统计预测与决策考点巩固习题及答案

统计预测与决策考点巩固习题及答案第1页共1页统计预测与决策考点巩固习题及答案一、单项选择题（共10小题，每题2分）（每小题只有一个选项符合题意，请把正确选项的字母填在题后括号内）1.某公司根据历史销售数据预测下季度产品销量，若预测值与实际值之差为10%，则该预测的绝对误差为多少？A.5%B.10%C.15%D.20%参考答案：B2.在时间序列预测中，ARIMA模型适用于哪种类型的数据？A.确定性数据B.随机性数据C.线性数据D.非平稳数据参考答案：D3.决策树算法中，选择分裂属性时常用的指标是？A.信息熵B.方差分析C.相关系数D.回归系数参考答案：A4.某市场调研显示，消费者对产品A的满意度评分均值为8.5，标准差为1.2，则约68%的满意度评分落在哪个区间？A.[7.3,9.7]B.[6.1,10.9]C.[5.9,11.1]D.[8.3,8.7]参考答案：A5.在回归分析中，若自变量X与因变量Y的相关系数为-0.8，则两者之间的线性关系是？A.正相关B.负相关C.无相关D.强相关参考答案：B6.某工厂生产线上，产品合格率为95%，现随机抽取3件产品，则至少有1件不合格的概率是？A.0.857B.0.927C.0.043D.0.957参考答案：A7.在聚类分析中，K-means算法的缺点是？A.对初始聚类中心敏感B.无法处理高维数据C.只能进行层次聚类D.计算复杂度低参考答案：A8.若某投资组合的期望收益为12%，标准差为3%，无风险收益率为5%，则夏普指数为？A.0.5B.1.0C.1.5D.2.0参考答案：B9.在贝叶斯决策中，后验概率是指？A.先验概率B.条件概率C.贝叶斯定理中的调整概率D.损失函数参考答案：C10.某公司使用移动平均法预测销售额，若采用3期移动平均，则当期预测值是？A.过去3期销售额的平均值B.过去2期销售额的平均值C.过去1期销售额的值D.过去3期销售额的加权平均参考答案：A二、填空题（共10小题，每题2分）（请把正确答案直接填写在题中横线上，填写不完整的不得分）1.若某产品的需求量与价格P（元）满足关系式Q=120-2P，则当价格为______元时，需求量为80件。参考答案：202.在回归分析中，若自变量X与因变量Y的相关系数为0.9，则表明两者之间存在______的相关关系。参考答案：强正相关3.某公司采用指数平滑法预测下月销售额，若平滑系数α=0.3，上期预测值为500万元，实际值为550万元，则下期预测值为______万元。参考答案：5154.决策树算法中，用于衡量节点分裂质量的指标是______。参考答案：信息增益5.在时间序列预测中，ARIMA(p,d,q)模型中，d表示______。参考答案：差分阶数6.若某投资组合的期望收益为15%，标准差为5%，无风险收益率为2%，则该组合的夏普指数为______。参考答案：2.67.在聚类分析中，K-means算法需要预先指定聚类个数K，其取值通常通过______来确定。参考答案：肘部法则8.贝叶斯决策中，基于先验概率和样本信息计算得到的概率称为______。参考答案：后验概率9.某产品市场需求服从正态分布N(100,16)，则市场需求量在90到110之间的概率约为______。参考答案：0.682610.若某产品的生产成本C与产量Q的关系式为C=50+2Q+0.1Q^2，则当产量为10件时，边际成本为______元。参考答案：4三、判断题（共10小题，每题2分）（正确的打“√”，错误的打“×”，把判断符号填在题后括号内）1.在时间序列预测中，ARIMA模型适用于具有明显季节性波动的数据。参考答案：√2.决策树算法中，信息增益是衡量节点分裂质量的常用指标。参考答案：√3.在回归分析中，若自变量X与因变量Y的相关系数为0，则两者之间不存在任何关系。参考答案：×4.贝叶斯决策中，后验概率是指根据新的证据更新后的条件概率。参考答案：√5.移动平均法适用于预测具有长期趋势的时间序列数据。参考答案：×6.聚类分析中，K-means算法需要预先指定聚类个数K，且该值对最终结果有较大影响。参考答案：√7.若某产品的需求量与价格P（元）满足关系式Q=120-2P，则当价格P=20元时，需求量Q为40个。参考答案：√8.在指数平滑法中，平滑系数α越接近1，近期数据对预测结果的影响越大。