2025年统计学期末考试题库：统计与决策数据挖掘试题

2025年统计学期末考试题库：统计与决策数据挖掘试题考试时间：______分钟总分：______分姓名：______一、选择题（每题2分，共20分。请将正确选项的代表字母填入括号内）1.下列哪个指标最适合衡量对称分布数据的离散程度？（）A.极差B.方差C.标准差D.偏度系数2.在假设检验中，第一类错误是指（）。A.犯弃真错误，即原假设为真却拒绝原假设B.犯取伪错误，即原假设为假却未能拒绝原假设C.检验统计量计算错误D.样本量不足3.简单线性回归模型中，解释变量（自变量）和因变量之间的关系被假设为（）。A.线性相关B.非线性相关C.独立无关D.因果关系确定4.下列哪种方法不属于聚类算法？（）A.K-MeansB.KNNC.层次聚类D.Apriori5.用于衡量分类模型预测准确性的指标是（）。A.相关系数B.决策树深度C.准确率（Accuracy）D.相关系数的绝对值6.数据挖掘过程中，数据预处理通常发生在哪个阶段？（）A.模型评估B.模型选择C.数据探索D.数据准备7.在进行关联规则挖掘时，为了减少搜索空间，通常采用（）算法。A.决策树B.AprioriC.K-MeansD.神经网络8.抽样调查中，样本量的确定主要受哪些因素影响？（）A.总体方差B.置信水平C.允许误差D.以上都是9.对于分类问题，如果预测结果为某个类别的概率，常用的模型是（）。A.线性回归B.逻辑回归C.K-Means聚类D.主成分分析10.下列哪个不是数据挖掘的常见任务类型？（）A.聚类分析B.回归分析C.统计预测D.文本生成二、简答题（每题5分，共20分）1.简述假设检验的基本步骤。2.解释什么是相关系数，并说明其取值范围及含义。3.简述K-Means聚类算法的基本思想和工作流程。4.列举并简要说明三种常用的分类模型。三、计算题（每题8分，共24分）1.已知某班级10名学生的身高（cm）和体重（kg）数据如下：身高：170,165,180,175,160,170,185,160,170,180体重：65,55,75,68,52,60,78,50,62,72计算该班级学生的平均身高和平均体重，并计算身高和体重的样本相关系数。2.假设对一个二元分类问题，某个模型的预测结果如下（P为预测为正类，A为实际为正类，N为实际为负类）：|预测|实际||:---:|:---:||P|P||P|N||N|P||N|N||P|N|计算该模型的准确率、精确率、召回率和F1分数。3.设有一个数据集包含三个特征X1,X2,X3，通过主成分分析（PCA）得到两个主成分PC1和PC2，它们的方差贡献率分别为85%和10%，且PC1由X1的50%和X2的70%线性组合而成。请解释这两个主成分的含义，并说明数据降维后的主要信息损失是多少。四、应用题（共16分）假设你是一家电商公司的数据分析师，近期公司关注用户购买行为，希望利用历史订单数据对用户进行分群，以便进行更精准的营销。现有以下数据：用户的性别、年龄段（分为18-25,26-35,36-45,45+）、最近一次购买的产品类别（服装、电子、家居、书籍）、购买频率（低、中、高）、平均客单价。请详细说明你将如何利用聚类分析方法对用户进行分群，包括：1.数据预处理步骤（如何处理类别型变量？如何处理不同量纲的数据？）。2.选择合适的聚类算法，并说明理由。3.确定合适的聚类数目（可以提及一种确定聚类数目的方法）。4.对最终得到的各个用户群体进行简要描述和分析，并提出至少两条针对不同群体的营销建议。试卷答案一、选择题1.C2.A3.A4.B5.C6.D7.B8.D9.B10.D二、简答题1.假设检验的基本步骤：a.提出原假设H0和备择假设H1。b.选择合适的检验统计量，并确定其在H0成立时的分布。c.根据显著性水平α确定拒绝域（临界值或P值临界值）。d.收集样本数据，计算检验统计量的观测值。e.根据观测值与拒绝域的关系或计算P值与α的大小关系，做出拒绝或不拒绝H0的决策。2.相关系数是用来衡量两个变量之间线性相关程度的统计量。其取值范围在-1到1之间。当相关系数为1时，表示两个变量之间存在完美的正线性相关关系；当相关系数为-1时，表示两个变量之间存在完美的负线性相关关系；当相关系数为0时，表示两个变量之间不存在线性相关关系。3.K-Means聚类算法的基本思想是将数据集划分为K个簇，使得簇内数据点到簇中心的距离之和最小。工作流程如下：a.随机选择K个数据点作为初始簇中心。b.将每个数据点分配给距离最近的簇中心，形成K个簇。c.计算每个簇的新中心（簇内所有数据点的均值）。d.重复步骤b和c，直到簇中心不再变化或达到最大迭代次数。4.常用的分类模型有：a.逻辑回归：适用于二分类问题，通过sigmoid函数将线性组合的输出转换为概率值。b.决策树：通过树状结构进行决策，对数据进行分类或回归。c.支持向量机（SVM）：寻找一个最优的超平面将不同类别的数据点分开。d.K近邻（KNN）：根据样本最近的K个邻居的类别来预测新样本的类别。三、计算题1.平均身高=(170+165+180+175+160+170+185+160+170+180)/10=171.5cm平均体重=(65+55+75+68+52+60+78+50+62+72)/10=63.4kg身高和体重的样本相关系数r=[10*(170*65+165*55+...+180*72)-(171.5*63.4)*10]/sqrt{[10*(170^2+...+180^2)-(171.5*171.5)*10]*[10*(65^2+...+72^2)-(63.4*63.4)*10]}r≈0.8952.准确率=(2+1+1)/(2+1+1+1)=4/5=0.8精确率=(2+1)/(2+1)=3/4=0.75召回率=(2+1)/(2+1)=3/4=0.75F1分数=2*(精确率*召回率)/(精确率+召回率)=2*(0.75*0.75)/(0.75+0.75)=0.753.PC1和PC2是数据降维后的两个主成分。PC1由X1的50%和X2的70%线性组合而成，说明PC1主要反映了X1和X2的综合信息。由于PC1的方差贡献率为85%，说明它包含了数据集中大部分的变异信息。PC2的方差贡献率为10%，说明它包含了少量剩余的变异信息。数据降维后的主要信息损失是10%，即丢失了原始数据中由PC2所代表的那部分变异信息。四、应用题1.数据预处理步骤：a.处理类别型变量：将性别、年龄段、产品类别等类别型变量转换为数值型变量，可以使用独热编码（One-HotEncoding）或标签编码（LabelEncoding）。b.处理不同量纲的数据：由于购买频率和平均客单价可能具有不同的量纲，需要进行标准化或归一化处理，例如使用Z-score标准化或Min-Max归一化，使得所有特征具有相似的尺度。2.选择合适的聚类算法：K-Means聚类算法。理由是K-Means算法简单易实现，计算效率高，适用于较大规模的数据集，并且能够较好地处理数值型数据。3.确定合适的聚类数目：可以使用肘部法则（ElbowMethod）来确定聚类数目。肘部法则是通过计算不同K值下K-Means算法的簇内平方和（Within-ClusterSumofSquares,WCSS），绘制K值与WCSS的关系图，选择拐点（肘部）对应的K值作为最终的聚类数目。4.对最终得到的各个用户群体进行简要描述和分析，并提出至少两条针对不同群体的营销建议：a.年轻群体（如18-25岁）：购买频率高，但平均客单价可能较低。营销建议