2026年数据分析师专业试题库及答案

2026年数据分析师专业试题库及答案一、单选题（共10题，每题2分）1.在处理缺失值时，以下哪种方法最适用于连续型变量且能保留数据分布特征？A.删除含有缺失值的行B.使用均值或中位数填充C.使用众数填充D.KNN填充2.某电商平台A/B测试，对照组转化率为5%，实验组为6%，则该实验的绝对提升率为？A.1%B.1.25%C.10%D.20%3.在时间序列分析中，以下哪个指标最适合衡量数据平滑性？A.标准差B.方差C.移动平均D.峰度4.假设某城市地铁乘客流量数据呈现周期性波动，最适合的预测模型是？A.线性回归B.ARIMA模型C.逻辑回归D.决策树5.以下哪种方法能有效减少数据维度，同时保留关键信息？A.PCA（主成分分析）B.K-Means聚类C.决策树剪枝D.朴素贝叶斯6.在数据可视化中，哪种图表最适合展示不同类别之间的比例关系？A.散点图B.条形图C.饼图D.折线图7.假设某电商用户行为数据中，订单金额的分布呈右偏态，计算其95%分位数时，应优先考虑？A.最大值B.均值C.中位数D.标准差8.在SQL查询中，以下哪个函数可用于计算分组后的非重复计数？A.SUM()B.COUNT()C.AVG()D.MAX()9.假设某金融产品年化收益率为12%，标准差为3%，则其VaR（风险价值）在95%置信水平下约为？A.1.96%B.3%C.6%D.9.8%10.在数据采集过程中，以下哪种情况属于数据偏差？A.数据缺失B.采样覆盖不全C.数据噪声D.标签错误二、多选题（共5题，每题3分）1.在数据清洗中，以下哪些属于异常值处理方法？A.3σ原则过滤B.基于分位数的方法C.使用箱线图识别D.硅谷方法（SilhouetteScore）2.某零售企业分析用户购买行为，以下哪些指标可用于评估用户忠诚度？A.购买频率B.LTV（用户终身价值）C.退货率D.用户活跃度3.在机器学习模型评估中，以下哪些属于过拟合的迹象？A.训练集误差低，测试集误差高B.模型复杂度过高C.验证集误差持续上升D.特征冗余严重4.某城市共享单车调度系统，以下哪些因素会影响供需平衡分析？A.时间（高峰/低谷时段）B.地理位置分布C.天气状况D.用户骑行成本5.在数据仓库设计中，以下哪些属于星型模型的组成部分？A.事实表B.维度表C.聚集表D.分区表三、判断题（共10题，每题1分）1.数据抽样时，分层抽样比简单随机抽样更适用于异质性数据。（√）2.线性回归模型假设残差独立且同分布。（√）3.数据归一化（Min-MaxScaling）会将所有特征缩放到[0,1]区间。（√）4.假设检验中，P值越小，拒绝原假设的证据越强。（√）5.数据倾斜是分布式计算中的常见问题，可通过加盐（Salting）解决。（√）6.K-Means聚类算法对初始聚类中心敏感，需要多次运行取最优结果。（√）7.假设某城市房价数据中，面积和价格的散点图呈强线性关系，则面积是因变量。（×）8.SQL中的GROUPBY子句必须与聚合函数（如SUM）一起使用。（×）9.数据隐私保护中，差分隐私通过添加噪声来保护个体信息。（√）10.A/B测试中，对照组和实验组应具有相同的样本量。（×）四、简答题（共5题，每题5分）1.简述数据探索性分析（EDA）的步骤及其意义。答案：-步骤：①数据概览（样本量、字段类型、缺失值统计）；②分布分析（均值、中位数、分位数、偏态）；③相关性分析（协方差、相关系数）；④可视化（直方图、箱线图、散点图）；⑤异常值检测。-意义：帮助快速理解数据特征，发现数据质量问题，为后续建模提供方向。2.解释什么是数据偏差，并举例说明其常见类型。答案：数据偏差指样本无法完全代表总体，导致分析结果偏离真实情况。类型：①抽样偏差（如仅调查城市居民）；②时间偏差（如仅分析历史数据）；③覆盖偏差（如忽略低线城市用户）。3.如何评估分类模型的性能？答案：-准确率（Accuracy）、精确率（Precision）、召回率（Recall）、F1分数；-ROC曲线与AUC值；-混淆矩阵分析（TP/FP/TN/FN）。4.简述数据仓库中“维度表”的作用。答案：维度表存储描述业务维度的属性（如时间、地点、产品），用于分析视角的扩展。与事实表关联，支持多维度查询（如按区域、时段分析销售额）。5.在处理大规模数据时，如何优化SQL查询性能？答案：-索引优化（创建索引、避免函数索引）；-分区表（按时间、区域分区）；-查询优化（减少JOIN嵌套、使用EXPLAIN分析）；-数据物化（预计算汇总表）。五、计算题（共2题，每题10分）1.某电商平台A/B测试中，对照组（n1=1000）转化率p1=5%，实验组（n2=1000）转化率p2=6%。计算实验组相对于对照组的相对提升率，并检验其显著性（α=0.05）。答案：-相对提升率：(p2-p1)/p1=(0.06-0.05)/0.05=20%-显著性检验（Z检验）：标准误SE=√[(p1(1-p1)/n1)+(p2(1-p2)/n2)]=√[(0.050.95/1000)+(0.060.94/1000)]≈0.011Z值=(p2-p1)/SE=(0.06-0.05)/0.011≈9.09>1.96，拒绝原假设，结果显著。2.某城市共享单车调度系统记录了2023年10月1日全天各区域的车辆分布（单位：辆）：|区域|调度前|调度后|||--|--||A|200|300||B|150|100||C|300|250|计算各区域的车辆变化率，并分析调度效果。答案：-A区：[(300-200)/200]×100%=50%-B区：[(100-150)/150]×100%=-33.3%-C区：[(250-300)/300]×100%=-16.7%分析：A区车辆增加显著，B区减少最多，C区略微减少。调度可能未达预期，需优化B、C区投放策略。六、论述题（共1题，15分）某金融机构需分析客户流失原因，数据包含客户基本信息、交易记录、投诉次数等。请设计数据预处理与建模方案，并说明如何评估模型效果。答案：1.数据预处理：-清洗：处理缺失值（交易记录用均值填充，投诉用0填充）；去重；异常值检测（如交易金额极值）；-特征工程：-创建衍生变量（如月均交易额、投诉频率）；-编码（独热编码分类变量，标准化连续变量）；-降维（PCA保留80%方差）。2.建模方案：-预测模型：逻辑回归（基线）、随机森