2025年全国大学生数据分析科普知识竞赛题库及答案.docxVIP

2025年全国大学生数据分析科普知识竞赛题库及答案

一、单项选择题（每题2分，共40分）

1.以下哪种数据类型属于“比率数据”？

A.用户性别（男/女）

B.商品评价等级（好评/中评/差评）

C.产品价格（单位：元）

D.温度（单位：摄氏度）

答案：C（比率数据有绝对零点，可进行乘除运算；温度是区间数据，无绝对零点）

2.在统计学中，反映数据离散程度的指标是？

A.中位数

B.众数

C.方差

D.均值

答案：C（方差衡量数据与均值的偏离程度，属于离散程度指标）

3.某数据集的偏度系数为-1.2，说明数据分布呈现？

A.左偏（负偏）

B.右偏（正偏）

C.对称分布

D.均匀分布

答案：A（偏度系数为负时，数据左偏，长尾在左侧）

4.以下哪项不是数据清洗的主要任务？

A.处理缺失值

B.去除异常值

C.计算相关系数

D.纠正数据格式错误

答案：C（数据清洗侧重数据质量修正，相关系数计算属于数据分析阶段）

5.在Python的pandas库中，用于合并两个DataFrame的函数是？

A.merge()

B.concat()

C.join()

D.以上都是

答案：D（merge用于列合并，concat用于行或列合并，join基于索引合并）

6.若需分析用户行为路径的转化漏斗，最适合的可视化图表是？

A.散点图

B.折线图

C.漏斗图

D.热力图

答案：C（漏斗图直观展示各环节转化率）

7.以下哪种场景适合使用分类算法？

A.预测用户下一季度的消费金额

B.识别客户是否会流失（是/否）

C.分析不同产品的销售趋势

D.计算某地区人口密度

答案：B（分类任务输出离散类别，流失预测是二分类问题）

8.在假设检验中，“拒绝实际上成立的原假设”属于？

A.第一类错误（α错误）

B.第二类错误（β错误）

C.正确决策

D.无法判断

答案：A（第一类错误是“弃真”，第二类是“取伪”）

9.某电商平台用户年龄数据的均值为28岁，中位数为30岁，说明数据可能？

A.左偏分布

B.右偏分布

C.对称分布

D.均匀分布

答案：A（均值小于中位数时，数据左偏，存在较小值拉低均值）

10.以下关于相关系数的描述，错误的是？

A.取值范围在[-1,1]之间

B.绝对值越大，线性相关程度越强

C.0表示完全不相关

D.相关系数为0.8时，说明变量间存在因果关系

答案：D（相关关系不必然等于因果关系）

11.在R语言中，用于读取CSV文件的函数是？

A.read.table()

B.read.csv()

C.read_excel()

D.以上都是

答案：B（read.csv是读取CSV的专用函数，read.table需指定分隔符）

12.数据可视化的核心目标是？

A.让图表更美观

B.清晰传递数据中的信息

C.展示复杂的技术细节

D.替代数据统计分析

答案：B（可视化的本质是辅助信息传递）

13.处理时间序列数据时，常用的降维方法是？

A.主成分分析（PCA）

B.滑动窗口（RollingWindow）

C.线性判别分析（LDA）

D.t-SNE

答案：B（滑动窗口用于提取时间序列的局部特征）

14.以下哪项属于非结构化数据？

A.Excel表格中的销售记录

B.客户的聊天文本

C.数据库中的用户年龄字段

D.结构化的JSON格式订单数据

答案：B（非结构化数据无固定格式，如文本、图像、音频）

15.在SQL中，用于返回满足条件的前N条记录的语句是？

A.LIMITN

B.TOPN

C.ROWNUM=N

D.以上都可能（不同数据库语法不同）

答案：D（MySQL用LIMIT，SQLServer用TOP，Oracle用ROWNUM）

16.某模型的准确率为85%，但召回率仅为30%，可能的原因是？

A.数据集中正类样本占比过高

B.数据集中负类样本占比过高

C.模型更倾向于预测负类

D.模型更倾向于预测正类

答案：C（召回率低说明漏检正类，模型可能过度保守，倾向预测负类）

17.以下哪种方法可用于检测数据中的异常值？

A.Z-score法

B.箱线图法

C.DBSCAN聚类

D.以上都是