统计法试题范文1
在我国，随着国民经济的快速发展，人们的生活品质正在逐步提高，对室内的空气环境的要求也越来越高。为了满足人们的需要，建筑物空调系统正在快速的普及和发展。相应的，对通风与空调系统的设计、施工和调试运行的也提出了更高的要求。笔者一直在从事通风与空调系统的施工管理工作，结合平时的工作经验，对暖通专业设计、安装和运行过程中常见的一些问题及解决办法作一下阐述。
设计中应注意的问题
1.1合理选用空调机组运转噪声指标
在选用空调机组时，应根据规范规定的噪声标准选用机组。如所选用的机组噪声超标，应同时考虑消声隔声措施。
1.2建议空调系统设计尽量选用同程式系统
根据几个工程运行情况来看有几个优点：（1）便于系统冬夏调节，解决冬天底层温度低，夏天高层温度高的问题；（2）便于系统排气；（3）解决系统末端、首端温差问题；（4）可以提高吊顶标高；（5）便于检修。
3凝结水系统设计
建议：（1）选用镀锌钢管或UPVC管，因焊接管容易生锈堵塞；（2）增大管道坡度；（3）多设泄水点；（4）滴水盘出水口与凝结水管道连接采用加筋塑料管。
4空调系统保温设计
必须在图中说明管道、风道、设备、阀件的保温做法，详细说明隔热层、隔气层、保护层、防腐层、防水层的材质和施工方法。在投资资金条件允许的情况下，宁可选用使用寿命较长、环保节能、价格较高的产品。
5制冷机组、空调末端设备选用
选用空调机组、制冷设备时，要本着环保和经济合理的原则选用，谨防将国外已淘汰的或将要淘汰的产品（如仍使用一些对大气臭氧层有破坏作用的物质作制冷剂的设备）引进国内使用，或者所选用的设备不匹配使用，其实国内许多产品与国外产品在一些诸如节能效果、运行噪声等性能上已无多大差距。
1.6系统能源的开发与合理利用
合理地利用燃料资源，降低电能耗用量，对于我们的国民经济建设有重要的意义。空气调节用制冷合理地利用制冷能源有以下几个主要途径：（1）利用深井水和天然冰作为工质；（2）余热利用；（3）热泵的利用（目前该项已有较广泛的应用）；（4）太阳能具有取之不尽、用之不竭、无污染等优点，太阳能的利用具有广泛的前景。
安装不当引起的问题
2.1设备运行时振动大
原因：（1）机组安装时没找平找正；（2）设备支点受力不均；（3）系统与设备连接没采用软接头；（4）地脚螺栓受力不均或松动；（5）联轴器不同心；
2.2空调器振动、噪声超标
原因：（1）空调器吊点受力不均；（2）管道与空调器连接没采用软接头；（3）风管与空调器连接不紧密；（4）空调器安装不平正；（5）吊杆未装锁紧螺母。
2.3系统结露
原因：（1）图标不详；（2）施工经验不足；（3）保温层厚达不到设计要求；（4）施工人员对此工序不重视，没有分工序验收。
2.机盘管和柜式空调机组滴水盘溢水
原因：（1）设备安装没按说明书要求进行；（2）凝结水管倒坡；（3）安装后没有逐台进行注水试验；（4）排水口处有脏物堵塞。
2.5系统堵塞
原因：（1）管道变径的大小头没按规定制作；（2）主管与支管三通开口小；（3）管道安装时没做吹洗处理；（4）施工过程中留在管道内的杂质未及时清理；
2.6穿墙处产生凝结水
原因：（1）穿墙处未保温；（2）穿墙处未放套管，保温层受到破坏；
2.7系统集气
原因：（1）系统安装时没按规定找坡；（2）排气阀没安装在系统的最高处；（3）排气阀堵塞失效；（4）排气阀安装不平直；（5）排气阀质量不合格；
2.8送风口周围结露污染
原因：（1）百叶风口与风机盘管未连接；（2）风机出风口与百叶窗错位；（3）风口与风机出口连接不严密，漏风。
设备和系统调试
在空调系统的测定与调整中，可能发现多种问题，应结合测定调整分析产生故障原因，并提出适宜的解决方法。
3.1系统风量不足
原因：（1）漏风率过大；（2）系统阻力过大；（3）风机转速不对；（4）风机倒转、风机选择不当或性能低劣；
相应解决方法：（1）检漏并堵漏；（2）检查部件阻力，对不合理部件适当更换；（3）检查皮带是否有“掉转”现象，调紧皮带；（4）更换三相中任意两相门接线使风机正转；调整风机转数，必要时可更换风机。
3.2设备容量不足
原因：（1）设备选择有误；（2）冷热源出力不足；（3）漏水、漏风、漏热使送风状态达不到设计要求。
相应解决方法：（1）重新检查设计。如通过适当提高水量，降低水温或提高水量仍不满足要求，则必须更换；（2）检查冷冻机制冷量，管道保温或漏热损失，检查水泵流量。管路有无堵塞，以上各项可综合检查诊断，分辨原因加以解决，制冷机出现故障，按故障性质采用相应办法排除；（3）改善挡水板或滴水盘的安装质量，减小带水量，检查系统漏风量，尤其是热湿处理后各段的漏风量，检查风道保温和风机温升。如发现漏风和温升过大，则需堵漏，加大保温或适当降低系统的阻力。
3.3空调箱存水和漏水
原因：泄水管堵塞，水封高度不够，室底坡度错误，无排水管，底池防水未做好。
相应解决方法：逐项检查，针对问题所在采取对策，但防水不好或无排水管则必须改正或加装。
3.4工作区空气参数不满足设计要求
原因：（1）室内实际热、湿负荷与设计值有较大出入；（2）风口气流分布不合理，造成工作区流速过大或不均匀系数过大；（3）过滤器未检漏，系统未清洗。室内正压不保证，洁净度低于设计要求；
相应解决方法：（1）可通进出风量和焓差测定进行校核，如必要时可加大送风量或适当调整送风状态；（2）调整风口出流方向，必要时更换风口结构型式；（3）进行过滤器检漏，保证送风的洁净度，清理清洁风道系统，调整室内正压，在设计风量下，调整气流分布，使清洁度达到要求。
3.5室内噪声级过高超过允许值
原因：（1）风口部件松动，风口风速过高；（2）消声器消声能力低，选择不合理；（3）经消声器后的风道未正确隔离噪声源；
相应的解决方法： （1）紧固松动部件，风量过大时应减少风量；（2）检测消声器的消声能力，质量低劣的应更换；（3）检查消声器的设置位置，若隔离不佳应采取管外隔离，以减少机房噪声通过风管传递至室内。
空调系统运行的节能
空调系统的运行好坏不仅直接关系到工作区人员的舒适与否，也直接关系到用户的能源消耗经济与否，因此如何运行才能节能是我们每一个空调系统运行管理人员需要解决的问题。
对于如何节能运行，目前主要有如下几种方法值得我们去尝试：
（1）降低室内给定标准；（2）减少新风量；（3）防止过冷与过热（可考虑使用恒温器）；（4）改变空调设备启动、停止时间；在预冷预热时停止取用新风；（5）过渡季节取用室外空气作为自然冷量；（6）合理使用建筑设备的自动化系统。
以上是我在几年的施工过程中曾经遇到过或作为暖通专业人员在施工过程中容易遇到的一些问题的归纳与总结，希冀对同行有一点帮助。
参考书目：
统计法试题范文2
关键词：程序设计类课程；在线考试系统；遗传算法；自动组卷；自动判卷
DOIDOI：10.11907/rjdk.171014
中图分类号：TP319
文献标识码：A 文章编号：1672-7800（2017）006-0066-04
0 引言
随着计算机技术在教学中的广泛应用，考试方式由以前单一、固定试题和人工阅卷的传统方式，逐渐向多样化、灵活试题和计算机自动评分的无纸化考试过渡。在数字化考试中，使用在线网络考试是当今主流的考试方式。在欧美地区，较有影响力的机构如美国教育考试中心ETS举办的美国研究生入学考试GRE和计算机文化考试、高级就业计算机科学考试等，其考试形式即完全采用计算机在线进行。除此之外，目前的托福和雅思等标准化英语水平能力测试也采用了网络考试方式。很多职业资格认证机构、教育主管部门以及大型公司招聘应届生时都开发了针对各自目标考生的考试系统，如中国计算机学会计算机职业资格认证（CCF）即采用了网上出题、在线编程提交的方式。在各大高校，在线网络考试也得到了广泛认可，如清华大学、上海交通大学等高校都开发出了符合学校需求的在线考试系统[1]。
