2025年高级数据分析师考试题库（附答案和详细解析）（1209）.docxVIP

高级数据分析师考试试卷（总分100分）

一、单项选择题（共10题，每题1分，共10分）

在假设检验中，原假设（H?）的本质是？

A.样本与总体存在显著差异

B.样本差异由随机误差导致

C.研究关注的核心结论

D.备择假设的补集

答案：B

解析：原假设（H?）是统计检验中默认成立的假设，其核心是“观测到的差异由随机误差引起”。选项A是备择假设（H?）的内容；选项C错误，原假设通常是“无差异”的中性表述；选项D是逻辑关系描述，非本质。

时间序列分解中，不属于基本成分的是？

A.趋势（Trend）

B.季节（Seasonality）

C.周期（Cycle）

D.噪声（Noise）

答案：C

解析：时间序列的基本分解通常包括趋势（长期变化）、季节（固定周期波动）和随机噪声（无规律波动）。周期（Cycle）是指非固定长度的波动（如经济周期），不属于基本分解成分（部分教材将其归为扩展成分）。

以下哪种算法最适合处理高维稀疏的文本数据分类？

A.逻辑回归（LR）

B.支持向量机（SVM）

C.随机森林（RF）

D.k-近邻（k-NN）

答案：A

解析：逻辑回归对高维稀疏数据（如文本TF-IDF特征）的处理效率高，通过L1/L2正则化可有效控制过拟合；SVM在高维下计算复杂度高；随机森林对稀疏性不敏感但训练速度慢；k-NN受高维“维度灾难”影响显著。

AB测试中，若选择显著性水平α=0.01，意味着？

A.拒绝原假设时犯错的概率≤1%

B.接受原假设时犯错的概率≤1%

C.统计功效（Power）≥99%

D.第一类错误概率≤1%

答案：D

解析：显著性水平α是“原假设为真时拒绝原假设”的概率（第一类错误）。选项A表述不严谨（“犯错概率”需明确条件）；选项B是第二类错误（β）；选项C统计功效=1-β，与α无直接等式关系。

数据仓库（DW）与数据湖（DataLake）的核心区别是？

A.存储介质不同

B.数据结构化程度

C.支持的查询类型

D.数据量大小

答案：B

解析：数据仓库通常存储结构化数据（需预定义Schema），数据湖存储原始、半结构化/非结构化数据（Schema-on-Read）。其他选项错误：存储介质（均可用HDFS/云存储）、查询类型（均支持复杂查询）、数据量（无本质差异）。

在特征工程中，“WOE编码（证据权重）”主要用于？

A.处理缺失值

B.提升线性模型的非线性表达能力

C.衡量特征与目标变量的相关性

D.降低特征维度

答案：C

解析：WOE（WeightofEvidence）通过计算每个分箱中正负样本的比例对数，衡量特征分箱与目标变量的相关性，常用于信用评分等二分类场景。选项A是填充法；B是分箱或交叉特征；D是降维算法（如PCA）。

以下哪项是评估分类模型“召回率（Recall）”的公式？

A.TP/(TP+FP)

B.TP/(TP+FN)

C.TN/(TN+FP)

D.(TP+TN)/(TP+TN+FP+FN)

答案：B

解析：召回率=真正例/(真正例+假反例)，衡量模型“找到所有正例”的能力。选项A是精确率（Precision）；C是特异度（Specificity）；D是准确率（Accuracy）。

因果推断中，“工具变量法（IV）”的核心作用是？

A.控制混淆变量

B.解决样本选择偏差

C.处理内生性问题（如遗漏变量）

D.提高统计功效

答案：C

解析：工具变量通过引入与自变量相关但与误差项无关的变量，解决内生性问题（如自变量与误差项相关导致的估计偏误）。选项A是匹配或分层的作用；B是倾向得分匹配（PSM）；D是增大样本量。

以下哪种场景最适合使用ARIMA模型？

A.预测用户未来3个月的购买金额（无明显季节规律）

B.分类用户评论的情感倾向（正向/负向）

C.识别信用卡交易中的异常值

D.分析用户点击行为的关联规则

答案：A

解析：ARIMA是时间序列预测模型，适用于单变量、平稳或可差分平稳的序列预测。选项B是分类问题（用LR/NN）；C是异常检测（用孤立森林/LOF）；D是关联分析（用Apriori）。

在商业分析中，“客户生命周期价值（CLV）”的计算不包含以下哪项？

A.客户历史购买频率

B.客户获取成本（CAC）

C.客户平均客单价

D.客户留存率

答案：B

解析：CLV=（平均客单价×购买频率×生命周期长度）×（1-流失率）/（1+折现率）。客户获取成本（CAC）是计算ROI时的指标，不直接包含在CLV公式中。

二、多项选择题（共10题，每题2分，共20分）

以下属于数据质量关键维度的有？（至少2个正确选项）

A.准确性（Accuracy）

B.完整性（Completeness）

C.一致性（Consistency