数学建模竞赛
课程设计题目：招聘问题的统计学随机分析模型
姓名1： 学号：
姓名2： 学号： 姓名3： 学号： 专 业：电子信息工程 班 级 指导教师
2012年 4 月 29 日
6
一、摘要
招聘问题的统计学模型是通过统计学分析招聘测试相关数据来解决招聘过程中常见问题的数学模型。由于招聘测试的相关数据具有数据量大、随机性和随机性的差异性等特点，因此，我们可以通过统计学的相关知识联系实际问题，作出相应解答及处理。问题一：补齐表中缺失的数据，给出补缺的方法及理由。分别分析附表中五个专家招聘测试的数据，不难发现每个专家的打分在一定情况下具有随机性而且甲、乙、丙三位专家缺失数据是由于专家有事外出而未给应聘者打分，理论上具有完全随机性。所以可以运用统计学中平均值填充法补全数据，该方法是建立在研究对象理论完全随机的假设上，具有简便，快捷的优点。问题二：给出101名应聘者的录取顺序。联系实际实践可知，补全缺失数据后，对应聘者录取顺序是以应聘者总分数或平均分的高低为原则的，于是可以通过能够在数理统计中应用的Excel软件，来求出每位应聘者的总成绩及平均成绩，进而列出录取顺序。问题三：五位专家中哪位专家打分比较紧，哪位专家打分比较松。通过统计学随机分析，运用Excel软件的函数模块，求出每位专家测试分数的MIN,Q1，Q2，Q3，MAX五个数据，以此为依据，借助Excel软件的绘图工具栏画出各个分数区段的箱线图及柱状图，分别分析各个专家同一分数段下的应聘者人数以及每个专家测试分数段的差异，通过比较分析，就可以得出相关结论。问题四：你认为那些应聘者应给与第二次应聘机会。这个问题必须要联系实际状况，通过以上的分析统计，已经明确应聘者得分排序及每位专家给分的严厉程度，根据实际需求人数录取分数总成绩排前的应聘者后，对各专家给分严厉程度排序，以“优先严厉专家给出分数，兼顾总体分数成绩”为原则，对原先预录取以外的应聘者再排序，依据实际需求给与第二次应聘机会。问题五：如果第二次应聘的专家只有其中的3三位专家组成，你认为这个专家组应由那3位专家组成。通过上述分析易知专家严厉程度的排序，选取严厉程度排前的两位专家及三名较宽松的专家中一位即可组成二次面试专家组 。
关键词：统计学 随机性 平均值填充法 Excel软件 箱线图
6
二、 问题的提出 招聘问题涉及的数据量是巨大的，要从庞大的且具有一定随机的数据中，运用简单，快捷的方法，观察数据反映的规律，从而补充缺失的数据，这就要根据数据存在特性，运用一些数学方法，分析出数据的总体走向趋势，通过对招聘测试分数数据的分析处理，运用特定的处理方法，进而找到解决招聘问题中专家给分宽严之分及录取顺序排列等问题的方法。必要时通过上述数学分析及相关数学软件的运用，分析处理有关二次招聘中专家组组合及应聘者二次机会应聘的问题。下面是有关需研究的数据 数据附表 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 专家甲 68 92 88 81 83 84 76 53 * 66 85 78 58 94 94 93 63 91 94 56 61 86 69 92 68 71 61 63 专家乙 73 69 76 73 79 67 76 96 97 93 95 66 86 84 81 66 74 79 95 67 80 96 90 85 * 66 74 80 6
专家丙 85 74 76 84 95 86 68 65 76 80 81 99 72 70 80 91 90 83 64 91 79 79 65 82 65 61 76 69 专家丁 88 65 70 98 83 56 64 95 87 90 81 90 63 78 66 74 63 85 96 97 70 84 65 66 84 75 87 76 专家戊 86 83 80 94 98 66 86 94 64 73 69 71 81 86 92 97 92 84 95 56 69 75 76 68 87 94 78 84
29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 86 64 60 82 88 60 59 65 84 65 92 84 94 90 67 63 85 86 88 62 80 87 94 55 90 59 98 93 75 63 71 55 86 51 81 90 60 74 63 58 68 70 68 83 85 84 92 91 97 87 78 93 99 82 90 79 89 82 97 76 88 98 93 84 85 75 68 95 63 55 64 94 82 72 55 65 94 63 83 94 74 63 93 83 6
95 61 96 97 66 78 75 86 83 62 79 92 65 85 84 65 83 64 96 74 85 80 94 93 88 69 80 66 65 * 61 95 67 78 73 95 64 96 91 84 91 75 71 90 67 78 59 78 76 64 61 99 86 95 66 81 75 69 84 87 80 93 82 93 74 84 92 75 63 84 94 82 57 85 62 94 63 91 79 89 94 84 82 96 84 96 87 60 95 81 88 96 85 83 90 76 84 58 93 66 70 69 87 62 72 64 93 60 83 74 84 96 63 76 61 64 80 80 95 87 83 76 83 72 91 76
71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 86 97 78 63 67 91 63 87 65 78 81 90 64 78 61 90 93 69 88 76 82 60 75 79 74 70 93 85 81 86 92 73 83 81 71 82 73 93 83 84 64 92 82 73 94 84 93 73 72 63 56 74 65 84 74 64 55 94 83 63 85 78 73 97 87 92 87 90 97 65 73 82 65 92 84 77 75 72 83 88 88 72 94 84 66 78 91 95 74 79 70 92 85 75 64 78 86 63 79 90 91 87 85 77 66 58 67 69 94 90 94 76 75 89 85 70 63 94 83 73 95 79 87 70 94 68 69 68 86 74 76 68 98 90 82 90 76 95 72 73 90 74 66 82 87 73 75 85 79 69 85 71 95 74 93
三、模型假设
1、假设由于专家有事外出而未给应聘者打分所造成缺失的数据是具有完全随机性的;
2、假设专家间给分不互相影响，具有独立性；
3、从总体来观察，假设总体数据在相同环境下，具有随机性。
6