數(shù)據(jù)分析方法與技術(shù)作業(yè)及答案

1、一、填寫題（抄題，寫答案）1. 數(shù)據(jù)分析“六步曲”按順序依次是： 明確分析目的和內(nèi)容 、 數(shù)據(jù)收集 、 數(shù)據(jù)處理 、 數(shù)據(jù)分析 、 數(shù)據(jù)展現(xiàn) 、 報告撰寫 。2. 定量數(shù)據(jù)一般可分為 計量的 、 計數(shù)的 、二種類型。定性數(shù)據(jù)一般可分為 有序的 、 名義的 、二種類型。3. 數(shù)據(jù)收集方法總的可分為 一手?jǐn)?shù)據(jù) 、二手?jǐn)?shù)據(jù) 、兩大類。前一類方法常用的具體方法有 調(diào)查法 、 觀察法 、 實驗法 ；后一類方法常用的具體方法有 機構(gòu)查詢 、 書刊查詢 、 網(wǎng)絡(luò)查詢 。4. SPSS中有三種主要的工作窗口，它們是： 數(shù)據(jù)編輯窗口 、 結(jié)果瀏覽窗口 、 程序編輯窗口 ；在進行數(shù)據(jù)表編輯時，有二種主要視圖，它們

2、是： 數(shù)據(jù)視圖 、 變量視圖 。5. SPSS中對變量屬性進行定義時，對變量的命名在 Name 欄中設(shè)置，定義變量值標(biāo)簽在 Values 欄中設(shè)置。6. 根據(jù)數(shù)據(jù)的計量性質(zhì)，可以將數(shù)據(jù)分為 定量的 數(shù)據(jù)和 定性的 數(shù)據(jù)；根據(jù)數(shù)據(jù)獲得的直接性，可以將數(shù)據(jù)分為 一手 數(shù)據(jù)和 二手 數(shù)據(jù)。7. 統(tǒng)計檢驗的一種思路是：設(shè)定原假設(shè) H0，構(gòu)造相應(yīng)的統(tǒng)計判斷量，當(dāng)根據(jù)實驗數(shù)據(jù)或樣本數(shù)據(jù)計算出的統(tǒng)計判斷量 落在拒絕區(qū)域 ，則拒絕原假設(shè)；反之，則 落在接受區(qū)域，接受原假設(shè) 。在SPSS軟件的統(tǒng)計操作中，通過計算樣本數(shù)據(jù)的實際顯著性概率Sig.，并將其與給定的顯著性概率水平 比較，當(dāng) Sig. < 時（填

3、 “>” 或 “<” ），則拒絕原假設(shè)。8. 方差分析主要用來判斷樣本數(shù)據(jù)之間的差異是由 不可控的隨機因素 造成的還是由 研究中施加的對結(jié)果形成影響的可控因素 造成的。9. 因子分析法是 多元統(tǒng)計分析中處理降維 的一種，其最主要的工作是 降維 ，即 將具有錯綜復(fù)雜關(guān)系的變量或者樣品綜合為數(shù)量較少的幾個因子，以再現(xiàn)原始變量與因子之間的相互關(guān)系 。10. 下圖所示因子分析結(jié)果中，數(shù)值6.845的含義是 第一主成分特征根 ，數(shù)值84.421的含義是 前三個主成分的累計貢獻率；在Extraction Sums塊中，有三行數(shù)據(jù)，其含義是 根據(jù)提取因子條件-特征值大于1，共選出了三個公共因子

4、。11. 下圖所示橢圓圈中信息的含義 11變量，200樣例 。 12. 強規(guī)則是指： 同時滿足最小支持度閾值和最小置信度閾值的規(guī)則 。13. Statistica中實現(xiàn)聚類分析的過程是：Statistics/ Multivariate Exploratory Techniques/ Cluster Analysis 。14. 在對二值變量定類數(shù)據(jù)的距離進行計算時，若認(rèn)為所取兩個值的地位不對等，則可以用 雅克比匹配系數(shù) 對距離進行度量。15. 熵可以作為訓(xùn)練集的 不純度 度量，熵越大， 不純度 就越 高 （高或低）。決策樹的分枝原則就是使劃分后的樣本的子集越 純 越好，即它們的熵越 小 越好。1

