2025年大学统计学统计软件应用期末考试题库附答案

2025年大学统计学统计软件应用期末考试题库附答案一、单项选择题（每题2分，共20分）1.在SPSS28.0中，若需对“性别”（男=1，女=2）和“数学成绩”（百分制）进行独立样本t检验，分组变量的定义应通过以下哪个菜单完成？A.分析→比较均值→单样本t检验B.分析→比较均值→独立样本t检验C.分析→一般线性模型→单变量D.分析→相关→双变量答案：B2.R语言中，若要读取当前工作目录下名为“sales_2024.csv”的逗号分隔文件（首行为变量名），正确的代码是？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进行数据透视表操作时，若需统计“部门”（A列）下“销售额”（B列）的中位数，应在值字段设置中选择？A.求和B.计数C.平均值D.无法直接计算中位数（需辅助函数）答案：D4.Python的pandas库中，若要将数据框df中“年龄”列的缺失值替换为该列的均值，正确的代码是？A.df['年龄'].fillna(df['年龄'].mean(),inplace=True)B.df['年龄']=df['年龄'].replace(np.nan,mean)C.df.fillna({'年龄':df['年龄'].mean()},inplace=True)D.df['年龄'].dropna(inplace=True)答案：A5.在SPSS中进行卡方检验时，若期望频数小于5的单元格比例超过20%，合理的处理方法是？A.直接输出卡方结果B.合并相邻类别以增加期望频数C.改用t检验D.删除所有含缺失值的行答案：B6.R语言中，绘制两个连续变量（x和y）的散点图并添加线性回归拟合线，需调用的函数组合是？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均正确答案：D7.Excel中使用“数据分析”工具进行单因素方差分析时，若输入区域包含标题行，应勾选的选项是？A.标志位于第一行B.分组方式为列C.输出区域D.置信度95%答案：A8.Python的scikit-learn库中，训练线性回归模型的标准步骤是？A.实例化模型→划分训练集/测试集→拟合数据→预测B.划分训练集/测试集→实例化模型→拟合数据→预测C.拟合数据→实例化模型→划分训练集/测试集→预测D.实例化模型→拟合数据→划分训练集/测试集→预测答案：B9.在SPSS中，若需将“出生日期”变量（格式为“2005-03-15”）转换为“年龄”（2024年计算），应使用的菜单是？A.转换→计算变量B.数据→重新编码为不同变量C.分析→描述统计→频率D.转换→自动重新编码答案：A10.R语言中，若要计算向量v的标准差（样本标准差），正确的函数是？A.sd(v)B.var(v)C.sqrt(var(v))D.A和C均正确答案：D二、判断题（每题1分，共10分）1.在Excel中，数据透视表的“值字段设置”可以直接计算众数。（）答案：×（Excel数据透视表默认不支持众数计算，需结合MODE.SNGL等函数）2.SPSS的“探索”（Explore）过程可同时输出箱线图、正态性检验结果和描述统计量。（）答案：√3.R语言中，install.packages("ggplot2")用于加载ggplot2包，library(ggplot2)用于安装该包。（）答案：×（install.packages是安装，library是加载）4.Python的pandas库中，()可以查看数据框各列的数据类型和缺失值数量。（）答案：√5.用SPSS进行Pearson相关分析时，要求两个变量均为分类变量。（）答案：×（Pearson相关要求双变量连续且正态分布）6.Excel的“回归”分析工具中，若输入Y区域包含常数项（截距），需勾选“常数为零”。（）答案：×（“常数为零”勾选时模型强制截距为0，否则自动计算）7.R语言中，t.test(x,y,paired=TRUE)用于独立样本t检验，paired=FALSE用于配对样本t检验。（）答案：×（paired=TRUE是配对检验，FALSE是独立样本）8.Python中使用statsmodels进行逻辑回归时，需手动添加截距项（常数项）。（）答案：√（statsmodels默认不包含截距，需用add_constant）9.在SPSS中，“变量视图”可以修改变量的测量尺度（名义、有序、标度）。（）答案：√10.R语言的dplyr包中，filter()函数用于筛选行，select()函数用于筛选列。（）答案：√三、简答题（每题6分，共30分）1.简述在SPSS中进行单因素方差分析的主要操作步骤。