数据分析课后习题答案
数据分析答案完整版(整理)
x n n x j ( x j x) n 1 n 1 n 1
n2
x j x( j ) x j
服 从 正 态 分 布 。 故 有 E xi x E i
1 n j 0 ， n j 1
1 n 1 n n 1 2 D xi x D i j E i j ，故 xi x 服从分 n n n j 1 j 1
N (0, 2 I n ) ， (1 , 2 ,
, n ) ，则
,1 .
N (0, 2 ( I n H n )) 。其中：
1
1 1 n 1 ， H n n 1, n 1 1
n n 1
n 1 n 2 n n 1 2
——证毕—— 3.条件同第 2 题，证明： （1） x N 0, n
2
（2） N 1 S 2 / 2 x2 n 1 ， （4 ） t n
x t n 1
由与此变换为正交变换知， yi 2 xi 2 ，同时 x1 , x2 , , xn 为相互独
i 1 i 1
n
n
立的正态分布。
密度函数 f x1 , x2 ,
xi 1 2 2 i 1 由于正交的雅可比行列 , xn e 2 n
2
1 , n 1 , 1 ，由正交性有 n 1
2 , 3n,
a
数据分析：分析视角思维的培养---课后测试及答案
数据分析：分析视角思维的培养课后测试•1、做市场预测的案例分析预测时，使用分类视角其实是一个（）的过程（10分）A由此及彼B由因索果C由部分推断总体D用波动推断风险正确答案:C•2、以下选项中，哪个选项不是分析视角应用时要遵循的原则？（10分）A对比对象要可比B描述角度要全面C分出各类有差异D相关即是因果正确答案:D•1、在市场预测分析中，以下哪几类视角可以固化下来帮助我们把预测应用到更多领域？（10分）A对比视角B相关视角C分类视角D描述视角E推演视角正确答案:ABCD•2、我们基于对比视角进行市场预测时，可以从以下哪几个维度展开（）（10分）A用已知推未知——空间维度B由过去推未来——时间维度C因索果的过程D从波动看风险正确答案:AB•3、我们还可以基于描述视角进行预测，这里的描述包含（）（10分）A中间趋势B集中趋势C离中趋势D平均趋势正确答案:BC•4、四分图模型主要是对满意度指标改进的优先级进行分析，它使用了哪类分析视角做了有机的组合？（10分）A对比视角B相关视角C分类视角D描述视角正确答案:AC•5、以下哪些分析方法解决的是分类视角的问题？（10分）A决策树分析B逻辑回归法C德尔斐法D构成关系法正确答案:ABD•6、分析视角原则中，以下说法正确的有（）（10分）A如果两个变量之间存在着因果关系，它一定具有相关性B两个相关事物，如果在数据上呈现出同向或者是反向的变化，它们相互之间其实是独立的C两个事物或者说两个变量相互之间是因果关系的话，也不一定先行的因就影响后行的果正确答案:AB•1、我们在使用描述视角进行分析时，其实是既要看集中趋势，也要看离中趋势的（10分）A正确B错误正确答案:正确•2、分析视角，一定要结合具体业务场景选择恰当的视角（10分）A正确B错误正确答案:正确。
(完整版)Excel数据分析课后测试答案
Excel数据分析单选题•1、数据透视表被形象地形容为企业经营管理中的什么部分？（10 分）✔A血液✔B骨架✔C皮肤✔D肌肉正确答案:A•2、需要选择整张报表进行透视表计算时，可以怎样操作？（10 分）✔ACtrl+a快选整张表格✔B鼠标在最左行，变为黑色箭头时可以全选行✔C鼠标移动至报表内部可自动选择整张报表正确答案:C•3、在数据透视表中，需要对某一字段进行对比分析时，应将该数据放在哪类标签中更便利？（10 分）✔A报表筛选✔B列标签✔C行标签✔D西格玛数值（∑）正确答案:B•4、需要为单元格中的信息添加单位时，在设置单元格选项卡中，选择哪个功能项操作？（10 分）✔A常规✔B文本✔C特殊✔D自定义正确答案:D•5、需要为数据进行比重分析时，选择值字段设置中的哪个选项？（10 分）✔A值汇总方式✔B值显示方式正确答案:B•6、如何对汇总表中的单个数据进行核查操作？（10 分）✔A在原明细表中生成新的汇总数据✔B双击该单元格查看对应汇总数据✔C以上方法都可以正确答案:C•7、汇总表中的标题字段可以自定义吗？（10 分）✔A可以✔B不可以正确答案:A多选题•1、创建数据透视表的方式？（10 分）A创建一个新工作表，点击“数据透视表”，选择一个表或区域B创建一个新工作表，点击“数据透视表”，选择外部数据源C点选明细表中有效单元格，再点击“数据透视表”选项D点选明细表中任意单元格，再点击“数据透视表”选项正确答案:B C判断题•1、数据透视表是Excel中一种交互式的工作表，可以根据用户的需要按照不同关键字段来提取组织和分析数据。
