广西理工职业技术学院《大数据分析的数学基础》2023-2024学年第一学期期末试卷.doc

站名： 年级专业： 姓名： 学号：
凡年级专业、姓名、学号错写、漏写或字迹不清者，成绩按零分记。
…………………………密………………………………封………………………………线…………………………

广西理工职业技术学院
《大数据分析的数学基础》2023-2024学年第一学期期末试卷
题号
一
二
三
四
总分
得分

批阅人

一、单选题（本大题共20个小题，每小题2分，共40分．在每小题给出的四个选项中，只有一项是符合题目要求的．）
1、对于一个不平衡的数据集（即不同类别的样本数量差异较大），在建模时应该注意什么？（ ）
A. 采用合适的采样方法 B. 选择对不平衡数据不敏感的算法 C. 评估指标的选择 D. 以上都是

2、某研究收集了多个城市的气温和湿度数据，若要分析气温和湿度之间的线性关系是否在不同城市存在差异，应采用以下哪种方法？（ ）
A. 分层回归
B. 交互效应分析
C. 分组回归
D. 以上都可以

3、对某商场的销售额进行统计，1 月销售额为 10 万元，2 月销售额为 12 万元，3 月销售额为 15 万元。若采用指数平滑法进行预测，平滑系数为 0.3，预测 4 月销售额约为（ ）
A. 13.1 万元 B. 13.5 万元 C. 13.9 万元 D. 14.3 万元

4、在对一家超市的销售额进行预测时，收集了过去 5 年每个月的销售额数据。如果采用季节指数法，需要首先计算每个月的季节指数。已知 1 月份的平均销售额为 10 万元，总平均销售额为 8 万元，那么 1 月份的季节指数约为多少？（ ）
A. 1.25 B. 0.8 C. 1.5 D. 0.67

5、在对时间序列进行预测时，如果数据呈现出明显的线性趋势，适合使用的预测方法是（ ）
A. 移动平均法 B. 指数平滑法 C. 线性回归法 D. 季节指数法

6、某地区的房价近年来持续上涨，为了研究房价与房屋面积、地理位置等因素的关系。收集了 500 套房屋的相关数据，若要建立房价的预测模型，以下哪种统计方法最为合适？（ ）
A. 线性回归
B. 逻辑回归
C. 聚类分析
D. 判别分析

7、在一个多元回归模型中，如果某个自变量的系数在统计上不显著，这意味着什么？（ ）
A. 该自变量对因变量没有影响 B. 该自变量对因变量的影响不明显 C. 模型存在多重共线性 D. 样本量太小

8、某研究人员想了解某种药物在不同剂量下的疗效差异，同时考虑患者的年龄和性别因素。应采用哪种统计设计？（ ）
A. 完全随机设计
B. 随机区组设计
C. 析因设计
D. 拉丁方设计

9、在一项市场调查中，要了解消费者对不同品牌的偏好程度，收集的数据是顺序数据。应选用哪种统计量来描述数据的集中趋势？（ ）
A. 均值
B. 中位数
C. 众数
D. 以上都可以

10、在进行方差分析时，如果发现组间差异显著，接下来通常会进行什么操作？（ ）
A. 多重比较
B. 相关分析
C. 回归分析
D. 以上都不是

11、某班级进行了一次数学考试，全班 50 人的平均成绩为 80 分，标准差为 10 分。若将成绩转换为标准正态分布，那么成绩在 70 分到 90 分之间的学生大约占比多少？（ ）
A. 68% B. 75% C. 81.5% D. 95%

12、对于一个包含多个分类变量的数据集，想要了解不同分类变量之间的相关性，应该使用哪种统计方法？（ ）
A. 卡方检验 B. 相关系数 C. 方差分析 D. 以上都不是

13、已知一组数据的均值为 50 ，标准差为 10 。现将每个数据都加上 10 ，则新数据的均值和标准差分别为（ ）
A. 60 ， 10 B. 60 ， 20 C. 50 ， 10 D. 50 ， 20