5、6. C&RT算法的全稱是 Classification and Regression Trees ，它所構(gòu)成的決策樹是 二叉樹 ，該算法用 gini指標(biāo) 指標(biāo)作為選擇分枝方案的依據(jù)，在選擇分枝方案時，需經(jīng)兩步完成，第一步， 在每個節(jié)點處評估所有屬性的每個標(biāo)準(zhǔn)問題的 gini 指標(biāo) ，第二步， 選擇gini 指標(biāo)最大的標(biāo)準(zhǔn)問題作為分枝方案 。17. 已知某數(shù)據(jù)集中某屬性的不同取值為，2.6，1， 2.9， 2，5，4.2，2.3，3 ，則該屬性的標(biāo)準(zhǔn)問題集為 Is A1.5,Is A2.15,Is A2.45,Is A2.75,Is A2.95,Is A3.6,Is A4.6 。18.

6、 已知某數(shù)據(jù)集中某屬性的不同取值為，優(yōu)，良，中，差，則該屬性的標(biāo)準(zhǔn)問題集為 Is A優(yōu)，Is A良，Is A中，Is A優(yōu)，良，Is A良，中，Is A優(yōu)，中，Is A優(yōu)，良，中。二、單項選擇題（抄題干及你認(rèn)為正確的選項，圖可以不畫）1. Excel中，當(dāng)把F7單元格復(fù)制到G8單元格時出現(xiàn)了如下信息提示，關(guān)于這一現(xiàn)象，以下描述正確的是( C )。(A) G8單元格的數(shù)據(jù)應(yīng)該是17，可能格式設(shè)置為小數(shù)點后5位，超過了單元格顯示區(qū)域，出現(xiàn)此提示(B) C8或D8單元格的數(shù)據(jù)有問題 (C) D8和E8不能相加(D) F8為空值，無法加總得到結(jié)果2. 在Excel中，要實現(xiàn)如下圖所示的匯率換算，可以在

7、D5單元格中輸入（B ），之后將它復(fù)制到下面的單元格，就可以實現(xiàn)不同幣值的換算。(A) $C$2*C5 (B) =C$2*C5 (C) =6.912*786 (D) =C2*C53. 以下關(guān)于SPSS中定義變量值標(biāo)簽的描述中，錯誤的是（C）(A) 定義值標(biāo)簽可簡化數(shù)據(jù)錄入 (B) 在顯示數(shù)據(jù)表時，通過點擊工具欄中的Value Labels按鈕，可以在標(biāo)簽和值之間切換顯示 (C) 通過定義值標(biāo)簽可以為不同范圍的數(shù)據(jù)定義不同的標(biāo)簽顯示(D) 值標(biāo)簽的定義可以實現(xiàn)只輸入標(biāo)簽就可以輸入實際的數(shù)據(jù)4. SPSS19版本中數(shù)據(jù)文件的擴展名是（A）(A) .sav (B) .sps (C) .dat (D)

8、 .xls5. 如果將數(shù)據(jù)分析方法論比喻成服裝設(shè)計圖，則服裝制作中的平面、立體剪裁、合縫、包縫等相當(dāng)于數(shù)據(jù)分析中的（C）(A) 分析工具 (B) 分析技術(shù) (C) 分析思路 (D) 補充分析 6. 以下統(tǒng)計量中，反映集中趨勢的量有（B,C,E ）(A) 標(biāo)準(zhǔn)誤 (B) 平均值 (C) 眾數(shù) (D)方差 (E)四分位數(shù)7. 以下關(guān)于SPSS中定義變量值標(biāo)簽的描述中，錯誤的是（C ）(A) 定義值標(biāo)簽可簡化數(shù)據(jù)錄入 (B) 在顯示數(shù)據(jù)表時，通過點擊工具欄中的Value Labels按鈕，可以在標(biāo)簽和值之間切換顯示 (C) 通過定義值標(biāo)簽可以為不同范圍的數(shù)據(jù)定義不同的標(biāo)簽顯示(D) 值標(biāo)簽的定義可以

9、實現(xiàn)只輸入標(biāo)簽就可以輸入實際的數(shù)據(jù)8. SPSS中實現(xiàn)二變量相關(guān)分析的過程是( A )。(A) 【Analyze】/【Correlate】/【Bivariate】 (B) 【Analyze】/【Compare Means】/【Bivariate】(C) 【Analyze】/【Correlate】/【Partial】 (D) 【Analyze】/【Factor Analysis】9. 因子分析中KMO檢驗的作用是（C ）。(A) 檢驗各因子的齊次性 (B) 說明各原始變量與因子的相關(guān)性(C) 檢驗因子分析的可行性 (D) 其作用與LSB檢驗效果相同10. EM聚類主要基于（ C ）進行聚類。(A

