招聘问题2Word下载.docx

招聘问题2Word下载.docx

《招聘问题2Word下载.docx》由会员分享，可在线阅读，更多相关《招聘问题2Word下载.docx（32页珍藏版）》请在冰豆网上搜索。

5.1问题1：

均值插补及区间估计模型

5.1.1均值插补法

根据辅助信息数据将样本分为若干组，使组内各单位的主要特征相似。

然后分别介绍各组目标变量的均值，将各组均值作为组内所有缺失数据项的替补值。

这里我们先不考虑应聘者9号的专家甲的评分、应聘者25号的专家乙的评分、应聘者58号的专家甲的评分，运用MATLAB软件计算专家甲对剩余100名应聘者的评分的平均值分别为

、

（源程序见附录2）。

其中

5.1.2K-S检验法概述

K-S检验是统计学中在对一组数据进行统计分析是所用到的一种方法。

它是将需要做统计分析的数据和另一组标准数据进行对比，求得它和标准数据之间的偏差的方法。

一般在K-S检验中，先计算需要做比较的两组观察数据的累积分布函数，然后求这两个累积分布函数的差的绝对值中的最大值D。

最后通过查表以确定D值是否落在所要求对应的置信区间内。

若D值落在了对应的置信区间内，说明被检测的数据满足要求。

反之亦然。

从理论上来说，K-S检验中正态分布的参数应该是已知的，也就是不需要用样本进行估计，实际上在不知道正态分布的参数的情况下，可以用lillietest函数检验正态性，其实质就是先用样本估计正态分布的参数，然后做K-S检验。

运用以上原理本文编写MATLAB程序对各位专家所给分值进行K-S检验（源程序见附录1），各组数据均服从正态分布。

为了更直观的说明专家所给分值服从正态分布，本文运用MATLAB软件绘出了专家甲、乙、丙相对应所给分值的直方频率图、正态频率图、Q-Q图，如下图：

图1：

专家甲所给分值的直方频率图

图2：

专家甲所给分值的Q-Q图

图3：

专家甲所给分值的正态频率图

图4：

专家乙所给分值的直方频率图

图5：

专家乙所给分值的正态频率图

图6：

专家乙所给分值的Q-Q图

图7：

专家丙所给分值的直方频率图

图8：

专家丙所给分值的正态频率图

图9：

专家丙所给分值的Ｑ－Ｑ图

5.1.3区间估计模型的建立：

区间估计指对总体中的一维参数

，构造两个统计量：

=

和

，满足对于预先给定的很小的概率

，有

，这时，称区间

为

的置信区间，称

为置信限，概率

称为显著水平（或置信度），

称为置信水平（或置信概率）。

根据上面理论，本文采用MATLAB软件对专家甲、乙、丙所给分值进行计算（源程序见附录2）获得数据分析表，如表:

