2026统计期末考数据分析题押题 连续5年押中考点

2026统计期末考数据分析题押题连续5年押中考点

一、单项选择题（总共10题，每题2分）1.以下属于描述数据离散程度的指标是（）A.均值B.中位数C.标准差D.众数2.以下不属于缺失值处理方法的是（）A.删除法B.均值填充C.线性插值D.标签编码3.置信水平95%的置信区间含义是（）A.总体参数有95%的概率在区间内B.多次抽样中95%的区间包含总体参数C.区间内包含样本参数的概率95%D.样本参数有95%的概率在区间内4.检测多重共线性的常用方法是（）A.方差膨胀因子（VIF）B.R²C.p值D.残差图5.混淆矩阵中“实际为正类且预测为正类”的是（）A.假阳性（FP）B.假阴性（FN）C.真阳性（TP）D.真阴性（TN）6.K-means聚类常用的距离度量是（）A.曼哈顿距离B.欧几里得距离C.余弦距离D.汉明距离7.模型评估中准确率的计算公式是（）A.(TP+TN)/总样本B.TP/(TP+FN)C.TP/(TP+FP)D.(TP+FN)/总样本8.时间序列平稳性的核心要求是（）A.数据没有趋势B.均值和方差不随时间变化C.没有季节波动D.数据单调递增9.主成分分析（PCA）的主要目的是（）A.特征选择B.降维C.特征增强D.异常值检测10.假设检验中p<0.05意味着（）A.接受原假设B.拒绝原假设C.原假设成立D.没有足够证据拒绝原假设二、填空题（总共10题，每题2分）1.描述数据分布形状的两个主要指标是______和______。2.处理分类变量的两种常用编码方法是______和______。3.线性回归模型的目标是最小化______。4.逻辑回归主要用于解决______问题。5.聚类分析属于______学习方法。6.ROC曲线的横轴是______，纵轴是______。7.时间序列中的趋势成分可以通过______法消除。8.特征选择的过滤法常用______分析筛选特征。9.交叉验证的主要目的是避免模型______。10.假设检验中的原假设通常表示______或没有效果。三、判断题（总共10题，每题2分）1.标准差越大，数据的离散程度越大。（）2.线性回归模型要求自变量与因变量之间存在线性关系。（）3.K-means聚类的K值可通过肘部法则确定。（）4.准确率在不平衡数据分类中比F1-score更可靠。（）5.PCA会改变原特征的含义。（）6.逻辑回归的输出是0到1之间的概率值。（）7.时间序列的平稳性是指数据没有任何波动。（）8.混淆矩阵中的假阴性（FN）是实际正类但预测为负类的样本。（）9.无监督学习不需要使用标签数据。（）10.p值越小，原假设成立的可能性越小。（）四、简答题（总共4题，每题5分）1.简述数据预处理的主要步骤及各步骤的作用。2.说明线性回归与逻辑回归的主要区别。3.简述K-means聚类算法的优缺点。4.解释模型过拟合的原因及常见解决方法。五、讨论题（总共4题，每题5分）1.在不平衡数据分类任务中，为什么F1-score比准确率更适用？2.结合实际案例，说明特征工程对机器学习模型性能的影响。3.讨论假设检验中p值的含义及常见误解。4.在时间序列预测中，如何处理非平稳数据？请举例说明。答案一、单项选择题1.C2.D3.B4.A5.C6.B7.A8.B9.C10.B二、填空题1.偏度；峰度2.标签编码；独热编码3.残差平方和4.二分类5.无监督6.假阳性率（FPR）；真阳性率（TPR）7.移动平均8.相关系数9.过拟合10.没有差异三、判断题1.对2.对3.对4.错5.对6.对7.错8.对9.对10.对四、简答题1.数据预处理主要步骤包括：①缺失值处理（删除或填充缺失数据，保证数据完整性）；②异常值处理（识别并处理异常点，避免干扰模型）；③分类变量编码（将非数值变量转为数值，满足模型输入要求）；④特征缩放（如标准化、归一化，消除量纲影响）。作用是提升数据质量，确保模型有效学习。2.线性回归与逻辑回归的区别：①目标不同：线性回归预测连续值，逻辑回归预测分类（二分类）；②模型形式：线性回归是线性方程，逻辑回归通过Sigmoid函数将线性输出转为概率；③损失函数：线性回归用残差平方和，逻辑回归用对数损失；④输出：线性回归输出连续值，逻辑回归输出0-1概率。3.K-means优缺点：优点是算法简单高效，适合大规模数据；可解释性强。缺点是需预先指定K值；对初始聚类中心敏感，易陷入局部最优；对异常值和噪声敏感；仅适用于凸形聚类。4.过拟合原因：模型复杂度过高（如参数过多）、训练数据量不足、数据噪声大。解决方法：①正则化（如L1/L2正则，限制参数大小）；②减少特征数量（特征选择）；③交叉验证（如K折交叉验证，评估泛化能力）；④增加训练数据（数据增强）。五、讨论题1.不平衡数据中，多数类样本占比高，准确率会被多数类主导（如90%负类，模型全预测负类，准确率90%但对正类预测差）。F1-score是精确率（查准率）和召回率（查全率）的调和平均，兼顾模型对少数类的识别能力，能更全面反映模型性能，因此更适用。2.以电商用户购买预测为例：原始特征有年龄、浏览时长、收藏商品数。通过特征工程生成“日均浏览时长”（浏览时长/登录天数）、“收藏转化率”（收藏后购买数/收藏数）等衍生特征，这些特征更能反映用户购买意愿。若不做特征工程，原始特征可能冗余（如浏览时长未考虑登录天数）或信息不足，模型难以捕捉关键模式，性能会下降；做特征工程后，模型能更好学习有效信息，准确率提升。3.p值是原假设成立时，得到当前或更极端结果的概率。常见误解：①p值是原假设成立的概率（实际是结果的极端性概率）；②p<0.05就证明备择假设正确（实际是“拒绝原假设”，而非“证明备择假设”，只是证据足够）；③p值越小效果越好（p值反映证据强度，不是效果大小）。4.非平稳数据处理方法：①差分法：对数据做一阶或多阶差分，消除趋势（如销售额数据有上升趋势，做一阶差分后得到平稳的“销售额增量”）；②对数变换：处理异方差（如利润数据波动随数值增大而增大，取对数后波动减小）