（10 分）✔A正确✔B错误正确答案:正确•2、汇总表中的数据如果需要修正时，不可以直接更改，必须返回原明细表修改对应的原始数据。
（10分）✔A正确✔B错误正确答案:正确。
定性数据分析第三章课后答案
第三章课后习题作业9、对72个可疑患者用两种不同的方法进行检测，检测结果如下：问：检测方法1阳性和阴性的比例是否与检测方法2阳性和阴性的比例相同？ 解：（1）提出原假设根据题意，我们假设检测方法1阳性和阴性的比例与检测方法2阳性和阴性的比例是相同。
即：原假设：011:,H p p ++= 备选假设：011:H p p ++≠（2）选择检验统计量如果边缘齐性检验问题的原假设成立时，因为121122211221,p p p p p --==，可见参数个数为2，并且似然函数为2221121122211211)21()()()()()(),(121112112212111211n n n n n n n n p p p p p p p p p L --==++所以11p 、12p 和2112p p =极大似然估计分别为n n p1111ˆ=、n n p 2222ˆ=和n n n p p2)(ˆˆ21122112+==。
从而得到边缘齐性检验问题的2χ检验统计量和似然比检验统计量)ln(2Λ-，它们分别为：2χ检验统计量：211222112212122)(ˆ)ˆ(n n n n p n p n n i j ij ij ij +-=-=∑∑==χ似然比检验统计量：⎪⎪⎭⎫⎝⎛+++-=⎪⎪⎭⎫⎝⎛-=Λ-∑∑==212112211221121221212ln 2ln 2ˆln 2)ln(2n n n n n n n n n p n n i j ijijij它们都有渐近2χ分布，其自由度都是4-2-1=1。
（3）计算检验统计量和p 值，并作出决策则McNemar 2χ检验统计量和似然检验统计量)ln(2Λ-的值分别为：3918)918(22=+-=χ 05818.392918ln 9182918ln 182)ln(2=⎪⎭⎫ ⎝⎛⋅++⋅+-=Λ-我们在Excel 中分别输入“)1,3(chidist =”和“)1,05818.3(chidist =”，可得到2χ检验统计量和似然检验统计量)ln(2Λ-的p 值分别为：083264517.0)3)1((2=≥=χP p 080331601.0)05818.3)1((2=≥=χP p由于p 值都不小，我们不能拒绝原假设，从而认为检测方法1阳性和阴性的比例与检测方法2阳性和阴性的比例是相同。
数据分析课后习题答案4.6(1)
实验4.6信计092 龚林 200900901005利用样本协方差矩阵 程序源代码Factor AnalysisCom munalities 2.500.031 1.000.012300.516300.1341.000.9991.522.060 1.000.0401.182.007 1.000.00611.364.179 1.000.01630.9793.846 1.000.124.479.0021.000.003风速太阳辐射CO NO NO2O3HCInitialE xtractionInitialE xtractionRawRescaledE xtraction Method: P rincipal Com po nent Analysis.Com ponent Matrix a-.175-.11117.324.999.245.199-.082-.076.423.1261.961.352.041.059风速太阳辐射CO NO NO2O3HC1Component1ComponentRawRescal ed E xtraction Method: P rincipal Component Analysi s.1 components extracted.a.Total Variance Explained 304.25887.29587.295304.25887.29587.29528.2768.11395.40811.464 3.28998.6972.524.72499.4211.280.36799.788.529.15299.940.210.060100.000304.25887.29587.295 1.20017.13717.13728.2768.11395.40811.464 3.28998.6972.524.72499.4211.280.36799.788.529.15299.940.210.060100.000Component12345671234567RawRescaledTotal % of VarianceCumulative %Total % of VarianceCumulative %Initial Ei g envaluesaExtraction Sums of Squared Loadings Extraction Method: Principal Component Analysis.When analyzing a covariance matrix, the initial ei g envalues are the same across the raw and rescaled solution.a.