2026年高级数据分析师考试题库（附答案和详细解析）（0103）.docxVIP

高级数据分析师考试试卷

一、单项选择题（共10题，每题1分，共10分）

在假设检验中，若研究目的是“验证某新药疗效是否与原药有差异”，应选择的检验类型是（）

A.单侧检验（左侧）

B.单侧检验（右侧）

C.双侧检验

D.卡方检验

答案：C

解析：双侧检验用于验证两个总体是否存在差异（无论方向），而单侧检验用于验证是否存在特定方向的差异（如“更大”或“更小”）。题目中研究目的是“是否有差异”，不指定方向，因此选双侧检验。卡方检验适用于分类变量的独立性检验，与本题场景不符。

以下哪项是数据清洗中处理缺失值的合理方法？（）

A.直接删除所有含缺失值的记录

B.用变量均值填充所有缺失值

C.根据业务逻辑选择填充方法（如时间序列用前向填充）

D.将缺失值标记为“未知”后直接建模

答案：C

解析：直接删除记录（A）可能导致数据丢失严重；用均值填充（B）忽略了变量的分布特征（如偏态分布）；将缺失值标记为“未知”（D）可能引入噪声。合理方法是根据业务场景选择填充方式（如时间序列用前向填充保留趋势），因此选C。

在机器学习中，以下哪项指标最适合评估分类模型的“整体正确性”？（）

A.准确率（Accuracy）

B.精确率（Precision）

C.召回率（Recall）

D.F1分数

答案：A

解析：准确率是正确分类样本占总样本的比例，反映整体正确性；精确率关注“预测为正”中的真实正例比例，召回率关注“真实正例”中被正确预测的比例，F1是二者的调和平均。题目要求“整体正确性”，故选A。

AB测试中，若对照组与实验组的样本量差异超过30%，最可能导致的问题是（）

A.统计功效不足

B.选择偏差

C.多重比较错误

D.辛普森悖论

答案：A

解析：样本量差异过大可能导致统计功效（检测真实差异的能力）下降，无法有效验证假设。选择偏差（B）源于样本分配不均；多重比较错误（C）与多次检验有关；辛普森悖论（D）是分组与整体趋势矛盾的现象，均不符合题意。

以下哪项属于时间序列的“周期性”特征？（）

A.某电商平台销售额逐年增长

B.某城市用电量夏季高于冬季

C.某股票价格日波动无明显规律

D.某APP日活用户数受突发事件影响骤降

答案：B

解析：周期性指固定时间间隔（如年、季、月）重复出现的模式，夏季用电量高于冬季符合“年度周期”。A是趋势（长期变化），C是随机波动，D是异常值，均不属于周期性。

在特征工程中，“将用户年龄从连续变量转换为‘0-18’‘19-30’等区间”属于（）

A.特征分箱

B.特征缩放

C.特征交叉

D.特征选择

答案：A

解析：特征分箱是将连续变量离散化为区间；特征缩放（B）是标准化或归一化；特征交叉（C）是组合多个特征；特征选择（D）是筛选重要特征。故选A。

以下哪项最能反映数据仓库（DataWarehouse）的核心特点？（）

A.支持实时写入与高并发查询

B.存储原始、未加工的多类型数据

C.面向主题、集成、非易失、时变

D.适用于实时数据分析场景

答案：C

解析：数据仓库的四大特性是面向主题（按业务主题组织）、集成（多源数据整合）、非易失（历史数据只读）、时变（包含时间维度）。A和D是数据库或数据湖的特点，B是数据湖的特点。

在混淆矩阵中，若某模型的“真阳性率（TPR）”很高但“假阳性率（FPR）”也很高，说明模型（）

A.对正类的区分能力弱

B.更倾向于预测为正类

C.对负类的区分能力强

D.整体准确率很高

答案：B

解析：TPR=TP/(TP+FN)（正类正确识别率），FPR=FP/(FP+TN)（负类错误识别为正的比例）。两者均高，说明模型倾向于将多数样本预测为正类（无论真实类别），因此选B。

以下哪项不属于商业分析中的“北极星指标”（NorthStarMetric）？（）

A.电商平台的“月活跃用户数（MAU）”

B.视频APP的“用户日均使用时长”

C.教育类产品的“付费转化率”

D.社交平台的“用户发布内容数”

答案：A

解析：北极星指标需直接反映产品核心价值，与用户增长或收入强相关。MAU（A）是用户规模指标，但未直接体现用户价值（如是否活跃或付费）；B（使用时长）、C（付费转化）、D（内容生产）均与核心价值更相关。

在贝叶斯分类中，“先验概率”指的是（）

A.给定类别下特征的概率P(X|Y)

B.特征出现的概率P(X)

C.类别出现的概率P(Y)

D.后验概率P(Y|X)

答案：C

解析：贝叶斯公式为P(Y|X)=P(X|Y)P(Y)/P(X)，其中P(Y)是先验概率（类别在无特征时的概率），P(X|Y)是似然概率，P(Y|X)是后验概率。故选C。

二、多项选择题（共10题，每题2分，共20分）

数据质量的核