数管公司招聘笔试题及答案

数管公司招聘笔试题及答案考试时间：______分钟总分：______分姓名：______一、单项选择题（下列每题只有一个正确选项，请将正确选项的字母填入括号内。每题1分，共15分）1.一组数据：5,8,12,15,20，其中位数是（）。A.8B.12C.15D.102.在假设检验中，第一类错误是指（）。A.犯弃真错误，即原假设为真却拒绝原假设B.犯取伪错误，即原假设为假却接受原假设C.样本统计量计算错误D.数据收集方法错误3.抽样调查中，用来衡量样本代表性好坏的指标是（）。A.方差B.标准差C.抽样误差D.回归系数4.数据仓库的特点不包括（）。A.数据集成性B.数据非易失性C.数据冗余度高D.数据面向主题5.SQL语言中，用于删除表数据的命令是（）。A.DELETEB.REMOVEC.ERASED.DROP6.关系数据库中，“关系”指的是（）。A.表格B.数据库C.视图D.索引7.决策树算法中，用于衡量节点分裂质量的指标通常是（）。A.协方差B.方差分析C.信息增益或增益率D.皮尔逊相关系数8.描述数据分布集中趋势的统计量主要有（）。A.平均数、中位数、众数B.方差、标准差、极差C.偏度、峰度D.置信区间、标准误9.以下哪种方法不属于数据预处理范畴？（）A.数据清洗B.数据集成C.数据转换D.模型选择10.在Excel中，函数`=AVERAGE(B1:B10)`计算的是（）。A.B1到B10单元格区域的总和B.B1到B10单元格区域的标准差C.B1到B10单元格区域的算术平均值D.B1到B10单元格区域的最大值11.网络图通常用于（）。A.数据可视化B.项目管理C.统计分析D.文本处理12.矩阵运算在（）中应用广泛。A.图像处理B.逻辑运算C.流程控制D.文本编辑13.以下哪种算法属于无监督学习算法？（）A.决策树B.逻辑回归C.K-Means聚类D.神经网络14.衡量数据离散程度的统计量不包括（）。A.极差B.方差C.相关系数D.标准差15.信息熵在（）中起重要作用。A.编码理论B.数据压缩C.机器学习D.以上都是二、多项选择题（下列每题有多个正确选项，请将所有正确选项的字母填入括号内。每题2分，共20分）1.描述数据集中趋势的统计量有哪些？（）A.平均数B.中位数C.众数D.方差E.标准差2.数据预处理的主要任务包括哪些？（）A.数据清洗（处理缺失值、异常值）B.数据集成（合并多个数据源）C.数据变换（归一化、标准化）D.数据规约（减少数据量）E.特征工程（选择、构造特征）3.关系数据库标准语言SQL主要包括哪些部分？（）A.数据定义语言（DDL）B.数据操纵语言（DML）C.数据控制语言（DCL）D.事务控制语言（TCL）E.数据查询语言（DQL）4.以下哪些属于常见的机器学习模型？（）A.线性回归B.逻辑回归C.决策树D.支持向量机（SVM）E.线性规划5.统计分析的基本过程通常包括哪些步骤？（）A.提出问题与假设B.数据收集与整理C.数据探索性分析（EDA）D.模型建立与检验E.结果解释与报告6.以下哪些是大数据的特征？（）A.海量性（Volume）B.速度性（Velocity）C.多样性（Variety）D.价值性（Value）E.实时性7.在进行假设检验时，需要设定哪些要素？（）A.原假设（H0）B.备择假设（H1）C.显著性水平（α）D.检验统计量E.拒绝域8.以下哪些操作可以在Excel中实现？（）A.数据排序B.数据筛选C.公式计算D.数据透视分析E.图表制作9.信息系统规划通常涉及哪些主要阶段？（）A.可行性研究B.需求分析C.系统设计D.系统实施E.系统评价10.以下哪些方法可用于数据可视化？（）A.柱状图B.折线图C.散点图D.饼图E.表格三、判断题（请判断下列说法的正误，正确的划“√”，错误的划“×”。每题1分，共10分）1.回归分析中，自变量和因变量都必须是随机变量。（）2.抽样调查的目的是通过对样本的分析来推断总体的特征。（）3.数据库中的“视图”是一种物理存储结构。（）4.熵值越高，表示数据的混乱程度越高，信息量越大。（）5.在决策树算法中，信息增益越大，表示分裂效果越好。（）6.平均数对极端值不敏感，中位数对极端值敏感。（）7.数据仓库中的数据是经常发生变化的。（）8.SQL语言中的`INSERT`语句用于向表中插入新的数据行。（）9.矩阵乘法满足交换律，即AB=BA。（）10.机器学习的目标是让模型具有泛化能力，能够处理未见过的新数据。（）四、简答题（请简要回答下列问题。每题5分，共20分）1.简述什么是假设检验，并说明其基本步骤。2.简述数据清洗的主要任务及其意义。3.简述关系数据库的三个基本关系操作。4.简述K-Means聚类算法的基本思想。五、计算题（请完成下列计算。每题10分，共20分）1.某公司员工月工资数据如下（单位：元）：3000,3200,3500,4000,4500,5000。计算该组数据的平均数、中位数和方差（结果保留两位小数）。2.