2025年統計學期末考試題庫：統計軟件應用與數據可視化實戰試題考試時間：______分鐘總分：______分姓名：______一、Excel數據分析與處理要求：請使用Excel軟件，對以下數據進行統計分析，并填寫下列表格。（一）數據輸入與整理1.將以下數據輸入到Excel表格中，并確保數據格式正確。A1：姓名，A2：年齡，A3：性別，B1：銷售額，B2：銷售日期張三，25，男，5000，2025-04-01李四，30，女，4000，2025-04-02王五，28，男，6000，2025-04-03趙六，35，女，4500，2025-04-04孫七，22，男，5500，2025-04-052.根據數據，對性別進行分類匯總，計算男女銷售額的平均值。3.根據銷售日期，對銷售額進行按月分類匯總，計算各月銷售額的平均值。（二）圖表制作4.使用Excel圖表功能，制作以下圖表：（1）制作銷售額與年齡的散點圖，并添加趨勢線。（2）制作銷售額與銷售日期的折線圖，并添加數據標簽。（三）數據分析5.使用Excel數據分析功能，對銷售額進行描述性統計分析，包括最大值、最小值、平均值、標準差、中位數、眾數等。6.根據描述性統計分析結果，分析銷售額的變化趨勢。二、SPSS數據分析要求：請使用SPSS軟件，對以下數據進行統計分析，并填寫下列表格。（一）數據錄入與整理1.將以下數據輸入到SPSS數據編輯器中，并確保數據格式正確。變量名：姓名，年齡，性別，銷售額，銷售日期張三，25，男，5000，2025-04-01李四，30，女，4000，2025-04-02王五，28，男，6000，2025-04-03趙六，35，女，4500，2025-04-04孫七，22，男，5500，2025-04-052.對性別變量進行編碼，男為1，女為2。3.根據銷售日期，對銷售額進行按月分類匯總，計算各月銷售額的平均值。（二）圖表制作4.使用SPSS圖表功能，制作以下圖表：（1）制作銷售額與年齡的散點圖，并添加趨勢線。（2）制作銷售額與銷售日期的折線圖，并添加數據標簽。（三）數據分析5.使用SPSS描述性統計分析功能，對銷售額進行描述性統計分析，包括最大值、最小值、平均值、標準差、中位數、眾數等。6.根據描述性統計分析結果，分析銷售額的變化趨勢。三、Python數據分析要求：請使用Python編程語言，對以下數據進行統計分析，并填寫下列表格。（一）數據導入與整理1.使用Pythonpandas庫，將以下數據導入到DataFrame中，并確保數據格式正確。importpandasaspddata={"姓名":["張三","李四","王五","趙六","孫七"],"年齡":[25,30,28,35,22],"性別":["男","女","男","女","男"],"銷售額":[5000,4000,6000,4500,5500],"銷售日期":["2025-04-01","2025-04-02","2025-04-03","2025-04-04","2025-04-05"]}df=pd.DataFrame(data)2.對性別變量進行編碼，男為1，女為2。3.根據銷售日期，對銷售額進行按月分類匯總，計算各月銷售額的平均值。（二）圖表制作4.使用Pythonmatplotlib庫，制作以下圖表：（1）制作銷售額與年齡的散點圖，并添加趨勢線。（2）制作銷售額與銷售日期的折線圖，并添加數據標簽。（三）數據分析5.使用Python描述性統計分析功能，對銷售額進行描述性統計分析，包括最大值、最小值、平均值、標準差、中位數、眾數等。6.根據描述性統計分析結果，分析銷售額的變化趨勢。四、R語言數據分析要求：請使用R語言進行以下數據分析，并輸出結果。1.創建一個包含以下數據的向量：年齡（25,30,28,35,22），性別（男，女，男，女，男），銷售額（5000,4000,6000,4500,5500）。2.使用R語言進行描述性統計分析，包括計算年齡、性別和銷售額的均值、中位數、眾數和標準差。3.根據性別對銷售額進行分組，計算男女銷售額的平均值。4.使用R語言繪制年齡與銷售額的相關性散點圖，并計算相關系數。5.使用R語言進行假設檢驗，檢驗銷售額與年齡之間是否存在顯著的相關性。六、Python數據可視化要求：請使用Python進行以下數據可視化操作，并展示結果。1.使用Pythonpandas庫讀取以下數據，并將其存儲在DataFrame中。importpandasaspddata={"姓名":["張三","李四","王五","趙六","孫七"],"年齡":[25,30,28,35,22],"性別":["男","女","男","女","男"],"銷售額":[5000,4000,6000,4500,5500]}df=pd.DataFrame(data)2.使用Pythonmatplotlib庫繪制年齡與銷售額的散點圖。3.使用Python繪制銷售額的直方圖，展示銷售額的分布情況。4.使用Python繪制銷售額的箱線圖，展示銷售額的分布和異常值。5.使用Python繪制銷售額的時間序列圖，假設銷售日期為連續的時間序列，展示銷售額隨時間的變化趨勢。本次試卷答案如下：一、Excel數據分析與處理（一）數據輸入與整理1.將數據輸入到Excel表格中，確保格式如下：|姓名|年齡|性別|銷售額|銷售日期||----|----|----|------|----------||張三|25|男|5000|2025-04-01||李四|30|女|4000|2025-04-02||王五|28|男|6000|2025-04-03||趙六|35|女|4500|2025-04-04||孫七|22|男|5500|2025-04-05|2.性別分類匯總：-男性銷售額平均值：5000+6000+5500=16500，平均值=16500/3=5500-女性銷售額平均值：4000+4500=8500，平均值=8500/2=42503.銷售額按月分類匯總：-4月銷售額平均值：5000+4000+6000+4500+5500=25000，平均值=25000/5=5000（二）圖表制作4.銷售額與年齡的散點圖和趨勢線：-使用Excel圖表工具，創建散點圖，將年齡作為X軸，銷售額作為Y軸。-添加趨勢線，選擇線性趨勢線。5.銷售額與銷售日期的折線圖和數據標簽：-使用Excel圖表工具，創建折線圖，將銷售日期作為X軸，銷售額作為Y軸。-添加數據標簽，顯示每個日期的銷售額。（三）數據分析6.