答案：①数据准备：确保自变量为分类变量（名义/有序），因变量为连续变量；②点击“分析→比较均值→单因素ANOVA”；③将因变量选入“因变量列表”，自变量选入“因子”；④点击“选项”，勾选“描述性”“方差齐性检验”；⑤若需多重比较，点击“事后比较”选择方法（如LSD或Tukey）；⑥点击“确定”输出结果。2.列出R语言中读取外部数据的3种常见函数及其对应文件格式。答案：①read.csv()：读取逗号分隔的CSV文件；②read.table()：读取通用文本文件（需指定sep参数）；③read_excel()（需加载readxl包）：读取Excel的.xlsx或.xls文件；④read_spss()（需加载haven包）：读取SPSS的.sav文件（任选3种）。3.说明Python中使用pandas处理数据缺失值的3种常用方法，并举例代码。答案：①删除缺失值：df.dropna(subset=['列名'])；②填充均值/中位数：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')（任选3种，需配代码）。4.简述Excel中使用“数据验证”功能限制输入的操作步骤（以“年龄”列限制18-25岁为例）。答案：①选中“年龄”列数据区域；②点击“数据→数据验证→数据验证”；③在“设置”选项卡中，“允许”选择“整数”，“数据”选择“介于”，“最小值”输入18，“最大值”输入25；④可选设置“输入信息”和“错误警告”；⑤点击“确定”完成设置。5.说明在SPSS中进行正态性检验的两种方法及适用场景。答案：①直方图/正态Q-Q图：直观观察数据分布形态，适用于初步判断；②Kolmogorov-Smirnov检验（K-S检验）或Shapiro-Wilk检验（S-W检验）：定量检验，K-S检验适用于大样本（n>50），S-W检验适用于小样本（n≤50）。四、应用题（每题10分，共40分）1.某高校2024级统计学专业40名学生的“概率论”和“数理统计”成绩（百分制）数据存储于Excel文件“scores_2024.xlsx”（第一列为学号，第二列为概率论成绩，第三列为数理统计成绩）。要求：（1）用Excel计算两门课程的均值、标准差、偏度；（2）绘制两门课程成绩的散点图，观察相关性；（3）输出两门课程的Pearson相关系数。答案：（1）步骤：①点击“数据→数据分析→描述统计”；②输入区域选择“概率论”和“数理统计”两列（含标题）；③勾选“汇总统计”“偏度”，输出区域选择空白位置；④结果中“均值”“标准偏差”“偏度”即为所求。（2）步骤：选中两列数据→插入→散点图；观察散点分布趋势（如正相关）。（3）步骤：点击“数据→数据分析→相关系数”，输入区域选择两列数据，输出相关系数矩阵，对应值即为Pearson系数。2.某企业2023年员工绩效数据（SPSS文件“performance.sav”）包含变量：部门（1=销售部，2=研发部，3=财务部）、工龄（年）、绩效评分（1-5分）。要求用SPSS分析不同部门员工的绩效评分是否存在显著差异（α=0.05）。答案：①操作步骤：分析→比较均值→单因素ANOVA；因变量选“绩效评分”，因子选“部门”；选项勾选“描述性”“方差齐性检验”；事后比较选Tukey。②结果解读：若方差齐性检验p>0.05，看LSD或Tukey检验；若p<0.05，拒绝原假设，部门对绩效评分有显著影响；结合均值比较具体差异部门。3.用R语言分析以下数据（数据框df包含变量x1、x2、y），建立y关于x1和x2的多元线性回归模型，并解释结果。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：代码：model<-lm(y~x1+x2,data=df);summary(model)。结果解读：①拟合优度R²（接近1表示拟合好）；②系数显著性（t检验p值<0.05表示变量显著）；③回归方程形式（如y=β0+β1x1+β2x2+ε）；④本例中x1和x2系数应为正数，与y正相关（具体数值需运行代码后输出）。4.某调查数据（Python数据框survey）包含“专业”（A=经管，B=理工，C=人文）和“是否参加统计竞赛”（1=是，0=否）两个变量。要求用Python进行卡方检验，分析专业与是否参加统计竞赛的关联性。答案：步骤：①导入库：fromscipy.statsimportchi2_contingency；②构建列联表：contingency_table=pd.crosstab(survey['专业'],survey['是否参加统计竞赛'])；③卡方检验：chi2,p,dof,expected=chi2_contingency(contingency_table)；④结果判断：若p<0.05，拒绝原假设，认为专业与参赛行为有关联。代码示例：imp