2025年统计学专业期末考试：数据可视化图表制作与统计学应用试题型

2025年统计学专业期末考试：数据可视化图表制作与统计学应用试题型考试时间：______分钟总分：______分姓名：______一、选择题（每小题2分，共20分。请将正确选项的字母填在括号内）1.在比较不同组别数据的集中趋势时，如果数据存在极端值，则（）更稳健。A.均值B.中位数C.众数D.极差2.对于两个变量的线性关系，以下描述错误的是（）。A.相关系数（Pearson）的取值范围是[-1,1]B.相关系数只描述线性关系，不描述非线性关系C.相关系数为0意味着两个变量之间没有任何关系D.回归系数可以解释自变量变化一个单位时因变量的平均变化量3.从正态分布总体中随机抽取样本，要检验总体均值是否显著大于某个值，应选择（）。A.单尾检验（右侧）B.单尾检验（左侧）C.双尾检验D.以上都不对4.在进行假设检验时，第一类错误是指（）。A.总体不存在效应，但检验结果拒绝了原假设B.总体存在效应，但检验结果未能拒绝原假设C.总体不存在效应，但检验结果未能拒绝原假设D.总体存在效应，但检验结果拒绝了原假设5.以下哪种图表最适合展示不同类别数据的数量比较？（）A.散点图B.折线图C.饼图D.箱线图6.以下哪种图表最适合展示数据随时间变化的趋势？（）A.散点图B.折线图C.饼图D.热力图7.在绘制箱线图时，箱子中间的线段代表（）。A.均值B.中位数C.众数D.标准差8.对于分类数据，如果要分析两个分类变量之间是否存在关联性，通常使用（）。A.相关系数B.线性回归C.卡方检验D.t检验9.在简单线性回归分析中，判定系数（R²）的取值范围是（）。A.[0,1]B.(-1,1)C.(-∞,+∞)D.[0,+∞)10.使用热力图可以有效展示（）。A.数据的分布情况B.数据随时间的变化趋势C.两个连续变量之间的关系强度和方向D.不同类别数据的数量比较二、填空题（每空2分，共20分。请将答案填在横线上）1.描述数据集中趋势的统计量主要有______、______和______。2.描述数据离散程度的统计量主要有______、______和______。3.假设检验中，犯第一类错误的概率记作______，犯第二类错误的概率记作______。4.简单线性回归模型的基本形式为______，其中______称为回归截距，______称为回归系数。5.在进行数据可视化时，选择合适的图表类型需要考虑数据的______、______以及想要传达的信息。三、简答题（每题5分，共15分）1.简述假设检验的基本步骤。2.简述选择合适的图表类型时需要考虑的主要因素。3.解释什么是相关系数，并说明其取值范围及含义。四、计算题（每题10分，共20分）1.某班级30名学生的身高数据（单位：cm）如下：[170,168,165,172,169,175,164,168,170,172,173,165,169,171,174,166,168,170,172,175,163,167,169,171,173,165,168,170,172,166]。计算该班级学生的平均身高、中位数和方差。（请使用公式或说明计算思路）2.某研究想调查吸烟是否与患某种呼吸系统疾病有关，收集了100名成年人的数据，其中50人吸烟，50人不吸烟。已知在这100人中，有20名吸烟者患了该疾病，30名不吸烟者患了该疾病。试描述如何使用统计方法分析吸烟与患该疾病之间是否存在关联性，并简述分析步骤。五、应用分析题（15分）假设你是一名数据分析师，某公司想要了解其产品的销售额（单位：万元）与广告投入（单位：万元）之间的关系，并希望通过数据可视化清晰地展示这种关系以及整体销售情况。你收集了过去12个月的月度数据。请回答以下问题：1.在分析销售额与广告投入关系时，最适合使用哪种统计方法？简要说明理由。2.如果要展示过去12个月每个月的销售额，你会选择哪种图表类型？简要说明理由。