2025年大學(xué)統(tǒng)計學(xué)統(tǒng)計軟件應(yīng)用期末考試題庫附答案一、單項選擇題（每題2分，共20分）1.在SPSS28.0中，若需對“性別”（男=1，女=2）和“數(shù)學(xué)成績”（百分制）進行獨立樣本t檢驗，分組變量的定義應(yīng)通過以下哪個菜單完成？A.分析→比較均值→單樣本t檢驗B.分析→比較均值→獨立樣本t檢驗C.分析→一般線性模型→單變量D.分析→相關(guān)→雙變量答案：B2.R語言中，若要讀取當(dāng)前工作目錄下名為“sales_2024.csv”的逗號分隔文件（首行為變量名），正確的代碼是？A.read.csv("sales_2024.csv",header=FALSE)B.read.csv("sales_2024.csv",header=TRUE)C.read.table("sales_2024.csv",sep=",",header=FALSE)D.read_excel("sales_2024.csv")答案：B3.用Excel365進行數(shù)據(jù)透視表操作時，若需統(tǒng)計“部門”（A列）下“銷售額”（B列）的中位數(shù)，應(yīng)在值字段設(shè)置中選擇？A.求和B.計數(shù)C.平均值D.無法直接計算中位數(shù)（需輔助函數(shù)）答案：D4.Python的pandas庫中，若要將數(shù)據(jù)框df中“年齡”列的缺失值替換為該列的均值，正確的代碼是？A.df['年齡'].fillna(df['年齡'].mean(),inplace=True)B.df['年齡']=df['年齡'].replace(np.nan,mean)C.df.fillna({'年齡':df['年齡'].mean()},inplace=True)D.df['年齡'].dropna(inplace=True)答案：A5.在SPSS中進行卡方檢驗時，若期望頻數(shù)小于5的單元格比例超過20%，合理的處理方法是？A.直接輸出卡方結(jié)果B.合并相鄰類別以增加期望頻數(shù)C.改用t檢驗D.刪除所有含缺失值的行答案：B6.R語言中，繪制兩個連續(xù)變量（x和y）的散點圖并添加線性回歸擬合線，需調(diào)用的函數(shù)組合是？A.plot(x,y);abline(lm(y~x))B.scatterplot(x,y);regline()C.ggplot(data,aes(x,y))+geom_point()+geom_smooth(method="lm")D.A和C均正確答案：D7.Excel中使用“數(shù)據(jù)分析”工具進行單因素方差分析時，若輸入?yún)^(qū)域包含標(biāo)題行，應(yīng)勾選的選項是？A.標(biāo)志位于第一行B.分組方式為列C.輸出區(qū)域D.置信度95%答案：A8.Python的scikit-learn庫中，訓(xùn)練線性回歸模型的標(biāo)準(zhǔn)步驟是？A.實例化模型→劃分訓(xùn)練集/測試集→擬合數(shù)據(jù)→預(yù)測B.劃分訓(xùn)練集/測試集→實例化模型→擬合數(shù)據(jù)→預(yù)測C.擬合數(shù)據(jù)→實例化模型→劃分訓(xùn)練集/測試集→預(yù)測D.實例化模型→擬合數(shù)據(jù)→劃分訓(xùn)練集/測試集→預(yù)測答案：B9.在SPSS中，若需將“出生日期”變量（格式為“2005-03-15”）轉(zhuǎn)換為“年齡”（2024年計算），應(yīng)使用的菜單是？A.轉(zhuǎn)換→計算變量B.數(shù)據(jù)→重新編碼為不同變量C.分析→描述統(tǒng)計→頻率D.轉(zhuǎn)換→自動重新編碼答案：A10.R語言中，若要計算向量v的標(biāo)準(zhǔn)差（樣本標(biāo)準(zhǔn)差），正確的函數(shù)是？A.sd(v)B.var(v)C.sqrt(var(v))D.A和C均正確答案：D二、判斷題（每題1分，共10分）1.在Excel中，數(shù)據(jù)透視表的“值字段設(shè)置”可以直接計算眾數(shù)。