2025年统计学专业期末考试：数据分析计算题库与数据清洗算法试题

2025年统计学专业期末考试：数据分析计算题库与数据清洗算法试题考试时间：______分钟总分：______分姓名：______一、描述性统计计算要求：根据给出的数据，计算以下统计量：均值、中位数、众数、方差、标准差、极差、四分位数。1.已知一组数据：3,5,7,9,11,13,15,17,19,21。请计算：（1）均值（2）中位数（3）众数（4）方差（5）标准差（6）极差（7）第一四分位数（8）第三四分位数2.已知一组数据：2,4,6,8,10,12,14,16,18,20。请计算：（1）均值（2）中位数（3）众数（4）方差（5）标准差（6）极差（7）第一四分位数（8）第三四分位数二、概率计算要求：根据给出的条件，计算以下概率。1.抛掷一枚公平的六面骰子，求：（1）出现偶数的概率（2）出现大于3的概率（3）出现1或6的概率（4）出现偶数且大于3的概率2.从一副52张的标准扑克牌中随机抽取一张牌，求：（1）抽到红桃的概率（2）抽到黑桃的概率（3）抽到方块的概率（4）抽到红桃或方块的概率（5）抽到红桃且方块的概率三、假设检验要求：根据给出的假设检验问题，进行以下步骤。1.已知某工厂生产的产品重量服从正态分布，均值为100克，标准差为5克。现从该工厂抽取10个样本，计算样本均值为105克的置信区间（置信水平为95%）。2.某公司声称其产品的使用寿命为500小时，现从该产品中抽取10个样本，计算样本均值为450小时的置信区间（置信水平为99%）。3.某项调查结果显示，某地区居民的平均年收入为8万元，现从该地区抽取100个样本，计算样本均值为7.5万元的置信区间（置信水平为90%）。4.某工厂生产的产品重量服从正态分布，均值为100克，标准差为5克。现从该工厂抽取10个样本，进行假设检验，检验假设H0：μ=100，H1：μ≠100，显著性水平为0.05。5.某项调查结果显示，某地区居民的平均年收入为8万元，现从该地区抽取100个样本，进行假设检验，检验假设H0：μ=8，H1：μ≠8，显著性水平为0.01。6.某工厂生产的产品重量服从正态分布，均值为100克，标准差为5克。现从该工厂抽取10个样本，进行假设检验，检验假设H0：σ=5，H1：σ≠5，显著性水平为0.10。7.某项调查结果显示，某地区居民的平均年收入为8万元，现从该地区抽取100个样本，进行假设检验，检验假设H0：σ=8，H1：σ≠8，显著性水平为0.05。8.某工厂生产的产品重量服从正态分布，均值为100克，标准差为5克。现从该工厂抽取10个样本，进行假设检验，检验假设H0：μ=100，H1：μ≠100，显著性水平为0.10。9.某项调查结果显示，某地区居民的平均年收入为8万元，现从该地区抽取100个样本，进行假设检验，检验假设H0：μ=8，H1：μ≠8，显著性水平为0.01。10.某工厂生产的产品重量服从正态分布，均值为100克，标准差为5克。现从该工厂抽取10个样本，进行假设检验，检验假设H0：σ=5，H1：σ≠5，显著性水平为0.05。四、回归分析要求：根据给出的数据，进行线性回归分析，并解释结果。1.已知某城市房价（万元）与面积（平方米）的数据如下：面积（平方米）：80,90,100,110,120,130,140,150,160,170房价（万元）：120,135,150,165,180,195,210,225,240,255请进行线性回归分析，求出回归方程，并计算R²值。2.某公司员工的工作经验（年）与年收入（万元）的数据如下：工作经验（年）：1,2,3,4,5,6,7,8,9,10年收入（万元）：5,7,9,10,12,14,16,18,20,22请进行线性回归分析，求出回归方程，并解释工作经验对年收入的影响。五、时间序列分析要求：根据给出的时间序列数据，进行以下分析。1.某城市近10年的年降水量数据如下：年份：2015,2016,2017,2018,2019,2020,2021,2022,2023,2024降水量（毫米）：600,650,700,750,800,850,900,950,1000,1050请对降水量数据进行时间序列分析，并预测2025年的降水量。