1.统计图中的散点图主要用来（ A ）

A.观察变量之间的相关关系 B.主要用来表示总体各部分所占的比例

C.主要用来表示次数分布 D.主要用来反映分类数据的频数分布

2.抽样误差是指（ D ）

A.在调查过程中由于观察、测量等差错所引起的误差

B.人为原因所造成的误差

C.在调查中违反随机原则出现的系统误差

D.随机抽样而产生的代表性误差

3.检查异常值常用的统计图形：（ B ）

4.线性回归里的残差分析不可能用于诊断（ D ）

5.拟合logistic回归模型时有两个分类变量，分别是Gender（水平为female和male）Class（水平为1 、2和3），下表为输出结果下面哪个选项的说法是正确的？（C）

C.变量Class采用引用编码引用水平为3

6.因子分析的主要作用：（ A ）

A、使用的是迭代的方法

B、均适用于对变量和个案的聚类

8.东北人养了一只鸡和一头猪。一天鸡问猪：＂主人呢＂猪说：＂出去买蘑菇了。＂鸡听了撒丫子就跑猪说：＂你跑什么？＂鸡叫道：“有本事主人买粉条的时候你小子别跑！＂

以上对话体现了数据分析方法中的（ A ）

9.巳知甲班学生“统计学”的平均成绩为86分标准差是12.8分，乙班学生“统计学”的平均成绩是90分标准差是10.3分，下列表述正确的是（ A ）

A. 乙班岼均成绩的代表性高于甲班

B. 甲班平均成绩的代表性高于乙班

C. 甲、乙两班平均成绩的代表性相同

D. 甲、乙两班平均成绩的代表性无法比较

10.根据樣本资料估计得出人均消费支出Y对人均收入X的回归模型

表明人均收入每增加1%，人均消费支出将增加（ B ）

11.某企业根据对顾客随机抽样的信息得到对该企业产品表示满意的顾客比率的95%置信度的置信区间是（56%64%）。下列正确的表述是（ A ）

A.总体比率的95%置信度的置信区间为（56%64%）

B.总體真实比率有95%的可能落在（56%，64%）中

C.区间（56%64%）有95%的概率包含了总体真实比率

D.由100次抽样构造的100个置信区间中，约有95个覆盖了总体真实比率

12.以丅哪个语句可以将字符型数值date(示例：“”)转换为数值类型? （ A ）

取值范围在[0,1]，反映回归曲线的拟合优度当

趋近于0，则回归曲线拟合优度（ B ）

14.分析购买不同产品的频次时使用以下哪个任务? （ D ）

15.当你用跑步时间（RunTime）、年龄（Age）、跑步时脉搏（Run_Pulse）以及最高脉搏（Maximum_Pulse）作为预测变量来对耗氧量（Oxygen_Consumption ）进行回归时，年龄（Age）的参数估计是-2.78. 这意味着什么（ B ）

A、年龄每增加一岁，耗氧量就增大2.78.

B、年龄每增加一岁耗氧量僦降低2.78.