参考答案：√9.决策树算法容易受到训练数据噪声的影响，导致过拟合。参考答案：√10.在贝叶斯决策中，先验概率是指在没有观察到任何证据时的概率分布。参考答案：√四、简答题（共8小题，每题2分）（请分点作答，语言简明、要点齐全，写在对应题目下方的横线上）1.简述时间序列预测中ARIMA模型中参数p、d、q的含义。参考答案：①p表示模型中自回归项的阶数，用于捕捉时间序列数据中的自相关性；②d表示差分阶数，用于将非平稳时间序列数据转换为平稳数据；③q表示移动平均项的阶数，用于捕捉时间序列数据中的随机波动性。2.解释什么是决策树算法中的信息增益，并说明其作用。参考答案：①信息增益是衡量节点分裂质量的常用指标，用于判断分裂前后数据的不确定性是否显著降低；②信息增益越大，说明分裂后数据的不确定性降低得越多，分裂质量越好。3.列举贝叶斯决策中常用的三种决策准则。参考答案：①最大期望准则（MaxEMV），选择期望损失最小的决策方案；②最小方差准则（MinVar），选择使决策结果方差最小的决策方案；③最大后验概率准则（MAP），选择后验概率最大的决策方案。4.简述聚类分析中K-means算法的基本步骤。参考答案：①初始化：随机选择K个数据点作为初始聚类中心；②分配：计算每个数据点到各个聚类中心的距离，将每个数据点分配给最近的聚类中心；③更新：计算每个聚类中所有数据点的均值，将均值作为新的聚类中心；④重复：重复步骤②和③，直到聚类中心不再变化或达到最大迭代次数。5.解释什么是移动平均法，并说明其适用场景。参考答案：①移动平均法是一种简单的时间序列预测方法，通过计算过去一段时间内数据点的平均值来预测未来值；②适用场景：适用于数据具有明显趋势或季节性波动的场合，特别是当数据平滑程度较高时。6.在回归分析中，如何判断自变量X与因变量Y之间存在线性关系？参考答案：①计算自变量X与因变量Y的相关系数r；②判断相关系数r的绝对值是否较大（如r0.5）；③结合散点图观察数据点的分布是否近似线性；④通过回归分析检验回归系数是否显著不为零。7.简述指数平滑法中平滑系数α的选择对预测结果的影响。参考答案：①平滑系数α越接近1，近期数据对预测结果的影响越大，预测结果对数据变化的反应越敏感；②平滑系数α越接近0，近期数据对预测结果的影响越小，预测结果对数据变化的反应越迟钝。8.解释什么是过拟合现象，并说明如何避免过拟合。参考答案：①过拟合现象是指模型在训练数据上表现很好，但在测试数据上表现较差的现象；②避免过拟合的方法：增加训练数据量、选择更简单的模型、使用正则化技术、交叉验证等。9.某城市交通管理部门收集了近五年该市早晚高峰时段主干道的车流量数据（单位：万辆/小时），如下表所示。请根据这些数据，运用简单移动平均法（取近三年数据）预测第六年早晚高峰时段主干道的车流量，并分析简单移动平均法在此类预测中的优缺点。年份车流量（万辆/小时）20188.220198.520209.120219.6202210.2参考答案：①p表示模型中自回归项的阶数，用于捕捉时间序列数据中的自相关性；②d表示差分阶数，用于将非平稳时间序列数据转换为平稳数据；③q表示移动平均项的阶数，用于捕捉时间序列数据中的随机波动性。10.某电商公司想预测下季度某款产品的销售额。市场调研显示，该产品的销售额与广告投入之间存在线性关系。已知去年该产品的销售额为500万元，广告投入为20万元；今年该产品的销售额为600万元，广告投入为25万元。请根据这些数据，建立线性回归模型，预测下季度该产品的销售额（假设下季度广告投入为30万元）。参考答案：①信息增益是衡量节点分裂质量的常用指标，用于判断分裂前后数据的不确定性是否显著降低；②信息增益越大，说明分裂后数据的不确定性降低得越多，分裂质量越好。11.某公司生产一种产品，其成本由固定成本和变动成本两部分组成。固定成本为每月10万元，变动成本为每件产品50元。该公司计划每月生产1000件产品，请计算该公司每月的总成本。参考答案：①最大期望准则（MaxEMV），选择期望损失最小的决策方案；②最小方差准则（MinVar），选择使决策结果方差最小的决策方案；③最大后验概率准则（MAP），选择后验概率最大的决策方案。12.某公司面临是否推出新产品A的决策。