2025统计数据分析题常考题型总结 覆盖95%考试重点

2025统计数据分析题常考题型总结覆盖95%考试重点

一、单项选择题（每题2分，共20分）1.在构建95%置信区间时，若样本量从100增至400，区间宽度理论上会A.扩大为原来2倍B.缩小为原来1/2C.缩小为原来1/4D.基本不变2.对同一组数据分别做线性回归与对数回归，若残差平方和分别为SSE1与SSE2，则调整R²的比较必须依据A.原始SSEB.对数似然C.自由度修正后的R²D.残差标准误3.某时间序列经ADF检验得p=0.038，则下列结论最严谨的是A.序列平稳B.存在单位根C.拒绝存在单位根的原假设D.需再做KPSS检验4.在聚类分析中，若采用Ward法，合并两类后组内平方和的增加量称为A.轮廓系数B.半偏R²C.Cophenetic系数D.伪F值5.对高维数据做主成分分析，第一主成分方差贡献率40%，第二主成分30%，则前两个主成分的累计贡献率为A.12%B.70%C.90%D.无法确定6.在贝叶斯框架下，若先验为Beta(2,2)，似然为二项分布Bin(n=20,k=8)，则后验均值为A.8/20B.10/24C.9/22D.8/227.对分类变量做卡方拟合优度检验，若理论频数有2个格子小于5，正确做法是A.直接计算B.合并相邻类别C.改用Fisher精确检验D.增加样本量8.在生存分析中，若某对象的Kaplan-Meier曲线出现水平线段，说明A.该时段无删失B.该时段无死亡事件C.风险率为0D.中位生存期已达9.对面板数据固定效应模型，组内估计量消除的是A.个体异质性B.时间趋势C.随机误差D.解释变量内生性10.若随机森林中某变量的PermutationImportance显著为负，表明A.该变量无用B.该变量对预测有反向贡献C.需增大树深D.存在多重共线二、填空题（每题2分，共20分）11.若X~N(μ,σ²)，则样本均值的标准误为________。12.在假设检验中，同时控制α=0.05且β=0.10时，所需样本量公式中的效应量称为________。13.对p维正态数据做HotellingT²检验，统计量服从________分布。14.若逻辑回归的似然比统计量G²=38.5，自由度为5，则其p值________0.005（填>或<）。15.在指数平滑中，平滑参数α越接近1，近期权重________。16.对二分类问题，若AUC=0.83，则随机抽一个正类样本其得分高于负类的概率为________。17.若Lasso回归的λ取最大值时，非零系数个数为________。18.在Bootstrap估计标准误时，重复抽样次数B一般至少为________。19.对偏态数据采用Box-Cox变换，若λ=0，实际采用的变换是________。20.在Meta分析中，衡量研究间异质性的指标I²=62%，表示________%的变异来自真实差异。三、判断题（每题2分，共20分，正确打“√”，错误打“×”）21.当VIF>10时，可严格判定回归模型存在严重多重共线。22.对同一数据，若AIC与BIC选择的模型不同，通常BIC惩罚更重。23.在K均值聚类中，初始中心不同可能导致最终聚类结果不同。24.若两变量相关系数r=0，则它们一定独立。25.对泊松回归，若离散参数φ远大于1，应考虑负二项回归。26.在生存分析中，比例风险假定失效时，应改用Cox时变系数模型。27.若时间序列的PACF在滞后2期后截尾，可识别为MA(2)过程。28.对高维数据，PCA能自动完成变量选择。29.在交叉验证中，k值越大，偏差越小但方差可能增大。30.若Bagging中每棵树用全样本训练，则无法降低方差。四、简答题（每题5分，共20分）31.简述在多元线性回归中诊断异方差的三类常用方法及各自核心思想。32.说明使用K-fold交叉验证估计预测误差的步骤，并指出分层抽样的意义。33.写出构建Bonferroni同时置信区间的公式，并指出其保守性的原因。34.比较主成分分析(PCA)与因子分析(FA)在目标、数学模型及解释性上的主要区别。五、讨论题（每题5分，共20分）35.某电商欲用upliftmodeling评估优惠券对复购的因果效应，讨论如何构建训练集、选择模型及验证增量收益，并指出与传统响应模型的差异。36.在高维回归中，Lasso、Ridge、ElasticNet三种惩罚方法各自适用于何种数据情境？请结合偏差-方差权衡与变量选择需求进行系统比较。37.若某城市地铁刷卡数据存在大量缺失与异常，讨论如何基于时空特征进行数据清洗，并说明清洗后对后续客流预测模型可能带来的三方面影响。38.当使用深度生存模型(如DeepSurv)替代传统Cox模型时，需考虑哪些额外假设与验证步骤？请从可解释性、计算复杂度及小样本表现角度展开论述。答案与解析单选：1B2C3C4B5B6B7B8B9A10B填空：11σ/√n12Cohen’sd13F(p,n-p)14<15越大160.8317018100019对数变换2062判断：21×22√23√24×25√26√27×28×29√30×简答31：残差图法观察漏斗形；Breusch-Pagan检验用辅助回归得LM统计量；White检验加入平方项与交叉项，更一般。核心皆在检验残差与预测变量是否相关。简答32：将数据均分K份；每次用K-1份训练，余下1份验证；循环K次取平均误差。分层抽样保证每折中目标变量比例与总体一致，避免类别失衡。简答33：区间=估计值±tα/(2m),df·SE；因将族错误率α分割给m次比较，惩罚倍数m，故保守，易漏真差异。简答34：PCA求线性组合最大化方差，模型X=ZT+ε，成分可观测；FA求潜变量解释共变，模型X=ΛF+ε，因子不可观测，需因子旋转得解释性。讨论35：训练集需随机实验或倾向得分分层，构造treatment与control；模型用双模型或类概率uplift树；验证用Qini曲线、AUUC；区别于响应模型仅预测购买概率，uplift预测“因优惠券而购买”的增量。讨论36：Lasso在稀疏真模型下变量选择一致，偏差稍大；Ridge对多重共线稳健，无变量选择，偏差小方差小；ElasticNet兼顾两者，适合p>n且变量成群情境；权衡需交叉验证调α与λ。讨论37：时空清洗用相邻时段与相邻站点插值，结合节假日模式识别异常；清洗后缺失率降低，模