在上述众多考试系统中，大部分考试系统都实现了对客观题的自动评分，部分考试系统还研究出了对于不同种类主观题的评分方法。如在GRE考试中，美国教育考试中心根据近年来对作文的自动评分研究机制，推出了对于考试写作部分的自动化评分系统，减轻了阅卷人过去批改大量作文的负担；中国计算机学会在其开展的计算机职业资格认证考试系统中，也对考生提交的代码实行自动评分。然而，实现主观题评分的系统适用性很窄，无法将其项目推广到程序设计类课程考试中。针对这些问题，本文提出一种借鉴ACM在线测评机制的自动判卷功能方式，对程序设计类的主观编程试题进行客观评判。同时，自动组卷也是实现在线考试的重要环节之一，本设计采用遗传算法，按照教师对试卷构成的期望，随机、高效、快速地从试题库中抽取试题，组成一套高质量的试卷。通过自动组卷与判卷两者的结合，实现面向程序设计的高度自动化的考试系统，进一步摆脱了人工干预，提供了一个能更好地展示学生实践和思维能力的平台。
1 系统功能设计
本系统主要涉及3类用户：管理员、教师、学生。对于不同用户，则需要设置用户管理模块来维系这种角色分级，并设置不同权限。对于学生角色，系统设置在线答卷模块来管理整个考试过程；对于教师角色，需参与出卷、组卷、考试的考试准备流程。因此，设置试卷管理模块来实现对于试卷的常用操作，同时设置题库管理模块，由教师负责出题、管理题库；管理员角色具备所有权限，主要涉及对各种关键实体的管理，因此设置了后台管理模块。系统自动完成的模块是自动组卷模块和自动判卷模块，该模块是本系统的关键模块。本系统的功能架构如图1所示。
2 核心功能设计
2.1 基于遗传算法的自动组卷
遗传算法的机器自动组卷，利用教师提供的参数，灵活建立相应组卷模型，然后对题目进行筛选，以自动生成科学合理的试卷。
遗传算法（Genetic Algorithm，简称GA）是一种借鉴生物进化机制（适者生存、优胜劣汰）的随机搜索算法[2-4]。其通^建立计算模型，模拟达尔文的遗传选择和生物进化过程，搜索出符合“环境”要求的最优解，所以该算法常用来解决多约束下求最优解的问题。本系统在应用遗传算法之前，首先要将试卷解码成“染色体”，然后抽取一定数量的携带遗传物质的试卷集合初始化为种群，再根据环境选择、交叉、变异等一些基本的演化操作，模拟生物进化行为，筛选出最适合“环境”生存的最优试卷集。
该自动组卷实现流程如图2所示。
2.2.1 染色体编码与初始群体设计
按照传统的遗传算法问题，首先将要求解的问题化成0、1形式的编码染色体。染色体应该按题型分段，因为本文针对的是程序设计类考试，基本题型是单选、多选、判断、程序设计4种类型，所以分段染色（例如一个数据结构试题有单选5、双选5、判断5、程序设计题2），如图3所示。
2.2.3 遗传算子设计
（1）选择算子。选择算子主要用于模拟自然选择的选择概率，确定该个体是否能够“生存”。本文采用赌算法，每个个体的选择概率为Aj/∑Nj=1Aj。其中Aj代表第j个个体的适应度，适应度高的个体将有更大机率“生存”下来。
（2）交叉算子。由于染色体是分段编码，所以采用多点交叉，交叉率设为0.90～0.95比较合适。在“交叉”时必须保证互换的题目分数一样，分数相加等于总分，而且不能在交叉点前出现题目，否则此次“交叉”不合法。
（3）变异算子。在遗传中，一般较少发生变异，变异率设置在0.02～0.05范围内比较适宜。
2.3 自动判卷
要实现较为客观地考核学生的编程能力，程序设计类考试的重点不是单纯地将选择、填空等客观题搬到计算机上，而是包含代码编写类试题的考核，这类试题可较为准确、客观地反映学生对程序设计思想和语言的掌握情况。本文根据程序设计试题代码的特点，设计沙盒来真实运行学生编写的代码，并根据得到的结果智能评判该类主观题的得分。
本文设计的自动判卷是面向程序设计类的客观题和主观题。对于客观题，系统可以直接通过与标准答案对比而得出对应分数[5-6]；对于主观题，它的输入和输出也具备唯一性，其中一个输入对应一个输出，利用预先设置的测试数据即输入集，执行输入程序，得出输出集。通过将输出集的每个点与标准答案输出集对比，即可将通过测试点作为该题的评分依据，得到该题的分数。通过该方式可大大减少对主观程序题的主观性判断，而是以更科学的客观依据进行判断。在此期间，自动判卷功能辅助子系统必须保持沉睡状态，以等待唤醒。自动判卷流程如图4所示。
其中每层的解释如下：
（1）试题程序传入。首先利用Linux消息队列方式，将试题中源程序的代码、题号、所用语言等信息封装在上述mesg上，写入Linux系统下的消息队当中。通过系统msgget函数[intmsgget（key_t key，intoflag）；]创建消息队列，命名为key，并获取消息队列的标识符，然后调用系统msgsnd函数[intmsgsnd（intmsqid，const void * ptr，size_t length，int flag）]将消息存入对应的消息队列中。
（2）试题程序接收。在接受消息时，通过系统msgget函数[intmsgget（key_t key，intoflag）；]获取对应key的消息队列的标识符，再通过系统msgrcv函数[ssize_tmsgrcv（intmsqid，void * ptr，size_t length，long type，int flag）；]读取对应标识符消息队列中的一条消息mesg，从而获取队列中的消息内容。
（3）编译。对GCC、JDK等编译器进行必要的安全处理，利用bash命令对C++/C、Pascal、Java等语言程序的程序源码选择对应的编译器进行编译。编译成功则进行下一步，否则返回结果到父进程等待计算。
（4）链接。经过编译成功后，获取对应的obj二进制代码，通过调用ld链接命令，执行自动链接，产生可执行代码，提供给下一步使用。
（5）运行。通过系统调用子进程child_process，child_process运行编译链接后的程序，由父进程监控子进程，一旦子进程崩溃或正常退出，会发送相应的SIGNAL给父进程，此时父进程进行相应处理。
（6）测试数据输入。当前位置主要是为了数据的入和输出位置的转换，通过调用Liunx的系统函数，将数据输入从标准输入Console转换到标准测试文件输入，并将标准输出Console重定向到一个临时文件中，供下一步进行比较。
（7）比较。通过上述4步以后，转入对比结果阶段。本阶段主要是进行数据对比，通过调用bash命令diff，将该程序通过测试输入产生的输出临时文件与标准输出答案文件进行对比，并得出正确率。
（8）获取内存资源等情况。通过父进程监控子进程，可以通过wait4函数，获取进程状态和资源占用情况等，判断是否符合题目要求，一旦检测出非法状况，也当作异常处理，转去计算结果。
（9）计算总分并返回。通过将原试卷主观题与客观题分类后，经过两个子进程得到的总分相加，得到本试卷的分数，并将其存入数据库对应试卷的学生id位置。消息队列的交互如图5所示。
3 系统实现
本系统采用B/S结构模式，利用Apache服务器、MYSQL数据库和SSH开源框架进行搭建。Apache服务器、MYSQL数据库是开源软件，所以具有更好的稳定性与安全性。SSH即Struts+Spring+Hibernate，利用该体系设计系统，能够为整个系统后期的维护、扩展等提供更多便利，程序的结构脉络更加清晰明了。实际应用结果表明，该系统运行性能良好。
4 结语
本项目旨在让目前高校计算机程序设计类课程考试脱离传统纸质考试的限制。平台采用了一种自动组卷算法，能够大大提高组卷效率以及卷面题目构成的合理性，以符合教师的组卷期望。同时，针对程序设计类课程的特点，引入并实现了特殊的自动裁判评分机制。该在线考试系统可大大减轻教师的工作量，在实践中更加有效地考核并提升学生的编码能力。
参考文献：
[1]余颖，李晓昀，左贵启，等. 基于自适应遗传算法的自动组卷策略研究[J]. 南华大学学报：自然科学版，2016（3）：61-65.