2.某公司近5年的销售额数据如下：年份：2019,2020,2021,2022,2023销售额（万元）：500,550,600,650,700请对销售额数据进行时间序列分析，并预测2024年的销售额。六、分类与聚类分析要求：根据给出的数据，进行以下分类与聚类分析。1.某地区居民消费水平的数据如下：收入水平：低，中低，中等，中高，高消费水平：低，中低，中等，中高，高请使用K-means聚类算法对消费水平进行聚类，并解释聚类结果。2.某公司员工的性别、年龄、职位、薪资水平的数据如下：性别：男，女年龄：20-30，31-40，41-50，51-60职位：普通员工，主管，经理，总监薪资水平：低，中低，中等，中高，高请使用决策树算法对薪资水平进行分类，并解释分类结果。本次试卷答案如下：一、描述性统计计算1.（1）均值=(3+5+7+9+11+13+15+17+19+21)/10=11（2）中位数=(11+13)/2=12（3）众数=数据中无重复值，故无众数（4）方差=[(3-11)²+(5-11)²+(7-11)²+(9-11)²+(11-11)²+(13-11)²+(15-11)²+(17-11)²+(19-11)²+(21-11)²]/10=14（5）标准差=√方差=√14≈3.74（6）极差=最大值-最小值=21-3=18（7）第一四分位数=(3+5)/2=4（8）第三四分位数=(13+15)/2=142.（1）均值=(2+4+6+8+10+12+14+16+18+20)/10=10（2）中位数=(10+12)/2=11（3）众数=数据中无重复值，故无众数（4）方差=[(2-10)²+(4-10)²+(6-10)²+(8-10)²+(10-10)²+(12-10)²+(14-10)²+(16-10)²+(18-10)²+(20-10)²]/10=16（5）标准差=√方差=√16=4（6）极差=最大值-最小值=20-2=18（7）第一四分位数=(4+6)/2=5（8）第三四分位数=(12+14)/2=13二、概率计算1.（1）出现偶数的概率=3/6=1/2（2）出现大于3的概率=4/6=2/3（3）出现1或6的概率=2/6=1/3（4）出现偶数且大于3的概率=2/6=1/32.（1）抽到红桃的概率=13/52=1/4（2）抽到黑桃的概率=13/52=1/4（3）抽到方块的概率=13/52=1/4（4）抽到红桃或方块的概率=(13/52)+(13/52)=26/52=1/2（5）抽到红桃且方块的概率=0/52=0三、假设检验1.样本均值=105样本标准差=5样本量=10置信区间公式：均值±(Zα/2*标准差/√样本量)Zα/2=Z0.975（对应95%置信水平）置信区间=(100-(1.96*5/√10),100+(1.96*5/√10))≈(95.06,104.94)2.样本均值=450样本标准差=未知（需计算）样本量=10置信区间公式：均值±(Zα/2*标准差/√样本量)由于样本标准差未知，无法计算置信区间。3.样本均值=750样本标准差=未知（需计算）样本量=100置信区间公式：均值±(Zα/2*标准差/√样本量)由于样本标准差未知，无法计算置信区间。四、回归分析1.回归方程：y=ax+b其中，a为斜率，b为截距a=∑(x-x̄)(y-ȳ)/∑(x-x̄)²b=ȳ-a*x̄计算得：a=2.2b=90.2R²=0.892.回归方程：y=ax+b其中，a为斜率，b为截距a=∑(x-x̄)(y-ȳ)/∑(x-x̄)²b=ȳ-a*x̄计算得：a=0.6b=1.8回归方程：年收入=0.6*工作经验+1.8工作经验对年收入的影响是正相关的，每增加一年工作经验，年收入增加0.6万元。五、时间序列分析1.通过时间序列分析，我们可以使用移动平均法、指数平滑法等方法进行预测。这里以简单移动平均法为例，计算过去5年的移动平均值，并以此为基础预测2025年的降水量。移动平均值=(2015年降水量+2016年降水量+...+2023年降水量)/5预测2025年降水量=2024年降水量+移动平均值-2024年降水量2.同样，使用简单移动平均法进行预测：