描述性統計分析：-最大值：6000-最小值：4000-平均值：5000-標準差：約為712.13-中位數：5000-眾數：5000根據描述性統計分析結果，銷售額的變化趨勢穩定，平均銷售額為5000。二、SPSS數據分析（一）數據錄入與整理1.將數據輸入到SPSS數據編輯器中，確保格式如下：|變量名|值||------|----||姓名|張三||年齡|25||性別|1||銷售額|5000||銷售日期|2025-04-01||姓名|李四||年齡|30||性別|2||銷售額|4000||銷售日期|2025-04-02||姓名|王五||年齡|28||性別|1||銷售額|6000||銷售日期|2025-04-03||姓名|趙六||年齡|35||性別|2||銷售額|4500||銷售日期|2025-04-04||姓名|孫七||年齡|22||性別|1||銷售額|5500||銷售日期|2025-04-05|2.性別編碼：男為1，女為2。3.銷售額按月分類匯總：-4月銷售額平均值：5000+4000+6000+4500+5500=25000，平均值=25000/5=5000（二）圖表制作4.銷售額與年齡的散點圖和趨勢線：-使用SPSS圖表工具，創建散點圖，將年齡作為X軸，銷售額作為Y軸。-添加趨勢線，選擇線性趨勢線。5.銷售額與銷售日期的折線圖和數據標簽：-使用SPSS圖表工具，創建折線圖，將銷售日期作為X軸，銷售額作為Y軸。-添加數據標簽，顯示每個日期的銷售額。（三）數據分析6.描述性統計分析：-最大值：6000-最小值：4000-平均值：5000-標準差：約為712.13-中位數：5000-眾數：5000根據描述性統計分析結果，銷售額的變化趨勢穩定，平均銷售額為5000。三、Python數據分析（一）數據導入與整理1.使用Pythonpandas庫讀取數據，代碼如下：```pythonimportpandasaspddata={"姓名":["張三","李四","王五","趙六","孫七"],"年齡":[25,30,28,35,22],"性別":["男","女","男","女","男"],"銷售額":[5000,4000,6000,4500,5500]}df=pd.DataFrame(data)```2.性別編碼：男為1，女為2。3.銷售額按月分類匯總：-使用pandas的groupby函數，按月份對銷售額進行分組，代碼如下：```pythondf['銷售日期']=pd.to_datetime(df['銷售日期'])df['月份']=df['銷售日期'].dt.monthmonthly_sales=df.groupby('月份')['銷售額'].mean()```（二）圖表制作4.銷售額與年齡的散點圖和趨勢線：-使用matplotlib庫創建散點圖，代碼如下：```pythonimportmatplotlib.pyplotaspltplt.scatter(df['年齡'],df['銷售額'])plt.xlabel('年齡')plt.ylabel('銷售額')plt.title('年齡與銷售額散點圖')plt.show()```5.使用matplotlib庫添加線性趨勢線，代碼如下：```pythonimportnumpyasnpz=np.polyfit(df['年齡'],df['銷售額'],1)p=np.poly1d(z)plt.plot(df['年齡'],p(df['年齡']),"r--")plt.show()```6.銷售額與銷售日期的折線圖和數據標簽：-使用matplotlib庫創建折線圖，代碼如下：```pythonplt.plot(df['銷售日期'],df['銷售額'],marker='o')plt.xlabel('銷售日期')plt.ylabel('銷售額')plt.title('銷售額隨時間變化趨勢')plt.show()```（三）數據分析7.描述性統計分析：-使用pandas的describe函數進行描述性統計分析，代碼如下：```pythondescription=df['銷售額'].describe()print(description)```根據描述性統計分析結果，銷售額的變化趨勢穩定，平均銷售額為5000。四、R語言數據分析1.創建數據向量：```Rage<-c(25,30,28,35,22)gender<-c("男","女","男","女","男")sales<-c(5000,4000,6000,4500,5500)```2.描述性統計分析：```Rmean_age<-mean(age)median_age<-median(age)mode_age<-names(table(age))[which.max(table(age))]sd_age<-sd(age)mean_gender<-mean(as.numeric(gender))mean_sales<-mean(sales)median_sales<-median(sales)mode_sales<-names(table(sales))[which.max(table(sales))]sd_sales<-sd(sales)cat("年齡均值：",mean_age,"\n")cat("年齡中位數：",median_age,"\n")cat("年齡眾數：",mode_age,"\n")cat("年齡標準差：",sd_age,"\n")cat("性別均值：",mean_gender,"\n")cat("銷售額均值：",mean_sales,"\n")cat("銷售額中位數：",median_sales,"\n")cat("銷售額眾數：",mode_sales,"\n")cat("銷售額標準差：",sd_sales,"\n")```3.性別分組銷售額平均值：```Rgender_sales<-aggregate(sales~gender,dataframe(gender,sales),FUN=mean)print(gender_sales)```4.年齡與銷售額散點圖和相關性分析：```Rplot(age,sales,xlab="年齡",ylab="銷售額")abline(lm(sales~age),col="red")cor.test(age,sales)```5.假設檢驗：```Rt.test(sales~age,dataframe(age,sales))```五、Python數據可視化1.讀取數據：```pythonimportpandasaspddata={"姓名":["張三","李四","王五","趙六","孫七