2025CDA数据分析师（L2）真题精讲卷

2025CDA数据分析师（L2）真题精讲卷姓名：______班级：______学号：______得分：______第一部分：单选题（共8题，每题4分，共32分）A.平均值B.中位数C.标准差D.众数A.ORDERBYB.GROUPBYC.WHERED.HAVING3.在假设检验中，当p值小于显著性水平α时，我们应该：A.接受原假设B.拒绝原假设C.重新设定显著性水平D.增加样本量A.NumPyB.PandasC.MatplotlibD.Scikitlearn5.在数据清洗过程中，处理缺失值的方法不包括：A.删除含有缺失值的记录B.用均值填充缺失值C.用中位数填充缺失值D.忽略缺失值不做处理6.在回归分析中，R²值的取值范围是：A.0到1B.1到1C.∞到+∞D.0到100A.趋势项B.季节项C.随机项D.异常项A.Kmeans聚类B.主成分分析C.决策树分类D.关联规则挖掘第二部分：填空题（共4题，每题5分，共20分）1.在统计学中，95%置信区间的含义是在重复抽样条件下，有______的概率使得区间包含真实参数值。2.在数据标准化过程中，Zscore的计算公式为：Z=(X______)/σ，其中X为观测值，σ为标准差。3.在决策树算法中，信息增益的计算基于______熵和条件熵的差值。4.在时间序列预测中，ARIMA模型中的"MA"代表______平均模型。第三部分：简答题（共2题，每题24分，共48分）1.某电商平台希望分析用户购买行为，请设计一个完整的数据分析流程，包括数据收集、清洗、分析和可视化等步骤，并说明每个步骤的关键要点。作答空间：_____________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________2.在进行A/B测试时，如何确定样本量？请详细说明样本量计算的方法，并给出一个具体的计算示例。同时讨论在A/B测试中可能遇到的统计陷阱及如何避免。作答空间：_____________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________第三部分：综合论述与计算题（共2题，每题25分，共50分）(1)建立多元线性回归模型，分析销售额与广告投入、促销活动的关系，并解释回归系数的含义。(2)计算模型的R²值，并说明模型的拟合优度。(3)基于模型预测第13个月的销售额，假设广告投入为50万元，促销活动为1（有促销）。(1)使用Kmeans聚类算法将用户分为3个群体，并说明选择K=3的依据。(2)对聚类结果进行分析，描述每个群体的特征，并提出针对性的营销策略。(3)计算轮廓系数评估聚类效果，并解释该指标的含义。第一部分：单选题1.C.标准差标准差是衡量数据离散程度的重要指标，计算公式为σ=√(Σ(xiμ)²/n)，其中μ为均值，n为样本量。2.B.GROUPBYGROUPBY关键字用于将结果集按照指定列进行分组，常与聚合函数配合使用。3.B.拒绝原假设当p值<α时，说明在显著性水平α下，观察到的结果不太可能由随机因素产生，因此拒绝原假设。4.C.MatplotlibMatplotlib是Python中最常用的数据可视化库，提供丰富的绘图功能。5.D.忽略缺失值不做处理缺失值必须适当处理，忽略会影响分析结果的准确性。6.A.0到1R²值表示模型解释的变异比例，取值范围为[0,1]，越接近1说明拟合效果越好。7.D.异常项季节性分解通常包括趋势项、季节项和随机项（残差项），异常项不属于标准组成部分。8.C.决策树分类监督学习需要标签数据，决策树分类通过学习特征与标签的映射关系进行预测。第二部分：填空题1.95%95%置信区间意味着在重复抽样条件下，有95%的置信区间包含真实参数值。2.均值Zscore标准化公式中，μ代表样本均值，用于衡量观测值相对于均值的偏离程度。3.信息信息增益=父节点信息熵子节点加权条件信息熵，用于选择最优分割特征。4.移动MA(MovingAverage)表示移动平均模型，用于建模时间序列的自相关结构。第三部分：简答题1.电商平台用户购买行为分析流程：数据收集：通过日志系统、数据库、第三方接口收集用户行为数据、交易数据、用户属性数据。数据清洗：处理缺失值、异常值，统一数据格式，去除重复记录。数据分析：进行描述性统计、相关性分析、用户分群、购买路径分析。数据可视化：使用仪表板展示关键指标，制作用户画像、销售趋势图等图表。关键要点：确保数据质量，选择合适的分析方法，结合业务目标解释结果。2.A/B测试样本量确定：样本量计算公式：n=(Zα/2+Zβ)²×[p1(1p1)+p2(1p2)]/(p1p2)²其中Zα/2为显著性水平对应的标准正态分位数，Zβ为统计功效对应分位数，p1、p2为两组预期转化率。示例：α=0.05，β=0.8，p1=0.1，p2=0.12，计算得n≈3843。统计陷阱：样本选择偏差、多重比较问题、新奇特效应等。避免方法：随机分组、控制实验时长、使用Bonferroni校正等。第三部分：综合题1.(1)回归模型：销售额=β0+β1×广告投入+β2×促销活动+εβ1表示广告投入每增加1万元，销售额平均变化β1万元；β2表示有促销时相比无促销的销售额差异。(2)R²=SSR/SST，取值01，越接近1说明模型解释力越强。若R²=0.85，说明85%的销售额变异可由模型解释。(3)将广告投入=50，促销活动=1代入模型，计算预测销售额。2.(1)K=3选择依据：肘部法则显示K=3时类内距离显著下降；轮廓系数在K=3时达到最大