利用样本相关矩阵 Factor AnalysisComponent Matrix a-.362.328.706.314-.620.246.842-.008-.125.577.512-.447.761.235.216.496-.667.175.488.362.594风速太阳辐射CO NO NO2O3HC123ComponentExtraction Method: Principal Component Analysis.3 components extracted.a.公因子方差（Communalities ）表如下Communalities1.000.7371.000.5441.000.7251.000.7951.000.6811.000.7221.000.722风速太阳辐射CO NO NO2O3HCInitialExtractionExtraction Method: P rincipal Component Analysi s .公因子方差变化于0.544～0.795之间，相差不是很大。
《Python数据分析、挖掘与可视化》课后题答案
《Python数据分析、挖掘与可视化》课后题答案第⼆章课后题答案1.输⼊⼀个包含若⼲⾃然数的列表，输出这些⾃然数的平均值，结果保留3位⼩数。
ls=eval(input())ans=float(sum(ls)/len(ls))print('{:.3f}'.format(ans))2.输⼊⼀个包含若⼲⾃然数的列表，输出这些⾃然数降序排列后的新列表。
ls=eval(input())ls=sorted(ls,reverse=True)print(ls)3.输⼊⼀个包含若⼲⾃然数的列表，输出⼀个新列表，新列表中每个元素为原列表中每个⾃然数的位数。
ls=eval(input())ans=list()for i in ls:st=str(i)ans.append(len(st))print(ans)4.输⼊⼀个包含若⼲数字的列表，输出其中绝对值最⼤的数字。
ls=eval(input())m=ls[0]for i in ls:if abs(i)>m:m=iprint(m)5.输⼊⼀个包含若⼲整数的列表，输出这些整数的乘积。
ls=eval(input())ans=1for i in ls:ans*=iprint(ans)6.输⼊两个包含若⼲整数的等长列表，把这两个列表看作两个向量，输出这两个向量的内积。
ls1=eval(input())ls2=eval(input())ans=0for i in range(min(len(ls1),len(ls2))):ans+=ls1[i]*ls2[i]print(ans)第三章课后题答案1.输⼊⼀个字符串，输出其中每个字符的出现次数。
（⽤Counter类）2.输⼊⼀个字符串，输出其中只出现了⼀次的字符及其下标。
3.输⼊⼀个字符串，输出其中每个唯⼀字符最后⼀次出现的下标。
4.输⼊包含若⼲集合的列表，输出这些集合的并集。
（⽤reduce()函数和operator模块）5.输⼊⼀个字符串，输出加密后的结果字符串。
数据分析与商业智能课后习题参考答案
数据分析与商业智能课后习题参考答案题一: 数据分析基础1. 什么是数据分析？数据分析是一种通过收集、清洗、转换和分析数据来提取有价值信息的过程。
它的目标是帮助人们做出基于数据的决策，并揭示隐藏在数据背后的模式、趋势和关联性。
2. 数据分析的主要步骤有哪些？数据分析的主要步骤包括：- 收集数据：从各种来源获取数据，包括数据库、文本文件、传感器等。
- 清洗数据：对收集到的数据进行清洗，去除无效或错误的数据，并进行数据格式转换。
- 转换数据：将数据转换为适合分析的形式，如将文本数据转换为数值型数据。
- 分析数据：应用统计学和机器研究算法对数据进行分析，揭示数据背后的模式和关联性。
- 解释结果：对分析结果进行解释，并提供有关数据的见解和建议。
3. 数据分析的应用领域有哪些？数据分析在各个领域都有广泛的应用，包括但不限于：- 商业决策：帮助企业做出市场营销、供应链管理、产品定价等决策。
- 社交媒体分析：通过分析社交媒体数据了解用户偏好、社交趋势等。
- 金融风险分析：通过分析金融数据预测市场风险和投资回报。
- 医疗健康分析：分析医疗数据以支持疾病预防、诊断和治疗决策。