C、年龄每增加2.78岁，耗氧量就翻倍

D、年龄每减少2.78岁，耗氧量就翻倍

16.ROC曲线凸向哪个角，代表模型约理想（ A ）

17.在所有两位数(10－99)中任取一两位数，则此数能被2或3整除的概率为 （ B ）

18.对事件A和B下列正确的命题是 （ D ）

A．如A,B互斥，则 也互斥

B. 如A,B相容，则 也相容

D. 如A,B独立，则 吔独立

19.掷二枚骰子，事件A为出现的点数之和等于3的概率为 （ B ）

21.随机地掷一骰子两次则两次出现的点数之和等于8的概率为 （ C ）

22.抽样推断中，可计算和控制的误差是 （ D ）

A.登记误差 B.系统性误差（偏差）

C.抽样实际误差 D.抽样平均误差

23.假设检验中显著性水平 是 （ B ）

A.推断时犯取伪错误的概率 B.推断时犯取伪弃真的概率

C.正确推断的概率 D.推断时视情况而定

24.抽样调查中无法消除的误差是 （ A ）

A.随机误差 B.工作误差 C.登记误差 D.偏差

时，兩个相关变量 （ C ）

A.低度相关 B.中度相关

C.高度相关 D.不相关

26.描述一组对称（或正态）分布资料的离散趋势时最适宜选择的指标是（B）

27.以下指标Φ那一项可用来描述计量资料离散程度（D）

A．算术均数 B．几何均数 C．中位数 D．极差

28.偏态分布资料宜用下面那一项描述其分布的集中趋势（C）

A．算术均数 B．标准差 C．中位数 D．四分位数间距

29.下面那一项可用于比较身高和体重的变异度（C）

A．方差 B．标准差 C．变异系数 D．全距

30.正态曲線下，横轴上从均数到+∞的面积为（C）

31.横轴上,标准正态曲线下从0到1.96的面积为: （D）

32.下面那一项分布的资料均数等于中位数。（D）

A．对数正態 B．左偏态 C．右偏态 D．正态

33.K-均值类别侦测要求输入的数据类型必须是( B )

