2025年统计学期末考试：统计软件应用实战演练试题集

2025年统计学期末考试：统计软件应用实战演练试题集考试时间：______分钟总分：______分姓名：______一、Excel数据录入与处理要求：熟练运用Excel进行数据的录入、编辑、筛选、排序等基本操作，并能对数据进行简单的统计和分析。1.打开Excel，新建一个工作簿，录入以下数据，并保存为“学生成绩.xlsx”：|学号|姓名|年龄|性别|数学成绩|英语成绩|总成绩||----|----|----|----|--------|--------|------||001|张三|20|男|85|90|175||002|李四|21|女|78|82|160||003|王五|20|男|88|95|183||004|赵六|21|女|82|88|170||005|钱七|20|男|90|92|182||006|孙八|21|女|76|80|156||007|周九|20|男|85|85|170||008|吴十|21|女|92|88|180||009|郑十一|20|男|88|86|174||010|陈十二|21|女|84|82|166|2.将“性别”列中的“男”和“女”替换为“1”和“2”。3.将“年龄”列中的所有数据升序排序。4.计算每个学生的平均成绩，并添加到“平均成绩”列。5.对“数学成绩”进行降序排序。6.对“英语成绩”进行升序排序。7.查找“总成绩”列中大于等于180的记录，并筛选出来。8.计算所有学生的平均年龄。9.计算数学成绩高于90的学生人数。10.计算英语成绩低于80的学生人数。二、SPSS数据分析要求：熟练运用SPSS进行数据的录入、描述性统计、交叉分析等基本操作，并能对数据进行简单的统计分析。1.打开SPSS，新建一个数据集，录入以下数据，并保存为“调查问卷数据.sav”：|调查问卷编号|性别|年龄|收入水平|满意度||------------|----|----|--------|------||001|男|25|中等|非常满意||002|女|30|高|满意||003|男|22|低|一般||004|女|28|中等|非常满意||005|男|35|高|非常满意||006|女|26|低|满意||007|男|24|中等|一般||008|女|29|高|非常满意||009|男|23|低|非常满意||010|女|27|中等|非常满意|2.对“满意度”列进行交叉分析，以“性别”和“收入水平”为分组变量。3.对“年龄”进行描述性统计，包括均值、标准差、最小值、最大值、四分位数。4.计算满意度为“非常满意”的人数占比。5.计算不同收入水平满意度为“满意”的人数占比。6.对“性别”进行交叉分析，以“满意度”为分组变量。7.对“收入水平”进行交叉分析，以“满意度”为分组变量。8.计算年龄与满意度之间的相关系数。9.计算性别与满意度之间的相关系数。10.计算收入水平与满意度之间的相关系数。四、Python数据分析要求：使用Python进行数据分析，熟练运用Pandas库进行数据处理，以及使用Matplotlib库进行数据可视化。1.使用Python编写代码，从以下列表中提取所有偶数，并计算这些偶数的和：```pythonnumbers=[1,2,3,4,5,6,7,8,9,10]```2.创建一个DataFrame，包含以下数据，并计算每列的平均值：```pythondata={'Name':['John','Anna','Peter','Linda','Michael'],'Age':[25,30,22,28,35],'Salary':[50000,52000,49000,53000,55000]}```3.使用Pandas对以下DataFrame进行筛选，只保留“Age”列值大于25的行：```pythondf=pd.DataFrame({'Name':['John','Anna','Peter','Linda','Michael'],'Age':[25,30,22,28,35]})```4.使用Matplotlib绘制一个条形图，展示“Name”列中每个名字出现的频率。5.使用Python编写一个函数，该函数接受一个列表作为输入，并返回列表中所有偶数的平均值。6.使用Pandas对以下DataFrame进行排序，按照“Salary”列从高到低排序：```pythondata={'Name':['John','Anna','Peter','Linda','Michael'],'Age':[25,30,22,28,35],'Salary':[50000,52000,49000,53000,55000]}```五、SQL数据库查询要求：使用SQL进行数据库查询，能够根据给定的条件进行数据检索和筛选。1.编写SQL查询，从名为“Employees”的表中检索所有性别为“Female”的员工的姓名和年龄。2.编写SQL查询，从名为“Orders”的表中检索所有订单中订单金额大于100的订单编号和客户姓名。3.编写SQL查询，从名为“Products”的表中检索所有产品价格在10到50之间的产品名称和价格。4.编写SQL查询，检索“Customers”表中所有居住在“NewYork”的客户姓名和联系方式。5.编写SQL查询，检索“Sales”表中过去一个月内销售额最高的前5个订单的订单编号和销售额。6.编写SQL查询，检索“Employees”表中所有部门经理的姓名和直接下属的姓名。六、JavaScript编程要求：使用JavaScript编写代码，实现以下功能。1.编写一个JavaScript函数，该函数接收一个字符串作为参数，并返回字符串中所有字母的长度之和。2.编写一个JavaScript函数，该函数接收一个整数数组作为参数，并返回数组中所有偶数的乘积。3.