（）答案：×（Excel數(shù)據(jù)透視表默認(rèn)不支持眾數(shù)計算，需結(jié)合MODE.SNGL等函數(shù)）2.SPSS的“探索”（Explore）過程可同時輸出箱線圖、正態(tài)性檢驗結(jié)果和描述統(tǒng)計量。（）答案：√3.R語言中，install.packages("ggplot2")用于加載ggplot2包，library(ggplot2)用于安裝該包。（）答案：×（install.packages是安裝，library是加載）4.Python的pandas庫中，()可以查看數(shù)據(jù)框各列的數(shù)據(jù)類型和缺失值數(shù)量。（）答案：√5.用SPSS進行Pearson相關(guān)分析時，要求兩個變量均為分類變量。（）答案：×（Pearson相關(guān)要求雙變量連續(xù)且正態(tài)分布）6.Excel的“回歸”分析工具中，若輸入Y區(qū)域包含常數(shù)項（截距），需勾選“常數(shù)為零”。（）答案：×（“常數(shù)為零”勾選時模型強制截距為0，否則自動計算）7.R語言中，t.test(x,y,paired=TRUE)用于獨立樣本t檢驗，paired=FALSE用于配對樣本t檢驗。（）答案：×（paired=TRUE是配對檢驗，F(xiàn)ALSE是獨立樣本）8.Python中使用statsmodels進行邏輯回歸時，需手動添加截距項（常數(shù)項）。（）答案：√（statsmodels默認(rèn)不包含截距，需用add_constant）9.在SPSS中，“變量視圖”可以修改變量的測量尺度（名義、有序、標(biāo)度）。（）答案：√10.R語言的dplyr包中，filter()函數(shù)用于篩選行，select()函數(shù)用于篩選列。（）答案：√三、簡答題（每題6分，共30分）1.簡述在SPSS中進行單因素方差分析的主要操作步驟。答案：①數(shù)據(jù)準(zhǔn)備：確保自變量為分類變量（名義/有序），因變量為連續(xù)變量；②點擊“分析→比較均值→單因素ANOVA”；③將因變量選入“因變量列表”，自變量選入“因子”；④點擊“選項”，勾選“描述性”“方差齊性檢驗”；⑤若需多重比較，點擊“事后比較”選擇方法（如LSD或Tukey）；⑥點擊“確定”輸出結(jié)果。2.列出R語言中讀取外部數(shù)據(jù)的3種常見函數(shù)及其對應(yīng)文件格式。答案：①read.csv()：讀取逗號分隔的CSV文件；②read.table()：讀取通用文本文件（需指定sep參數(shù)）；③read_excel()（需加載readxl包）：讀取Excel的.xlsx或.xls文件；④read_spss()（需加載haven包）：讀取SPSS的.sav文件（任選3種）。3.說明Python中使用pandas處理數(shù)據(jù)缺失值的3種常用方法，并舉例代碼。答案：①刪除缺失值：df.dropna(subset=['列名'])；②填充均值/中位數(shù)：df['列名'].fillna(df['列名'].mean(),inplace=True)；③填充特定值（如“未知”）：df['列名'].fillna('未知',inplace=True)；④插值法填充：df['列名'].interpolate(method='linear')（任選3種，需配代碼）。4.簡述Excel中使用“數(shù)據(jù)驗證”功能限制輸入的操作步驟（以“年齡”列限制18-25歲為例）。答案：①選中“年齡”列數(shù)據(jù)區(qū)域；②點擊“數(shù)據(jù)→數(shù)據(jù)驗證→數(shù)據(jù)驗證”；③在“設(shè)置”選項卡中，“允許”選擇“整數(shù)”，“數(shù)據(jù)”選擇“介于”，“最小值”輸入18，“最大值”輸入25；④可選設(shè)置“輸入信息”和“錯誤警告”；⑤點擊“確定”完成設(shè)置。5.說明在SPSS中進行正態(tài)性檢驗的兩種方法及適用場景。