14、在构建统计模型时，如果存在多重共线性问题，会对模型产生以下哪种影响？（ ）
A. 系数估计不准确
B. 方差增大
C. 模型不稳定
D 以上都是

15、某研究人员想要比较三种不同教学方法对学生成绩的影响，每个学生只接受一种教学方法。在分析数据时，以下哪种方法更合适？（ ）
A. 单因素方差分析
B. 双因素方差分析
C. 多因素方差分析
D. 以上都不是

16、已知两个变量 X 和 Y 之间存在线性关系，通过样本数据计算得到回归方程为 Y = 2X + 1。若 X 的值增加 2，那么 Y 的估计值会增加多少？（ ）
A. 2 B. 4 C. 5 D. 无法确定

17、在一次对大学生消费习惯的调查中，随机抽取了 300 名学生。发现每月生活费在 1000 元以下的有 50 人，1000 - 2000 元的有 180 人，2000 元以上的有 70 人。如果要以 95%的置信水平估计全校学生每月生活费的均值，应该采用哪种抽样分布？（ ）
A. 正态分布 B. t 分布 C. 卡方分布 D. F 分布

18、在一项关于某种药物疗效的临床试验中，将患者随机分为实验组和对照组。实验组采用新药物治疗，对照组采用传统药物治疗。经过一段时间后，比较两组患者的康复情况。这种研究方法属于？（ ）
A. 完全随机设计
B. 随机区组设计
C. 配对设计
D. 析因设计

19、对某城市的交通流量进行监测，连续记录了 30 天的数据。发现每天的平均车流量服从正态分布，均值为 5000 辆标准差为 800 辆。若要以 90%的置信区间估计该城市的日平均车流量，其区间宽度大约是多少？（ ）
A. 300 辆 B. 400 辆 C. 500 辆 D. 600 辆

20、在进行聚类分析时，常用的距离度量方法有欧氏距离和曼哈顿距离等。它们的主要区别在于？（ ）
A. 计算方式不同 B. 对数据的敏感度不同 C. 适用场景不同 D. 以上都是

二、简答题（本大题共3个小题，共15分)
1、（本题5分）详细阐述如何运用统计方法进行数据的预处理，包括数据清洗、异常值处理和数据标准化等？

2、（本题5分）对于一个大型数据集，如何进行数据清洗和预处理以确保数据的准确性和完整性？讨论常见的数据质量问题和解决方法。

3、（本题5分）请详细说明如何使用判别分析来对样本进行分类，解释判别函数的构建和评估方法，并举例应用。

三、案例分析题（本大题共5个小题，共25分)
1、（本题5分）某直播带货平台统计了不同主播的带货数据、商品品类销售情况和用户消费行为等，分析应怎样利用统计方法提升平台的商业价值和用户粘性。

2、（本题5分）某智能家居企业统计了不同产品的销售趋势、用户使用习惯和技术更新需求等，分析怎样运用这些数据进行产品研发和市场拓展。

3、本题5分）某电信运营商为了解用户的流量使用习惯与套餐选择之间的关系，对 800 名用户进行了调查分析。设计更合理的套餐方案。

4、（本题5分）某电商平台想了解不同年龄段消费者的购买行为和消费金额差异。收集了大量数据，包括年龄、购买品类、消费金额等，如何进行数据分析并得出有效结论？

5、（本题5分）某互联网金融平台对用户的投资行为和风险偏好数据进行分析，包括投资金额、投资期限、风险承受能力等。请提供个性化的投资建议。

四、计算题（本大题共2个小题，共20分)
1、（本题10分）某商场对顾客的购物金额进行统计，随机抽取了 120 位顾客的购物记录。样本平均购物金额为 200 元，标准差为 40 元。假设购物金额服从正态分布，求该商场顾客平均购物金额的 90%置信区间。

2、（本题10分）对某品牌的一种电子产品进行质量检测，随机抽取了 50 件产品，发现有 5 件不合格。求该品牌电子产品的不合格率，并构建 95%置信区间。

第3页，共3页