2026年数据分析（预测分析）考题及答案.doc

2026年数据分析（预测分析）考题及答案

（考试时间：90分钟 满分100分）
班级______ 姓名______

第I卷（选择题 共30分）
（总共6题，每题5分，每题给出的四个选项中，只有一项是符合题目要求的）
w1. 以下哪种数据分析方法常用于预测时间序列数据的未来趋势？
A. 聚类分析
B. 回归分析
C. 时间序列分析
D. 关联规则挖掘

w2. 在预测分析中，评估模型准确性的常用指标不包括以下哪项？
A. 均方误差
B. 准确率
C. 召回率
D. 相关系数

w3. 以下哪种数据预处理操作可以减少数据中的噪声？
A. 数据标准化
B. 数据离散化
C. 数据平滑
D. 数据合并

w4. 预测分析中，当数据存在异常值时，以下哪种处理方式较为合适？
A. 直接删除异常值
B. 用均值替换异常值
C. 用中位数替换异常值
D. 以上都可以

w5. 对于非线性关系的数据，哪种回归模型可能更适用？
A. 线性回归
B. 逻辑回归
C. 多项式回归
D. 岭回归

w6. 在预测客户流失时，以下哪种算法常用于构建分类模型？
A. 决策树
B. 主成分分析
C. 因子分析
D. 聚类算法

第II卷（非选择题 共70分）
w7. （10分）请简要阐述时间序列分析中常用的三种模型及其特点。

w8. （15分）在进行预测分析时，为什么要进行数据预处理？数据预处理主要包括哪些步骤？

材料：某电商平台记录了过去一年中每个月的销售额数据，如下表所示（单位：万元）：1月：200，2月：220，3月：250，4月：230，5月：280，6月：300，7月：320，8月：350，9月：330，10月：380，11月：400，12月：420。

w9. （20分）
（1）请使用简单移动平均法（窗口大小为3）预测下一年1月份的销售额。
（2）计算预测值的均方误差（MSE）。

w10. （25分）
（1）根据上述材料，构建一个线性回归模型来预测销售额与月份之间的关系。
（2）解释回归模型中系数的含义。
（3）使用该模型预测下一年1月份的销售额，并与简单移动平均法的结果进行比较。

答案：
w1. C
w2. D
w3. C
w4. C
w5. C
w6. A
w7. 常用的时间序列分析模型有：
（1）简单移动平均模型：计算过去n个时间点数据的平均值作为预测值，对数据变化反应较迟钝，适用于平稳数据。
（2）加权移动平均模型：对不同时间点数据赋予不同权重，更注重近期数据，能更好适应数据变化。
（3）指数平滑模型：给予近期数据更大权重，随着时间推移权重呈指数衰减，能快速适应数据变化趋势。
w8. 进行数据预处理的原因：原始数据可能存在噪声、缺失值、异常值等问题，会影响模型的准确性和性能。
主要步骤包括：数据清洗（处理缺失值、异常值等）、数据集成（合并多个数据源的数据）、数据转换（标准化、离散化等）、数据归约（减少数据量）。
w9. （1）简单移动平均法预测下一年1月份销售额：
(400 + 420 + 380) / 3 = 400（万元）
（2）计算均方误差：
实际值为420万元，预测值为400万元。
MSE = [(420 - 400)^2] = 400
w10. （1）设月份为x，销售额为y，建立线性回归模型：y = ax + b
通过计算可得：a = 18.33，b = 178.33
回归模型为：y = 18.33x + 178.33
（2）系数a表示月份每增加1，销售额平均增加18.33万元；系数b表示当月份为0时的销售额估计值。
（3）预测下一年1月份销售额（x = 13）：
y = 18.33×13 + 178.33 = 416.62（万元）
与简单移动平均法结果400万元相比，线性回归模型预测值更高。