2025年大学《应用统计学》专业题库- 大数据应用与统计学方法探究

2025年大学《应用统计学》专业题库——大数据应用与统计学方法探究考试时间：______分钟总分：______分姓名：______一、选择题（每题2分，共10分）1.下列关于大数据“V”字特征的说法，错误的是：A.海量性（Volume）B.高速性（Velocity）C.多样性（Variety）D.价值密度低（LowVeracity）2.在参数估计中，用样本统计量去估计总体参数，称样本统计量为：A.总体B.样本C.估计量D.估计值3.进行假设检验时，犯第一类错误是指：A.样本方差大于总体方差B.本来不显著，却拒绝了原假设C.本来显著，却接受了原假设D.拒绝了原假设4.在一元线性回归分析中，判定系数R²的取值范围是：A.[0,1]B.(-1,1)C.[0,+∞)D.(-∞,+∞)5.抽样调查中，影响抽样误差大小的主要因素不包括：A.样本容量B.总体标志变异程度C.抽样方法D.抽样框质量二、填空题（每空1分，共10分）6.根据样本资料对总体分布的未知特征进行推断的统计方法称为________。7.设总体服从正态分布N(μ,σ²)，当σ²已知时，检验假设H₀:μ=μ₀，应选用________检验法。8.在多元线性回归模型Y=β₀+β₁X₁+...+βₚXₚ+ε中，β₁表示在其他自变量不变的情况下，自变量X₁每变化一个单位，因变量Y的________。9.大数据时代对传统抽样调查提出的挑战之一是保证________的代表性和有效性。10.描述数据分布集中趋势的统计量主要有________、中位数和众数。三、计算题（共65分）11.（10分）设一批产品的次品率为p，现从中随机抽取100件，发现其中有15件次品。试用样本比例p̂来估计总体比例p，并计算p̂的标准误差。若据此用95%的置信水平估计该批产品的次品率范围，请给出置信区间。（提示：可使用正态近似）12.（15分）某研究想探究广告投入（万元）与产品销售额（万元）之间的关系，随机抽取了8个企业的数据如下：广告投入（X）：2,4,5,6,7,8,9,10销售额（Y）：30,40,50,60,65,70,80,85（1）建立销售额Y对广告投入X的线性回归方程。（2）计算判定系数R²，并解释其意义。（3）当某企业计划投入7万元广告时，预测其销售额，并给出预测值的标准误差。13.（15分）为了检验某药物是否对降低血压有效，随机抽取了15名患者，服用该药物前后的血压（收缩压，mmHg）记录如下：患者编号：123456789101112131415服药前（X）：150148152155149153147151154150156148152149153服药后（Y）：142145150153146148142144151143154145150146149假设血压数据服从正态分布，请使用适当的假设检验方法（α=0.05）判断服用该药物是否显著降低了患者的收缩压。14.（15分）从某城市抽取2000户家庭进行抽样调查，其中拥有某品牌智能手机的家庭有720户。现欲通过分层抽样方法抽取一个包含400户家庭的样本，已知该市家庭按收入水平分为高、中、低三个层次，其比例分别为30%、50%、20%。请计算从高、中、低三个收入层次中分别应抽取的样本量。若改为简单随机抽样，样本量为400时，估计该市拥有该品牌智能手机的家庭比例及其标准误差。15.（10分）简述大数据环境下，传统统计方法（如参数估计、假设检验）可能面临的主要挑战，并列举至少两种统计学在大数据应用中发展的新方向或新方法。试卷答案一、选择题1.D2.C3.B4.A5.D二、填空题6.参数估计7.Z（或U）8.平均变化量（或期望变化量）9.抽样框10.平均数（或均值）三、计算题11.解：(1)样本比例估计值：p̂=15/100=0.15(2)p̂的标准误差：SE(p̂)=sqrt[p̂(1-p̂)/n]=sqrt[0.15(1-0.15)/100]=sqrt[0.1275/100]=sqrt(0.001275)≈0.0357(3)95%置信水平对应Z临界值（α/2=0.025）为1.96。置信区间：p̂±Z*SE(p̂)=0.15±1.96*0.0357=0.15±0.0701置信区间约为(0.0799,0.2201)即有95%的置信水平认为该批产品的次品率在7.99%到22.01%之间。12.解：(1)计算X和Y的均值：X̄=(2+4+...+10)/8=54/8=6.75,Ȳ=(30+40+...+85)/8=520/8=65计算回归系数b₁：b₁=[n∑(XiYi)-∑Xi∑Yi]/[n∑(Xi²)-(∑Xi)²]b₁=[8*(2*30+4*40+...+10*85)-54*520]/[8*(2²+4²+...+10²)-54²]b₁=[8*(60+160+...+850)-28080]/[8*(4+16+...+100)-2916]b₁=[8*3310-28080]/[8*385-2916]b₁=[26480-28080]/[3080-2916]b₁=-1600/164=-160/16.4≈-9.76计算截距b₀：b₀=Ȳ-b₁X̄=65-(-9.76)*6.75=65+66.06=131.06回归方程：Ŷ=131.06-9.76X(2)计算R²：R²=[b₁*∑(Xi-X̄)(Yi-Ȳ)]²/[∑(Xi-X̄)²*∑(Yi-Ȳ)²]∑(Xi-X̄)(Yi-Ȳ)=(2-6.75)*(30-65)+...