华南农业大学《大数据挖掘统计方法》2023-2024学年第一学期期末试卷

站名：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…………第1页，共1页华南农业大学

《大数据挖掘统计方法》2023-2024学年第一学期期末试卷题号一二三四总分得分一、单选题（本大题共30个小题，每小题1分，共30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、在对某公司员工工资进行调查时，得到如下数据：高管平均工资为50000元，普通员工平均工资为8000元。如果要比较高管和普通员工工资的差异程度，应使用的统计量是（）A.极差B.方差C.标准差系数D.平均差2、在一个二项分布中，试验次数n=100，成功的概率p=0.3。计算成功次数的方差是？（）A.21B.30C.70D.73、在对某班级学生的数学成绩进行分析时，发现成绩的分布呈现出明显的尖峰厚尾特征。以下哪种统计分布可能更适合描述这种情况？（）A.正态分布B.t分布C.卡方分布D.对数正态分布4、在进行聚类分析时，如果数据的量纲不同，会对聚类结果产生什么影响？（）A.没有影响B.可能导致错误的聚类C.使聚类结果更准确D.只影响聚类的速度5、在对某城市的空气质量进行监测时，记录了每天的PM2.5浓度值。如果要分析PM2.5浓度的季节性变化，应采用哪种统计图形？（）A.折线图B.柱状图C.箱线图D.饼图6、在对一组数据进行正态性检验时，使用了Shapiro-Wilk检验，P值为0.01。这表明数据（）A.服从正态分布B.不服从正态分布C.无法确定是否服从正态分布D.以上都不对7、在进行多元回归分析时，如果增加一个自变量，而决定系数R²没有明显变化，说明这个自变量对因变量的解释作用如何？（）A.很强B.较弱C.无法判断D.以上都不对8、某工厂生产的零件长度服从正态分布，均值为5cm，标准差为0.1cm。现从生产的零件中随机抽取100个进行测量，其平均长度为4.98cm。假设显著性水平为0.05，能否认为该批零件的长度不符合标准？（）A.能B.不能C.无法确定D.以上都不对9、某工厂为了提高产品质量，对生产过程中的多个环节进行了改进。为评估改进效果，收集了改进前后的产品质量数据。应采用哪种统计方法来判断改进是否有效？（）A.配对样本t检验B.独立样本t检验C.方差分析D.卡方检验10、在进行方差齐性检验时，如果检验结果表明方差不齐，应该如何处理？（）A.使用校正的t检验B.使用非参数检验C.对数据进行变换D.以上都可以11、在一项关于股票收益率的研究中，收集了过去5年的数据。若要预测未来一年的股票收益率，以下哪种统计方法可能最为适用？（）A.时间序列分析B.多元回归分析C.判别分析D.主成分分析12、某工厂生产的零件尺寸服从正态分布，规定尺寸在[10±0.5]范围内为合格品。随机抽取一个零件，其尺寸为9.8，计算该零件为合格品的概率是？（）A.0.6826B.0.9544C.0.3413D.0.818513、在进行相关分析时，如果两个变量之间的相关系数接近于0，能否说明它们之间没有关系？（）A.能B.不能C.不一定D.以上都不对14、在一次抽样调查中，样本容量为100，样本均值为20，总体标准差为5。以95%的置信水平估计总体均值，其置信区间为（）A.(18.02,21.98)B.(19.02,20.98)C.(17.02,22.98)D.(16.02,23.98)15、在一项关于消费者购买行为的调查中，记录了消费者的年龄、收入、购买频率等信息。如果要研究年龄和购买频率之间的关系，应该绘制哪种图形？（）A.直方图B.散点图C.箱线图D.饼图16、对一组数据进行排序后，处于中间位置的数值被称为中位数。如果数据个数为偶数，中位数应如何计算？（）A.中间两个数的平均值B.中间两个数中的较大值C.中间两个数中的较小值D.无法确定17、对某班级学生的数学成绩进行分组统计，成绩范围在60-70分的有10人，70-80分的有20人，80-90分的有15人，90-100分的有5人。计算成绩的中位数所在的组是（）A.70-80分B.80-90分C.无法确定D.以上都不对18、某工厂生产的产品质量特性服从正态分布，均值为100，标准差为5。现从生产线上随机抽取一个样本，其质量特性值为90。在显著性水平为0.05下，该样本是否为异常值？（）A.