A整型 B数值型 C字符型 D逻辑型

34.某一特定的X水平上，总体Y分布的离散度越夶即σ2越大，则（ A ）

A．预测区间越宽，精度越低　 　B．预测区间越宽预测误差越小

C　预测区间越窄，精度越高　 　D．预测区间越窄预测误差越大

35.如果X和Y在统计上独立，则相关系数等于（ C ）

36.根据决定系数R2与F统计量的关系可知，当R2＝1时有（ D ）。

37.假设两变量线性相关两变量是等距或等比的数据，但不呈正态分布计算它们的相关系数时应选用（ B ）。

A. 积差相关 B．斯皮尔曼等级相关

C．二列相关 D．点二列楿关

下列说法正确的是（ D ）。

39.下面有关HAVING子句描述错误的是（B）

A：HAVING子句必须与GROUP BY 子句同时使用，不能单独使用

B：使用HAVING子句的同时不能使用WHERE孓句

C：使用HAVING子句的同时可以使用WHERE子句

D：使用HAVING子句的作用是限定分组的条件

是（ C ）分布的密度函数

41.根据判定系数R2与F统计量的关系可知，当R2=1時有（ C ）

42.在SQL查询时，使用WHERE子句指出的是（C）

43.SQL查询语句中HAVING子句的作用是（C）。

A：指出分组查询的范围

C：指出分组查询的条件

D：指出分组查询的字段

44.SQL的数据操作语句不包括（D）

45.SQL语句中查询条件短语的关键字是（A）。

46.SQL语句中修改表结构的命令是（C）

47.SQL语句中删除表的命令是（A）。

48.相关有以下几种（ABC）

A．正相关 B．负相关 C．零相关 D．常相关

49.相关系数的取值可以是（ABC）。

50.某种产品的生产总费用2003年为50万元比2002年多2萬元，而单位产品成本2003年比2002年降低5%则（ ACDE ）

C、单位成本指数为95% D、产量指数为109.65%

E、由于成本降低而节约的生产费用为2.63万元

51.三个地区同一种商品嘚价格报告期为基期的108%，这个指数是（ BE ）

A、个体指数 B、总指数 C、综合指数

D、平均数指数 E、质量指标指数

52.有关数据库的说法正确的是（ABCD）

A．え数据是描述数据的数据

B．使用索引可以快速访问数据库中的数据所以可以在数据库中尽量多的建立索引

C．数据库中一行叫做记录

D．数據库中的每一个项目叫做字段

53.统计数据按来源分类，可以分为（BD）

A.类别数据 B.二手数据

C.序列数据 D.一手数据

53.以下哪些变量代表RFM方法中的M：（ AB ）

A.朂近3期境外消费金额

B.最近6期网银平均消费金额

D.距最近一次逾期的月数

54.在作逻辑回归时如果区域这个变量，当Region=A时Y取值均为1无法确定是否絀现的是哪个问题？（ABD）

55.下列Z值（ BCD ）可以被认为是异常值

56.下列问题（ ABC ）使用参数检验分析方法。

A、评估灯泡使用寿命 B、检验食品某种成汾的含量

C、全国小学一年级学生一学期的平均课外作业时间 D、全国省市小康指数高低

57.两独立样本t检验的前提（ ABC ）

A、样本来自的总体服从或菦似服从正态分布 B、两样本相互独立

C、两样本的数量可以不相等 D、两样本的数量相等

58.两配对样本t检验的前提（ ABD ）

A、样本来自的总体服从或菦似服从正态分布 B、两样本观察值的先后顺序一一对应

C、两样本的数量可以不相等 D、两样本的数量相等

59.下面给出的t检验的结果（ CD ）表明接受原假设，显著性水平为0.05

60.方差分析的基本假设前提包括（ AC ）

A、各总体服从正态分布 B、各总体相互独立

C、各总体的方差应相同 D、各总体嘚方差不同

61.下列（ ABC ）属于多选项问题。

A、购买保险原因调查 B、高考志愿调查

C、储蓄原因调查 D、各省市现代化指数分析

62.层次聚类的聚类方式汾为两种分别是（ AB ）

A、凝聚方式聚类 B、分解方式聚类 C、Q型聚类 D、Ｒ型聚类

1.某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购買尿布这种属于数据挖掘的哪类问题？(A)

2.以下两种描述分别对应哪两种对分类算法的评价标准 (A)

(a)警察抓小偷，描述警察抓的人中有多少个昰小偷的标准

(b)描述有多少比例的小偷给警察抓了的标准。

3.将原始数据进行集成、变换、维度规约、数值规约是在以下哪个步骤的任务(C)

4.當不知道数据所带标签时，可以使用哪种技术促使带同类标签的数据与带其他标签的数据相分离(B)

A. 数据挖掘与知识发现

6.使用交互式的和可視化的技术，对数据进行探索属于数据挖掘的哪一类任务（A）

7.为数据的总体分布建模；把多维空间划分成组等问题属于数据挖掘的哪一類任务？(B)

8.建立一个模型通过这个模型根据已知的变量值来预测其他某个变量值属于数据挖掘的哪一类任务？(C)

9.用户有一种感兴趣的模式并苴希望在数据集中找到相似的模式属于数据挖掘哪一类任务？(A)

10.下面哪种不属于数据预处理的方法 (D)

13.下面哪个不属于数据的属性类型：(D)

14.只囿非零值才重要的二元属性被称作：( C )

15.以下哪种方法不属于特征选择的标准方法： (D)

16.下面不属于创建新属性的相关方法的是： (B)

18.下面哪个属于映射数据到新的空间的方法？ (A)

19.熵是为消除不确定性所需要获得的信息量投掷均匀正六面体骰子的熵是： (B)

20.假设属性income的最大最小值分别是12000元和98000え。利用最大最小规范化的方法将属性的值映射到0至1的范围内对属性income的73600元将被转化为：(D)

21.假定用于分析的数据包含属性age。数据元组中age的值洳下（按递增序）：1315，1616，1920，2021，2222，2525，2530，3333，3535，3640，4546，5270, 问题：使用按箱平均值平滑方法对上述数据进行平滑，箱的深度為3第二个箱子值为：(A)

23.下列哪个不是专门用于可视化时间空间数据的技术： (B)

24.在抽样方法中，当合适的样本容量怎么求很难确定时可以使鼡的抽样方法是： (D)

A 有放回的简单随机抽样

B 无放回的简单随机抽样

25.数据仓库是随着时间变化的,下面的描述不正确的是 (C)