假设有以下关系（表）：*学生表（Student：学号SNo，姓名SName，专业SDept）*课程表（Course：课程号CNo，课程名CName，学分Ccredit）*选课表（SC：学号SNo，课程号CNo，成绩Grade）请用SQL语句查询选修了“数据库原理”课程（假设课程名为“数据库原理”）并且成绩大于80分的学生的学号和姓名。六、分析题（请分析下列问题并回答。10分）假设你正在为一个电商平台进行用户行为分析，目的是根据用户的浏览和购买记录进行用户画像，并实现精准推荐。请简述你会采用哪些数据分析技术或方法，并说明选择这些技术或方法的原因。试卷答案一、单项选择题1.B解析：中位数是将数据按大小排序后位于中间位置的值。排序后为5,8,12,15,20，中间位置是第三个数，为12。2.A解析：第一类错误，即假设检验中的弃真错误，是指当原假设（H0）实际上为真时，却错误地拒绝了原假设。3.C解析：抽样误差是指样本统计量与总体参数之间的差异，它反映了样本对总体的代表性好坏。4.C解析：数据仓库的特点是数据集成性、非易失性、面向主题和时间序列性。数据冗余度高不是其特点，反而数据仓库旨在减少冗余。5.A解析：在SQL中，`DELETE`语句用于删除表中的数据行。`DROP`语句用于删除整个表。6.A解析：在关系数据库理论中，“关系”被定义为一张二维表格，由行和列组成。7.C解析：决策树算法中，常用信息增益（InformationGain）或信息增益率（GainRatio）来衡量一个属性将数据集划分成子集时所提供的信息量，从而决定属性的重要性及节点的分裂。8.A解析：平均数、中位数、众数都是用来描述数据集中趋势的统计量。方差、标准差、极差描述离散程度。偏度、峰度描述分布形状。9.D解析：数据预处理包括数据清洗、数据集成、数据变换、数据规约等。模型选择属于模型建立阶段，不属于预处理。10.C解析：Excel函数`AVERAGE(B1:B10)`计算B1到B10单元格区域内所有数值的平均值。11.B解析：网络图（如关键路径法CPM）是项目管理中常用工具，用于表示项目活动之间的逻辑关系和时间安排。12.A解析：矩阵运算是线性代数的基本内容，广泛应用于计算机图形学、机器学习（如神经网络）、数据压缩、科学计算等领域。图像处理中经常使用矩阵进行变换和操作。13.C解析：K-Means聚类是一种无监督学习算法，用于将数据点划分为不同的簇（Cluster），使得同一簇内的数据点相似度较高，不同簇之间的数据点相似度较低。决策树、逻辑回归、神经网络都是有监督学习算法。14.C解析：衡量数据离散程度的统计量有极差、方差、标准差、变异系数等。相关系数用于衡量两个变量之间的线性关系强度，不是衡量单个数据集离散程度。15.D解析：信息熵是信息论中的基本概念，在编码理论、数据压缩、机器学习（如ID3、C4.5决策树算法中选择分裂属性时依据信息增益）中都起到重要作用。二、多项选择题1.A,B,C解析：平均数、中位数、众数都是描述数据集中趋势的常用统计量。方差和标准差描述离散程度。2.A,B,C,D,E解析：数据预处理是数据分析和数据挖掘的前提，主要包括处理缺失值、异常值（清洗），合并数据源（集成），数据转换（归一化、标准化），减少数据量（规约），以及特征选择和构造（特征工程）。3.A,B,C,D,E解析：SQL是结构化查询语言，是关系数据库的标准语言，主要包含数据定义语言（DDL，如CREATE,DROP,ALTER）、数据操纵语言（DML，如SELECT,INSERT,UPDATE,DELETE）、数据控制语言（DCL，如GRANT,REVOKE）、事务控制语言（TCL，如COMMIT,ROLLBACK）和数据查询语言（通常认为DML中的SELECT也属于查询范畴）。4.A,B,C,D解析：线性回归、逻辑回归、决策树、支持向量机（SVM）都是经典的机器学习模型，分别用于回归预测、分类预测、分类预测和分类预测。线性规划属于运筹学范畴，是优化问题的一种。5.A,B,C,D,E解析：统计分析的一般过程包括：明确分析目的，提出假设；收集和整理数据；对数据进行探索性分析，理解数据基本特征；选择合适的模型进行建模和检验；解释分析结果，并形成报告。6.A,B,C,D,E解析：大数据的五个V特征是：Volume（海量性）、Velocity（速度性）、Variety（多样性）、Value（价值性）和Veracity（真实性，或实时性）。这些特征共同定义了大数据的内涵。7.A,B,C,D,E解析：进行假设检验需要首先提出原假设H0和备择假设H1；确定显著性水平α；根据样本数据计算检验统计量；根据检验统计量和α确定拒绝域，判断是否拒绝H0。8.A,B,C,D,E解析：Excel是一款强大的电子表格软件，支持数据排序、筛选、使用公式进行计算、执行数据透视分析以及创建各种图表进行数据可视化。9.A,B,C,D,E解析：信息系统规划是一个战略过程，通常包括初步调查与可行性研究、详细调查与需求分析、系统设计（概念、逻辑、物理）、系统实施（开发、测试、部署）和系统运行与评价等阶段。