数据分析与应用模拟试卷期末考试卷带答案测试卷.docx

模拟试卷

一、 单项选择题（本大题共15小题，每小题2分，共30分）
1、下列用来描述一组数据的平均水平的是 [ ]
A．均值 B.标准差 C.偏度 D.峰度
2、下列用来描述数据的波动程度的是 [ ]
A．中位数 B.均值 C. 方差 D.偏度
3、在SPSS中双定性变量适合绘制下面那种图形 [ ]
A．堆积百分比图 B.箱线图 C. 直方图 D.散点图
4、在SPSS中双定量变量适合绘制下面那种图形 [ ]
A．堆积百分比图 B.箱线图 C. 直方图 D.散点图
5、在SPSS中一个定性变量、一个定量变量适合绘制下面那种图形
[ ]
A．堆积百分比图 B.箱线图 C. 直方图 D.散点图
6、下列属于定性变量的是 [ ]
A.年龄 B.驾龄 C.性别 D.销量
7、以下不属于定量变量的是 [ ]
A.婚姻 B.收入 C.工龄 D.体重
8、以下哪个变量适合做线性回归的因变量 [ ]
A．是否购买 B.是否出险 C.是否恋爱 D.房价
9、以下哪个变量适合做逻辑回归的因变量 [ ]
A．客户是否流失 B.酒店价格 C.二手房价 D.以上都不正确
10、因子分析的作用是 [ ]
A．分类 B.降维 C.回归 D.以上都不正确
11、关于聚类分析，下列说法错误的是 [ ]
A.聚类就是把“类似”的对象聚到一起
B.聚类分析首先要确定特征指标
C.聚类分析中刻画相似度方法只有欧式距离
D.层次聚类法是聚类分析的一种
12“物以类聚，人以群分”与下列哪个模型特征相似 [ ]
A.线性回归 B.逻辑回归
C.聚类分析 D.因子分析
13、以下哪个因变量可以用线性回归模型进行分析 [ ]
A.大学生薪资影响因素分析 B.信用卡是否逾期
C.某用户是否患胃病的预测 D.明天是否降雨的预测
14、线性回归模型的整体评价，不包括以下哪一项 [ ]
A.F检验的结果 B.调整的R方
C.AUC值 D.R方的大小
15、关于聚类分析的要点，错误的是 [ ]
A.根据不同的特征指标聚出的类是不同的
B.定义什么是“相似的研究对象”
C.层次聚类就是k均值聚类
D.如何归类
二、多项选择题（本大题共5小题，每小题4分，共20分）在每小题列出的五个备用选项中至少有两个是符合题目要求的，请将其代码填写在题后的括号内。错选、多选、少选或未选均无分。
16、SPSS可以实现以下哪些分析？ [ ]
A.频率分析
B. 线性回归分析
C.因子分析
D.聚类分析
E.逻辑回归分析
17、关于线性回归模型，描述正确的是 [ ]
A.模型简单
B.可解读性较高
C.在实际数据分析中很常用
D.因变量是定性数据
E.解决的是分类问题
18、以下关于直方图，描述正确的是 [ ]
A.一般用于定性数据
B.反映数据的分布情况
C.显示数据的对称性
D.纵轴可表示频数
E.一般用于定量数据
E.明确要研究的问题，指出可能的商业价值
19、以下属于线性回归基本假设的有 [ ]
A. 误差项ε的期望为0
B. 误差项ε的方差相等
C. 误差项ε相互独立
D. 误差项ε服从正态分布
E．以上都不对
20、以下场景可以利用逻辑回归的有 [ ]
A.NBA球员薪资影响因素
B.顾客是否购买某产品
C.火锅团购订单数分析
D.学生对本课程是否满意
E.判断信用卡用户是否逾期
三、判断题（本大题共5小题，每小题2分，共10分）请在每小题的对应的括号内填写，正确的涂写T，错误的涂写F。
21、当变量较多，且相关性较强时比较适合使用因子分析。 [ ]
22、中位数是排序后位于中间的一位数或两位数的平均值。 [ ]
23、K均值聚类法就是一层一层地聚。 [ ]
24、二分类问题一般可以使用逻辑回归分析。 [ ]
25、逻辑回归预测出来的是Y=0的概率。 [ ]
四、简答题（本大题共2小题，每小题5分，共10分）
26、茶及茶文化是大众生活中不可缺少的重要内容，但在电商平台上不同的茶叶销量差异很大，现想对影响茶叶销量的影响因素进行分析。以某电商在售茶叶数据为例（见表1），请根据茶叶数据回答以下问题。
表1：茶叶数据样例
标题
价格
销售量
好评率
品牌
产品毛重
商品产地
2017新茶云雾绿茶4盒共500克一杯香茶叶明前春茶毛尖
86
96000
100%
一杯香
125
云南省
乐品乐茶 2017新茶 茶叶 绿茶 雀舌茶
59
32000
97%
乐品乐茶
210
安徽省
买2件送精美西施砂壶 印象堂茶叶
39.8
40000
97%
印象堂
100
云南省
立顿（Lipton） 茶叶 红茶 黄牌精选红茶100包 200g （新老包装随机发货）
39.9
82000
97%
立顿
280
安徽省
乐品乐茶 2017新茶 茶叶 绿茶
99
26000
97%
乐品乐茶
450
安徽省
【首件26元买2送1再送杯】安溪铁观音茶叶散装
40
20000
95%
蓝翼
250
福建省
……
……
……
……
……
……
……
（1） 请围绕问题说明数据中的因变量和自变量。
（2） 请说明数据中的定量变量和定性变量。
27、收集了北京二手房数据，并对影响房价的影响因素进行分析，请根据北京二手房房价的描述分析图回答以下问题：
（1）对北京二手房价的直方图进行解读，房价单位：元/平米。
频率
房价

