2025年统计学期末考试题库：统计预测与决策综合案例分析试题

2025年统计学期末考试题库：统计预测与决策综合案例分析试题一、选择题1.某企业过去10年的销售额数据呈线性增长趋势，若用最小二乘法拟合直线方程\(y=a+bx\)，其中\(x\)表示年份（设第一年\(x=1\)），\(y\)表示销售额。已知\(\sumx=55\)，\(\sumy=1200\)，\(\sumx^{2}=385\)，\(\sumxy=7260\)，则回归系数\(b\)的值为（）A.12B.10C.8D.6答案：B解析：根据最小二乘法求回归系数\(b\)的公式\(b=\frac{n\sumxy-\sumx\sumy}{n\sumx^{2}-(\sumx)^{2}}\)，这里\(n=10\)。代入数值：\(n\sumxy=10\times7260=72600\)，\(\sumx\sumy=55\times1200=66000\)，\(n\sumx^{2}=10\times385=3850\)，\((\sumx)^{2}=55^{2}=3025\)。则\(b=\frac{72600-66000}{3850-3025}=\frac{6600}{825}=10\)。2.在指数平滑法中，平滑系数\(\alpha\)的取值范围是（）A.\(0<\alpha<1\)B.\(\alpha>1\)C.\(\alpha<0\)D.\(0\leqslant\alpha\leqslant1\)答案：A解析：指数平滑法中，平滑系数\(\alpha\)必须在\(0\)到\(1\)之间，当\(\alpha\)趋近于\(0\)时，近期数据对预测值影响小；当\(\alpha\)趋近于\(1\)时，近期数据对预测值影响大。取值范围严格为\(0<\alpha<1\)。3.进行决策时，若自然状态的发生具有一定的概率，但决策结果不能完全确定，这种决策属于（）A.确定型决策B.风险型决策C.不确定型决策D.对抗型决策答案：B解析：风险型决策是指自然状态的发生具有一定的概率，决策者根据不同状态下的损益值以及状态发生的概率进行决策，但由于概率只是一种可能性，所以决策结果不能完全确定。4.用决策树进行决策时，从决策点引出的分支叫做（）A.方案分支B.状态分支C.概率分支D.结果分支答案：A解析：从决策点引出的分支代表不同的决策方案，称为方案分支；从状态点引出的分支称为状态分支。5.在多元线性回归模型\(y=\beta_{0}+\beta_{1}x_{1}+\beta_{2}x_{2}+\cdots+\beta_{k}x_{k}+\varepsilon\)中，检验回归方程整体显著性常用的统计量是（）A.\(t\)统计量B.\(F\)统计量C.\(Z\)统计量D.\(\chi^{2}\)统计量答案：B解析：在多元线性回归中，\(F\)统计量用于检验回归方程的整体显著性，即检验所有自变量对因变量是否有显著的线性影响；\(t\)统计量用于检验单个自变量的显著性。二、判断题1.时间序列的长期趋势可以是线性的，也可以是非线性的。（）答案：正确解析：时间序列的长期趋势反映了现象在较长时期内的发展变化方向，可以呈现出线性增长或下降，也可以是诸如指数曲线、抛物线等非线性的变化趋势。2.在不确定型决策中，乐观准则是从每个方案的最大收益值中选择最大值对应的方案。（）答案：正确解析：乐观准则也叫大中取大法，是决策者对未来比较乐观，只考虑每个方案在好的状态下的收益，从各方案的最大收益值中选最大的，以此确定最优方案。3.回归分析中的残差是指观测值与预测值之间的差异。（）答案：正确解析：在回归分析中，残差\(e=y-\hat{y}\)，其中\(y\)是实际观测值，\(\hat{y}\)是回归方程的预测值，它反映了观测值与预测值之间的偏离程度。4.用移动平均法进行预测时，移动平均的项数越多，对随机误差的平滑效果越好，但对实际变化的反应越迟钝。（）答案：正确解析：移动平均法中，移动平均项数越多，能将更多的随机波动平滑掉，也就是对随机误差的平滑效果越好；但由于考虑的历史数据增多，对数据新的变化趋势反应不及时，即对实际变化的反应越迟钝。5.在决策树中，决策点用方块表示，状态点用圆圈表示。（）答案：正确解析：这是决策树的基本图形表示规定，决策点用方块表示，代表决策者需要进行决策的位置；状态点用圆圈表示，代表自然状态的发生。三、简答题1.简述统计预测的一般步骤。解答：统计预测的一般步骤如下：（1）确定预测目标：明确预测要解决的问题，例如预测市场销售量、企业利润等，目标要具体、明确。（2）收集和整理资料：根据预测目标，收集相关的历史数据和现实信息，这些资料可以来自企业内部的报表、数据库，也可以来自外部的统计机构、行业协会等。收集后要对资料进行审核、筛选、分组、编码等整理工作，保证资料的准确性、完整性和系统性。（3）选择预测模型和方法：根据数据的特点和预测目标，选择合适的预测模型和方法。