如果推出新产品A，成功概率为60%，成功时利润为100万元，失败时亏损50万元；如果不推出新产品A，利润为20万元。请计算该公司推出新产品A的期望收益。参考答案：①初始化：随机选择K个数据点作为初始聚类中心；②分配：计算每个数据点到各个聚类中心的距离，将每个数据点分配给最近的聚类中心；③更新：计算每个聚类中所有数据点的均值，将均值作为新的聚类中心；④重复：重复步骤②和③，直到聚类中心不再变化或达到最大迭代次数。13.某公司需要对一批产品进行分类，这批产品具有三个特征：重量、尺寸和颜色。公司决定使用K-means聚类算法对这批产品进行分类，请简述K-means聚类算法的基本步骤。参考答案：①移动平均法是一种简单的时间序列预测方法，通过计算过去一段时间内数据点的平均值来预测未来值；②适用场景：适用于数据具有明显趋势或季节性波动的场合，特别是当数据平滑程度较高时。14.某公司使用指数平滑法预测下月的产品销量，已知前三个月的产品销量分别为100件、120件和110件，平滑系数α=0.3。请计算该公司下月的产品销量预测值。参考答案：①计算自变量X与因变量Y的相关系数r；②判断相关系数r的绝对值是否较大（如r0.5）；③结合散点图观察数据点的分布是否近似线性；④通过回归分析检验回归系数是否显著不为零。15.某公司面临是否购买新设备的决策。如果购买新设备，需要投资100万元，使用寿命为5年，每年可节省成本20万元；如果不购买新设备，每年需要支付维护费用5万元。请计算该公司购买新设备的净现值（假设贴现率为10%）。参考答案：①平滑系数α越接近1，近期数据对预测结果的影响越大，预测结果对数据变化的反应越敏感；②平滑系数α越接近0，近期数据对预测结果的影响越小，预测结果对数据变化的反应越迟钝。16.某公司使用贝叶斯决策方法进行投资决策。已知某项投资的先验概率为0.4，如果投资成功，后验概率为0.7；如果投资失败，后验概率为0.2。请计算该公司投资成功的后验概率。参考答案：①过拟合现象是指模型在训练数据上表现很好，但在测试数据上表现较差的现象；②避免过拟合的方法：增加训练数据量、选择更简单的模型、使用正则化技术、交叉验证等。标准答案与解析一、单项选择题1.参考答案：B解析：绝对误差是指预测值与实际值之差的绝对值，若预测值与实际值之差为10%，则绝对误差为10%。选项A错误，5%为相对误差；选项C错误，15%为相对误差的绝对值；选项D错误，20%为相对误差。2.参考答案：D解析：ARIMA（自回归积分滑动平均）模型适用于非平稳时间序列数据，通过差分使其平稳。选项A错误，确定性数据无需预测模型；选项B错误，随机性数据需进一步处理；选项C错误，线性数据可用线性回归。3.参考答案：A解析：决策树算法选择分裂属性时常用信息熵（ID3）或增益率（C4.5），信息熵衡量数据纯度。选项B错误，方差分析用于实验设计；选项C错误，相关系数用于衡量线性关系；选项D错误，回归系数用于线性回归。4.参考答案：A解析：根据正态分布68-95-99.7法则，约68%的数据落在均值±1个标准差区间，即[8.5-1.2,8.5+1.2]=[7.3,9.7]。选项B、C、D计算错误。5.参考答案：B解析：相关系数为-0.8表示强负相关，即X增大Y减小。选项A错误，正相关系数为正；选项C错误，无相关系数接近0；选项D错误，强相关指绝对值接近1，但未说明方向。6.参考答案：A解析：产品不合格概率为1-0.95=0.05，至少1件不合格为1-全合格概率=1-(0.95)^3=0.143。选项B、C、D计算错误。7.参考答案：A解析：K-means算法对初始聚类中心敏感，可能导致收敛到局部最优解。选项B错误，高维数据可用降维处理；选项C错误，K-means非层次聚类；选项D错误，计算复杂度较高。8.参考答案：B解析：夏普指数=(12%-5%)/3%=2.3。选项A、C、D计算错误。9.参考答案：C解析：后验概率是利用贝叶斯定理根据新证据调整的先验概率。选项A错误，先验概率是未观察数据时的概率；选项B错误，条件概率是给定某事件下的概率；选项D错误，损失函数衡量决策风险。10.参考答案：A解析：3期移动平均法预测当期值=过去3期销售额的平均值。选项B错误，2期移动平均为过去2期平均值；选项C错误，仅用过去1期数据无法平滑；选项D错误，加权平均需指定权重。二、填空题1.