用Pandas庫讀取DataFrame，使用`.groupby()`方法按部門分組，然后使用`.median()`方法計算每個部門的薪水中位數。10.解析：使用Pandas庫讀取DataFrame，使用`.groupby()`方法按部門分組，然后使用`.mean()`方法計算每個部門的平均薪水。五、數據倉庫設計1.解析：設計數據模型時，創(chuàng)建事實表“Sales”包含SalesID、Da