如果数据呈现线性趋势，可选用线性回归模型；如果是时间序列数据，可根据数据的平稳性等特征选择移动平均法、指数平滑法等。（4）建立预测模型：利用收集整理好的数据，估计模型中的参数，确定具体的预测模型。例如在回归分析中，通过最小二乘法等方法估计回归系数。（5）进行预测：将已知的自变量数据代入建立好的预测模型，计算得到预测值。（6）对预测结果进行分析和评价：分析预测结果的可靠性，计算预测误差，如绝对误差、相对误差等。可以通过比较不同模型的预测误差、进行假设检验等方法评价预测结果。如果预测误差较大，需要重新检查数据、模型和方法，进行调整和改进。2.比较风险型决策和不确定型决策的异同。解答：相同点：（1）两者面临的决策问题都存在多种自然状态，而非单一确定的情况。（2）都需要决策者根据不同情况进行选择和决策。不同点：（1）自然状态的概率信息：风险型决策中，自然状态的发生具有已知的、可以度量的概率；而不确定型决策中，自然状态发生的概率是未知的，无法确切度量。（2）决策方法：风险型决策常用的方法有期望值准则、决策树法等，通过考虑各方案在不同自然状态下的损益值以及状态发生的概率来进行决策；不确定型决策则有乐观准则、悲观准则、折衷准则、后悔值准则等方法，这些方法更多地依赖于决策者的主观判断和态度。（3）决策结果的可靠性：风险型决策由于考虑了状态发生的概率，在一定程度上能够对决策结果的风险进行量化和分析，决策结果相对更具有一定的可靠性和参考价值；不确定型决策的结果受决策者主观因素影响较大，可靠性相对较低。3.简述指数平滑法的优缺点。解答：优点：（1）计算简便：指数平滑法只需要少量的数据和简单的计算步骤，不需要存储大量的历史数据。只需要利用上一期的预测值和当期的实际观测值，以及平滑系数就可以进行预测。（2）适应性强：它对数据模式的变化具有一定的适应性。通过调整平滑系数，可以使模型对近期数据变化的反应程度不同，当数据出现新的趋势或波动时，能较快地调整预测值。（3）考虑了全部历史数据信息：虽然指数平滑法是一种递推的预测方法，但它在计算过程中实际上包含了所有历史数据的信息，只不过给予不同时期的数据以不同的权重，近期数据权重较大，远期数据权重较小。缺点：（1）平滑系数的选择具有主观性：平滑系数\(\alpha\)的选择没有统一的客观标准，不同的\(\alpha\)值会导致不同的预测结果，需要决策者根据经验和判断来确定，这可能会影响预测的准确性。（2）对趋势变化反应的局限性：当时间序列存在明显的线性趋势或季节性变化时，简单指数平滑法可能不能很好地适应，会产生较大的预测误差，需要使用更复杂的改进指数平滑模型，如二次指数平滑法、三次指数平滑法等来处理。（3）不能直接用于外推预测：指数平滑法本质上是基于历史数据的平滑和趋势延续进行预测，对于数据模式发生重大改变或存在未知因素影响未来情况时，难以准确进行外推预测。四、计算题1.某企业2017-2024年的销售额数据如下（单位：万元）：|年份|销售额||-|-||2017|120||2018|130||2019|140||2020|150||2021|160||2022|170||2023|180||2024|190|（1）用3期移动平均法预测2025年的销售额。（2）若采用指数平滑法，设平滑系数\(\alpha=0.3\)，2024年的预测值为185万元，预测2025年的销售额。解答：（1）3期移动平均法公式为\(M_{t}=\frac{y_{t-1}+y_{t-2}+y_{t-3}}{3}\)，预测2025年销售额，用2022-2024年的数据。\(M_{2025}=\frac{y_{2024}+y_{2023}+y_{2022}}{3}=\frac{190+180+170}{3}=\frac{540}{3}=180\)（万元）（2）指数平滑法的预测公式为\(F_{t+1}=\alphay_{t}+(1-\alpha)F_{t}\)，已知\(\alpha=0.3\)，\(y_{2024}=190\)万元，\(F_{2024}=185\)万元。\(F_{2025}=\alphay_{2024}+(1-\alpha)F_{2024}=0.3\times190+(1-0.3)\times185=57+129.5=186.5\)（万元）2.某企业拟开发一种新产品，有三种方案可供选择。市场情况有好、中、差三种，各种方案在不同市场情况下的损益值如下表所示：|方案|好（概率0.3）|中（概率0.5）|差（概率0.2）||-|-|-|-||A方案|100|60|-20||B方案|120|40|-40||C方案|80|70|10|（1）用期望值准则选择最优方案。（2）画出决策树，并根据决策树进行决策。