参考答案：20解析：本题考查需求函数的应用。由Q=120-2P，令Q=80，解得80=120-2P，即2P=40，P=20。故当价格为30元时，需求量为80件。2.参考答案：强正相关解析：本题考查相关系数的意义。相关系数的绝对值越接近1，表示线性关系越强。0.9的绝对值接近1，故两者之间存在强正相关的相关关系。3.参考答案：515解析：本题考查指数平滑法。下期预测值=α×实际值+(1-α)×上期预测值=0.3×550+(1-0.3)×500=515万元。4.参考答案：信息增益解析：本题考查决策树算法。选择分裂属性时常用的指标是信息增益，用于衡量分裂前后信息熵的减少量。5.参考答案：差分阶数解析：本题考查ARIMA模型。ARIMA(p,d,q)模型中，d表示差分阶数，用于使时间序列数据平稳。6.参考答案：2.6解析：本题考查夏普指数的计算。夏普指数=(期望收益-无风险收益率)/标准差=(15%-2%)/5%=2.6。7.参考答案：肘部法则解析：本题考查K-means算法。K-means算法需要预先指定聚类个数K，其取值通常通过肘部法则来确定，即选择使总内平方和快速下降的K值。8.参考答案：后验概率解析：本题考查贝叶斯决策。贝叶斯决策中，基于先验概率和样本信息计算得到的概率称为后验概率。9.参考答案：0.6826解析：本题考查正态分布的性质。根据正态分布的3σ原则，约68.26%的数据落在均值±1σ范围内。故市场需求量在90到110之间的概率约为0.6826。10.参考答案：4解析：本题考查边际成本的计算。边际成本是产量增加一个单位时总成本的增加量。生产成本函数C=50+2Q+0.1Q^2的导数为C'=2+0.2Q，当产量为10件时，边际成本=2+0.2×10=4元。三、判断题1.参考答案：√解析：本题考查时间序列预测方法。ARIMA模型（自回归积分滑动平均模型）适用于具有明显季节性或趋势性波动的数据，能够有效捕捉时间序列中的周期性变化。因此，该说法正确。2.参考答案：√解析：本题考查决策树算法。信息增益是衡量节点分裂质量的常用指标，通过计算分裂前后信息熵的减少量来评估分裂效果。因此，该说法正确。3.参考答案：×解析：本题考查回归分析。相关系数为0表示自变量X与因变量Y之间不存在线性关系，但可能存在非线性关系或其他类型的关系。因此，该说法错误。4.参考答案：√解析：本题考查贝叶斯决策。后验概率是指根据新的证据更新后的条件概率，是贝叶斯决策的核心概念之一。因此，该说法正确。5.参考答案：×解析：本题考查移动平均法。移动平均法适用于预测短期趋势，对于具有长期趋势的时间序列数据效果较差。因此，该说法错误。6.参考答案：√解析：本题考查K-means聚类算法。K-means算法需要预先指定聚类个数K，且K值的选择对最终聚类结果有较大影响。因此，该说法正确。7.参考答案：√解析：本题考查需求函数计算。根据需求函数Q=120-2P，当P=20时，Q=120-2×20=80。因此，该说法正确。8.参考答案：√解析：本题考查指数平滑法。平滑系数α越接近1，近期数据对预测结果的影响越大；α越接近0，近期数据的影响越小。因此，该说法正确。9.参考答案：√解析：本题考查决策树算法的缺点。决策树算法容易受到训练数据噪声的影响，导致过拟合，即模型在训练数据上表现良好，但在新数据上表现较差。因此，该说法正确。10.参考答案：√解析：本题考查贝叶斯决策。先验概率是指在没有观察到任何证据时的概率分布，是贝叶斯决策的基础。因此，该说法正确。四、简答题1.参考答案：①p表示模型中自回归项的阶数，用于捕捉时间序列数据中的自相关性；②d表示差分阶数，用于将非平稳时间序列数据转换为平稳数据；③q表示移动平均项的阶数，用于捕捉时间序列数据中的随机波动性。解析：本题考查时间序列预测中ARIMA模型的基本概念。ARIMA模型的全称是自回归积分移动平均模型，其中p、d、q分别代表模型的三个关键参数。p表示自回归项的阶数，用于捕捉时间序列数据中滞后项对当前值的影响；d表示差分阶数，用于将非平稳时间序列数据转换为平稳数据，以便于模型拟合；q表示移动平均项的阶数，用于捕捉时间序列数据中的随机波动性。这三个参数的合理选择对模型的预测效果至关重要。2.参考答案：①信息增益是衡量节点分裂质量的常用指标，用于判断分裂前后数据的不确定性是否显著降低；②信息增益越大，说明分裂后数据的不确定性降低得越多，分裂质量越好。