2026年信息统计试题及答案

2026年信息统计试题及答案一、单项选择题（每题2分，共20分）1.某新能源汽车企业2025年1-12月记录的每月充电设施故障率（%）数据，其统计数据类型属于（）A.分类数据B.顺序数据C.数值型数据D.定类数据2.为分析某城市地铁乘客出行偏好，调查团队在早高峰时段于5个主要站点随机拦截1000名乘客进行问卷调查。该抽样方法属于（）A.简单随机抽样B.分层抽样C.系统抽样D.方便抽样3.某电商平台2025年Q4男装类目销售数据显示，销售额的均值为85万元，中位数为78万元，众数为72万元。据此可判断该数据分布呈（）A.对称分布B.左偏分布C.右偏分布D.均匀分布4.计算一组数据的离散程度时，若数据中存在极端值，最适合的指标是（）A.方差B.标准差C.四分位差D.平均差5.已知变量X与Y的协方差为12.5，X的标准差为5，Y的标准差为3，则X与Y的相关系数为（）A.0.83B.0.75C.0.67D.0.56.在假设检验中，若原假设为H₀:μ=μ₀，备择假设为H₁:μ≠μ₀，当实际μ=μ₀但拒绝H₀时，所犯错误为（）A.第一类错误B.第二类错误C.正确决策D.无法判断7.采用简单随机抽样从总体容量为N=5000的学生中抽取n=200人，测量其每月课外书阅读量（单位：本）。若总体标准差σ=3.2，则样本均值的标准误为（）A.0.226B.0.320C.0.452D.0.5668.对某品牌手机电池续航时间进行区间估计时，若要求置信水平从95%提高到99%，在其他条件不变的情况下，置信区间的宽度会（）A.变窄B.变宽C.不变D.无法确定9.多元线性回归模型中，调整的决定系数（AdjustedR²）与普通决定系数（R²）的主要区别在于（）A.调整了样本量的影响B.调整了自变量数量的影响C.调整了因变量单位的影响D.调整了异常值的影响10.时间序列分析中，若某商品2020-2025年的销售额数据呈现逐年递增且增长速度加快的趋势，最适合的预测模型是（）A.线性趋势模型B.二次曲线趋势模型C.指数趋势模型D.季节指数模型二、简答题（每题6分，共30分）1.简述分层抽样与整群抽样的区别，并各举1个实际应用场景。2.解释离散系数的含义及其应用价值，说明为何在比较不同均值水平数据的离散程度时需使用离散系数而非标准差。3.列举假设检验的基本步骤，并说明显著性水平α的意义。4.简述一元线性回归模型中，判定系数R²的计算方法及其经济含义。5.时间序列的构成要素有哪些？说明如何通过分解法分离长期趋势与季节变动。三、计算题（每题10分，共40分）1.某快递公司2025年10个营业网点的月均派件量（单位：万件）如下：12.8，15.2，14.5，16.7，13.6，17.3，15.8，14.9，18.1，15.0。要求：（1）计算该组数据的均值、中位数和众数；（2）计算样本方差和标准差（保留2位小数）。2.某在线教育平台为分析广告投入对课程销量的影响，收集了2024年1-12月的月度数据，其中广告费用X（万元）与课程销量Y（千份）的相关数据如下：ΣX=360，ΣY=240，ΣXY=8500，ΣX²=12000，ΣY²=5200，n=12。（1）计算广告费用与课程销量的相关系数；（2）建立一元线性回归方程，并解释回归系数的实际意义。3.某城市市场监管局对200家食品企业进行食品安全检查，发现有35家存在违规行为。要求以95%的置信水平估计该城市食品企业违规率的置信区间（Z₀.₀₂₅=1.96）。4.某连锁超市2020-2025年各季度的销售额（单位：亿元）如下表所示：年份第一季度第二季度第三季度第四季度202012.314.513.816.2202113.115.814.717.5202214.216.915.618.9202315.518.216.820.3202416.719.518.121.8202517.920.819.423.2（1）计算各季度的季节指数（保留2位小数）；（2）若2026年全年预测销售额为88亿元，利用季节指数预测2026年第二季度的销售额。四、综合分析题（共10分）某智能家居企业2025年收集了100个销售门店的相关数据，变量包括：月销售额Y（万元）、线上广告投入X₁（万元）、线下促销活动次数X₂（次）、门店所在区域人均可支配收入X₃（千元）。通过多元线性回归分析得到以下结果：回归方程：Ŷ=12.5+3.2X₁+1.8X₂+0.6X₃调整R²=0.82，F检验p值=0.001，各变量t检验p值均小于0.05。