成績評定表
課程設計任務書
摘要資料分析析的主要應用有兩方面，一是尋求基本結構，簡化觀測系統，將具有錯綜複雜關係的物件（變數或樣品）綜合為少數幾個因子（不可觀測的，相互獨立的隨機變數），以再現因子與原變數之間的內在聯絡；二是用於分類，對個變數或個樣品進行分類。聚類分析一般有兩種型別，即按樣品聚類或按變數（指標）聚類，其基本思想是通過定義樣品或變數間「接近程度」的度量，將「相近」的樣品或變數歸為一類。本文利用利用資料分析中的因子分析和聚類分析對多個變數資料進行了分析。
就是分析和處理資料的理論與方法，資料分析中提出了廣泛的多元資料分析的統計方法，包括線性回歸分析、方差分析、因子分析、主成分分析、典型相關分析、判別分析、聚類分析等。
關鍵詞：spss軟體;聚類分析;因子分析;線性規劃
目錄1 資料分析的任務和目的 1
1.1 問題的背景 1
1.2 任務和目的 1
2 資料的蒐集與整理 2
2.1 資料的** 2
2.2 資料的處理 2
3 利用spss軟體對結果進行分析 3
總結 13
參考文獻 14
一年一度的nba賽季讓全世界的籃球迷為之瘋狂，nba賽事之所以如此受歡迎，最主要的原因在於nba球員高超的球技。球隊中靈魂人物的個人發揮能夠直接影響其球隊的成敗。因而對他們的技術統計與分析是一件十分重要的事情。
眾所周知，科比-布萊恩特和阿倫-艾弗森是深受大家喜愛的兩位球員，兩位球員在賽季的發揮也在一定程度上影響著兩隊的戰績。因此，通過兩位球員在以往的賽季中的發揮及表現，可以大概的**兩人的得分及表現，為nba相關的商業活動和廣大球迷提供資料上的參考。
1、頻數分析（對兩人平均每場上場時間進行頻數分析）
2、基本描述統計量（用基本描述統計量的計算結果對兩人技術進行分析比較）
3、單樣本t檢驗（檢驗科比-布萊恩特和阿倫-艾弗森平均每場犯規次數的均值是否為2.7）
4、兩獨立樣本t檢驗（科比-布萊恩特和阿倫-艾弗森平均每場犯規次數比較）
5、 單樣本非引數假設檢驗（檢驗科比-布萊恩特平均每場進攻次數與首發的關係基本是否為1：1：10：
10：10：10：
10：10：10：
10：2）
6、單樣本非引數假設檢驗(檢驗科比-布萊恩特和阿倫-艾弗森平均每場蓋帽次數總體的分布是否為正態分佈)
7、 單樣本非引數假設檢驗(檢驗科比-布萊恩特在某段時間內平均每場得分是否持續正常)
8、單因素方差分析(用單因素方差分析，分別分析科比-布萊恩特和阿倫-艾弗森平均每場防守次數對平均每場得分有無顯著影響)
9、相關分析（研究平均每場三分球命中率與平均每場得分之間是否具有較強的線性關係）
10、偏相關分析（以平均每場失誤次數為控制變數，研究平均每場罰球命中率與平均每場得分的偏相關關係）
11、線性回歸分析（用逐步篩選法找科比-布萊恩特的平均每場得分的線性回歸方程）
12、曲線回歸分析（用曲線回歸分析法分析科比-布萊恩特的平均每場得分）
《nba球員科比-布萊恩特和阿倫-艾弗森11個賽季技術統計表》**自nba中文官方**具有可信度。
定義檢視
資料檢視：
（1）頻數分析（對兩人平均每場上場時間進行頻數分析）
資料檔案中增加乙個變數scsj。
輸出1輸出2
分析：從輸出1中看出，阿倫-艾弗森平均每場上場時間在10-40（分鐘）的頻數為1，在40-50（分鐘）的頻數為10；科比-布萊恩特平均每場上場時間在10-40（分鐘）的頻數為7，在40-50（分鐘）的頻數為4；兩人平均每場上場時間在10-40（分鐘）的頻數為8，在40-50（分鐘）的頻數為14。
從輸出2中看出，交叉分組下的頻數分析卡方檢驗結果的相伴概率為0.008，小於顯著性水平0.05，故拒絕原假設，認為兩人的平均每場上場時間
存在顯著性差異。
（2） 基本描述統計量（用基本描述統計量的計算結果對兩人技術進行分析比較）
實現按nba球員拆分，輸出結果放在同一張表中。
輸出3分析：
從輸出3中看出，科比-布萊恩特的平均每場投籃命中率、平均每場三分球命中率和平均每場罰球命中率的均值均比阿倫-艾弗森高，但標準差有高有底，
說明在投籃方面科比-布萊恩特比阿倫-艾弗森發揮出色，但穩定程度高低不定。均值的統計誤差均小於0.05（比較小），說明資料沒有不均衡現象，說明兩人的發揮都比較穩定。
（3） 單樣本t檢驗（檢驗科比-布萊恩特和阿倫-艾弗森平均每場犯規次數的均值是否為2.7）
實現按nba球員拆分，輸出結果放在同一張表中。
輸出4分析：
從輸出4中得，阿倫-艾弗森單樣本假設的相伴概率為0.001，小於顯著性水平0.05，故拒絕原假設，認為阿倫-艾弗森平均每場犯規次數的均值與2.