图1：二手房价直方图
（2）对箱线图进行解读。
房价
城区

图2：城区与单位房价的箱线图
五、案例分析（本大题共3小题，每小题10分，共30分）
28、北京市房地产市场是我国最为发达、最具代表性的房地产市场之一。因此以北京二手房为研究对象，通过线性回归分析探究了学区、地铁、房屋面积等相关因素对二手房价（单位：万元/平米）的影响作用，建立了线性回归模型，得到模型结果见表2。
表2：线性回归模型结果
变量
回归系数
p值
备注
截距项
3.315
<0.001

城区-丰台
0.131
0.002
基准组：石景山区
城区-朝阳
0.875
<.001
城区-东城
2.443
<.001
城区-海淀
2.191
<.001
城区-西城
3.705
<.001
学区房
1.183
<.001
基准组：无学区
地铁房
0.672
0.003
基准组：不邻近地铁
楼层-中层
0.152
<.001
基准组：高层
楼层-低层
0.198
<.001
客厅-有
0.163
<.001
基准组：无客厅
卧室数
0.111
0.611

房间面积
-0.002
<.001

F检验
p值<0.0001
调整的R2
0.7901
请根据以上建模结果回答如下问题。
（1） 在5%的显著性水平下，对模型整体显著性和模型拟合效果进行解读。
（2） 在5%的显著性水平下，哪些自变量对因变量是有显著影响的，并说明原因。
（3） 在5%的显著性水平下，分别对学区房、楼层、房间面积这3个变量的回归系数进行解读。
29、伴随着信用卡的普及,持卡人的消费、还款等信用卡使用行为已经成为个人征信的重要依据。本案例以是否逾期为因变量建立了逻辑回归模型，模型结果见表3。
表3：逻辑回归模型结果
变量
回归系数
P值
备注
截距项
-0.137
<0.001

性别-女性
-0.268
<0.001
基准组：男性
信用卡使用率
0.544
<0.001

信用卡额度
-0.477
<0.001

房贷-有贷款
-0.430
<0.001
基准组：无房贷
历史逾期行为-有逾期
1.624
<0.001
基准组：无历史逾期
开户行为-有开户
0.015
0.058
基准组：无开户行为
全模型似然比检验
p值<0.001
同时，绘制了模型的ROC曲线，并计算AUC值为：0.755。基于逻辑回归模型的结果，得到如下混淆矩阵，见表4。
表4：混淆矩阵

