2026年大学生数据分析科普竞赛题库及答案

2026年大学生数据分析科普竞赛题库及答案一、单项选择题（共30题，每题1分，共30分。每道题只有1个正确答案，错选、不选均不得分）1.以下哪项指标不属于数据集中趋势的度量？A.众数B.中位数C.方差D.算术平均数2.某高校统计学生的生源地所属省份，该数据属于以下哪种类型？A.定类数据B.定序数据C.定距数据D.定比数据3.根据国家统计局2025年发布的国民经济和社会发展统计公报，2025年我国数字经济核心产业增加值占GDP的比重已达到以下哪个区间？A.6%-7%B.8%-9%C.10%-11%D.12%-13%4.以下哪种行为符合数据分析从业人员的伦理规范？A.为达成甲方需求手动修改10%的样本数据B.对涉及个人隐私的原始数据做匿名化处理后再开展分析C.将分析过程中获取的用户消费数据出售给合作电商平台D.刻意隐瞒不利于甲方结论的分析结果5.以下Python库中，专门用于数据可视化的是？A.NumPyB.PandasC.MatplotlibD.Scikit-learn6.某调研机构要了解全国大学生的月均消费支出，以下哪种抽样方法的代表性最强？A.仅抽取一线城市985高校的学生B.按照各省高校数量、在校生规模分层抽样，覆盖不同层次、不同区域的高校C.在某大学城门口随机拦截过往学生D.在高校官方公众号发布调查问卷，收集有效反馈7.“统计数据显示，冰淇淋销量越高的月份，溺水死亡人数越多”，该结论最有可能犯了以下哪种数据分析谬误？A.幸存者偏差B.因果倒置C.伪相关D.样本选择偏差8.以下关于GDP核算的说法，正确的是？A.家务劳动的价值可全额计入当年GDPB.二手房交易的成交价全额计入当年GDPC.企业当年生产但未售出的存货价值计入当年GDPD.政府发放的困难群众补贴计入当年GDP9.某数据集的分布呈现明显的右偏态，以下哪个指标最适合代表该数据集的一般水平？A.算术平均数B.中位数C.众数D.极值10.以下关于大数据特征的描述，不属于普遍共识的“4V”特征的是？A.数据规模大（Volume）B.数据类型多（Variety）C.价值密度高（Value）D.处理速度快（Velocity）11.以下哪种统计图表最适合展示不同品类商品的销售额占比？A.折线图B.饼图C.散点图D.箱线图12.国家统计局发布的居民消费价格指数（CPI）的核心作用是？A.衡量居民收入水平变化B.衡量通货膨胀或紧缩程度C.衡量工业产品出厂价格变化D.衡量进出口贸易规模变化13.某班级学生数学考试成绩的标准差为12分，说明该班级成绩的离散程度？A.较低B.中等C.较高D.无法判断14.以下关于抽样误差的说法，正确的是？A.抽样误差可以通过扩大样本量降低B.抽样误差是人为操作失误导致的C.抽样误差属于系统性偏差，无法消除D.非概率抽样不存在抽样误差15.以下Excel函数中，可用于计算符合条件的样本数量的是？A.SUMIFB.COUNTIFC.VLOOKUPD.AVERAGEIF16.“在调查二战飞机受损情况时，仅统计返回飞机的弹孔分布，就得出应该加固弹孔密集区域的结论”，该逻辑属于哪种数据分析谬误？A.伪相关B.幸存者偏差C.因果倒置D.确认偏误17.以下哪项属于个人信息保护法中明确的“敏感个人信息”？A.用户昵称B.用户的浏览历史C.用户的生物识别信息D.用户的收货地址18.2025年我国开展的第五次全国经济普查的统计对象不包括以下哪类主体？A.第二产业法人单位B.第三产业法人单位C.第一产业的农户D.个体经营户19.以下哪种数据分析方法属于监督学习范畴？A.聚类分析B.关联规则挖掘C.回归分析D.主成分分析20.某地区2025年的常住人口为1200万人，全年出生人口8.4万人，死亡人口7.2万人，该地区当年的人口自然增长率为？A.1‰B.10‰C.7‰D.14‰21.以下关于数据脱敏的说法，错误的是？A.脱敏后的数据完全无法还原到原始状态B.脱敏可以降低个人信息泄露风险C.脱敏处理需要保留数据的原始统计特征D.脱敏是数据共享前的必要操作之一22.以下哪种图表最适合展示两个连续变量之间的相关关系？A.散点图B.柱状图C.环形图D.热力图23.某电商平台用户的复购率指的是？A.购买过2次及以上的用户数占总活跃用户数的比例B.购买过2次及以上的用户数占总付费用户数的比例C.用户平均购买的商品数量D.用户两次购买的平均间隔时长24.假设检验中，通常设定的显著性水平α=0.05，其含义是？A.原假设为真时，拒绝原假设的概率不超过5%B.原假设为假时，接受原假设的概率不超过5%C.分析结论的准确率为95%D.分析结论的误差率不超过5%25.以下数据类型中，属于非结构化数据的是？