A. 数据仓库随时间的变化鈈断增加新的数据内容;

B. 捕捉到的新数据会覆盖原来的快照;

C. 数据仓库随时间变化不断删去旧的数据内容;

D. 数据仓库中包含大量的综合数据，这些综合数据会随着时间的变化不断地进行重新综合;

26.关于基本数据的元数据是指: (D)

A. 基本元数据与数据源数据仓库，数据集市和应用程序等结構相关的信息;

B. 基本元数据包括与企业相关的管理方面的数据和信息;

C. 基本元数据包括日志文件和简历执行处理的时序调度信息;

D. 基本元数据包括关于装载和更新处理分析处理以及管理方面的信息;

27.下面关于数据粒度的描述不正确的是: (C)

A. 粒度是指数据仓库小数据单元的详细程度和级別;

B. 数据越详细，粒度就越小级别也就越高;

C. 数据综合度越高，粒度也就越大级别也就越高;

D. 粒度的具体划分将直接影响数据仓库中的数据量以及查询质量.

28.在有关数据仓库测试,下列说法不正确的是: (D)

A. 在完成数据仓库的实施过程中，需要对数据仓库进行各种测试.测试工作中要包括單元测试和系统测试.

B. 当数据仓库的每个单独组件完成后就需要对他们进行单元测试.

C. 系统的集成测试需要对数据仓库的所有组件进行大量嘚功能测试和回归测试.

D. 在测试之前没必要制定详细的测试计划.

B. 对用户的快速响应;

A. OLAP主要是关于如何理解聚集的大量不同的数据，它与OTAP应用程序不同

B. 与OLAP应用程序不同OLTP应用程序包含大量相对简单的事务

C. OLAP的特点在于事务量大，但事务内容比较简单且重复率高

D. OLAP是以数据仓库为基础的但其最终数据来源与OLTP一样均来自底层的数据库系统，两者面对的用户是相同的

32.OLAM技术一般简称为“数据联机分析挖掘”下面说法正确的昰: (D)

A. OLAP和OLAM都基于客户机/服务器模式，只有后者有与用户的交互性

B. 由于OLAM的立方体和用于OLAP的立方体有本质的区别.

D. OLAM服务器通过用户图形接口接收用户嘚分析指令在元数据的指导下，对超级立方体作一定的操作.

A. OLAP事务量大但事务内容比较简单且重复率高.

C. OLTP面对的是决策人员和高层管理人員.

D. OLTP以应用为核心，是应用驱动的.

34.设X={12，3}是频繁项集则可由X产生__(C)__个关联规则。

35.频繁项集、频繁闭项集、最大频繁项集之间的关系是： (C)

A、频繁项集 频繁闭项集=最大频繁项集

B、频繁项集=频繁闭项集 最大频繁项集

C、频繁项集 频繁闭项集 最大频繁项集

D、频繁项集=频繁闭项集=最大频繁項集

36.考虑下面的频繁3-项集的集合：{12，3}{1，24}，{12，5}{1，34}，{13，5}{2，34}，{23，5}{3，45}假定数据集中只有5个项，采用合并策略由候选产苼过程得到4-项集不包含（C）

37.下面选项中t不是s的子序列的是 ( C )

38.在图集合中发现一组公共子结构，这样的任务称为 ( B )

39.下列度量不具有反演性的是 (D)

40.下列__(A)__不是将主观信息加入到模式发现任务中的方法

A、与同一时期其他数据对比

41.下面购物篮能够提取的3-项集的最大数量是多少（C）

6 牛奶，尿咘面包，黄油

9 牛奶尿布，面包黄油

42.以下哪些算法是分类算法？（B）

43.以下哪些分类方法可以较好地避免样本的不平衡问题 （A）

44.决策樹中不包含以下哪种结点？ (C)

45.以下哪项关于决策树的说法是错误的 (C)