答案：①直方圖/正態(tài)Q-Q圖：直觀觀察數(shù)據(jù)分布形態(tài)，適用于初步判斷；②Kolmogorov-Smirnov檢驗（K-S檢驗）或Shapiro-Wilk檢驗（S-W檢驗）：定量檢驗，K-S檢驗適用于大樣本（n>50），S-W檢驗適用于小樣本（n≤50）。四、應(yīng)用題（每題10分，共40分）1.某高校2024級統(tǒng)計學(xué)專業(yè)40名學(xué)生的“概率論”和“數(shù)理統(tǒng)計”成績（百分制）數(shù)據(jù)存儲于Excel文件“scores_2024.xlsx”（第一列為學(xué)號，第二列為概率論成績，第三列為數(shù)理統(tǒng)計成績）。要求：（1）用Excel計算兩門課程的均值、標(biāo)準(zhǔn)差、偏度；（2）繪制兩門課程成績的散點圖，觀察相關(guān)性；（3）輸出兩門課程的Pearson相關(guān)系數(shù)。答案：（1）步驟：①點擊“數(shù)據(jù)→數(shù)據(jù)分析→描述統(tǒng)計”；②輸入?yún)^(qū)域選擇“概率論”和“數(shù)理統(tǒng)計”兩列（含標(biāo)題）；③勾選“匯總統(tǒng)計”“偏度”，輸出區(qū)域選擇空白位置；④結(jié)果中“均值”“標(biāo)準(zhǔn)偏差”“偏度”即為所求。（2）步驟：選中兩列數(shù)據(jù)→插入→散點圖；觀察散點分布趨勢（如正相關(guān)）。（3）步驟：點擊“數(shù)據(jù)→數(shù)據(jù)分析→相關(guān)系數(shù)”，輸入?yún)^(qū)域選擇兩列數(shù)據(jù)，輸出相關(guān)系數(shù)矩陣，對應(yīng)值即為Pearson系數(shù)。2.某企業(yè)2023年員工績效數(shù)據(jù)（SPSS文件“performance.sav”）包含變量：部門（1=銷售部，2=研發(fā)部，3=財務(wù)部）、工齡（年）、績效評分（1-5分）。要求用SPSS分析不同部門員工的績效評分是否存在顯著差異（α=0.05）。答案：①操作步驟：分析→比較均值→單因素ANOVA；因變量選“績效評分”，因子選“部門”；選項勾選“描述性”“方差齊性檢驗”；事后比較選Tukey。②結(jié)果解讀：若方差齊性檢驗p>0.05，看LSD或Tukey檢驗；若p<0.05，拒絕原假設(shè)，部門對績效評分有顯著影響；結(jié)合均值比較具體差異部門。3.用R語言分析以下數(shù)據(jù)（數(shù)據(jù)框df包含變量x1、x2、y），建立y關(guān)于x1和x2的多元線性回歸模型，并解釋結(jié)果。df<-data.frame(x1=c(2,4,6,8,10),x2=c(1,3,5,7,9),y=c(15,28,42,55,69))答案：代碼：model<-lm(y~x1+x2,data=df);summary(model)。結(jié)果解讀：①擬合優(yōu)度R2（接近1表示擬合好）；②系數(shù)顯著性（t檢驗p值<0.05表示變量顯著）；③回歸方程形式（如y=β0+β1x1+β2x2+ε）；④本例中x1和x2系數(shù)應(yīng)為正數(shù)，與y正相關(guān)（具體數(shù)值需運行代碼后輸出）。4.某調(diào)查數(shù)據(jù)（Python數(shù)據(jù)框survey）包含“專業(yè)”（A=經(jīng)管，B=理工，C=人文）和“是否參加統(tǒng)計競賽”（1=是，0=否）兩個變量。要求用Python進行卡方檢驗，分析專業(yè)與是否參加統(tǒng)計競賽的關(guān)聯(lián)性。答案：步驟：①導(dǎo)入庫：fromscipy.statsimportchi2_contingency；②構(gòu)建列聯(lián)表：contingency_table=pd.crosstab(survey['專業(yè)'],survey['是否參加統(tǒng)計競賽'])；③卡方檢驗：chi2,p,dof,expected=chi2_contingency(contingency_table)；④結(jié)果判斷：若p<0.05，拒絕原假設(shè)，認(rèn)為專業(yè)與參賽行為有關(guān)聯(lián)。代碼示例：imp