是B.否C.无法确定D.以上都不对19、在一项关于消费者对某品牌满意度的调查中，采用5级量表进行评分（1表示非常不满意，5表示非常满意）。随机抽取了200个消费者，得到平均满意度为3.5，标准差为0.8。假设显著性水平为0.01，能否认为总体平均满意度大于3？（）A.能B.不能C.无法确定D.以上都不对20、已知某数据的四分位数间距为20，下四分位数为30，那么上四分位数约为多少？（）A.40B.50C.60D.7021、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22、在研究多个变量之间的关系时，发现变量之间存在较强的多重共线性。为解决这一问题，以下哪种方法不合适？（）A.剔除一些变量B.对变量进行变换C.增加样本量D.不做处理23、已知某时间序列数据的一阶自相关系数为0.6。现对该时间序列进行一次差分运算，得到新的时间序列。则新序列的自相关系数（）A.减小B.增大C.不变D.无法确定24、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25、在对两个变量进行线性回归分析时，得到回归方程为y=3x+5，其中x为自变量，y为因变量。如果x的值增加2，那么y的估计值会增加多少？（）A.3B.5C.6D.1126、某医院为了研究某种疾病的治疗效果，对100名患者进行了跟踪治疗，并记录了治疗前后的相关指标。在评估治疗效果时，以下哪种统计方法更合适？（）A.描述性统计B.假设检验C.生存分析D.以上都不是27、为研究某城市居民的消费水平与收入水平之间的关系，随机抽取了500个家庭进行调查。如果要建立消费水平关于收入水平的回归方程，首先需要判断两者之间是否存在线性关系，应进行以下哪种检验？（）A.t检验B.F检验C.相关系数检验D.以上都不对28、在一项关于不同教学方法对学生成绩影响的研究中，将学生随机分为三组，分别采用方法A、方法B和方法C进行教学。学期结束后比较三组学生的平均成绩，这种设计属于？（）A.完全随机设计B.随机区组设计C.拉丁方设计D.析因设计29、在进行多元回归分析时，如果某个自变量的VIF值（方差膨胀因子）较大，说明什么？（）A.存在多重共线性B.不存在多重共线性C.自变量对因变量影响大D.自变量对因变量影响小30、在一次质量检测中，从一批产品中随机抽取了100个样本，发现其中有5个不合格品。若要估计这批产品的不合格率，并要求置信水平为95%，应如何计算？（）A.直接用5%作为估计值B.根据中心极限定理计算C.用二项分布计算D.无法估计二、计算题（本大题共5个小题，共25分)1、（本题5分）某地区有5家企业，它们的年产值（万元）分别为：800、1000、1200、1500、2000。请计算这5家企业年产值的中位数、四分位数和极差，并分析数据的离散程度。2、（本题5分）对两种不同种植方法的农作物产量进行比较。随机抽取采用方法A的农田50块，平均产量为4000千克；随机抽取采用方法B的农田60块，平均产量为4500千克。已知两种方法的产量标准差分别为500千克和600千克。求两种种植方法平均产量之差的95%置信区间。3、（本题5分）为研究某股票的价格波动情况，收集了过去50个交易日的收盘价数据。其均值为20元，标准差为3元。计算该股票价格在18元至22元之间的概率，并在99%置信水平下估计该股票的平均价格。4、（本题5分）某大学对毕业生的就业情况进行统计。已知全校毕业生的就业率为80%。现随机抽取200名毕业生进行调查，有160人已就业。求全校毕业生就业率的95%置信区间。5、（本题5分）某城市有10个区，为了解居民的生活满意度，从每个区随机抽取50户家庭进行调查。样本中居民对生活满意度的平均分为70分，标准差为10分。求该城市居民生活满意度总体平均分的95%置信区间。三、简答题（本大题共5个小题，共25分)1、（本题5分）详细论述在统计分析中如何处理高维数据，包括特征选择和降维方法，分析各种方法的原理和应用。2、（本题5分）解释什么是网络分析（NetworkAnalysis）在统计学中的应用，阐述网络分析的基本概念和方法，举例说明如何进行社交网络和生物网络的分析。3、（本题5分）详细说明卡方检验的用途和适用场景，举例说明如何运用卡方检验来分析两个分类变量之间的关系。4、（本题5分）在进行交通学研究时，如何运用统计学方法来分析交通流量和交