10、) 樣本點之間的距離 (B) 樣本點之間的相似度 (C) 數(shù)理統(tǒng)計模型(D) 熵函數(shù)的計算11. 以下關(guān)于信度的描述中，錯誤的是（D ）：(A) 信度是反映測量的穩(wěn)定性與一致性的一個指標(biāo)(B) 大部分信度指標(biāo)都是以相關(guān)系數(shù)表示的(C) 如果一個問卷在測試中不受調(diào)查環(huán)境各種因素的影響，就說該問卷的信度系數(shù)等于1(D) 問卷信度的高低，取決于我們對系統(tǒng)誤差的控制程度12. 以下關(guān)于信度的描述中，正確的是（B ）：(A) 信度高，則效度一定高(B) 效度高，則信度一定高(C) 0.6 << 0.7 量表設(shè)計存在問題，但有參考價值(D) 折半信度系數(shù)是從問卷中取出一半來計算其克朗巴哈系數(shù)1

11、3. 對數(shù)據(jù)挖掘這一概念的理解，以下描述錯誤的是（A ）。(A) 發(fā)現(xiàn)的知識要可接受、可理解，且要有普遍的指導(dǎo)意義(B) 一般數(shù)據(jù)源是歷史數(shù)據(jù)，具有相對的穩(wěn)定性(C) 發(fā)現(xiàn)的是用戶感興趣的知識(D) 數(shù)據(jù)源必須是真實的、大量的、含噪聲的14. 關(guān)于下圖所反映的關(guān)聯(lián)規(guī)則分析結(jié)果，以下描述中錯誤的是（D）。(A) 這里的關(guān)聯(lián)規(guī)則可以描述為 IF Body THEN Head的形式(B) IF (Gender=Male) Then (Pizza) 的置信度是70.12195%(C) 在此題中，IF (Gender=Male) Then (Pizza) 與IF (Pizza) Then(Gender=

12、Male)的支持度均相同，這是正確的 (D) 在此題中57.5%的支持度表示的是Head supp。15. 關(guān)于下圖的描述中，錯誤的是（C ）。(A) 上圖反映了質(zhì)心之間的距離(B) 上圖反映了兩個類之間的距離(C) 這是K-means聚類分析的結(jié)果，即基于分類的成批修改法(D) 類之間距離的計算方法有最長距離法、最短距離法等三、簡答題（抄題干及分析，不用畫圖）1. 區(qū)分如下四個概念：類型抽樣、等距抽樣、整群抽樣、多階段抽樣。類型抽樣類型抽樣也稱分層抽樣，是將總體中的各單位按照某種特征或某種規(guī)則劃分成若干個不同的類型組，然后從各類型組中獨立、隨機地抽取樣本，再將各類型組的樣本結(jié)合起來，對總體的

13、目標(biāo)量進行估計。等距抽樣等距抽樣又稱系統(tǒng)抽樣，是將總體中各單位按照某一標(biāo)志順序排列，在規(guī)定的范圍內(nèi)隨機確定起點，然后按照一定的間隔抽取其他樣本單位的抽樣組織形式。整群抽樣整群抽樣是將總體各單位劃分為若干群，然后以群為單位從中隨機抽取一些群，對抽中群的所有單位都進行調(diào)查的抽樣組織形式。多階段抽樣多階段抽樣也稱多級抽樣或階段抽樣，是將對總體單位的整個抽樣過程分為兩個或更多個階段進行，先從總體中抽選若干個大的樣本群，稱為第一階段單位，然后從被抽中的若干個大的單位群中，抽選較小的樣本單位，以此類推。2. 為什么要進行數(shù)據(jù)清洗？1. 重復(fù)數(shù)據(jù)處理 2. 處理缺失數(shù)據(jù)3. 檢查數(shù)據(jù)邏輯錯誤數(shù)據(jù)倉庫中的數(shù)據(jù)

