中级分析核心试题及答案呈现

中级分析核心试题及答案呈现考试时间：______分钟总分：______分姓名：______选择题（每题2分，共20分）1.某电商平台希望评估“新用户注册后首单满减活动”对用户30日留存率的影响，应优先采用的分析方法是（）。A.卡方检验B.独立样本t检验C.A/B测试D.线性回归2.在构建用户画像时，若发现“用户年龄”字段存在缺失值，且缺失比例约为15%，最合适的处理方法是（）。A.直接删除缺失值B.用均值填充C.用中位数填充D.根据缺失机制选择填充方法或标记3.假设检验中，若P值=0.03，显著性水平α=0.05，应如何做出统计结论？（）A.拒绝原假设B.接受原假设C.无法判断D.需要增加样本量4.在时间序列分析中，若数据存在季节性波动，应优先选择的模型是（）。A.线性回归B.ARIMAC.逻辑回归D.卡方检验5.数据可视化中，用于展示分类变量与连续变量关系的最佳图表是（）。A.直方图B.散点图C.箱线图D.条形图6.在回归分析中，若自变量之间存在高度相关性，可能导致（）。A.模型过拟合B.多重共线性C.异方差性D.自相关7.某公司希望预测客户流失概率，应优先采用的模型是（）。A.线性回归B.逻辑回归C.决策树D.K-means聚类8.在A/B测试中，为确保结果可靠，样本量应满足（）。A.越大越好B.越小越好C.基于统计功效计算D.随机分配即可9.数据清洗中，处理异常值的方法不包括（）。A.删除异常值B.用均值替换C.标记异常值D.忽略异常值10.在假设检验中，Ⅰ类错误是指（）。A.原假设成立但拒绝B.原假设不成立但接受C.样本量不足D.显著性水平设置过高简答题（每题7.5分，共30分）1.简述假设检验中的“显著性水平（α）”与“P值”的关系，并说明若P值=0.03，α=0.05，应如何做出统计结论？该结论可能存在的风险是什么？2.对比“线性回归”与“逻辑回归”的适用场景及模型输出结果的差异。3.在数据清洗过程中，处理缺失值的主要方法有哪些？请简述其适用场景。4.业务指标体系构建的基本步骤是什么？请举例说明。案例分析（共50分）案例一：电商用户留存分析背景：某电商平台近3个月用户数据如下：总用户数10万，其中新用户（注册≤30天）3万，老用户（注册>30天）7万；新用户30日留存率40%，老用户月均复购率25%。业务目标：提升新用户30日留存率至50%。数据字段：用户ID、注册时间、近30日登录次数、近30日购买次数、客单价、所属地区、渠道来源（APP/小程序/官网）。要求：1.若数据中存在“登录次数”为负值的异常值，请说明处理步骤及理由。2.分析影响新用户留存率的关键因素（至少3个），并选择合适的方法验证。3.基于分析结果，提出3条可落地的业务建议，并说明预期效果。案例二：零售销售预测背景：某零售连锁企业希望预测未来3个月各门店的销售额，用于库存管理和人员排班。历史数据包含：门店ID、销售额、日期、气温、节假日、促销活动（是/否）、周边竞品数量（个）。要求：1.若销售额数据存在“节假日异常峰值”，如何处理以提升模型预测准确性？2.选择合适的预测模型，并说明选择理由。3.评估模型效果的指标有哪些？若模型预测值与实际值偏差较大，可能的原因是什么？试卷答案选择题：1.C解析：评估活动对留存率的影响需验证因果关系，A/B测试是通过随机分组控制变量、验证因果关系的标准方法；卡方检验用于分析分类变量相关性，t检验用于分析连续变量组间差异，线性回归用于预测，均无法直接验证因果关系。2.D解析：缺失值处理需先判断机制：若随机缺失（MCAR/MAR），可用均值/中位数/模型填充；若非随机缺失（MNAR），需标记缺失特征或删除。直接删除可能损失样本信息，盲目填充可能引入偏差（如“年龄”缺失可能与用户隐私相关，非随机缺失）。3.A解析：P值=0.03<α=0.05，拒绝原假设，认为结果在统计上显著（即“新活动对留存率有影响”）。风险：可能犯Ⅰ类错误（弃真错误），即原假设实际成立（活动无影响），但错误拒绝的概率为5%。