2026年数学建模与数据分析基础练习题

2026年数学建模与数据分析基础练习题一、线性回归分析（3题，每题10分，共30分）题目1：某城市近十年居民消费支出与人均可支配收入数据如下表所示（单位：元）。假设居民消费支出（Y）与人均可支配收入（X）满足线性关系，请建立回归模型，预测当人均可支配收入达到50,000元时，居民消费支出约为多少？并分析模型的拟合优度。|年份|人均可支配收入（X）|居民消费支出（Y）||||||2016|20,000|18,000||2017|22,000|19,500||2018|24,000|21,000||2019|26,000|22,500||2020|28,000|24,000||2021|30,000|25,500||2022|32,000|27,000||2023|34,000|28,500||2024|36,000|30,000||2025|38,000|31,500|题目2：某工厂生产某种产品，记录了每周产量（X，单位：件）和总成本（Y，单位：元）数据如下表所示。假设总成本与产量满足线性关系，请建立回归模型，并解释回归系数的经济意义。|周数|产量（X）|总成本（Y）|||-|||1|100|2,500||2|150|3,000||3|200|3,500||4|250|4,000||5|300|4,500||6|350|5,000||7|400|5,500||8|450|6,000|题目3：某电商平台记录了用户购买商品数量（X，单位：件）与订单金额（Y，单位：元）数据如下表所示。假设订单金额与购买数量满足线性关系，请建立回归模型，并预测当用户购买200件商品时的订单金额。|订单编号|购买数量（X）|订单金额（Y）||||||1|10|200||2|20|380||3|30|560||4|40|740||5|50|920||6|60|1,100||7|70|1,280||8|80|1,460||9|90|1,640||10|100|1,820|二、时间序列分析（2题，每题15分，共30分）题目4：某地区近五年旅游业总收入数据如下表所示（单位：亿元）。假设旅游业总收入满足ARIMA模型，请选择合适的模型参数，预测2026年旅游业总收入。|年份|旅游业总收入（Y）||-|||2021|120||2022|135||2023|150||2024|170||2025|195|题目5：某城市近十年空气质量指数（AQI）数据如下表所示。假设AQI数据满足指数平滑模型，请建立模型并预测2026年的AQI。|年份|空气质量指数（AQI）||-|||2016|150||2017|145||2018|160||2019|155||2020|170||2021|165||2022|180||2023|175||2024|190||2025|185|三、分类分析（2题，每题20分，共40分）题目6：某银行记录了客户的年龄（X1，单位：岁）、收入（X2，单位：万元）和信用评分（X3，单位：分）以及是否违约（Y，1表示违约，0表示未违约）数据如下表所示。请建立逻辑回归模型，分析哪些因素对客户违约影响较大。|客户编号|年龄（X1）|收入（X2）|信用评分（X3）|是否违约（Y）|||-|-|--|||1|25|3|600|0||2|30|4|650|0||3|35|2|550|1||4|40|5|700|0||5|45|3|500|1||6|50|6|750|0||7|55|4|600|1||8|60|2|450|1||9|65|7|800|0||10|70|5|550|1|题目7：某电商平台记录了用户的性别（X1，1表示男性，0表示女性）、年龄（X2，单位：岁）和购买类别（X3，1表示服装，0表示电子产品）以及用户满意度（Y，1表示满意，0表示不满意）数据如下表所示。请建立决策树模型，分析哪些因素对用户满意度影响较大。|用户编号|性别（X1）|年龄（X2）|购买类别（X3）|用户满意度（Y）|||-|-|--|||1|1|20|0|1||2|0|25|1|0||3|1|30|0|0||4|0|35|1|1||5|1|40|0|1||6|0|45|1|0||7|1|50|0|0||8|0|55|1|1||9|1|60|0|1||10|0|65|1|0|四、聚类分析（1题，25分）题目8：某连锁超市记录了各分店的位置坐标（X1，X2）和销售额（Y，单位：万元）数据如下表所示。请使用K-means聚类算法将分店分为三类，并分析各类型分店的特点。|分店编号|X1（经度）|X2（纬度）|销售额（Y）|||-|-|||1|116.4|39.9|150||2|116.5|39.8|200||3|116.6|39.7|250||4|116.7|39.6|300||5|116.8|39.5|350||6|116.9|39.4|400||7|117.0|39.3|450||8|117.1|39.2|500||9|117.2|39.1|550||10|117.3|39.0|600|五、数据挖掘综合应用（1题，25分）题目9：某电商平台记录了用户的购买历史数据如下表所示。请设计一个数据挖掘方案，分析用户的购买行为模式，并提出至少三个有针对性的营销建议。|用户编号|商品编号|购买数量|购买时间（月-日）|||-|-|||1|A01|2|01-15||2|A02|1|01-16||3|A01|1|01-17||4|A03|3|01-18||5|A02|2|01-19||6|A04|1|01-20||7|A01|2|01-21||8|A03|1|01-22||9|A02|3|01-23||10|A04|2|01-24||11|A01|1|01-25||12|A03|2|01-26||13|A02|1|01-27||14|A04|3|01-28||15|A01|2|01-29|答案与解析一、线性回归分析题目1：答案：1.建立回归模型：Y=a+bX-计算系数：a≈10,000，b≈0.75-预测：Y=10,000+0.75×50,000=62,500元2.拟合优度：R²≈0.98，模型拟合较好解析：使用最小二乘法计算回归系数，R²检验模型拟合度题目2：答案：1.建立回归模型：Y=a+bX-计算系数：a≈2,500，b≈8-经济意义：每增加1件产量，总成本增加8元2.拟合优度：R²≈0.99，模型拟合较好解析：回归系数b反映生产弹性，R²检验模型有效性题目3：答案：1.建立回归模型：Y=a+bX-计算系数：a≈100，b≈14-预测：Y=100+14×200=2,900元2.拟合优度：R²≈0.97，模型拟合较好解析：回归模型适用于需求预测，R²反映拟合程度二、时间序列分析题目4：答案：1.ARIMA(1,1,1)模型：Yt=0.8Yt-1+0.1Yt-2+εt-预测：Y2026≈220亿元2.拟合优度：AIC≈50，