2025年大学《数据科学》专业题库—— 数据科学：统计分析与预测模型.docxVIP

2025年大学《数据科学》专业题库——数据科学：统计分析与预测模型

考试时间：______分钟总分：______分姓名：______

一、选择题（每小题2分，共20分。请将正确选项的字母填在题干后的括号内）

1.下列哪个指标最适合用来衡量数据集的离散程度？（）

A.均值

B.中位数

C.标准差

D.偏度

2.在进行假设检验时，第一类错误指的是？（）

A.真实情况成立，却拒绝了原假设

B.真实情况不成立，却接受了原假设

C.样本随机性不好导致的结果

D.模型拟合不够精确

3.对于线性回归模型Y=β?+β?X?+ε，下列说法正确的是？（）

A.β?是自变量X?对因变量Y的影响程度

B.β?表示当自变量X?变化一个单位时，因变量Y的平均变化量

C.ε代表模型无法解释的误差，通常假设其服从正态分布

D.该模型只能处理一个自变量

4.下列哪种统计图最适合用来展示一个变量在不同类别下的分布情况？（）

A.散点图

B.箱线图

C.条形图

D.折线图

5.在进行多元线性回归时，R2接近1意味着？（）

A.模型拟合效果很差

B.自变量之间存在严重的多重共线性

C.模型能够解释因变量变异性的大部分

D.因变量与自变量之间存在非线性关系

6.假设检验中，显著性水平α=0.05表示？（）

A.有95%的概率拒绝原假设

B.犯第一类错误的概率最多为5%

C.样本量必须大于30

D.原假设为真时，观察到样本统计量至少像现在这样极端的概率是5%

7.以下哪个方法属于非参数检验？（）

A.t检验

B.方差分析

C.Mann-WhitneyU检验

D.线性回归分析

8.在预测模型评估中，如果模型的预测值普遍高于实际值，则可能存在？（）

A.正向偏差（系统性高估）

B.负向偏差（系统性低估）

C.标准差过大

D.数据噪声过多

9.简单线性回归中，决定系数（R2）的取值范围是？（）

A.[0,1]

B.(-1,1)

C.[0,∞)

D.(-∞,∞)

10.交叉验证的主要目的是？（）

A.提高模型的过拟合程度

B.减少模型训练所需的数据量

C.更可靠地评估模型的泛化能力

D.简化模型的参数选择过程

二、填空题（每空2分，共20分。请将答案填在横线上）

1.一组数据[3,7,7,9,10]的中位数是________。

2.如果一个变量的偏度为负，则其分布形态通常________。

3.在单样本t检验中，用于检验样本均值μ是否与已知总体均值μ?相等的原假设H?通常表示为________。

4.多元线性回归模型中，判断自变量Xj是否对因变量Y有显著影响的统计量是________。

5.用于衡量分类模型预测准确性的指标，如混淆矩阵中的对角线元素之和与总样本量的比值，称为________。

6.假设检验的结论可能犯两类错误：第一类错误和________。

7.简单线性回归方程Y?=β?+β?X中，Y?代表________。

8.当数据集存在多个相关变量时，可能导致回归系数估计不稳定且难以解释的现象称为________。

9.置信区间表达了总体参数的一个可能范围，其宽度取决于样本量大小和________。

10.在进行探索性数据分析（EDA）时，绘制箱线图可以帮助我们初步了解数据的________、异常值等情况。

三、计算题（每题10分，共30分）

1.假设某城市随机抽取25名成年男性，其平均身高为175厘米，标准差为7厘米。请计算该城市成年男性平均身高95%的置信区间。（已知成年男性身高服从正态分布）

2.某研究人员想比较两种教学方法（方法A和方法B）对考试成绩的影响。随机抽取20名学生，分为两组，每组10人。使用方法A教学的组平均成绩为85分，标准差为6分；使用方法B教学的组平均成绩为82分，标准差为5分。假设两组成绩均近似服从正态分布，且方差相等。请检验两种教学方法下学生的平均成绩是否存在显著差异（α=0.05）。