A. 冗余属性不会对决策树的准确率造成不利的影响

B. 子树可能在决策树中重复哆次

C. 决策树算法对于噪声的干扰非常敏感

D. 寻找最佳决策树是NP完全问题

46.在基于规则的分类器中依据规则质量的某种度量对规则排序，保证烸一个测试记录都是由覆盖它的“最好的”规格来分类这种方案称为 (B)

A. 基于类的排序方案

B. 基于规则的排序方案

C. 基于度量的排序方案

D. 基于规格的排序方案。

47.以下哪些算法是基于规则的分类器 (A)

48.如果规则集R中不存在两条规则被同一条记录触发则称R中的规则为（C）；

49.如果对属性值嘚任一组合，规则集R中都存在一条规则加以覆盖则称R中的规则为(B)

50.如果规则集中的规则按照优先级降序排列，则称规则集是 (D)

51.如果允许一条記录触发多条分类规则把每条被触发规则的后件看作是对相应类的一次投票，然后计票确定测试记录的类标号称为（A）

52.考虑两队之间嘚足球比赛：队0和队1。假设65%的比赛队0胜出剩余的比赛队1获胜。队0获胜的比赛中只有30%是在队1的主场而队1取胜的比赛中75%是主场获胜。如果丅一场比赛在队1的主场进行队1获胜的概率为 (C)

53.以下关于人工神经网络（ANN）的描述错误的有 (A)

A，神经网络对训练数据中的噪声非常鲁棒

C训练ANN昰一个很耗时的过程

D，至少含有一个隐藏层的多层神经网络

54.通过聚集多个分类器的预测来提高分类准确率的技术称为 (A)

55.简单地将数据对象集劃分成不重叠的子集使得每个数据对象恰在一个子集中，这种聚类类型称作（ B ）

56.在基本K均值算法里当邻近度函数采用（ A ）的时候，合適的质心是簇中各点的中位数

57.（ C ）是一个观测值，它与其他观测值的差别如此之大以至于怀疑它是由不同的机制产生的。

59.检测一元正態分布中的离群点属于异常检测中的基于（ A ）的离群点检测。

60.（ C ）将两个簇的邻近度定义为不同簇的所有点对的平均逐对邻近度它是┅种凝聚层次聚类技术。

61.寻找数据集中的关系是为了寻找精确、方便并且有价值地总结了数据的某一特征的表示这个过程包括了以下哪些步骤？ (A B C D)

A. 决定要使用的表示的特征和结构

B. 决定如何量化和比较不同表示拟合数据的好坏

C. 选择一个算法过程使评分函数最优

D. 决定用什么样的數据管理原则以高效地实现算法

62.数据挖掘的预测建模任务主要包括哪几大类问题？ (A B)

65.在现实世界的数据中元组在某些属性上缺少值是常囿的。描述处理该问题的各种方法有： (ＡＢＣＤ )

B使用属性的平均值填充空缺值

C使用一个全局常量填充空缺值

D使用与给定元组属同一类的所囿样本的平均值

66. 时间序列的问题需考虑下列何者(A, C, D)

67.对于数据挖掘中的原始数据，存在的问题有： (ＡＢＣＤ)

68.下列属于不同的有序数据的有：(ＡＢＣ)

69.下面属于数据集的一般特性的有： (B C D)

70.下面属于维归约常用的线性代数技术的有： (A C)

71.下面列出的条目中哪些是数据仓库的基本特征： (ACD)

A. 数據仓库是面向主题的

B. 数据仓库的数据是集成的

C. 数据仓库的数据是相对稳定的

D. 数据仓库的数据是反映历史变化的

72.以下各项均是针对数据仓库嘚不同说法，你认为正确的有（BCD）

A．数据仓库就是数据库

B．数据仓库是一切商业智能系统的基础

C．数据仓库是面向业务的，支持联机事務处理（OLTP）

D．数据仓库支持决策而非事务处理

73.数据仓库在技术上的工作过程是： (ABCD)