14、是面向某一主題的數(shù)據(jù)的集合，這些數(shù)據(jù)從多個業(yè)務(wù)系統(tǒng)中抽取而來而且包含歷史數(shù)據(jù)，這樣就避免不了有的數(shù)據(jù)是錯誤數(shù)據(jù)、有的數(shù)據(jù)相互之間有沖突，這些錯誤的或有沖突的數(shù)據(jù)顯然是我們不想要的，稱為“臟數(shù)據(jù)”。不符合要求的數(shù)據(jù)主要是有不完整的數(shù)據(jù)、錯誤的數(shù)據(jù)、重復(fù)的數(shù)據(jù)三大類。3. 數(shù)據(jù)分析方法論與具體的數(shù)據(jù)分析方法有何區(qū)別？數(shù)據(jù)分析方法論與數(shù)據(jù)分析法的區(qū)別 數(shù)據(jù)分析方法論主要用來指導(dǎo)數(shù)據(jù)分析師進行一個完整的數(shù)據(jù)分析，它更多的是指導(dǎo)數(shù)據(jù)分析思路，比如，主要從哪幾個方面開展數(shù)據(jù)分析？各方面包含什么內(nèi)容或指標(biāo)？數(shù)據(jù)分析方法論從宏觀角度指導(dǎo)如何進行數(shù)據(jù)分析，它就像是一個數(shù)據(jù)分析的前期規(guī)劃，指導(dǎo)著后期數(shù)據(jù)分析工作的

15、開展。而數(shù)據(jù)分析法則是指各種具體的方法，主要從微觀層面指導(dǎo)如何進行數(shù)據(jù)分析。4. 簡述類型抽樣與整群抽樣的區(qū)別。5. 在數(shù)據(jù)分析方法的層次上，5W2H屬于方法論還是具體的方法，簡述其主要內(nèi)容。方法論，具體內(nèi)容：why（何因）what(何事) who（何人）when（何時）where(何地) how(如何做) how much(何價)。(1) WHAT-是什么?目的是什么?做什么工作?(2) HOW -怎么做?如何提高效率?如何實施?方法怎樣?(3) WHY-為什么?為什么要這么做?理由何在?原因是什么?造成這樣的結(jié)果為什么?(4)WHEN-何時?什么時間完成?什么時機最適宜?(5) WHERE

16、-何處?在哪里做?從哪里入手?(6) WHO-誰?由誰來承擔(dān)?誰來完成?誰負責(zé)?(7) HOW MUCH-多少?做到什么程度?數(shù)量如何?質(zhì)量水平如何?費用產(chǎn)出如何?6. 假設(shè)檢驗的總體思路是怎樣的，簡述之。(PPT 95)總思路是：1）根據(jù)問題的需要對所研究的總體作某種假設(shè)，記作 H0；2）選取合適的統(tǒng)計量，這個統(tǒng)計量的選取要使得在假設(shè) H0 成立時，其分布為已知；3）由實測的樣本，計算出統(tǒng)計量的值，并根據(jù)預(yù)先給定的顯著性水平進行檢驗，作出拒絕或接受假設(shè) H0 的判斷。7. 以下為SPSS中相關(guān)分析的結(jié)果圖，試對其進行分析。從上圖可知，皮爾森相關(guān)系數(shù)是為-0.449，Sig.=0.013，樣本

17、量為30，Sig.<0.05，拒絕原假設(shè)，接收備選假設(shè)，即。即文盲率與人均GDP存在相關(guān)性，文盲率與人均GDP負相關(guān)，但是-0.5<-0.449<0，所以相關(guān)性較小。8. 以下為SPSS中方差分析的結(jié)果圖，試對其進行分析。從上圖可知組間離差平方和為，組內(nèi)離差平方和為，總離差平方和為，自由度為分別為：，組間均方和為組內(nèi)均方和為，Sig.<0.05,拒絕原假設(shè)，接收備選假設(shè)，即平均畝產(chǎn)各不相同，且Between Groups>Within Groups的值，即品種對平均畝產(chǎn)有較大的影響。9. 根據(jù)下圖說明此數(shù)據(jù)挖掘算法是什么，并說明圖中各主要參數(shù)項的含義。 自下而上的

18、聚合型層次聚類，采用最短距離法，amalgamation(融合，混合)計算歐式距離，對原始數(shù)據(jù)中變量1,3-4,6-8進行聚類，Casewise 對樣本的智能處理，默認(rèn)是在統(tǒng)計時不取該行數(shù)據(jù)。10. 聚類算法和分類算法有哪些區(qū)別？各自的目標(biāo)是什么？ “聚類分析”往往預(yù)先不知道各分類集合的目標(biāo)屬性，只有通過其它已知屬性按聚類算法得到分類之后，才去分析各分類的特征，歸納出目標(biāo)屬性。其方向是通過 “聚”來得到分類。例如對銀行客戶的劃分。 “分類分析”對于目標(biāo)屬性及其取值是已知的，其目標(biāo)是在已知的數(shù)據(jù)集中去發(fā)現(xiàn)其它屬性與目標(biāo)屬性的某種規(guī)則模型，這一模型要能對未知對象的目標(biāo)屬性進行準(zhǔn)確預(yù)測。其方向是通過