[2]吕苗苗. 基于遗传算法的自动组卷系统的设计与实现[D].南京：南京理工大学，2012.
[3]张琨，杨会菊，宋继红，等. 基于遗传算法的自动组卷系统的设计与实现[J]. 计算机工程与科学，2012（5）：178-183.
[4]袁锋. 遗传算法在自动组卷系统中的应用[J]. 山东师范大学学报：自然科学版，2006（1）：53-56.
[5]杨志伟，曾艳姗. 基于Linux的ACM在线评测系统研究[J]. 计算机与现代化，2010（6）：166-169.
[6]郑传生. 基于B/S结构的程序设计竞赛自动测评系统的设计[J]. 计算机与现代化，2007（12）：109-111.
[7]杨呈永. 基于B/S结构的大学英语在线考试系统设计与实现[D].成都：电子科技大学，2011.
[8]李佳. 《计算机基础》课程上机考试系统的设计与实现[D].成都：电子科技大学，2011.
[9]颜韵. 基于B/S模式的单独招生在线考试系统设计与实现[D].成都：电子科技大学，2013.
[10]楼玉萍. 基于B/S模式的计算机基础考试系统的研究与实现[D].长沙：国防科学技术大学，2005.
[11]李亦松. 在线考试系统分析与设计[D].昆明：云南大学，2012.
[12]李敏. 在线考试系统设计与实现[D].济南：山东大学，2013.
[13]刘楠，孙国道，田贤忠. ACM在线评判系统设计与实现[J]. 计算机时代，2010（2）：34-35，38.
[14]赵磊，吴玉培，廖彬. 基于ACM/ICPC在线测评系统的设计[J]. 电脑知识与技术，2013（8）：5004-5006.
[15]张良银. 浅论C/S和B/S体系结构[J]. 工程地质计算机应用，2006（4）：20-23，28.
[16]陈鹏. 在线评判系统的设计和实现[D].南京：东南大学，2015.
[17]余颖，李晓昀，欧阳纯萍. 一种SSH框架的在线程序自动评判系统的设计与实现[J]. 南华大学学报：自然科学版，2012（4）：65-68.
统计法试题范文3
关键词： SPSS软件 考试数据 统计分析 操作步骤
1. 引言
一份好的试卷须有好的测量指标来表明它的优良程度，试题有难度和区分度指标，试卷有效度和信度指标，这些是评价考试最主要的测量指标，但是仅有这些指标不足以反映一份试卷的实际测量效果，考试研究人员希望从考生的试卷统计分析中获取更多的信息来评价一份试卷。在计算机未普及的年代，考试成绩统计主要依靠人工阅卷，考试数据无法电子化存储，对考试数据分析统计难以实现。随着计算机的普及和信息化的推广，各种分析数据的软件应运而生，这些软件中汇集了统计学和测量学的分析工具，使得应用电子信息技术分析统计考试成绩数据成为可能，这些统计信息可以为教研部门、考试行政部门进行行政决策等提供非常重要的帮助。在众多的统计分析软件当中，SPSS是应用最多、影响最广泛的分析工具之一。在本文中，我们以SPSS软件为工具，对教育招生考试成绩的数据进行统计分析，分析主要着重于考试数据的相关性、假设检验等几个方面。
2. SPSS分析软件简介
“SPSS统计分析软件”的英文名称为“Statistical Package for the Social Science”，中文名称为“社会科学统计软件包”，它是世界著名的统计分析软件之一，在自然科学、社会科学的各个领域均有非常广泛的应用。SPSS是一个组合式软件包，它集数据整理、分析于一身，主要功能包括数据管理、统计分析、图表分析、输出管理等，该软件的统计分析过程包括描述性统计、均值比较、一般线性模型、相关分析、回归分析、对数线性模型、聚类分析、数据简化、生存分析、时间序列分析、多重响应等几大类。
下面我们利用SPSS软件对考试数据的相关性、检验假设进行统计分析，介绍使用SPSS进行统计分析的一般方法和步骤。
3. 相关性分析
教育考试中，考试结果的信度，试题的区分度，每个题目得分与试卷总分的关系，以及题目之间的关系，等等，都是考试研究的重要内容，最主要的研究方法就是数据的相关性分析。在众多的教育考试数据的相关性分析方法中，Pearson相关系数法、Spearman相关系数法和Cronbach α信度系数法是比较常用的几种方法。
Pearson相关系数法计算公式：
式中x为第i个考生第j题的得分，y为第i个考生第k题的得分，为第j题的平均分，为第k题的平均分，n为测试样本量。该公式既可以计算两个连续变量之间的相关性，又可以计算一个双歧变量与一个连续变量之间的相关性。
Spearman相关系数法计算公式：
r=1-（2）
式中D为两个变量的秩序之差，n为样本容量。
Cronbach a信度系数法计算公式：
α= 1-（3）
式中n为试题数，s为第i题的标准差，s为总分的标准差。该公式实际上就是将考试中所有试题间相关系数的平均值（又称内部一致性）作为α信度系数。
对于给定的一组考生成绩数据，利用SPSS统计分析软件可以非常容易地定量分析考生某学科试卷总分和该学科某道题的相关性，以及各个题目之间的相关性。我们以Pearson相关系数分析为例，利用SPSS软件进行统计分析。
数据统计分析的对象是某省高考数学6道解答题的得分情况（不是整张试卷），数据源于该省的高考数据成绩。研究的目的是测量6道解答题每两个题目之间的相关性。
我们以SPSS 13.0版本的软件为例，介绍利用SPSS进行数据统计分析的步骤（以Pearson相关系数法为例）：
（1）将考试数据导入SPSS软件，在SPSS数据窗口中，顺序点击【Analyze】【Correlate】【Bivariate...】，系统弹出变量相关系数设置对话框。
（2）在该对话框中，将待计算的变量从左侧的变量列表中导入到右侧的“Variables”变量列表中，在本例中导入t1、t2、t3、t4、t5、t6共6个变量（t1―t6是6道解答题的变量名称）。在“Correlation Coefficients”相关系数选项中，选取“Pearson”复选框。
