研究生面试问题2.docVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
研究生面试问题2

研究生面试问题 摘要 随着我国高等教育由精英化向大众化的转变,研究生招生进入发展的快车道。在研究生招生的改革中,研究生面试的重要性凸现出来。 在本文中,我们解决了以下问题: 通过SPSS软件,采用多重插补法对缺失的数据进行处理,得出缺失的三个数值:70 , 83 , 80。 在排序问题和二次面试问题上,我们对平均值和专家的认同度进行了综合分析,合理的给出了录取排序,并对平均值较高而认同度较低者及认同度较高且分数满足一定条件的考生进行了提取,遴选出参加二次面试的考生。 在宽松和严格的判别上,我们利用专家的打分波动程度即离差平方和均值来比较区分,判定出甲专家打分宽松,戊专家打分严格。 在第五问上,我们引进了新的统计指标,即离差绝对值之和,离差代数和和二者之比绝代比,通过计算出的绝代比值,分析选出专家甲、专家丙和专家戊组成第二次面试的专家组。 在问题的求解中,综合的利用了Excel、SPSS、MATLAB对数据进行处理,并通过简单的模型进行求解。 关键字:多重插补 标准差系数 绝代比 离差平方和均值 问题重述 我国研究生的考试通常包括初试和面试两个阶段。初试由国家或招生单位组织,考生选择指定的考试科目参加笔试,取得的成绩为笔试成绩。通过初试的考生可参加由招生单位组织的面试,面试时考生需要回答专家组的提问,专家组根据考生的综合表现给考生打分,考生所得成绩为面试成绩。最终招生单位一般根据考生的笔试成绩和面试成绩来决定是否录取该考生。设某招生单位组成了一个五人专家小组,对101名应试者进行了面试,各位专家对每位考生进行了打分(见附表),请你运用数学建模方法解决下列问题: (1)补齐表中缺失的数据,给出补缺的方法及理由。 (2)依据面试成绩,给出101名考生的录取顺序。 (3)五位专家中哪位专家打分比较严格,哪位专家打分比较宽松。 (4)你认为哪些考生应给予第二次面试的机会。 (5)如果第二次面试的专家小组只由其中的3位专家组成,你认为这个专家组应由哪3位专家组成。 模型假设 1.将各专家对考生打分的平均值作为考生的实际成绩 2.根据往年数据显示,研究生录取比例在1/3左右,我们在此将录取人数定为30人。 3.录取方式为按照录取顺序确定录取前30名中除争议较大者外其他考生,争议较大者与30-40名中认同率较高者进行第二次面试。 相关定义与符号说明 严格:指专家所打分数相对于平均分的离散程度较小,所打分数与考生的真实水平较接近。 宽松:指专家所打分数相对于平均分的离散程度较大,所打分数与考生的真实水平差异较大。 考生的编号,取值为1~101 取1、2、3、4、5分别表示专家甲、乙、丙、丁、戊 专家对第号考生的打分 各专家对第号考生打分的标准差 各专家对第号考生打分的平均值 标准差系数 :考虑到多组数据的可比性,采用标准差系数,用相对值表示。 专家的离差绝对值之和 专家的离差代数和 专家的绝代比 专家的离差平方和均值 模型的建立与求解 4.1问题一 题中要求将数据表中缺失值补齐。我们需要进行的工作是通过分析表中数据,建立模数学型,找到不同评委所打分数的联系,进而确定缺失值。 我们首先利用多元线性回归模型对表中数据进行分析(matlab程序见附录一), Matlab程序运行结果如下: stats = 0.0586 5.7858 0.0011 180.7764 其中相关系数=0.0528 (远小于1),不符合显著性要求。 通过查阅资料,发现对缺失值的处理,主要是以可能值对缺失值进行插补。常用的方法有:均值插补、利用同类均值插补、极大似然估计和多重插补。以上四种插补方法,对于缺失值的类型为随机缺失的插补有很好的效果。两种均值插补方法是最容易实现的,也是以前人们经常使用的,但是本题采用此方法进行插补,当插补后的值作为解释变量进行回归时,参数的估计值与真实值的偏差很大。相比较而言,极大似然估计和多重插补是两种比较好的插补方法,与多重插补对比,极大似然估计缺少不确定成分。所以,通过比较筛选,最后我们选定多重插补法对缺失数据进行处理。 多重插补的思想来源于贝叶斯估计,认为待插补的值是随机的,它的值来自于已观测到的值。具体实施上通常是估计出待插补的值,然后再加上不同的噪声,形成多组可选插补值。根据某种选择依据,选取最合适的插

文档评论(0)

dashewan + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档