要求：（1）解释回归方程中各系数的实际意义；（2）评价模型的拟合效果和显著性；（3）若某门店X₁=5万元，X₂=3次，X₃=35千元，预测其月销售额。答案一、单项选择题1.C2.D3.C4.C5.A6.A7.A8.B9.B10.C二、简答题1.分层抽样是先将总体按某些特征分成若干层（子总体），再从每一层中独立抽样；整群抽样是将总体分成若干群，随机抽取部分群并调查群内全部个体。区别：分层抽样层内差异小，层间差异大，目的是提高精度；整群抽样群内差异大，群间差异小，目的是降低成本。应用场景：分层抽样如按城市规模分层调查居民消费；整群抽样如按社区抽取调查家庭健康状况。2.离散系数是标准差与均值的比值（CV=σ/μ），用于反映数据相对于均值的离散程度。当比较不同均值水平（如不同单位或不同总体）的数据离散程度时，标准差受均值绝对水平影响，无法直接比较；离散系数消除了量纲和均值水平的影响，可横向对比。3.假设检验步骤：①提出原假设H₀和备择假设H₁；②确定显著性水平α；③选择检验统计量并计算其值；④确定拒绝域或计算p值；⑤做出统计决策。α是犯第一类错误（弃真错误）的概率上限，通常取0.05或0.01。4.R²=SSR/SST=1-SSE/SST，其中SSR为回归平方和，SST为总平方和，SSE为残差平方和。经济含义：回归模型中自变量对因变量变异的解释比例，取值在[0,1]，越接近1说明模型拟合效果越好。5.时间序列要素：长期趋势（T）、季节变动（S）、循环变动（C）、不规则变动（I）。分解法步骤：①计算移动平均消除季节和不规则变动，得到T×C；②用原序列除以T×C得到S×I；③计算各季节的平均S×I得到季节指数S；④用原序列除以S得到T×C×I，再通过趋势拟合分离T和C。三、计算题1.（1）均值=(12.8+15.2+…+15.0)/10=15.39万件；排序后中间两数为15.0和15.2，中位数=15.1万件；无重复值，众数不存在（或无）。（2）样本方差=Σ(Xi-X̄)²/(n-1)=[(12.8-15.39)²+…+(15.0-15.39)²]/9≈2.83；标准差=√2.83≈1.68。2.（1）相关系数r=[nΣXY-ΣXΣY]/√[(nΣX²-(ΣX)²)(nΣY²-(ΣY)²)]=[12×8500-360×240]/√[(12×12000-360²)(12×5200-240²)]=(102000-86400)/√[(144000-129600)(62400-57600)]=15600/√(14400×4800)=15600/(120×69.28)=15600/8313.6≈0.91。（2）b1=(nΣXY-ΣXΣY)/(nΣX²-(ΣX)²)=15600/14400=1.08；b0=Ȳ-b1X̄=240/12-1.08×(360/12)=20-1.08×30=20-32.4=-12.4。回归方程：Ŷ=-12.4+1.08X。系数1.08表示广告费用每增加1万元，课程销量平均增加1.08千份。3.样本违规率p=35/200=0.175，标准误=√[p(1-p)/n]=√[0.175×0.825/200]≈√0.000717≈0.0268。95%置信区间：0.175±1.96×0.0268≈0.175±0.0525，即(0.1225,0.2275)，即12.25%~22.75%。4.（1）计算各年同季度平均：第一季度平均=(12.3+13.1+14.2+15.5+16.7+17.9)/6≈14.92；第二季度平均=(14.5+15.8+16.9+18.2+19.5+20.8)/6≈17.72；第三季度平均=(13.8+14.7+15.6+16.8+18.1+19.4)/6≈16.13；第四季度平均=(16.2+17.5+18.9+20.3+21.8+23.2)/6≈19.92；总平均=(14.92+17.72+16.13+19.92)/4≈17.17；季节指数=同季度平均/总平均：第一季度=14.92/17.17≈0.87；第二季度=17.72/17.17≈1.03；第三季度=16.13/17.17≈0.94；第四季度=19.92/17.17≈1.16。（2）2026年各季度预测销售额=88×(季节指数/4)，第二季度=88×(1.03/4)=88×0.2575≈22.66亿元。四、综合分析题（1）系数解释：X₁系数3.2表示线上广告投入每增加1万元，月销售额平均增加3.2万元；X₂系数1.8表示线下促销活动每增加1次，月销售额平均增加1.8万元；X₃系数0.6表示区域人均可支配收入每增加