（3）在该对话框的“Test of Significance”设置区域，可以点选“Two-tailed”选项或者“One-tailed”，我们采用系统默认值。
（4）对话框中的其它选项取软件系统的默认值，点击【OK】，开始相关系数计算，系统弹出新的窗体输出运算的结果。本次输出的情况如下：
上表的统计结果可用于题目之间相关性的分析。表中的大部分题目的相关系数都比较适中，但题目T4和题目T5之间的相关程度远高于其它几个题目，我们可以确信这两者之间一定存在着比其他题目之间更紧密的关系，这是我们通过分析获取的重要信息，该信息表明这两个题目之间的相关性高于其他几个题目之间的相关性，这在大规模考试中是不应该出现的，需要在以后的命题考试中加以改进。
Spearman相关系数分析方法和上述分析方法类似，只需要在上述SPSS操作的第二个骤中选取“Pearson”复选框，程序就会按Pearson相关系数法进行统计分析，如果同时选中“Spearman”和“Pearson”复选框，程序将会同时计算按两种分析方法统计分析的数据，并会以不同的图表进行显示，而Cronbach a信度系数法计算方法与上述方法略有不同，其操作步骤如下：
（1）在SPSS数据窗口中，顺序点击【Analyze】【Scale】【Reliability Analysis...】，系统弹出“Reliability Analysis”信度分析设置对话框。
（2）将待计算的变量从左列的变量列表中导入到右侧的“items”变量中，在左下列的“model”选择项的下拉列表中确保选中“Alpha”(信度系数)，点击“Statistics”选择项可以进行更为详细的参数设置，我们采用系统的默认值即可。
（3）参数设置完毕之后，点击【OK】，软件开始相关系数计算并输出运算结果。
4. 选择题的选项分析
在目前的教育招生考试中选择题是一种较常见的题型，考试研究人员关注较多的是对选择题基本特征、测量功能及其优缺点的理论探讨［1］［2］，对选择题干扰项的设计及其施测后的实际效果关注甚少，事实上施测后对题目各选项的有效性作出判断可为评价试题质量提供重要参考依据。我们利用统计中χ检验假设，对试卷中常见的选择题选择项进行统计分析。
教育考试的单项选择项一般设置为4个，其中仅有1个选择项是正确的。命题人员在设计选择项时，应当也必然对每道题目所有的选择项（正确选择项和干扰选择项）的考生作答情况作出预测，对考生作答的分布情况作出预估。考试结束后，研究人员应该对实测的情况与命题教师预测的情况进行对比分析，以检验考试效果是否达到了预测的目标。这和χ拟合度检验的思想具有一致性，因此可以尝试使用χ检验假设进行分析。
我们依据文献［3］［4］的方法来介绍χ检验假设在考试数据分析中应用的基本原理，设变量E是命题者对某道试题的期望值，E=nP，n为样本容量，P为期望的相对频率，引入以下统计量：∑(O-E)/E，其中O为观察频数。
本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文
我们需要进行的假设检验是：零假设H：选项的实测分布与期望分布相同；非零假设H：选项的实测分布与期望分布不同。
检验假设的思想：拟合度检验的统计量在确定的某种显著性水平下如果零假设是真，则检验统计量∑(O-E)/E呈近似χ分布，其自由度为研究变量的可能值减1；如果实测分布与期望的分布相当吻合，就不排除零假设，否则就排除零假设；最后对检验假设的结果进行解释。
数据分析的目的是判断考生实际的应答结果（实测数据）与命题期望的选择概率（期望数据）是否一致。我们随机抽取某省5542个高考考生的数学有效数据构成分析样本，利用SPSS进行统计分析。
SPSS数据统计分析的步骤如下：
（1）将考试数据导入SPSS软件，依次点击【Analyze】【Nonparametric Tests】【Chi-Square...】，弹出“Chi-Square Tests”对话框。
（2）将变量列表中待分析的题目序号导入到“Test Variables List”（检验变量列表)中，本例中题目的序号为t7。
（3）将对选择试题的每个选项的期望值依次输入到“Expected Values”所属的方框，具体操作方法是选中单选框“Values”，输入具体的期望数值，点击“Add”按钮，依次重复上述的步骤直至所有的选项的期望值输入完毕。
（4）点击【OK】，输出软件运算结果。
我们需要进行的假设检验，H：选项的实测分布与期望分布相同；H：选项的实测分布与期望分布不同。
假设检验的显著性水平为α=0.05，χ=∑(O-E)/E，自由度为df=4-1=3，查χ分布表或利用相关软件可得P=0.0626，由于P＞α，因此不能拒绝零假设，即选项的实测分布与期望分布相同。因此，检验结果在0.05显著性水平时，没有足够的证据拒绝零假设，即可认为本题选项的实测分布与期望分布相同，也就是说本题的实际测试效果与命题教师预测的效果是一致的，命题教师准确地估计了考生的实际水平，这是分析获得的很重要的结论。
5. 结语
SPSS软件在考试数据统计分析中应用广泛，但大部分是集中在试题难度、均值、方差统计、考试数据的图表显示等几个方面，本文从一个新的角度利用SPSS软件对考试数据的相关性、检验假设等几个方面进行了尝试性统计分析，介绍了使用SPSS进行统计分析的一般方法和步骤。从上述分析来看，软件操作步骤和统计分析过程十分简单、快捷，对于测量学和统计学基础不太好的数据分析统计人员来说，只要遵循一定的操作步骤，就可以进行分析。
参考文献：
［1］王孝玲.教育测量（修订版）［M］.上海：华东师范大学出版社，2006.
［2］雷新勇.大规模教育考试：命题与评价［M］.上海：华东师范大学出版社，2006.
［3］李伟明，冯伯麟，余仁胜.考试的统计分析方法［M］.北京：高等教育出版社，1990.