7有顯著性差異；科比-布萊恩特單樣本假設的相伴概率為0.773，大於顯著性水平0.05，故接受原假設，認為科比-布萊恩特平均每場犯規次數的均值與2.
7無顯著性差異。
（4） 兩獨立樣本t檢驗（科比-布萊恩特和阿倫-艾弗森平均每場犯規次數比較）
輸出5分析：
從輸出5中看出，兩獨立樣本f檢驗結果的相伴概率為0.019，小於顯著性水平0.05，故拒絕原假設，認為阿倫-艾弗森與科比-布萊恩特平均每場犯規次數的方差有顯著性差異；兩獨立樣本t檢驗結果的相伴概率為0.
003，小於顯著性水平0.05，故拒絕原假設，認為阿倫-艾弗森與科比-布萊恩特平均每場犯規次數的均值有顯著性差異。
（5）單樣本非引數假設檢驗（檢驗科比-布萊恩特平均每場進攻次數與首發的關係基本是否為1：1：10：
10：10：10：
10：10：10：
10：2）
輸出6輸出7
分析：從輸出7中看出，非引數假設檢驗卡方分布的相伴概率為0.505，大於顯著性水平0.
05，故接受假設，認為樣本來自的總體分布與理論分布無顯著差異，即科比-布萊恩特與首發的關係基本是為1：1：10：
10：10：10：
10：10：10：
10：2。
（6） 單樣本非引數假設檢驗(檢驗科比-布萊恩特和阿倫-艾弗森平均每場蓋帽次數總體的分布是否為正態分佈)
實現按nba球員拆分，輸出結果放在同一張表中。
輸出8分析：
從輸出8看出，科比-布萊恩特的平均每場蓋帽次數非引數檢驗結果的相伴概率為0.945，大於顯著性水平0.05，故接受原假設，認為科比-布萊恩特的平均每場蓋帽次數服從正態分佈；阿倫-艾弗森的平均每場蓋帽次數非引數檢驗結果的相伴概率為0.
709，大於顯著性水平0.05，故接受原假設，認為科比-布萊恩特的平均每場蓋帽次數服從正態分佈。
（7）單樣本非引數假設檢驗(檢驗科比-布萊恩特在某段時間內平均每場得分是否持續正常)
輸出9分析：從輸出9看出，隨機性檢驗結果的相伴概率為0.210，大於顯著性水平0.05，故接受假設，認為科比-布萊恩特平均每場得分是隨機的。
（8）單因素方差分析(用單因素方差分析，分別分析科比-布萊恩特和阿倫-艾弗森平均每場防守次數對平均每場得分有無顯著影響)
輸出10
分析：從輸出10中看出，科比-布萊恩特單因素方差分析結果的相伴概率為0.056，大於顯著性水平0.
05，故接受假設，認為科比-布萊恩特的平均每場防守次數對平均每場得分無顯著影響；阿倫-艾弗森單因素方差分析結果的相伴概率為0.374，大於顯著性水平0.05，故接受假設，認為科比-布萊恩特的平均每場防守次數對平均每場得分無顯著影響。
（9）相關分析（研究平均每場三分球命中率與平均每場得分之間是否具有較強的線性關係）
輸出11
輸出12
05，故接受原假設，認為平均每場三分球命中率與平均每場得分之間不具有較強的線性關係。兩種方法得到結果一致。
（10） 偏相關分析（以平均每場失誤次數為控制變數，研究平均每場罰球命中率與平均每場得分的偏相關關係）
資料結構課程設計
指導書山東建築大學 電腦科學與技術學院 二 六年十二月 課程設計基本情況 課程名稱 資料結構課程設計 相關課程 c語言程式設計 visual c 程式設計 資料結構 適合專業 電腦科學與技術 網路工程 軟體工程 設計週數 2周 學分 2學分 開課學期 第4學期 開課單位 電腦科學與技術學院 一 課程...
資料結構課程設計
總結報告 專業軟體工程 班級軟體1007 學號 20103540 姓名 日期 2012.9.17 東北大學軟體學院 第一章需求分析 問題定義 實現乙個網上拍賣系統，根據需求描述和附加的框架 完成乙個網上拍賣系統。分析 整個系統執行於windows平台，是基於b s結構的商業應用程式，程式為使用者提供...
資料結構課程設計
環境與測繪學院 1 c 物件導向程式設計基礎 實驗簡介 學會用演算法語言c 描述抽象資料型別。理解資料結構的組成分為兩部分，第一部分是資料集 資料元素 第二部分是在此資料集上的操作。從物件導向的觀點看，這兩部分代表了物件的屬性和方法。掌握用c 描述資料結構的基本方法，即通過建立類來描述抽象資料型別。...