3.如果要同时展示广告投入和销售额随时间的变化趋势，你会选择哪种图表类型？简要说明理由。4.除了上述提到的图表，你还会考虑使用哪些其他图表来辅助分析？（至少提出两种）5.在进行数据可视化和统计分析时，你认为应该注意哪些方面以确保结果的准确性和有效性？试卷答案一、选择题1.B2.C3.A4.A5.C6.B7.B8.C9.A10.C二、填空题1.均值；中位数；众数2.极差；方差；标准差3.α；β4.y=a+bx；a；b5.类型；数量；信息三、简答题1.假设检验的基本步骤：*提出原假设H₀和备择假设H₁。*选择合适的检验统计量，并确定其分布。*根据显著性水平α确定拒绝域。*计算检验统计量的观察值。*判断观察值是否落入拒绝域，做出拒绝或不拒绝原假设的决策。2.选择合适的图表类型时需要考虑的主要因素：*数据类型：分类数据、顺序数据、数值数据。*数据维度：单一变量、双变量、多变量。*分析目的：展示分布、比较大小、展示趋势、展示关系等。*数据量大小。3.解释什么是相关系数，并说明其取值范围及含义：*相关系数是用来衡量两个变量之间线性关系强度和方向的统计量。*取值范围是[-1,1]。*取值为1表示完全正相关，取值为-1表示完全负相关，取值为0表示不存在线性相关关系（但可能存在非线性关系）。四、计算题1.计算过程：*平均身高：将所有身高数据相加，再除以数据个数（30）。计算结果为169.7cm。*中位数：将所有身高数据按升序排列，位于第15和第16个数据的平均数。排序后第15和16个数据为171和171，中位数为(171+171)/2=171cm。*方差：首先计算每个数据与平均数的差的平方，然后将这些平方差相加，再除以数据个数（30）。计算结果约为29.73cm²。具体计算：(170-169.7)²+...+(166-169.7)²，求和后除以30。2.分析吸烟与患疾病关联性的方法及步骤：*方法：使用卡方检验（Chi-squaretest）分析两个分类变量（吸烟与否，患疾病与否）之间的独立性。*步骤：*构建列联表（ContingencyTable），将数据整理成2x2的表格形式：*行：吸烟（是，否）*列：患疾病（是，否）*单元格内的值：[吸烟且患病:20,吸烟且未患病:30,不吸烟且患病:30,不吸烟且未患病:20]*计算期望频数（ExpectedFrequencies）：对于每个单元格，计算在假设吸烟与患病无关联的情况下，预期的频数。*计算检验统计量：使用公式Σ((观察频数-期望频数)²/期望频数)，计算卡方统计量的观察值。*确定拒绝域：根据显著性水平α（如0.05）和自由度（df=(行数-1)*(列数-1)=1），查找卡方分布表确定临界值。*做出决策：比较计算得到的卡方统计量与临界值，若统计量大于临界值，则拒绝原假设（认为吸烟与患病有关）；否则，不拒绝原假设。五、应用分析题1.最适合的统计方法及理由：*方法：简单线性回归分析（SimpleLinearRegression）。*理由：该方法可以建立一个模型来描述广告投入（自变量X）与销售额（因变量Y）之间的线性关系，并预测销售额。2.展示月度销售额的图表类型及理由：*图表类型：柱状图（BarChart）。*理由：柱状图适合比较不同类别（本例中为月份）的数值大小，可以清晰地展示每个月的销售额。3.同时展示广告投入和销售额随时间趋势的图表类型及理由：*图表类型：复式折线图（MultipleLineChart）。*理由：折线图适合展示数据随时间变化的趋势，使用不同颜色的线条可以分别展示广告投入和销售额随时间的变化情况，便于比较两者趋势。4.其他辅助分析的图表类型：*散点图（ScatterPlot）：可以直观地展示广告投入与销售额之间的关系，并观察是否存在线性模式或异常点。*箱线图（BoxPlot）：可以展示销售额或广告投入的分布情况，包括中位数、四分位数和异常值等信息。5.数据可视化和统计分析时需要注意的方面：