统计法试题范文4
关键词：在线考试系统；RIA；物种入侵动态遗传；文本相似度；单向贴近度
中图分类号：TP311.52
1 现状及分析
在线考试系统在高职院校的应用与推广，必须针对高职院校的课程进行分析。根据其特点，高职院校课程可分三类：第一类是纯理论知识概念型，非常适合使用在线考试系统进行测试。第二类是知识技能型，并不完全适合使用在线考试系统进行测试，考试系统无法针对实际操作进行评分。第三类是纯操作的实践、实训课程，系统不便模拟实际操作，不适用。总体看来，在线考试系统还是能够应用在高职院校的大部分课程中的，有着较好的应用前景。
在高职院校，传统的纸质考试做法已经沿袭多年，同时它的弊病也越发凸显。首先，试卷涵盖知识点难以做到客观全面，对学生的评价具有导向性，缺乏对学生综合素质的客观评价。其次，对于教师而言，出题与阅卷是一个漫长而痛苦的过程。为保证公平性，在同一考试中往往会出现多套试卷，这显然意味着更大的工作量。而在有限的试卷中，考生较易掌握出题规律或者试题，大大缩短了试卷寿命。再次，因为试卷内容相同或者相似，学生作弊成本低，考试公平性低。总之，传统试卷组卷成本高、周期长、寿命短、效果差、效率低、公平性也低。
为了解决传统考试的弊端，早在上世纪六十年代便有学者开始研究计算机考试系统，经过几十年发展，基于web技术的在线考试系统应用最为广泛、发展前景最为宽广。
2 在线考试系统的设计
2.1 系统结构的设计与优化。基于web在线考试系统的基本架构大都为B/S型或者C/S型；简而言之就是由在线考试系统的服务器端进行数据管理，使用终端机上的考试系统客户端或者浏览器进行答题。在服务器端，教师通过对具体课程试题库的管理，来实现考试系统自动组卷。首先，通过使用随机算法、遗传算法等由系统在题库中自动组卷。随后，学生在终端的客户端/浏览器上进行答题。结束后，客户端/浏览器将结果上传服务端，进行自动评分，统计考试成绩。
客观题的答案简单，自动评分易实现。主观题由于自然语言的复杂性，答案语意纷繁、内容复杂、不确定性大；服务器端主观题自动评分算法繁杂低效、计算量巨大。在大规模测试当中，主观题的自动评分对系统服务器硬件配置要求高、负载压力大，大大限制了在线考试系统的应用于推广。
在以往的架构当中，系统越完善功能越强大，其运算量也呈几何倍数增长；制约了系统的发展。而在web架构中采用基于RIA（Rich Internet Applications）富互联网应用技术，便可使问题迎刃而解。
RIA是新一代网络应用程序，最突出的特点为“Rich”，同时RIA最核心的部分也体现在“Rich”中。“Rich”包含了两层含义。丰富的数据模型、丰富的界面元素。
将RIA应用到在线考试系统中简单讲便是将系统中由原本的服务器完成的大部分运算量，调整成为由所有参与考试的客户端完成，大大降低服务器的负载，整体提高系统的稳定性与适用性。在考试的过程中，先由教师进行组卷、分发，学生答卷后，由客户端进行自动评分，并最终上传学生答案和成绩。从而大幅度降低服务器的运算量，减少了评分时间，优化了系统架构。
2.2 系统界面的设计与优化。在线考试系统的界面设计应友好、人性化。学生在登陆系统后，能快速、准确的找到所需试题。界面经过优化后，应能增加学生的作弊成本。例如：系统自动组卷后，不仅卷卷不同，而且系统界面中每次只显示3-4道试题，完成答题并确认后，才能显示新的题目。如此一来，在不同的试卷中寻找相同的试题需要时间大幅增加，加大了学生的作弊成本。最终，学生将自动放弃偷窥试题。
3 系统实现中的难点
目前，web在线考试系统实现过程中，还普遍存在着一些难点；主要集中在系统自动组卷、主观题自动评分这两个方面。首先，由于题库中试题数量有限，应如何组卷，使得试卷既有较低的重复率又能把握考试重点？其次，由于自然语言的复杂性，主观题中自动评分功能的算法及实现一直都困扰着研究者们，其结果仍然无法做到“令人满意、取代人工阅卷”。
3.1 遗传法自动组卷。在国内外关于自动组卷的研究中，算法策略大致分为如下几种：基于随机搜索、基于深度及广度搜索、基于项目反应理论、基于数据挖掘与知识发现、基于遗传算法。相较前面几种而言，遗传算法具有操作简单、收敛速度快及鲁棒性强等特点，非常适合用来解决组卷问题，获得了研究者们的广泛认可。
同时，遗传法研究也取得了一定成果，例如：Gordberg M.W的寻优模型、戴文华等提出的十进制编码、陈志等提出的启发式遗传算法、赵苓提出的物种入侵的动态遗传算法SIDGA、葛宇等提出的免疫遗传算法等。其中，物种入侵的动态遗传算法SIDGA的观点较为新颖，在实验应用中也获得了较好的结果。
物种入侵的动态遗传算法SIDGA的核心思想：在传统的遗传法流程中，加入模拟生物物种入侵概念，保持种群多样性，控制收敛速度。其较好地解决了传统法中收敛过快的问题。
其步骤如下：
Step1：确定组卷的题型、数量、分值、难度等基本要求，并用非负的适应度函数表示，并确定选择策略；
Step2：选定一种较好的编码策略，并对所求问题的可行域中的所有可行解进行编码；
Step3：按照一定的种群初始化方式，产生一定个体数量的个体作为算法的初始种群；
Step4：按照所设定的适应度函数，计算出群体中全部个体的适应度；
Step5：按照个体的适应度，结合算法所选用的终止条件，判断是否达到收敛准则，如果达到，则输出最优解即组卷完成，否则转Step4；
Step6：按照算法选用的选择策略对当代群体中的个体进行选择操作；
Step7：依据设置好的入侵条件判断是否满足入侵操作条件，如满足，则转Step8，否则转Step10；
Step8：随机生成m个个体替换掉当前群体中较差的m个个体；其中，m=种群规模M×入侵率rP；
Step9：计算刚加入群体中的m个个体的个体适应度；
Step10：用交叉率进行交叉操作；
Step11：用式变异率进行变异操作；返回Step4。
3.2 主观题自动评分。在主观题自动评分中，涉及人工智能、自然语言、识别模式等领域，所以一直限制着考试系统的发展。目前，国外典型的系统是英国诺丁汉大学开发的Course Master；国内也有一些成果，李阳明等提出基于模糊理论的算法，李少芳等提出似串匹配算法，程传鹏等提出文本相似度算法，郭扉扉、尹文生提出改进型单向贴近度算法。在这些算法中文本相似度算法和改进型单向贴近度算法具有比较明显的优势，但是也依然避免不了它的一些局限性。
所谓文本相似度算法：就是先计算学生答案和标准答案特征值的相似度，这部分的实现主要是基于哈工大的《同义词词林》进行的。然后用二部图匈牙利算法构造学生答案和标准答案特征值相似度的完备二部图的最大权匹配，在此基础上计算学生的最终分数。
具体步骤如下：
Step1：把标准答案按词条切分，以集合A的形式保存；同理，把学生答案切分为集合B。
Step2：参考二部图匈牙利算法，把集合A看作二部图的子集X，集合B看作二部图的子集Y。
Step3：针对标准答案中的每个特征字，在学生答案中查找是否有意思相近的，并计算它们的相似度。即根据文献[3]第二部分所描述的方法，计算A每个顶点和B每个顶点的相似度Sim（ai，bi）。