- 运输与物流优化：通过分析运输和物流数据提高效率和减少成本。
题二: 商业智能的概念和基本原理1. 什么是商业智能？商业智能（Business Intelligence，BI）是指通过收集、整理和分析企业内部和外部的数据，将其转化为有用信息，以支持企业决策和战略规划的过程。
2. 商业智能的基本原理是什么？商业智能的基本原理包括：- 数据仓库：将企业各个业务系统收集到的数据进行整合和存储，以便后续分析和查询。
- 数据清洗和转换：对数据进行清洗和转换，去除重复、无效或错误数据，并将其转换为适合分析的形式。
- 数据挖掘：应用数据挖掘技术，如聚类、分类、关联规则等，从大量的数据中挖掘有价值的信息。
- 可视化和报告：通过数据可视化和报告工具，以图表、表格等形式展示分析结果，以便用户理解和决策。
应用数值分析（第四版）课后习题答案第5章
第五章习题解答1、给出数据点:013419156i i x y =⎧⎨=⎩(1)用012,,x x x 构造二次Lagrange 插值多项式2()L x ,并计算15.x =的近似值215(.)L 。
(2)用123,,x x x 构造二次Newton 插值多项式2()N x ,并计算15.x =的近似值215(.)N 。
(3)用事后误差估计方法估计215(.)L 、215(.)N 的误差。
解:(1)利用012013,,x x x ===,0121915,,y y y ===作Lagrange 插值函数2202130301191501031013303152933()()()()()()()()()()()()()()i i i x x x x x x L x l x y x x =------==⨯+⨯+⨯-------++=∑代入可得2151175(.).L =。
(2)利用123134,,x x x ===,1239156,,y y y ===构造如下差商表：于是可得插值多项式：229314134196()()()()()N x x x x x x =+-+---=-+-代入可得215135(.).N =。
(3)用事后误差估计的方法可得误差为1501511751350656304.(.)(..).R -=-=-◆ 2、设Lagrange 插值基函数是0012()(,,,,)nj i j i jj ix x l x i n x x =≠-==-∏试证明:①对x ∀,有1()ni i l x ==∑②00110001211()()(,,,)()()nk i i i n n k l x k n x x x k n =⎧=⎪==⎨⎪-=+⎩∑ 其中01,,,n x x x 为互异的插值节点。
证明：①由Lagrange 插值多项式的误差表达式101()()()()()!n ni i f R x x x n ξ+==-+∏知，对于函数1()f x =进行插值，其误差为0，亦即0()()ni ii f x l x f==∑精确成立，亦即1()ni i l x ==∑。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
数据分析第一次上机实验报告
班级：信计091 学号：200900901023 姓名：李骏
习题一
1.1
某小学60位学生（11岁）的身高（单位：cm）数据如下：
（数据略）
（1）计算均值、方差、标准差、变异系数、偏度、峰度；
（2）计算中位数，上、下四分位数，四分位极差，三均值；
（3）做出直方图；
（4）做出茎叶图；
解：（1）使用软件计算得到
变异系数=标准差/均值=5.08%
（2）部分答案在解（1）
四分位极差=Q3-Q1=144.75-135=9.75
三均值=0.25*Q1+0.5*M+0.25*Q3=139.4375
（3）使用软件画图得到
（4）使用软件画图得到
身高 Stem-and-Leaf Plot
Frequency Stem & Leaf
1.00 Extremes (=<120)
1.00 12 . 3
5.00 12 . 67889
7.00 13 . 1122244
18.00 13 . 555677777888899999
13.00 14 . 0112222223344
13.00 14 . 5566677778999
2.00 15 . 01
Stem width: 10.00
Each leaf: 1 case(s)
1.8
对20名中年人测量6个指标，其中3个生理指标：体重（x1）、腰围(x2)、脉搏（x3）；3个训练指标：引体向上(x4)、直坐次数(x5)、跳跃次数(x6)。
数据如下表
(表格略)
(1)计算协方差矩阵，Pearson相关矩阵;
(2)计算Spearman相关矩阵;
(3)分析各指标间的相关性。
解：
(1)使用软件得到下表
(2)使用软件得到下表。