A.企业员工工资表B.医院的电子病历文本C.学生考试成绩表D.银行的交易流水26.我国“十四五”规划中提出的，与数据分析直接相关的核心战略是？A.制造强国B.数字中国C.健康中国D.乡村振兴27.以下关于平均工资的说法，正确的是？A.平均工资可以代表绝大多数人的工资水平B.当工资分布呈现左偏态时，平均工资高于中位数工资C.平均工资易受极端值影响，无法全面反映工资分布情况D.平均工资是最适合衡量工资水平的指标28.以下哪种方法可以有效降低数据分析中的确认偏误？A.只采用符合自身预期的数据源B.在分析前预先设定分析框架和验证标准C.刻意筛选支持自身结论的样本D.忽略与预期不符的分析结果29.某APP的日活跃用户数（DAU）指的是？A.当日打开APP的独立用户数B.当日登录APP的用户数C.当日产生交易的用户数D.当日停留时长超过10分钟的用户数30.以下关于数据版权的说法，正确的是？A.公开发布的统计数据可以随意使用，无需标注来源B.自行爬取的公开网站用户数据可以自由商用C.政府部门公开的统计数据属于公共资源，可规范使用D.付费购买的数据集可以任意转售给第三方二、多项选择题（共15题，每题2分，共30分。每道题有2个及以上正确答案，多选、少选、错选、不选均不得分）1.以下属于常用的缺失值处理方法的有？A.删除存在缺失值的样本B.用均值/中位数/众数填充C.用机器学习模型预测填充D.保留缺失值不做处理2.以下数据指标中，属于相对数指标的有？A.城镇化率B.居民可支配收入总额C.人口自然增长率D.第三产业增加值占GDP比重3.以下行为属于数据泄露风险的有？A.将包含10万条用户个人信息的原始数据集上传至公开代码托管平台B.在公开发表的分析报告中使用经过脱敏处理的群体统计数据C.企业内部数据分析人员私自导出客户敏感数据存储到个人U盘D.合作双方在数据共享前签署数据保密协议，明确使用范围4.2025年我国发布的《数字中国建设整体布局规划》中，明确提出的数据分析相关应用场景包括以下哪些？A.公共服务精准供给B.生态环境智慧监测C.制造业数字化转型D.社会治安防控体系建设5.以下关于Excel数据分析功能的说法，正确的有？A.数据透视表可以快速实现多维度的分组统计B.VLOOKUP函数可以实现两个数据表的关联匹配C.条件格式可以直观展示数据的大小、异常值等特征D.“数据分析”加载项可以实现描述性统计、方差分析等常见统计运算6.以下属于常见的数据分析谬误的有？A.把相关性等同于因果性B.忽略样本基数谈比例C.用小样本数据推导普遍结论D.区分不同群体的统计特征7.以下Python库中，可用于数据清洗和处理的有？A.NumPyB.PandasC.RequestsD.BeautifulSoup8.以下指标中，属于衡量企业运营效率的有？A.存货周转率B.资产负债率C.应收账款周转率D.净资产收益率9.数据可视化的核心原则包括？A.准确传递数据信息B.避免过度装饰C.适配受众的认知水平D.尽可能使用动态效果10.以下属于数据预处理环节的工作有？A.缺失值处理B.异常值识别和修正C.数据标准化D.构建分析模型11.以下关于人口普查的说法，正确的有？A.我国每10年开展一次全国人口普查B.人口普查数据可以为公共服务资源配置提供依据C.人口普查会采集居民的个人身份、家庭、住房等信息D.人口普查获得的个人信息可直接用于行政处罚12.以下场景适合用时间序列分析方法的有？A.预测某地区明年的GDP增速B.分析不同收入群体的消费结构差异C.预测某电商平台下一季度的销售额D.识别企业财务数据中的异常值13.以下属于个人信息处理中“合法、正当、必要”原则要求的有？A.不得过度收集用户个人信息B.收集个人信息前需征得用户同意C.用户有权要求删除自身的个人信息D.可以将收集到的个人信息用于任意用途14.以下统计图表中，适合展示数据分布特征的有？A.箱线图B.直方图C.折线图D.热力图15.以下关于基尼系数的说法，正确的有？A.基尼系数是衡量居民收入分配公平程度的指标B.基尼系数的取值范围在0到1之间C.基尼系数越高，代表收入分配越公平D.国际上通常把0.4作为收入分配差距的“警戒线”三、判断题（共20题，每题0.5分，共10分。判断正确得0.5分，判断错误或不答不得分）1.在进行假设检验时，p值小于0.05就一定代表原假设是错误的。2.结构化数据指的是可以用二维表结构来逻辑表达实现的数据。3.国家统计局发布的年度居民消费价格指数（CPI）是以上一年同期为基期计算的同比指数。4.数据可视化的核心目标是用尽可能复杂的图表展现更多的信息。5.聚类分析不需要预先设定分类标签，属于无监督学习方法。6.