19、“分”來找到規(guī)則。但二者又是有關(guān)聯(lián)的，例如，可以在聚類識別了新的目標(biāo)屬性的基礎(chǔ)上，在原數(shù)據(jù)集上增加新的目標(biāo)屬性；針對這一新的數(shù)據(jù)集，再用分類算法去找到基于已有發(fā)生推導(dǎo)出目標(biāo)屬性歸屬的分類規(guī)則，并用來對未知數(shù)據(jù)分類。11. 什么是K-means方法，請描述其用途及基本思想。 K-means算法以歐式距離作為相似度測度，它是求對應(yīng)某一初始聚類中心向量V最優(yōu)分類，使得評價指標(biāo)J最小。算法采用誤差平方和準(zhǔn)則函數(shù)作為聚類準(zhǔn)則函數(shù)。其步驟為：1) 在 n 個數(shù)據(jù)中選取 k 個作為凝聚點, 并且定義點與點 之間的距離;2) 其余 n-k 個點逐個進入, 每個點進入時歸入與相應(yīng)凝聚點距離最近的類中，每個點進入

20、之后重新計算每一類的重心作為該類新的凝聚點;3) 重復(fù)2)直至所有類的凝聚點均不再變化為止12. 寫出在決策樹算法中熵和增益的計算定義式，并說明式中各變量的含義。 S 的熵(entropy)或者期望信息為:，式中，表示類的概率。 根據(jù)A劃分的子集的熵或期望信息由下式給出：，式中，Si 表示根據(jù)屬性 A 劃分的 S 的第i個子集，|S|和|Si|分別表示S和Si中的樣本數(shù)目。信息增益用來衡量熵的期望減少值，因此，使用屬性 A對S進行劃分獲得的信息增益為:。gain(S，A)是指因為知道屬性A的值后導(dǎo)致的熵的期望壓縮。四、分析題（抄題干及分析，不用畫圖）1. 下圖是Excel中得到的某市衣著類消費

21、指數(shù)與消費總指數(shù)的回歸分析結(jié)果圖，請對此圖所反映的回歸模型、擬合優(yōu)度等信息進行分析。2. 已知數(shù)據(jù)庫D中有9個事務(wù)（如下表示），設(shè)最小支持度為2，求出所有的頻繁項集。另，設(shè)置信度為70%，列出三個強規(guī)則。TID項目集1I1, I2, I52I2, I43I2, I34I1, I2, I45I1, I36I2, I37I1, I38I1, I2, I3, I59I1, I2, I333由頻繁項集產(chǎn)生強關(guān)聯(lián)規(guī)則 confidence(A Þ B)=P(B|A)=基于找出的頻繁項集I=I1,I2,I5可以產(chǎn)生的強關(guān)聯(lián)規(guī)則：I2,I1 Þ I5, confidence=2/4=50

22、%I1,I5 Þ I2, confidence=2/2=100%I2,I5 Þ I1, confidence=2/2=100%I1 Þ I2,I5, confidence=2/6=100%I2 Þ I1,I5, confidence=2/7=29%I5 Þ I1,I2, confidence=2/2=100%最小置信度閾值為70%,則只有2，3和最后一個規(guī)則可以輸出，這些就是產(chǎn)生的強規(guī)則。3. 已知如下數(shù)據(jù)集，目標(biāo)分類屬性為 buys_computer，運用ID3算法求出該訓(xùn)練集在根節(jié)點的最佳分類。 IDageincomestudentCred

23、it_ratingClass: buys_computer1youthhighnofairno2youthhighnoexcellentno3middle_agedhighnofairyes4seniormediumnofairyes5seniorlowyesfairyes6seniorlowyesexcellentno7middle_agedlowyesexcellentyes8youthmediumnofairno9youthlowyesfairyes10seniormediumyesfairyes11youthmediumyesexcellentyes12middle_agedmediu