+(10-6.75)*(85-65)=(-4.75)*(-35)+(-2.75)*(-25)+(-1.75)*(-15)+(-0.75)*(-5)+(0.25)*0+(1.25)*5+(2.25)*10+(3.25)*20=166.25+68.75+26.25+3.75+0+6.25+22.5+65=338.5∑(Xi-X̄)²=(2-6.75)²+...+(10-6.75)²=(-4.75)²+...+(3.25)²=22.5625+7.5625+3.0625+0.5625+0.0625+1.5625+5.0625+10.5625=50∑(Yi-Ȳ)²=(30-65)²+...+(85-65)²=(-35)²+...+(20)²=1225+625+225+25+0+25+100+400=2600R²=[(-9.76)*(338.5)]²/[50*2600]=[-3299.24]²/130000=10888470.0656/130000≈0.8389R²≈0.839。其意义是，广告投入（X）的变化可以解释销售额（Y）变异性的约83.9%。(3)预测值：Ŷ=131.06-9.76*7=131.06-68.32=62.74预测值的标准误差：SE(Ŷ)=sqrt{SE²(p̂)+[(xi-x̄)²/n]*σ²_ε}其中σ²_ε未知，可用样本残差平方和估计：SSE=∑(Yi-Ŷi)²|Xi|Y|Ŷi|Yi-Ŷi|(Yi-Ŷi)²230|94.78|-64.78|4209.24440|85.02|-45.02|2026.92550|75.26|-25.26|638.06660|65.50|-5.50|30.25765|55.74|9.26|85.70870|46.98|23.02|530.84980|38.22|41.78|1742.801085|29.46|55.54|3067.84SSE=4209.24+...+3067.84=16108.19估计的方差：σ̂²_ε=SSE/(n-2)=16108.19/6=2684.6983估计的标准差：σ̂_ε=sqrt(2684.6983)≈51.81SE(Ŷ)=sqrt{[0.0357]²+[(7-6.75)²/8]*2684.6983}SE(Ŷ)=sqrt{0.001275+[0.0625/8]*2684.6983}SE(Ŷ)=sqrt{0.001275+0.0078125*2684.6983}SE(Ŷ)=sqrt{0.001275+20.9848}SE(Ŷ)=sqrt(21.2861)≈4.61预测值的标准误差约为4.61万元。13.解：(1)计算样本均值和差值均值：Δ̄=(X̄-Ȳ)=150.93-146.47=4.46(服药后减去服药前)计算样本标准差s_Δ：s_Δ=sqrt[Σ(Δi-Δ̄)²/(n-1)]Δi:8,3,2,2,3,5,5,7,3,7,2,3,2,3,4Σ(Δi-Δ̄)²=(8-4.46)²+...+(4-4.46)²=12.8+1.8+5.9+5.9+1.8+0.8+0.8+7.8+1.8+7.8+5.9+1.8+5.9+1.8+0.8=65.3s_Δ=sqrt(65.3/14)=sqrt(4.6657)≈2.16(2)计算检验统计量t：t=Δ̄/(s_Δ/sqrt(n))=4.46/(2.16/sqrt(15))=4.46/(2.16/3.873)=4.46/0.5586≈7.97(3)查t分布表，df=n-1=14，α=0.05的双尾检验临界值t_(0.025,14)≈2.145。因为|t|=7.97>2.145，所以拒绝原假设H₀。解析思路：首先计算服药前后血压变化的样本均值和标准差。由于总体方差未知且样本量较小（n=15），应使用t检验。计算t统计量的值，并与t分布的临界值进行比较。若t统计量的绝对值大于临界值，则在α显著性水平下拒绝原假设，认为药物有显著降压效果。14.解：(1)分层抽样按比例分配：高收入层应抽：n_h=N_h*(n/N)=2000*30%*(400/2000)=2000*0.3*0.2=120户中收入层应抽：n_m=N_m*(n/N)=2000*50%*(400/2000)=2000*0.5*0.2=200户低收入层应抽：n_l=N_l*(n/N)=2000*20%*(400/2000)=2000*0.2*0.2=80户(2)简单随机抽样估计比例及标准误差：样本比例估计值：p̂_srs=720/400=1.8注意：比例p̂不能大于1，此处结果异常，可能题目数据或抽样比例有误。若假设题目数据无误，则p̂_srs=1.8。若按比例抽样，低层比例抽样量可能不足1，需调整。此处按题目计算：p̂_srs=1.8p̂_srs的标准误差：SE(p̂_srs)=sqrt[p̂_srs(1-p̂_srs)/n]=sqrt[1.8(1-1.8)/400]=sqrt[1.8*(-0.8)/400]=sqrt[-1.44/400]=sqrt(-0.0036)。结果为负数，这在比例估计中不合理，通常意味着样本比例异常或题目数据设置有问题。若题目意图是考察标准误差公式应用，可假设样本比例接近0.9（如720/800），或重新审视题目设定。此处按公式计算：SE(p̂_srs)=sqrt[