抽样调查的结果一定比全面普查的结果准确性更低。7.企业年度财务报表中的“营业收入”属于流量指标。8.匿名化处理后的个人信息仍然属于个人信息保护法的监管范畴。9.相关系数r的取值范围在-1到1之间，绝对值越大代表两个变量的相关性越强。10.某城市的房价中位数为2万元/平方米，说明该城市有一半的房屋售价低于2万元/平方米。11.数据分析过程中，异常值都需要删除或者修正。12.我国的GDP核算采用的是生产法、收入法、支出法三种方法并行的核算体系。13.利用大数据技术可以实现对用户行为的100%精准预测。14.数据清洗的目的是提升数据质量，为后续分析提供可靠基础。15.“每多喝1杯咖啡，患心脏病的概率提升5%”，该结论说明喝咖啡是患心脏病的直接原因。16.柱状图适合展示不同类别数据的数值大小对比。17.标准差越大，代表数据集的离散程度越高。18.政府部门公开的统计数据不存在任何误差，可以直接使用。19.自然语言处理技术可以实现对非结构化文本数据的分析。20.数据分析结论的适用范围不需要考虑样本的局限性。四、实操分析题（共3题，每题10分，共30分）1.某高校学生社团收集了2025年全校12000名在校生的体测数据，包含性别、年级、身高、体重、肺活量、1000米跑（男）/800米跑（女）成绩、坐位体前屈成绩7个字段，其中体重字段有124条缺失值，1000米/800米跑成绩字段有327条异常值（小于3分钟或大于20分钟）。请回答以下问题：（1）请给出两种适合体重字段缺失值的处理方案，并说明适用场景；（2）请分析1000米/800米跑成绩异常值的可能产生原因；（3）若要分析不同年级学生的耐力素质差异，应选择哪些字段开展分析，需提前做哪些数据清洗工作？2.某电商平台2025年下半年的商品销售数据显示，平台推出“百亿补贴”活动的3个月内，客单价较活动前下降了12%，运营团队得出“百亿补贴活动拉低了平台用户消费能力”的结论。请从数据分析的角度指出该结论存在的问题，并给出3种验证结论是否成立的分析思路。3.某市交管部门收集了2025年全市的交通事故数据，发现83%的事故发生在车速低于60km/h的场景下，仅3%的事故发生在车速高于120km/h的场景下，有人据此得出“车速越快越安全”的结论。请指出该结论的逻辑谬误，并给出正确的分析方法。参考答案及解析一、单项选择题1-5：CACBC6-10：BCCBC11-15：BBDAB16-20：BCCCC21-25：AABAB26-30：BCBAC解析：1.方差是衡量数据离散程度的指标，不属于集中趋势度量。3.根据《“十四五”数字经济发展规划》目标及2025年官方公报，数字经济核心产业增加值占GDP比重为10.3%，属于10%-11%区间。7.冰淇淋销量和溺水死亡人数均受气温升高影响，二者不存在因果关联，属于伪相关。8.GDP核算当期生产的最终产品价值，未售出的存货属于当期生产的产品，应计入GDP；家务劳动、二手房交易、转移支付均不计入当期GDP。20.人口自然增长率=（出生人口-死亡人口）/平均常住人口×1000‰=（8.4-7.2）/1200×1000‰=1‰。二、多项选择题1.ABC2.ACD3.AC4.ABCD5.ABCD6.ABC7.AB8.AC9.ABC10.ABC11.ABC12.AC13.ABC14.AB15.ABD解析：2.居民可支配收入总额属于绝对数指标，其余均为两个指标比值的相对数指标。7.Requests和BeautifulSoup主要用于网页数据爬取，NumPy和Pandas用于数据处理。15.基尼系数越高代表收入分配差距越大，越不公平，C选项错误。三、判断题1.×2.√3.√4.×5.√6.×7.√8.×9.√10.√11.×12.√13.×14.√15.×16.√17.√18.×19.√20.×解析：1.p值小于0.05仅代表拒绝原假设的统计学依据，不代表原假设绝对错误。4.数据可视化的核心是准确传递信息，避免过度装饰增加认知负担。8.匿名化处理后无法识别到特定自然人的信息，不属于个人信息保护法监管范畴。11.异常值可能是真实存在的特殊情况，需结合业务场景判断是否需要处理。四、实操分析题1.参考答案：（1）处理方案：①用同性别、同年级学生的体重中位数填充，适用场景：缺失值为随机缺失，且体重与性别、年级相关性较强，填充后不会大幅改变数据分布；②删除存在体重缺失值的样本，适用场景：后续分析对样本量要求不高，124条缺失样本占总样本比例仅1%左右，删除后不会影响样本代表性。（4分）（2）异常值产生原因：①数据录入错误，如单位填写错误、数字录入颠倒；②体测时计时设备故障，导致成绩记录异常；③学生未按要求完成测试，如中途退赛、抄近道等。（3分）