4.B解析：ARIMA模型可处理含季节性和趋势的时间序列数据；线性回归不考虑时间序列特性，逻辑回归用于分类问题，卡方检验用于分析分类变量相关性。5.C解析：箱线图能直观展示不同分类组下连续变量的分布差异（如各地区用户的客单价分布）；直方图用于单变量分布，散点图用于双连续变量关系，条形图用于分类变量频数统计。6.B解析：自变量高度相关性导致多重共线性，使回归系数不稳定、标准误增大；过拟合与模型复杂度有关，异方差性是残差方差非恒定，自相关是时间序列残差相关性。7.B解析：逻辑回归输出概率值（如流失概率），适合分类问题；线性回归用于连续预测，决策树和聚类也可用于分类，但逻辑回归更直接且可解释性强。8.C解析：样本量需基于统计功效（效应量、显著性水平、功效）计算，确保能检测到真实效应；过大浪费资源，过小无法保证结果可靠性。9.D解析：忽略异常值可能导致模型偏差或结果失真；删除（少量异常）、替换（如用中位数）、标记（作为独立特征）是常用方法，但忽略不可取。10.A解析：Ⅰ类错误是“原假设成立但错误拒绝”（如实际无差异却认为有差异）；Ⅱ类错误是“原假设不成立但错误接受”，样本量不足和显著性水平过高均可能增加错误风险。简答题：1.答案：-关系：显著性水平（α）是研究者设定的“拒绝原假设的阈值”（如0.05），表示“原假设成立时错误拒绝的概率上限”；P值是“在原假设成立条件下，当前样本或更极端样本出现的概率”。P值越小，说明原假设越不成立。-结论：P值=0.03<α=0.05，拒绝原假设，认为结果统计显著。-风险：可能犯Ⅰ类错误（弃真错误），即原假设实际成立，但错误拒绝的概率为5%。2.答案：-适用场景：线性回归因变量为连续变量（如销售额、温度），逻辑回归因变量为分类变量（如是否流失、是否购买）。-输出结果：线性回归输出“连续预测值”（如预测销售额1000元），逻辑回归输出“概率值”（如P(流失)=0.3），需通过Sigmoid函数转换。3.答案：-删除：缺失比例高且随机（如>50%），或缺失与目标变量无关，避免引入偏差。-填充：均值/中位数（连续变量，随机缺失）；众数（分类变量，随机缺失）；模型预测（如用回归模型填充，适用于非随机缺失）。-标记：将缺失作为独立特征（如“是否缺失”），适用于非随机缺失，保留缺失信息。4.答案：-步骤：①明确业务目标（如提升用户留存）；②拆解核心指标（如留存率=登录用户数/注册用户数）；③设置层级指标（如登录用户数=自然登录+活动引导登录）；④确定指标权重和监控周期。-举例：电商GMV拆解为访客数×转化率×客单价，再拆解访客数为自然访客、付费访客等子指标。案例分析：案例一：1.答案：-步骤：①识别（用箱线图/IQR法则定位负值异常）；②核查（回溯数据源，确认是否系统错误或录入错误）；③处理（修正正确值或标记为“异常”特征）。-理由：负登录次数不符合业务逻辑，直接删除损失样本，盲目填充（如用0）掩盖数据问题，需根据原因针对性处理。2.答案：-关键因素：登录次数、渠道来源、首次客单价。-验证方法：登录次数（逻辑回归，检验系数显著性）；渠道来源（卡方检验，分析“渠道”与“留存”的独立性）；首次客单价（t检验，比较留存与未留存用户差异）。3.答案：-建议1：针对“近30日登录≤1次”用户，推送个性化Push+优惠券，目标留存率从30%提升至45%。-建议2：优化“低留存渠道”（如自然搜索）的新用户引导，简化注册步骤，目标留存率提升10%。-建议3：针对“首次客单价<50元”用户，推出“第二单立减20元”活动，目标复购率从20%提升至35%。案例二：1.答案：-处理：标记节假日为“特殊事件”，引入“节假日哑变量”（如0/1变量）；或对峰值数据平滑处理（如移动平均）。-理由：避免异常峰值干扰模型捕捉趋势和季节性，哑变量可量化节假日影响。2.答案：-模型：SARIMAX（含外部变量）或Prophet（可处理节假日和季节性）。-理由：数据含趋势、季节性和外部变量（气温、促销），需