预测值
真实值

未逾期
逾期
总计
未逾期
2491
727
3218
逾期
1845
3308
5153
总计
4336
4035
8371
请根据上面案例分析结果回答如下问题。
（1） 在5%的显著性水平下，模型整体是否显著，说明原因。
（2） 在5%的显著性水平下，哪些变量对逾期有显著影响。
（3） 在5%的显著性水平下，对有显著影响的变量系数进行解读。
（4） 根据混淆矩阵的结果，计算整体错判率、TPR、FPR。
30、当前有8个裁判对300名选手打分，最低分为1分，最高分为10分；希望对8个裁判进行聚类，以识别出裁判的风格类型。得到聚类树状图见图3。

图3：聚类树状图
根据图中数据回答以下问题：
（1） 请写出如何将图1的裁判聚类树状图按照编号划分为3类；
（2） 请根据（1）中的类别，分别写出这三类裁判的编号。

模拟试卷答案

二、 单项选择题（本大题共15小题，每小题2分，共30分）
1-5 ACADB
6-10 CADAB
11-15 CCACC
二、多项选择题（本大题共5小题，每小题4分，共20分）
16 ABCDE
17 ABC
18 BCDE
19 ABCD
20 BDE
三、判断题（本大题共5小题，每小题2分，共10分）请在每小题的对应的括号内填写，正确的涂写T，错误的涂写F。
21-25 TTTTF
四、简答题（本大题共2小题，每小题5分，共10分）
26（1）因变量：销售量；自变量：价格、好评率、品牌、产品毛重、商品产地。
（2）定量变量：销售量、价格、好评率、产品毛重。
定性变量。品牌、商品产地。
27（1）图中横坐标表示房价分布，纵左边表示频数。北京二手房价主要集中在40000-50000元/平米之间，平均房价为61151元/平米，分布呈现右偏分布，即存在少量的高价房。
（2）图中横坐标表示城区，纵左边表示了房价。从箱线图可以看出不同城区的平均房价有明显差异，西城区的平均房价最高、丰台区的平均房价最低。
五、案例分析（本大题共3小题，每小题10分，共30分）
28（1） 整体检验：F检验p<0.05 模型整体显著
拟合效果：调整后的R2为0.7901，拟合效果较好，表示解释变量能解释因变量变异程度的79.01%。
（2）显著的变量：城区、学区房、地铁房、楼层、客厅、房间面积。或者写：除去卧室数其他变量都显著。
因为这些自变量所对应的P值小于0.05 。
（3）在控制其他因素不变的情况下，
学区房：学区房比无学区的房价贵，平均每平米贵1.183万元。
楼层：高层的房价最低，底层的房价贵高。中层的房子平均每平米比高层贵0.152万元，低层的房子平均每平米比高层贵0.198万元。
房间面积：房屋面积越大，房价越低。房屋面积每增加1平米，房价平均降0.002万元。
29、（1）整体检验：似然比检验p<0.05 模型整体显著。
（2）有显著影响的变量：性别、信用卡使用率、信用卡额度、房贷、历史逾期行为。
（3）在5%的显著性水平下，控制其他因素不变：
性别：女性逾期可能性比男性低。
信用卡使用率：信用卡使用率越高逾期可能性越大。
信用卡额度：信用卡额度越大，逾期可能性越小。
房贷：有贷款的比没有贷款的逾期可能性小。
历史逾期行为：有逾期行为的比没有历史逾期行为的逾期可能性大。
（4）错分率:（727+1847）/8371=30.72%
TPR:3308/5153=64.19%;
FPR:727/3218=22.59%。
30、（1）在横坐标等于0.2处用垂直的一条线与谱系聚类图相交，总共有3个交点，可将数据分为3类；
（2）第一类：8
第二类：5、3、7
第三类：1、6、2、4