2025年大学统计学期末考试题库(统计软件应用)数据分析实战试题及答案.docxVIP

2025年大学统计学期末考试题库(统计软件应用)数据分析实战试题及答案

试题一：数据清洗与描述性统计分析（20分）

背景：某高校2023届毕业生就业质量调查数据（文件：graduate_survey.csv），包含以下字段：

-性别（gender，男/女）

-学历（degree，本科/硕士/博士）

-专业类别（major_type，工科/理科/文科/经管）

-起薪（salary，单位：元，数值型）

-工作地点（location，一线/新一线/二线/三线及以下）

-通勤时间（commute_time，分钟，数值型）

-工作满意度（satisfaction，1-5分，1=非常不满意，5=非常满意）

数据问题：经初步检查，数据存在以下问题：

1.起薪字段有15条记录为“缺失”（字符串类型），其余为数值型；

2.通勤时间字段存在3个异常值（经计算，超过Q3+1.5IQR）；

3.工作满意度字段有5条记录为“6”（超出1-5分范围）；

4.部分记录的“专业类别”字段存在拼写错误（如“工科”误写为“工课”，“经管”误写为“径管”）。

要求：

（1）使用Python或R语言读取数据，完成以下清洗操作（10分）：

-处理起薪字段的缺失值（要求：删除缺失值少于总样本量5%时直接删除，否则用专业类别+学历分组的均值填补）；

-处理通勤时间的异常值（要求：用Q3+1.5IQR作为上限，将异常值替换为该上限值）；

-修正工作满意度的错误值（要求：将“6”修正为5）；

-修正专业类别的拼写错误（要求：统一为“工科”“理科”“文科”“经管”）。

（2）基于清洗后的数据，完成以下描述性统计分析（10分）：

-计算起薪的均值、中位数、标准差、变异系数（CV）及四分位数（Q1、Q3）；

-绘制起薪的直方图（分10组）与箱线图，描述其分布特征（偏态、峰度、是否存在离群点）；

-按学历分组，计算工作满意度的均值与标准差，并用柱状图展示（需添加误差线）。

试题二：假设检验与方差分析（25分）

背景：某电商平台为优化促销策略，随机抽取了1000名用户，记录其“是否参与过秒杀活动”（participate，是/否）及“过去3个月消费金额”（consumption，元）。平台认为参与秒杀的用户消费金额更高，需验证这一假设。另抽取了不同地区（A/B/C三类）的500名用户，记录其“会员等级”（level，1-3级）及“消费金额”，需分析地区与会员等级对消费金额的影响。

要求：

（1）针对“参与秒杀活动的用户消费金额更高”的假设（10分）：

-提出原假设与备择假设；

-选择合适的检验方法（需说明理由）；

-使用Python或R语言完成检验（α=0.05），输出检验统计量、p值及结论；

-解释结论的实际意义。

（2）针对“地区与会员等级对消费金额的影响”（15分）：

-判断是否满足双因素方差分析的前提条件（正态性、方差齐性）；

-建立双因素方差分析模型（含交互效应），输出方差分析表；

-解释主效应与交互效应的显著性（α=0.05）；

-若存在显著效应，进行多重比较（如LSD法）并说明结果。

试题三：回归分析与预测（30分）

背景：某城市房地产研究机构收集了2020-2023年的房屋交易数据（文件：house_sales.csv），字段包括：

-建筑面积（area，㎡）

-房龄（age，年）

-楼层（floor，1-30层）

-学区等级（school_rank，1-5级，1=无优质学区，5=顶级学区）

-地铁距离（subway_dist，米，数值型）

-成交价格（price，万元，数值型）

要求：

（1）探索变量间的相关性（5分）：

-计算成交价格与其他变量的Pearson相关系数；

-绘制散点图矩阵（或热力图），描述关键变量（如建筑面积、学区等级）与成交价格的关系。

（2）构建多元线性回归模型（15分）：

-以成交价格为因变量，其他变量为自变量，建立初始模型；

-检验模型的多重共线性（VIF值），若存在共线性则进行变量筛选（如逐步回归）；

-输出模型摘要（系数估计、t检验、R2、调整R2、F检验）；

-解释建筑面积、学区等级对成交价格的影响（系数含义、显著性）。

（3）模型诊断与预测（10分）：

-检验残差的正态性（Shapiro-Wilk检验）与异方差性（Breusch-Pagan检验）；

-若模型满足要求，预测一套“建筑面积120㎡、房龄5年、楼层10层、学区等级4级、