Step4：用二部图匈牙利算法将A集合的顶点，B集合的顶点和上文的相似度Sim（ai，bi）构造成学生答案和标准答案特征字相似度的完备加权二部图，并求此二部图的最大权匹配M。
Step5：根据上文的最大权匹配M，使用文献[3]3.2中的公式，依次带入相似度值和权重便可算出学生答案和标准答案的相似度。再将此相似度和试题满分相乘，即可得到学生的分数。
此算法直接以相似度计算答案得分，为自动评分算法提供了很好的参考。但是，此算法缺点也比较明显。一是计算量大，二是由于自然语义的复杂性，在文本相似度高的情况下依然存在语义不同的现象。即此算法无法计算、考察答案中的逻辑语义。
所谓改进型单项贴近度算法：就是先根据标准答案遍历学生答案，计算标准答案中每个词串和学生答案的单项贴近度值，在此基础上计算出学生的分数。
具体步骤如下：
Step1：将标准答案划分为词串集合Keys，集合中的元素是标准答案的关键字。
Step2：用文献[3]第二部分的算法，为集合Keys中的每个词串遍历学生答案，查找出学生答案中相似的词串，并依次计算出它们的单项贴近度。以集合形式保存。
Step3：根据实际情况对上文的单项贴近度值进行调整，如调整阈值等。
Step4：参照评分标准，为标准答案的每个词串分配相应的分数。最后将每个词串的单项贴近度值和它对应的分数相乘，再将所得结果相加，即可得到学生的分数。
此算法相较文本相识度算法更加简单有效，且计算量更小。其基于语义脉络的单向贴近度字符串匹配算法，既考虑了以句子为单元的结构信息，同时加入同义词的语义信息，并运用动态规划算法，按照字符串顺序进行匹配，使算法较符合人工卷思维。但是，其同样也存在着一些缺陷，如：没有考虑较复杂的语法等逻辑语义，对于逻辑性较强的文本可能结果不准确。
3.3 主观题评分自动纠正提示。由于现存主观题自动评分算法的缺陷性，能够对自动评分进行纠正提示对在线考试系统而言尤为重要。其基本思想是横向对比每一主观题的分数，在统计该题所有得分后，其分值的分布应符合正态分布；系统自动标记出得分偏差较高的答案，以供人工复核之用。即，找出答题得分特别高或者特别低的答案，提示教师进行二次阅卷，提高准确度。
4 系统应用的前景与展望
越来越多的各类考试，开始摆脱传统的纸质模式，向无纸化网络化转变，以适应时代的发展及考试本身的需求。一些考试系统在各类院校特别是高职院校中获得了一致的好评，例如：全国计算机等级考试系统、全国大学生英语四级等级考试系统及西安交大等联合编制的“高等学校工科大学物理课程试题库系统”等。基于web技术的在线考试系统因其成本低、周期短、寿命长、效果好、效率高、公平性高的等优点，具有较大的发展空间和良好的应用前景。
相信在不久的将来，功能更加强大、算法更加完善、界面更加友好的web在线考试系统将悄然出现在我们身边，发挥着越来越重要的、无法忽视的作用。
参考文献：
[1]李少芳，车艳近.似串匹配算法在自动评分系统中的应用[J].东莞理工学院学报，2008，15（3）：25-28.
[2]郭扉扉，尹文生.改进型单向贴近度主观题自动评分算法的研究[J].计算机工程与科学，2011，33（7）：172-177.
统计法试题范文5
[关键词] 中国数字大学城； 全互动式考试； 统计学； 实践
[中图分类号] D642.47 [文献标识码] A [文章编号] 1673 - 0194（2013）012- 0097- 07
1 选题背景与现状分析
1.1 选题背景
2 本研究的意义
（1） 通过对统计学课程考试方式方法的改革、探索与研究，借助计算机授课教室及教室内拥有的联网计算机、中国数字大学城辅助教学平台、QQ通讯平台、博客、微博等现代化设备及通讯手段，借助各高校网上图书馆的强大图书借阅功能，师生在课堂内外能达到完全互动的程度。教师教学内容与授课方法、授课效果与学生消化所学知识的程度、应用所学知识解决实际问题的能力等，都能通过全互动式统计学课程的考试方式方法进行实时验证，非常有利于教师根据课程考试的实际结果，实时、灵活地组织教学，提升教学质量。
（2） 通过全互动式统计学课程考试方式方法的改革、探索与研究，借助中国数字大学城辅助教学平台里面的考试系统，教师可以随时、随地出课堂考试题，而学生可以随时、随地参加课堂考试。由于这种考试方式，课堂考试成绩可以即时给出，既方便学生了解自己答题对错结果，消化自己所学知识，找到自己没有完全掌握的课程薄弱处；教师还可以通过即时给出的课堂考试成绩，了解学生答题对错结果，找出学生没有完全掌握的课程薄弱处，针对全体学生或个别学生进行有针对性的教学辅导，促进教学工作，提高教学质量。
（3） 通过全互动式统计学课程考试方式方法的改革与探索，借助计算机授课教室及教室内拥有的联网计算机、中国数字大学城辅助教学平台、QQ通讯平台、博客、微博等现代化设备及通讯手段，师生之间可以实时沟通，教师可以实时解答学生考试中出现的问题，发现教学中学生没有掌握的教学知识点，还可以实现教与学有机的结合、实现教与学的良性互动，更能体现出统计学课程特色和适应时代特点的授课与考试方式及方法。这种考试方式可以大幅度提升教学质量，促进教学工作登上一个更高、更理想的台阶。
（4） 通过全互动式统计学课程考试方式方法的改革与探索，借助各高校数量众多的计算机授课教室及教室内拥有的联网计算机、学生个人拥有的能联网的计算机、网吧、中国数字大学城辅助教学平台，可以实现统计学课程考试常态化，改变过去一次性期末考试的弊端，将期末一次性考试，变成多次、随时都可以进行的课堂内外网上考试方式！利用这种考试方式，实现学生考试成绩平均化、平衡化、平滑化，教师可以利用这种最新式的考试方式和方法，让学生从过去被动式学习，变成主动式学习，由不愿意与教师和学生之间进行交流，变成愿意和主动与教师和学生进行交流。
（5） 通过全互动式统计学课程考试方式方法的改革与探索，可以寻找到最适合统计学课程特点的实验内容，通过对这些实验内容的互动式考试，让学生学到对他们当前及今后学习、工作最有价值的知识及技能，对促进教学工作，提高教学质量。
（6） 采用全互动式统计学课程考试方式方法的改革与探索，可以充分体现出统计学课程要教会学生如何搜集、表现、分析、解释数据，从而认识现象数量特征和数量规律的方法论科学的教学目标，可以大幅度地提升教学质量，促进教学工作登上一个更高、更理想的台阶。
3 统计学传统考试模式与全互动式考试模式的对比分析
3.1 传统考试模式的特点
（1） 期末出一套试卷，所有任课教师都采用同一套试卷对学生学习效果进行评价。由于学生之间的差异程度不同，教师的教学风格不同，统计学教学内容的数量性和实用性等特点，采用这种考试方式有很大弊端。首先，剥夺了教师自主命题，因材因教进行考核的目标，不同专业同一课程存在试题内容相同，试题难度相同，不具有针对不同能力学生进行区分度的考核效果。更没有将考试所特有的评定、检测、诊断、反馈和激励五大功能及时体现出来。