24、mnoexcellentyes13middle_agedhighyesfairyes14seniormediumnoexcellentno 首先計算該訓(xùn)練集的熵，根據(jù)熵公式，需知道各分類的概率， buys_computer= yes 的記錄有9條，其概率為9/14, 記該集合為 C1 buys_computer= no 的記錄有5條，其概率為5/14, 記該集合為 C2 首先考察 age 這一分類屬性，需要知道按 age 分類后的各子集的目標(biāo)屬性集的概率， age的 youth 類有5個樣本，其中有 2 個屬于 C1 類，即buys_computer= yes，3個屬于C2類，即 buys_c

25、omputer= no age的 middle_aged 類有4個樣本，4 個屬于 C1 類，0個屬于C2類 age的 senior 類有5個樣本，3 個屬于 C1 類，2個屬于C2類 于是，有：因此，屬性 age 的增益為：gain(S, age) = entropy(S)entropy(S, age) = 0.9400.694=0.246位同理，可計算得：gain(S, income) = 0.029位 gain(S, student) = 0.151位 gain(S, credit_rating) = 0.048位可見，按屬性 age 分類具有最高的增益，因此選擇其為分枝屬性。其分枝結(jié)果

26、如下圖示。3. 已知三個病人五種參考癥狀的數(shù)據(jù)情況，計算各樣本點之間的雅克比匹配系數(shù)；說明該參量的使用特點及其用途。病 人癥 狀A(yù)BCDE甲11010乙01101丙11101 使用雅克比系數(shù)，則兩兩之間的距離為二值變量之間的距離可以用匹配系數(shù)來描述。假定 xi 和 xj 取值情況如表3-1所示。q 表示兩個個體共有q 個性質(zhì)同時取1, r 表示取 1,取 0的性質(zhì)共有 r 個, 其他依此類推雅克比匹配系數(shù)：雅克比匹配系數(shù)適合于這樣的情況: 認(rèn)為二值變量所取的兩個值的地位不是完全對等的，人們往往只對其中一種取值感興趣。總要求總體要求：1）對數(shù)據(jù)集分析目的及過程進行簡要描述2）列出主要輸入?yún)?shù)設(shè)置

27、畫面截圖3）列出主要輸出結(jié)果，并進行必要的分析4）11月9日前以電子文檔形式發(fā)到教師郵箱tpgao-work， 郵件及作業(yè)文檔標(biāo)題為“2015DA作業(yè)2+學(xué)號+姓名”5）將方差分析、相關(guān)分析的四個題目都放在一個文檔中§1.1 方差分析部分要求（含兩道題）* 基于數(shù)據(jù)集“district and sale”方差分析，以了解廣告形式對銷售額的影響 要求： 參照課程講授示例輸出所有分析結(jié)果* 基于文檔“教改成績”進行方差分析，要求分析教材、教法對成績的影響一、 基于數(shù)據(jù)集“district and sale”方差分析* 基于數(shù)據(jù)集“district and sale”方差分析，以了解廣告形

28、式對銷售額的影響 要求： 參照課程講授示例輸出所有分析結(jié)果最后的數(shù)據(jù)分析結(jié)果如下：Test of Homogeneity of Variances銷售額Levene Statisticdf1df2Sig.7653140.515方差齊次性檢驗的結(jié)果，顯著性概率值>0.05，因此不能拒絕方差齊次的原假設(shè)，方差分析的前提成立。ANOVA銷售額Sum of SquaresdfMean SquareFSig.Between Groups5866.08331955.36113.483.000Within Groups20303.222140145.023Total26169.306143這是方差分析

29、的最主要結(jié)果。各參量的含義參照教材、課件。根據(jù)樣本所計算出的Sig.值為0.000，該值小于0.01的顯著性水平，所以樣本所反映出的因素影響的差異性是高度顯著的。即，結(jié)合問題的背景，廣告形式的不同對銷售額有顯著影響，這種差異是由廣告形式的本質(zhì)差別所導(dǎo)致的，而不是由于采樣的隨機誤差所產(chǎn)生的。§1.2 相關(guān)分析部分要求（含兩道題）一、 “體重與血壓”相關(guān)分析* 基于“體重與血壓”數(shù)據(jù)進行相關(guān)分析，計算Person相關(guān)系數(shù)并進行統(tǒng)計檢驗。直接選擇Weight 和 Pressure 作為分析變量進行兩變量相關(guān)分析。可以輸出基本的描述統(tǒng)計量。Descriptive StatisticsMeanStd. DeviationNweight63.833310.1429212pressure118.333324.7398612這是描述性統(tǒng)計結(jié)果的各變量均值及標(biāo)準(zhǔn)差。CorrelationsweightpressureweightPearson Correlation1-.112Si