北京交通大学《数理统计》2023-2024学年第一学期期末试卷

装订线装订线PAGE2第1页，共3页北京交通大学《数理统计》

2023-2024学年第一学期期末试卷院(系)_______班级_______学号_______姓名_______题号一二三总分得分一、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、对于一个大型数据集，为了快速了解数据的基本特征，以下哪种统计图形最为合适？（）A.直方图B.散点图C.箱线图D.折线图2、为比较三种不同生产工艺对产品质量的影响，随机抽取了若干个产品进行检测。如果要检验三种工艺下产品质量的均值是否相等，应该使用哪种方差分析？（）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.协方差分析3、为了研究不同广告策略对产品销售额的影响，将市场分为三个区域，分别采用不同的广告策略，并记录销售额数据。这种实验设计属于？A.单因素方差分析B.多因素方差分析C.拉丁方设计D.正交设计4、某公司为了解员工对新福利政策的满意度，随机抽取了200名员工进行调查。结果显示，满意的有120人，不满意的有80人。要检验员工的满意度是否超过50%，应采用哪种假设检验方法？（）A.单侧Z检验B.单侧t检验C.双侧Z检验D.双侧t检验5、对于一个时间序列数据，经过一阶差分后变得平稳。若要对其进行预测，以下哪种模型可能较为合适？（）A.移动平均模型B.自回归模型C.自回归移动平均模型D.指数平滑模型6、在进行主成分分析时，主成分的个数通常根据以下哪个原则确定？A.累计贡献率达到一定值B.特征值大于1C.碎石图D.以上都是7、在对某一时间段内股票价格的波动进行分析时，需要计算其收益率的方差。已知股票价格在该时间段内的均值为50元，若收益率的计算采用对数收益率，那么方差的计算会受到以下哪个因素的影响？A.股票价格的最大值B.股票价格的最小值C.股票价格的中位数D.股票价格的标准差8、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9、在对某数据集进行描述性统计分析时，发现数据存在极端值。为了使数据更具代表性，以下哪种处理方法较为合适？（）A.直接删除极端值B.对极端值进行修正C.采用中位数代替均值D.以上都可以10、在对一批产品进行质量检验时，规定不合格率不能超过5%。随机抽取100个产品进行检验，发现有8个不合格。在显著性水平为0.05下，这批产品是否合格？（）A.合格B.不合格C.无法确定D.需要重新抽样11、在对一组数据进行描述性统计分析时，发现数据存在偏态分布。此时，以下哪个统计量能更好地反映数据的集中趋势？（）A.算术平均数B.几何平均数C.中位数D.众数12、为研究两个变量之间的非线性关系，对数据进行了曲线拟合。以下哪种方法常用于判断拟合效果的优劣？（）A.决定系数B.相关系数C.方差分析D.t检验13、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.2B.4C.5D.无法确定14、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15、某工厂生产的一批灯泡，其使用寿命服从正态分布。随机抽取100只灯泡进行测试，平均使用寿命为1500小时，标准差为100小时。若要检验这批灯泡的平均使用寿命是否为1600小时，应采用哪种假设检验方法？A.Z检验B.t检验C.卡方检验D.F检验16、某企业生产的产品重量服从正态分布，均值为500g，标准差为20g。现从生产线上随机抽取25个产品，其平均重量在490g至510g之间的概率为（）A.0.6826B.0.9544C.0.9973D.117、已知随机变量X服从参数为λ的泊松分布，且P(X=2)=P(X=3)，则λ的值是多少？A.2B.3C.6D.918、某超市想了解不同促销活动对销售额的影响，同时考虑活动时间和天气因素。应采用哪种统计模型进行分析？（）A.多元线性回归B.广义线性模型C.混合效应模型D.以上都不对19、对于一个含有分类变量和连续变量的数据集，要分析分类变量对连续变量的影响，以下哪种方法较为合适？（）A.方差分析B.协方差分析C.判别分析D.逻辑回归20、在多元线性回归分析中，如果自变量之间存在较强的多重共线性，会对回归模型产生什么影响？A.增大误差方差B.降低拟合优度C.使系数估计不准确D.以上都是二、简答题（本大题共4个小题，共40分)1、（本题10分）解释什么是判别分析，并说明其与聚类分析的区别和联系。2、（本题10分）在回归分析中，如何判断残差是否满足模型的假设？如果残差不满足假设，应如何处理？3、（本题10分）解释如何利用Boosting算法（如Adaboost、GradientBoosting等）来提高模型的预测性能，解释其基本原理和应用场景，并举例应用。4、（本题10分）详细阐述如何利用统计方法分析不同投资组合的风险和收益特征？可以采用哪些指标和模型？三、案例分析题（本大题共2个小题，共20分)1、（本题10分）某网约车平台想分析司机的接单量