10.A,B,C,D,E解析：柱状图、折线图、散点图、饼图和表格都是常见的数据可视化方式，用于从不同角度展示数据特征和规律。三、判断题1.×解析：在回归分析中，因变量是随机变量，而自变量通常是研究者控制或设定的非随机变量。2.√解析：抽样调查的基本目的是通过观察或测量样本的属性，来推断总体的相应属性特征。3.×解析：数据库中的“视图”是一个虚拟表，它的数据来自一个或多个基础表，存储的是定义视图的查询语句，并不占用实际的物理存储空间。4.×解析：熵值越高，表示数据的混乱程度越高，信息量越不确定。信息量越大意味着不确定性越小，熵值应越小。5.√解析：在决策树算法中，选择分裂属性时，通常会计算该属性能带来的信息增益（或增益率）。信息增益越大，表示使用该属性分裂后，子节点的纯度提高得越多，分类效果越好。6.√解析：平均数易受极端值（离群点）的影响而偏移，而中位数只取决于中间位置的值，不受极端值影响。7.×解析：数据仓库中的数据通常是经过清洗、转换和整合的，一旦加载到数据仓库中，一般被认为是稳定、非易失的，主要用于分析和报告，而不是频繁更新。8.√解析：SQL语句`INSERT`用于向指定的表中插入新的数据行。9.×解析：矩阵乘法不满足交换律，即一般情况下AB≠BA。只有当矩阵A和矩阵B都是方阵且可逆时，才有可能AB=BA。10.√解析：机器学习的一个核心目标是学习到具有良好泛化能力的模型，即模型不仅能在训练数据上表现好，而且能在没有见过的新数据上也能取得较好的表现。四、简答题1.假设检验是统计推断的常用方法之一，其目的是利用样本信息来判断关于总体参数的某个假设是否成立。基本步骤如下：a.提出原假设H0和备择假设H1。b.选择合适的显著性水平α。c.根据样本数据计算检验统计量及其分布。d.确定拒绝域（临界值法）或计算P值。e.做出统计决策：若统计量落入拒绝域或P值小于α，则拒绝H0；否则，不拒绝H0。2.数据清洗是数据预处理的第一步，也是非常重要的一步。其主要任务包括处理数据中的缺失值、异常值、重复值，修正错误数据和不一致数据。意义在于：提高数据质量，减少错误和偏差对后续分析和建模结果的影响，确保分析结果的准确性和可靠性，为有效的数据挖掘和决策支持奠定基础。3.关系数据库的三个基本关系操作（或称为关系代数的基本操作）是：a.并操作（Union）：将两个关系（表）R和S的并集构成一个新的关系，包含R和S中的所有元组，并去除重复元组。b.交操作（Intersection）：将两个关系R和S的交集构成一个新的关系，包含R和S中都存在的元组。c.差操作（Difference）：将关系R中不属于关系S的元组构成一个新的关系。即R-S。4.K-Means聚类算法的基本思想是将数据集划分为K个簇（K是预先设定的正整数）。算法过程如下：a.随机选择K个数据点作为初始聚类中心。b.将每个数据点分配给与其距离最近的聚类中心，形成K个簇。c.对每个簇，计算所有数据点的均值，并将均值作为新的聚类中心。d.重复步骤b和c，直到聚类中心不再发生变化，或者达到预设的迭代次数，此时算法收敛，得到最终的K个簇。五、计算题1.平均数：(3000+3200+3500+4000+4500+5000)/6=19000/6≈3166.67元中位数：排序后数据为3000,3200,3500,4000,4500,5000，中间两个数为3500和4000，中位数=(3500+4000)/2=3750元方差：平均数已知为3166.67，计算每个数据与平均数的差的平方：(3000-3166.67)²≈333388.89(3200-3166.67)²≈10889.44(3500-3166.67)²≈10889.44(4000-3166.67)²≈10889.44(4500-3166.67)²≈10889.44(5000-3166.67)²≈333388.89方差=(333388.89+10889.44+10889.44+10889.44+10889.44+333388.89)/6方差≈(667367.16+43557.76)/6方差≈710824.92/6≈118070.82结果保留两位小数，方差约为118070.82元²。2.SQL语句：```sqlSELECTStudent.SNo,Student.SNameFROMStudentJOINSCONStudent.SNo=SC.SNoJOINCourseONSC.CNo=Course.CNoWHERECourse.CName='数据库原理'ANDSC.Grade>80;```解析：该语句首先通过`JOIN`操作将`Student`表与`SC`表连接（基于学号），再将连接结果与`Course`表连接（基于课程号）。`WHERE`子句用于筛选出课程名为“数据库原理”且成绩大于80分的学生。最后选择这些学生的学号（SNo）和姓名（SName）。六、分析题为了进行用户行为分析并实现