（2） 由于只在期末出一套试卷，使得老师的教学内容、教学进度，都能按教学大纲的内容得以全面贯彻和实施，但缺乏灵活度，不利用教师根据教学实际和学生和学习特点组织教学及调整教学内容和进度。
（3） 在期末出一套试卷的传统考试模式下，学生持续学习的积极性不高，学习热情难以调动。很多学生为考试而学习，过分依赖于老师的课堂笔记和所谓的重点，缺乏学生的主动性。很多学生甚至平时不努力，只在临近期末寄希望于老师“复习指导”，严重抹杀了学生钻研、创新和自主学习的意识。
（4） 考试结束后，教师要花多日进行批卷、上分及成绩统计分析的工作，时效性差，工作效率比较低下。
3.2 全互动式考试模式的特点
3.2.1 考试试卷类型丰富
可以按教学特点，出各种类型的考试试卷。目前，在中国数字大学城的考试系统里，有填空题、单选题、简答题、多选题、判断题、文章填空题、完形填空题、作文题。
3.2.2 灵活度高
教师可以根据网上辅助教学系统试题库出题的要求，利用中国数字大学城提供的Excel网上考题出题模板提前出好考试题，然后上传到网上辅助教学系统试题库内，对学生进行考试时，可以由网上辅助教学系统试题库中已存储的试题，采用确定抽取或随机抽取考题的方式出考试题，这样就可以提高考题的灵活度，达到教师想要达到的考核效果。
3.2.3 可以促进教与学双方的积极性
采用此种考试方式，可以达到教学大纲、教学内容、教学进度以及考试环节高度统一。教师除了可以保证严格依照教学大纲安排教学外，还可以根据课堂内外的临时考试的反馈信息，及时调整教学内容，查漏补缺，并可以针对学习有问题的同学，及时给予帮助；经笔者两个学年的教学实验，采用网上实时考试后，学生的学习动力明显增大，学习积极性、主动性增强，教师也能从学生网考的结果及与学生交流、沟通的过程中得知自己的教学效果，促进教与学双方的积极性，形成良好教风与学风。
3.2.4 可促进教学水平的不断提高
因授课老师参与出题，但可以不参与批卷环节，这样教师就可以有更多的时间和精力投入到教学研究中去，从而可促进教学水平的不断提高。
3.2.5 考试成绩更客观、更公平
由于采用从授课第一周到最后一周多次随堂或平时网上考试的方式，这样就可以了解每位学生的真实学习能力，并可以通过计算平均分数的方式，更客观、更公平地考核每位学生在本课程内的学习成绩。
3.2.6 便于试题长期积累及使用
由于采用从授课第一周到最后一周多次随堂或平时网上考试的方式，每次出题量可以根据实际情况掌控，可大可小，可多可少，随时出题，阶段补充，所有考题均由网上教学系统统一存储。不同的教师可以协作出不同的考题，上传到网上教学系统内共同使用。随着时间的推移，按这种出题方式就会积累数量非常庞大的考题。由于是在一个网上教学系统内存储，因此更便于长期积累及使用。
3.2.7 时效性好，工作效率高
考试结束后，教师可以自己花多日进行批卷，也可以让软件在学生答题结束后自动批卷，而上分及成绩统计分析的工作都可以交给软件来完成，时效性好，工作效率高。
4 研究成果应用前景及政策建议
4.1 研究成果应用前景
下一代互联网技术在我国的研发成功和应用，标志着互联网时代已经真正的来到中国，它必将从根本上改变中国人的生活、工作和思维方式，作为培训未来统计工作者的学科之一——统计学，不可避免地要受到互联网技术的强力的冲击和影响。
本项目组认为，随着时间的推移，我们这个研究项目的成果，必将在全国各高校的统计学课程当中得到推广，并推行到各类课程（体育课除外）的本科教学中，本项目组还认为，它可以大面积、大幅度地提高各学科的教学质量和教学效果，使师生互动成为可能。并能让学生参与到教师的课程改革实践中来，让学生通过学习和参与研究，真正做到学以致用。
4.2 政策建议
4.2.1 教学环境的支持
各高校应该建设全部配备能实时上网的计算机房教室教学楼，让采用类似全互动式统计学课程考试方式方法试验的教学班可以无障碍地使用这些软硬件。
4.2.2 开发或购买辅助网上教学系统
各高校应该自主开发或购买类似中国数字大学城这类网上辅助教学系统，利用这些教学系统的强大功能，支持类似全互动式统计学课程考试方式方法这种能大面积、大幅度地提高各学科的教学质量和教学效果，能实现师生互动，并能让学生参与到教师的课程改革实践中来，让学生通过学习和参与研究，真正做到学以致用试验的新型教学形式。
4.2.3 调动师生的主动性、积极性
应该制订新式的师生考核标准，让师生有主动性和积极性来使用这种新式的考试模式，并充分挖掘这种新式的考试模式内既能发挥教师的主导作用，又能充分体现学生的认知主体作用，更能调动教与学两个方面的主动性、积极性的新式考试模式。
4.2.4 将现代信息技术引入到考试中来
随着计算机房教室对教学的开放，多媒体教学技术和专为网络环境设计的软件日益普及，特别是网上辅助教学平台和统计分析软件的大量增加，QQ通讯平台、博客、微博等现代化设备及通讯手段的出现才被引进统计学教学中来的。这些现代信息技术手段的引进，催生了一种全新的统计学课程考试方式方法，即全互动式统计学课程考试方式方法。
4.2.5 鼓励教师随时布置作业、布置考试题、与教学相关的信息奖励制度
采用全互动式统计学课程考试方式方法后，只要有能联网的计算机，教师就可以在任何时间、任何地点，随时布置考试题、与考试相关的信息。学生就可以在任何时间、任何地点，随时完成并提交考试题、随时了解教师与考试相关的信息。
采用全互动式统计学课程考试方式方法后，由于是利用能联网的计算机、多媒体教学技术、网上辅助教学平台、QQ通讯平台、博客、微博等现代化设备及通讯手段，无论教师，还是学生，都可以随时保留自己提交过的任何考试信息资源，便于教师、学生利用平时时间积累各类考试资源，并可以随时在旧的教学资源基础上补充新的教学资源，便于教师更新考试内容，跟上时展的步伐。
因此，应该制订鼓励教师随时布置考试题、与教学考试相关信息的奖励制度，让学生通过一学期的学习，能学到更多的知识和技能。
4.2.6 将课堂考勤、平时作业及网上考试一体化
由于采用类似全互动式统计学课程考试方式方法后，师生可以24小时通过能联网的计算机和网上辅助教学平台进行实时沟通，因此，笔者及本项目组成员建议利用类似中国数字大学城的网上辅助教学平台，在每次上课期间，通过该平台的考试系统布置课堂考勤考试题，再通过该系统的考试系统设置考试截止时间，然后让学生在5到10分钟的时间内提交完，过了这个考试时间段，利用该系统已经设置的考试截止时间的方式，禁止没来上课的学生再参与本次课堂考勤考试。这样就解决了学生考勤的问题。
再利用类似中国数字大学城网上辅助教学平台里的考试系统，将类似统计学课程的平时作业、期中期末考试全部考试化，将过去评价学生的标准只有期末考试的一种形式，转化成每次课都有考试，将学生考核平时化，消除一考定终身的弊端，并可以利用这种新式的考试方式，在教师授课的各个时间点，及时了解学生对课程内容的了解、理解程度，及时调整授课内容，让教学时段发挥最大的效用。
主要参考文献
[1] 冯叔民. 统计学、网站与三种授课方式的比较研究[J]. 统计教育，2005（8）.