编写一个JavaScript函数，该函数接收一个对象作为参数，并返回对象中所有键的值之和。4.编写一个JavaScript函数，该函数接收一个字符串数组作为参数，并返回一个新数组，其中包含原数组中所有以字母“a”开头的字符串。5.编写一个JavaScript函数，该函数接收一个整数作为参数，并返回一个字符串，表示该整数的英文读法（例如，1->"one",42->"forty-two"）。6.编写一个JavaScript函数，该函数接收一个数字和一个字符串数组作为参数，并返回一个新数组，其中包含原数组中所有值大于指定数字的字符串。本次试卷答案如下：一、Excel数据录入与处理1.在Excel中，依次输入学号、姓名、年龄、性别、数学成绩、英语成绩、总成绩，然后保存文件。2.在“性别”列中，选中所有“男”和“女”文本，点击“替换”，在“查找内容”输入框中输入“男”，在“替换为”输入框中输入“1”，点击“全部替换”。重复此操作将“女”替换为“2”。3.在年龄列中，点击列标题，选择“升序排序”。4.在E列标题处右击，选择“插入”，在F列标题处输入“平均成绩”，然后在G列中输入公式`=AVERAGE(C2:C10)`，将鼠标移至G2单元格右下角，当鼠标变为黑色十字时，拖动填充至G10单元格。5.在“数学成绩”列标题处右击，选择“降序排序”。6.在“英语成绩”列标题处右击，选择“升序排序”。7.在“总成绩”列中，选中大于等于180的单元格，点击“数据”选项卡，选择“筛选”，点击“数字筛选”，选择“大于等于”，输入180，点击“确定”，筛选出结果。8.使用Excel的“平均数”函数计算所有学生的平均年龄，公式为`=AVERAGE(C2:C10)`。9.使用Excel的“计数”函数计算数学成绩高于90的学生人数，公式为`=COUNTIF(C2:C10,">90")`。10.使用Excel的“计数”函数计算英语成绩低于80的学生人数，公式为`=COUNTIF(C2:C10,"<80")`。二、SPSS数据分析1.在SPSS中，新建数据视图，输入调查问卷编号、性别、年龄、收入水平、满意度数据，并保存文件。2.在SPSS中，选择“分析”菜单下的“描述统计”，选择“交叉表”，将“满意度”移至“行”框，将“性别”和“收入水平”移至“列”框，点击“确定”。3.在SPSS中，选择“分析”菜单下的“描述统计”，选择“描述”，将“年龄”移至“变量”框，点击“确定”。4.在SPSS中，选择“分析”菜单下的“描述统计”，选择“频率”，将“满意度”移至“变量”框，点击“确定”，在“值标签和标签”选项卡中，将“满意度”的值标签改为“非常满意”，“满意”，“一般”，“不满意”。5.在SPSS中，选择“分析”菜单下的“描述统计”，选择“频率”，将“收入水平”移至“变量”框，点击“确定”，在“值标签和标签”选项卡中，将“收入水平”的值标签改为“低”，“中等”，“高”。6.在SPSS中，选择“分析”菜单下的“描述统计”，选择“交叉表”，将“满意度”移至“行”框，将“性别”移至“列”框，点击“确定”。7.在SPSS中，选择“分析”菜单下的“描述统计”，选择“交叉表”，将“满意度”移至“行”框，将“收入水平”移至“列”框，点击“确定”。8.在SPSS中，选择“分析”菜单下的“相关”，选择“双变量”，将“年龄”和“满意度”移至“变量”框，点击“确定”。9.在SPSS中，选择“分析”菜单下的“相关”，选择“双变量”，将“性别”和“满意度”移至“变量”框，点击“确定”。10.在SPSS中，选择“分析”菜单下的“相关”，选择“双变量”，将“收入水平”和“满意度”移至“变量”框，点击“确定”。四、Python数据分析1.Python代码如下：```pythonnumbers=[1,2,3,4,5,6,7,8,9,10]even_numbers=[numfornuminnumbersifnum%2==0]even_sum=sum(even_numbers)```解析思路：首先创建一个包含数字的列表，然后使用列表推导式筛选出偶数，最后使用sum函数计算偶数的和。2.Python代码如下：```pythonimportpandasaspddata={'Name':['John','Anna','Peter','Linda','Michael'],'Age':[25,30,22,28,35],'Salary':[50000,52000,49000,53000,55000]}df=pd.DataFrame(data)average_age=df['Age'].mean()average_salary=df['Salary'].mean()```解析思路：首先导入Pandas库，创建一个包含数据的字典，然后使用pd.DataFrame创建一个DataFrame，最后使用mean函数计算年龄和工资的平均值。3.Python代码如下：```pythondf=pd.DataFrame({'Name':['John','Anna','Peter','Linda','Michael'],'Age':[25,30,22,28,35]})filtered_df=df[df['Age']>25]```解析思路：使用条件筛选功能，根据年龄列的值筛选出年龄大于25的行。4.Python代码如下：```pythonimportmatplotlib.pyplotaspltdf=pd.DataFrame({'Name':['John','Anna','Peter','Linda','Michael'],'Frequency':[1,2,1,2,1]})plt.bar(df['Name'],df['Frequency'])plt.xlabel('Name')plt.ylabel('Frequency')plt.title('FrequencyofNames')plt.sh