解析：本题考查决策树算法中的信息增益概念。信息增益是决策树算法中用于衡量节点分裂质量的常用指标，它基于信息熵的概念。信息增益的计算公式为：信息增益=父节点的信息熵-子节点的加权平均信息熵。信息增益越大，说明分裂后数据的不确定性降低得越多，分裂质量越好。选择信息增益最大的属性作为分裂属性，可以构建更优的决策树。3.参考答案：①最大期望准则（MaxEMV），选择期望损失最小的决策方案；②最小方差准则（MinVar），选择使决策结果方差最小的决策方案；③最大后验概率准则（MAP），选择后验概率最大的决策方案。解析：本题考查贝叶斯决策中的常用决策准则。贝叶斯决策理论是一种基于概率的决策理论，它通过计算后验概率来选择最优决策方案。常用的决策准则包括最大期望准则、最小方差准则和最大后验概率准则。最大期望准则选择期望损失最小的决策方案；最小方差准则选择使决策结果方差最小的决策方案；最大后验概率准则选择后验概率最大的决策方案。4.参考答案：①初始化：随机选择K个数据点作为初始聚类中心；②分配：计算每个数据点到各个聚类中心的距离，将每个数据点分配给最近的聚类中心；③更新：计算每个聚类中所有数据点的均值，将均值作为新的聚类中心；④重复：重复步骤②和③，直到聚类中心不再变化或达到最大迭代次数。解析：本题考查聚类分析中K-means算法的基本步骤。K-means算法是一种常用的聚类算法，其基本步骤包括初始化、分配、更新和重复。首先，随机选择K个数据点作为初始聚类中心；然后，计算每个数据点到各个聚类中心的距离，将每个数据点分配给最近的聚类中心；接着，计算每个聚类中所有数据点的均值，将均值作为新的聚类中心；最后，重复步骤②和③，直到聚类中心不再变化或达到最大迭代次数。5.参考答案：①移动平均法是一种简单的时间序列预测方法，通过计算过去一段时间内数据点的平均值来预测未来值；②适用场景：适用于数据具有明显趋势或季节性波动的场合，特别是当数据平滑程度较高时。解析：本题考查移动平均法的概念和适用场景。移动平均法是一种简单的时间序列预测方法，它通过计算过去一段时间内数据点的平均值来预测未来值。移动平均法可以分为简单移动平均法和加权移动平均法。简单移动平均法对过去数据点的权重相同，而加权移动平均法对近期数据点的权重更大。移动平均法适用于数据具有明显趋势或季节性波动的场合，特别是当数据平滑程度较高时。6.参考答案：①计算自变量X与因变量Y的相关系数r；②判断相关系数r的绝对值是否较大（如r0.5）；③结合散点图观察数据点的分布是否近似线性；④通过回归分析检验回归系数是否显著不为零。解析：本题考查回归分析中判断自变量与因变量线性关系的方法。在回归分析中，判断自变量X与因变量Y之间是否存在线性关系，可以通过多种方法进行。首先，可以计算自变量X与因变量Y的相关系数r，如果相关系数r的绝对值较大（如r0.5），则说明两个变量之间存在较强的线性关系。其次，可以结合散点图观察数据点的分布是否近似线性。此外，还可以通过回归分析检验回归系数是否显著不为零，如果回归系数显著不为零，则说明两个变量之间存在线性关系。7.参考答案：①平滑系数α越接近1，近期数据对预测结果的影响越大，预测结果对数据变化的反应越敏感；②平滑系数α越接近0，近期数据对预测结果的影响越小，预测结果对数据变化的反应越迟钝。解析：本题考查指数平滑法中平滑系数α的选择对预测结果的影响。指数平滑法是一种简单的时间序列预测方法，它通过加权平均过去数据点的值来预测未来值。平滑系数α用于控制近期数据点的权重，其取值范围在0到1之间。平滑系数α越接近1，近期数据对预测结果的影响越大，预测结果对数据变化的反应越敏感；平滑系数α越接近0，近期数据对预测结果的影响越小，预测结果对数据变化的反应越迟钝。8.参考答案：①过拟合现象是指模型在训练数据上表现很好，但在测试数据上表现较差的现象；②避免过拟合的方法：增加训练数据量、选择更简单的模型、使用正则化技术、交叉验证等。解析：本题考查过拟合现象及其避免方法。过拟合现象是指模型在训练数据上表现很好，但在测试数据上表现较差的现象。过拟合的原因是模型过于复杂，学习了训练数据中的噪声和细节，而不是数据中的潜在规律。避免过拟合的方法包括增加训练数据量、选择更简单的模型、