5-1：

表格5-1：

数据分析表

专家甲

专家乙

专家丙

均值

76.5500

77.2647

80.0900

均值95%置信区间

下限

74.0028

73.3620

77.9457

上限

79.0972

81.1674

82.2343

方差

12.8373

11.1852

10.8069

方差95%置信区间

11.2712

9.0218

9.4886

14.9127

14.7229

12.5541

布尔变量h

sig

1

表中以专家甲为例：

1、布尔变量h=0，表示不拒绝零假设，说明提出的假设“均值76.5500”是合理的；

2、95%的置信区间为［74.0028 

79.0972］，它完全包括76.5500，且精度很高；

3、sig的值为1，远超过0.5，不能拒绝零假设。

5.1.4SPSS分析结果表

为了更准确的得出结果，本文接着用SPSS软件得均值的置信区间：

专家甲SPSS分析图表

描述

统计量

标准误

A

1.28373

均值的95%置信区间

5%修整均值

76.7556

中值

78.0000

164.795

标准差

12.83727

极小值

51.00

极大值

98.00

范围

47.00

四分位距

24.00

偏度

-.165

.241

峰度

-1.323

.478

专家乙SPSS分析图表

B

79.8600

1.14847

77.5812

82.1388

80.1556

82.0000

131.899

11.48475

55.00

99.00

44.00

17.75

-.266

-.818

专家丙SPSS分析图表

C

1.08069

80.0000

116.790

10.80693

61.00

38.00

18.00

-.097

-1.144

5.1.5结果表示

由以上两个根据置信区间以及其与标准差的偏差我们估计三个缺失数据分别为

5.2问题2：

打分排队法

5.2.1打分排队法简介

打分排队法是国际货币基金组织用于评价各个国家竞争能力大小的一种方法，主要用于多个企业综合评价的排序。

虽然，打分排队法是用于企业排名的，但从其定义可看出，我们将企业换成应聘者则可以对应聘者进行综合评价，其中每个专家就相当于一个指标。

5.2.2具体步骤

1、将指标体系中各指标的实际值，按照优劣程度，分别排队．其中正指标从大到小依次排列，逆指标从小到大依次排列。

2、计算每个应聘者每项指标的得分．指标排在第一名的应聘者得100分，指标排在最后一名的应聘者得0分，指标居于中间的各个应聘者，按以下公式分别计算各应聘者的得分：

；

式中，

为某应聘者第i项指标的得分；

N为第i项指标的排队应聘者总数；

n为某应聘者第i项指标的排列名次数。

3、计算每个应聘者每类指标的平均得分；

其计算公式为：

4、计算每个应聘者全部指标的总得分；

5、按照各应聘者总得分多少排队，确定各应聘者的名次。

5.2.3标准化分数

以专家甲为例，因为部分应聘者分数相同，不利于排序，本文引入了辅导指标；

应聘者总得分与得分的方差。

5.2.4对应聘者排序

为主要关键字降序，原总得分为次要关键字降序，原得分方差为第三关键字升序给101名应聘者排序，最终得到的录取顺序如表格5-2：

表格5-2：

101名应聘者的录取顺序表

序号

专家丁

专家戊

总得分

原始总分

原始方差

排名

19

98

93

6

97

94

388

444

192.7

39

89

100

46

68

79

382

446

54.7

2

51

70

88

32

85

372

440

75.5

3

47

78

73

96

49

74

370

439

32.2

4

5

60

44

56

353

438

69.8

66

42

90

95

76

345

429

104.2

40

63

54

43

340

59.2

7

87

29

58

81

339

64.7

8

57

30

99

338

430

101.5

9

64

83

92

72

426

162.2

10

69

34

80

334

425

108.5

11

84

332

424

43.7

12

91

59

35

75

329

57.7

13

77

23

41

326

419

197.7

14

16

31

317

421

180.7

15

53

20

316

93.2

86

82

26

314

422

120.3

17

18

62

313

18.8

420

116

22

71

45

36

309

63.5

101

67

28

308

418

94.3

21

65

307

100.7

61

303

91.7

298

412

80.8

24

297

413

125.8

25

293

411

144.7

292

407

163.3

27

290

403

407.3

287

76.8

37

408

111.8

286

409

242.7

50

284

119.3

282

405

161.5

33

281

58.3

52

280

87.2

277

398

205.3

274

406

188.2

270

404

124.7

38

48

269

74.3

267

184.7

400

267.5

266

402

128.3

79.5

395

223.5

265

152.3

55

271.8

401

178.2

263

394

313.7

261

154.7

399

183.2

256

243.7

254

97.2

397

119.8

253

207.5

246

88.7

125

238

95.3

135.2

393

236

150.3

389

288.2

230

42.3

228

385

125.5

227

390

225

391

99.7

222

125.3

222.3

220

146.8

218

384

95.7

217

198.3

207

383

203

381

139.2

380

153.5

201

230.8

200

103.3

197

367

378.3

195

379

66.7

376

87.7

188

368

265.3

186

371

256.7

184

172.8

254.3

182

45.5

181

71.3

180

175

160.3

173

124.3

172

365

110.5

168

369

120.7

158

361

70.7

157

95.2

359

164.2

155

360

138.5

153

171.7

152

141.2

147

355

104

143

61.7

136

350

163.5

108

57.5

102.8

5.3问题3：

制定标准进行评判

对于所有的应聘者，专家打分的均值可以作为衡量专家打分的一个重要标准，在均值相同时，专家打分方差越大说明打分越严格。

依照上面的标准，本文做出专家打分的均值与方差，如表格5-3：

表格5-3：

专家打分的均值与方差

76.55

12.773

79.86

11.427

80.09

10.753

79.27

11.451

79.98

10.898

根据表中数据，我们可得出专家中依不严格到严格的顺序为：

5.4问题4：

题中所说的专家分歧大，本文中是指对某位应聘者，专家们所给的分值相差悬殊。

为了量化这种悬殊程度，本文采用了方差与最大离差绝对值来衡量。

由于不能确定方差与最大离差绝对值对这种悬殊程度影响的权重，本文采用了两项指标单独作用，然后采取下列标准各选前N名应聘者