解答：（1）期望值准则：方案A的期望值\(E(A)=0.3\times100+0.5\times60+0.2\times(-20)=30+30-4=56\)（万元）方案B的期望值\(E(B)=0.3\times120+0.5\times40+0.2\times(-40)=36+20-8=48\)（万元）方案C的期望值\(E(C)=0.3\times80+0.5\times70+0.2\times10=24+35+2=61\)（万元）因为\(E(C)>E(A)>E(B)\)，所以最优方案是C方案。（2）决策树绘制：首先画一个决策点（方块），从决策点引出三个方案分支，分别代表A、B、C方案。在每个方案分支末端画一个状态点（圆圈），从状态点引出三个状态分支，分别代表市场好、中、差三种情况，并标注相应的概率和损益值。计算各节点的期望值：节点1（A方案）期望值为56万元；节点2（B方案）期望值为48万元；节点3（C方案）期望值为61万元。比较各节点期望值，选择期望值最大的方案C，将A、B方案分支进行剪枝。所以根据决策树决策结果也是选择C方案。五、综合案例分析题案例：某电商企业准备开展一次促销活动，为了确定合适的促销力度和价格策略，对过去24个月的销售数据进行了分析。数据涉及每月的促销费用（\(x_{1}\)，单位：千元）、商品平均价格（\(x_{2}\)，单位：元）和销售额（\(y\)，单位：万元）。经过计算，得到以下数据：\(n=24\)，\(\sumx_{1}=480\)，\(\sumx_{2}=7200\)，\(\sumy=960\)，\(\sumx_{1}^{2}=10000\)，\(\sumx_{2}^{2}=2200000\)，\(\sumy^{2}=40000\)，\(\sumx_{1}x_{2}=144000\)，\(\sumx_{1}y=20000\)，\(\sumx_{2}y=288000\)（1）建立销售额关于促销费用和商品平均价格的多元线性回归模型\(y=\beta_{0}+\beta_{1}x_{1}+\beta_{2}x_{2}+\varepsilon\)，并估计回归系数\(\beta_{0}\)，\(\beta_{1}\)，\(\beta_{2}\)。（2）若下一个月计划投入促销费用30千元，商品平均价格定为320元，预测该月的销售额。（3）在本次促销活动决策中，除了考虑销售额的预测，还需要考虑哪些因素？解答：（1）首先根据正规方程组求解回归系数。正规方程组为：\(\begin{cases}n\beta_{0}+\beta_{1}\sumx_{1}+\beta_{2}\sumx_{2}=\sumy\\\beta_{0}\sumx_{1}+\beta_{1}\sumx_{1}^{2}+\beta_{2}\sumx_{1}x_{2}=\sumx_{1}y\\\beta_{0}\sumx_{2}+\beta_{1}\sumx_{1}x_{2}+\beta_{2}\sumx_{2}^{2}=\sumx_{2}y\end{cases}\)将已知数据代入：\(\begin{cases}24\beta_{0}+480\beta_{1}+7200\beta_{2}=960\\480\beta_{0}+10000\beta_{1}+144000\beta_{2}=20000\\7200\beta_{0}+144000\beta_{1}+2200000\beta_{2}=288000\end{cases}\)由第一个方程可得\(\beta_{0}=\frac{960-480\beta_{1}-7200\beta_{2}}{24}=40-20\beta_{1}-300\beta_{2}\)将\(\beta_{0}=40-20\beta_{1}-300\beta_{2}\)代入第二个和第三个方程：代入第二个方程：\(480\times(40-20\beta_{1}-300\beta_{2})+10000\beta_{1}+144000\beta_{2}=20000\)\(19200-9600\beta_{1}-144000\beta_{2}+10000\beta_{1}+144000\beta_{2}=20000\)\(400\beta_{1}=20000-19200\)\(400\beta_{1}=800\)，解得\(\beta_{1}=2\)将\(\beta_{1}=2\)代入\(\beta_{0}=40-20\beta_{1}-300\beta_{2}\)后再代入第三个方程：\(7200\times(40-20\times2-300\beta_{2})+144000\times2+2200000\beta_{2}=288000\)\(7200\times(40-40-300\beta_{2})+288000+2200000\beta_{2}=288000\)\(-2160000\beta_{2}+2200000\beta_{2}=0\)\(40000\beta_{2}=0\)，解得\(\beta_{2}=0\