统计法试题范文6
关键词：Excel VBA；测试系统；统计分析
中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2014）34-8146-02
1 问题提出
伴随着各种硬件设备的日新月异、软件开发水平的不断提高以及计算机的普及，应用于师生中的在线测试系统层出不穷，一定程度上减轻了教师出卷、阅卷的压力。但比较这些测试系统，加上教师的使用反馈，我认为大多数普遍存在以下弊病：
第一，只是提供了在线测试、自动批阅和给出成绩的功能，缺少对学生成绩的统计分析。
第二，对教师和学生来讲，这些测试系统并不是大家平时熟练操作的软件，所以使用上并不那么得心应手，甚至会出现抵触情绪。
第三，基本上都是B/S架构模式，使用具有局限性，即电脑必须始终与网络保持连接，才能使用这些测试系统。
第四，系统移植性差，需要管理员在特定的服务器上配置安装好后才能使用。
本文针对这些问题展开研究，借助Excel和VBA（Visual Basic for Application ）研制C/S架构模式的测试系统平台。
2 需求分析
制作以Excel为平台的测试系统移植性强。MicrosoftOffice是大家一直以来都在接触使用的软件，一般电脑都会安装Office。只要安装了Office的电脑，教师和学生都可以运行测试系统，而且操作起来会比较熟练。
采用C/S架构模式，使用灵活，特别适用于自测练习。电脑无须连接网络，学生便可自行实现抽题、自动阅卷和查看成绩等。
Excel本身具有强大的数据处理和统计分析功能，无须借助数据库来存储学生的基本信息和题库资料。所以这给教师使用测试系统带来了极大的方便：无须懂数据库、编程和借助管理员，只须熟悉Excel，就可以自主修改题库内容，可以根据自己的需求对学生的成绩进行深层次的分析，及时掌握学生的学习状况。
实现题库抽题。当此系统作为自测练习系统时，可以为学生随机组合多套习题；作为考试系统使用时，随机抽题组卷可以避免学生间作弊。
学生测试完毕后，系统会自动存储学生每次提交的试题，以备学生查阅和复习。
3 系统实现
Excel测试系统整体的设计思路是：后台封装好，抽题、生成试卷、成绩批阅都由系统自动生成，简化教师操作步骤，使教师无需懂编程即可运用自如。系统共分为六个模块：
题库：可以为单选题、多选题、判断题等客观题型建立各自的工作表，并调用随机函数为每一题设置好随机数，以便在考生试卷中实现随机抽题。
考生试卷：即学生考试界面。主要完成考生登陆验证、抽题、交卷、自动批改、自动评分、考生试卷备份功能。
考生试卷备份：一旦点击“交卷”按钮，系统会自动会将学生所考试卷复制到此工作表中，以备学生查阅纠错。
成绩记录：汇总学生每一个题型的得分以及最后的总分。学生交卷后，可在第一时间得知自己的成绩。
考生名单：记录所有参加测试的学生的学号和姓名。确保考试界面中只有输入符合考生名单的学号和姓名才能进行测试。
成绩统计分析：实现对学生成绩的统计分析，如描述统计、直方图分析、单因素方差分析等。
那么对于教师来说具体如何操作这个Excel测试系统呢？只需简单的四步骤：第一，在“题库”模块中，根据题型，将题目输入到相应的工作表中；在“考生名单”模块中输入考生的学号和姓名；第二，隐藏与学生考试界面无关的模块，如“题库”、“学生名单”等；第三，以防学生作答时随意修改试题，在“VBAProject工程”属性中选中“查看时锁定工程”，并设置好密码。第四，将Excel测试系统分发给学生，或上传至服务器，供学生下载。
对于学生来说，首先要登陆考试界面，然后随机抽题、答题，在考试时间结束前交卷。系统随即就会对试卷进行评分，并给出最终考试成绩。学生整个考试的操作过程如图1所示。
4 统计分析
教师将学生提交上来的“Excel测试系统”都放置到“学生成绩统计分析”工作簿所在的文件夹中，运行该工作簿中的“宏”，系统会自动提取每个学生的测试系统中的成绩表，整合到“学生成绩统计分析”工作簿中。接着教师根据系统提示，运用分析工具库，可对成绩数据区域进行统计分析。这里采用常用的三种方法分析：描述统计、直方图、单因素方差分析。
4.1 描述统计
描述统计可以给出一组数据的许多常用统计量，如平均值、峰值、偏斜度、中值、模式等。因此利用描述统计，可以分析出试卷的难易程度和成绩是否符合正态分布。图2所示是《英语语法》课程某一次测试成绩的分析结果，共35位学生。
从描述统计图中可以看到平均值（Mean）为80.6，中值（Median，居于中间的数）为82，模式（Mode，出现频率最高的数值）为83，而峰值（Kurtosis）和偏斜度（Skewness）都接近于0，这个分析结果说明此课程成绩分布比较正常，基本上服从正态分布。但如果偏斜度远离0，并且中值和模式偏高如大于90，说明此课程的成绩分布过于集中，成绩偏高，可能存在试题难度偏低，反之亦然。
4.2 直方图
通过直方图可以给出成绩的分布范围，如图3所示。统计的是0～59.9、60～69.9、70～79.9、80～89.9以及90～100区间的成绩个数。在频率（Frequency，每个区间的数据个数）系列中可以一目了然的看到不同区间的成绩分布情况。
4.3 单因素方差分析
通过单因素方差分析可以检验不同的学习方法所达到的实际效果。如某英语教师将班里35位学生分成4组（每组学生的学习水平相近），分别采用不同的方法记忆英语单词，经过一段时间后统一测验记忆情况，考察记忆单词的方法不同，对测验得分有无显著影响。图4的分析结果，是根据每组学生的测验得分，在假设显著水平=0.05下，利用单因素方差分析，检验测验分数的均值有无显著差异。
从分析结果中可知，F=0.0739030.05，所以可以认为这四种记忆方法无显著性差异，学生可以根据个人的习惯兴趣采用其中一种单词记忆法。如果F检验的结果拒绝原假设，则表示平均值之间差异显著，那就需要对这四组做进一步的两两比较分析。
5 结论
本项目开发的Excel测试系统适用于各专业的选择题、判断题等客观题的测试和练习。既适合课堂测试使用，也适合学生课后自行练习复习。教师无需懂编程，只要在题库表中修改题目，即可让学生使用这个测试系统。另外，教师根据简单的操作提示，就可实现对学生成绩的统计分析。所以对于教师来讲，有一个得心应手的测试系统，可以减少出卷和阅卷的时间，并能及时从学生做的试题中得到反馈，进行统计分析，适时调整教学策略，有助于提高工作效率和教学质量。同时教师也可以腾出更多的时间和精力致力于教学方法的研究和科学研究，达到双赢的效果。
参考文献：
[1] 刘洪花.基于VBA的Excel考试系统的制作[J].电脑编程技巧与维护，2012（18）.
[2] Tianxiang ZHENG. Design and Implementation of a Computerized Examination System for Experimental Courses Based on Excel VBA [J]. Scientific Research， 978-1-935068-26-6 ? 2010 SciRes.
[3] 唐卫国.基于WEB 的学生离线考试系统的研究[J].科技资讯，2009（6）：160-161.
