
《数据分析专项练习题库》
《CDA数据分析认证考试模拟题库》
《企业数据分析面试题库》
《SAS EG数据统计分析题库》
单选题
1、分析教师和会计师之间收入的差异,选择什么分析方法最合适?
A、卡方分析
B、方差分析
C、两样本T检验
D、相关系数
答案C
2、分析购买不同产品的频次时,使用以下哪个任务?
A、列表数据
B、汇总表
C、汇总统计量
D、单因子频数
答案D
2、分析购买不同产品的频次时,使用以下哪个任务?
A、列表数据
B、列表报表
C、汇总统计量
D、单因子频数
答案D
3、以下哪个语句可以将字符型数值date(示例:“2001-02-19”)转换为数值类型?
A、INPUT(date,YYMMDD10.)
B、PUT(date,YYMMDD10)
C、INPUT(date,YYMMDD10.)
D、PUT(date,YYMMDD10)
答案A
4、来自于总体的样本最主要的属性是什么?
A、随机
B、有代表性
C、正态分布
D、连续分布
答案B
5、D—W统计量用于检验?
A、异方差
B、自相关
C、解释变量线性相关
D、扰动项不服从正态分布
答案B
6、什么统计量用于检验解释变量之间线性相关
A、标准化的残差
B、D—W统计量
C、Cook's D
D、膨胀系数
答案D
7、连续变量右偏的情况下,中位数在均值的?
A、左边
B、右边
C、相等
D、无法判断
答案A
8、代表变量离散程度的指标是?
A、均值
B、标准差
C、最大值
D、中位数
答案B
9、解释变量是多分类变量,被解释变量是连续变量,使用什么分析方法?
A、卡方分析
B、方差分析
C、两样本T检验
D、相关系数
答案B
10、如果在方差分析中有20个观察值,你要计算残差。那么以下哪个值会是残差和?
A、-20
B、0
C、400
D、从已知信息中无法推断
答案B
11、要进行一项研究,比较男女月均信用卡支出。可能使用哪一种统计方法?
A、单样本T检验
B、双样本T检验
C、单因素方差分析
D、双因素方差分析
答案B、C
12、你运用线性回归任务进行回归,Y是因变量,X1是唯一解释变量。如果X1的参数估计(斜率)是0,那么当X1=13时,Y的最佳预测值是?
A、13
B、Y的均值
C、0
D、X1的均值
答案B
13、方差分析表中哪个统计量是用于检验总体模型假设的?
A、F
B、t
C、R2
D、Adjusted R2
答案A
14、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?
A、年龄每增加一岁,耗氧量就增大2.78.
B、年龄每增加一岁,耗氧量就降低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。
答案B
15、在不同解释变量数量不同的模型中,以下哪个指标对选择模型没有作用?
A、R2
B、Adjusted R2
C、Mallows’Cp
D、AIC
答案A
16、在线性回归模型中,假设预测变量是正态分布的。
A、对
B、错
C、不知道
答案B
17、在标准正态分布的属性下,预期95%的学生化残差处于哪两个值之间?
A、-3 和 3
B、-2 和 2
C、-1 和 1
D、0 和 1
答案B
18、共线性违反了以下哪一假设?
A、误差独立
B、方差不变
C、误差正态分布
D、以上均不是
答案D
19、当样本量减小时,以下哪个情况会发生?
A、卡方值增大。
B、P值增大。
C、Cramer’s V 增大。
D、Odds Ratio增大。
答案B
20、研究者想测量两个二元变量间的相关性强度。他该使用以下哪个统计量?
A、Hansel 和 Gretel 相关系数
B、Mantel-Haenszel 卡方检验
C、Pearson卡方检验
D、Spearman 相关系数
答案D
21、ROC曲线凸向哪个角,代表模型约理想?
A、左上角
B、左下角
C、右上角
D、右下角
答案A
22、添加”分配项目逻辑库“在哪个菜单下?
A、文件
B、编辑
C、任务
D、工具
答案D
23、根据字符串的位置和长度取子字符串的函数是?
A、SCAN
B、SUBSTR
C、CATX
D、FIND
答案D
24、下面哪个符合日期常数的格式?
A、"2014-01-01"D
B、"01Jan2014"d
C、"2014-01-01"
D、"01Jan2014"
答案B
填空题(每空1分,共25):
1、追加表时,必须保障两个表中各个变量的名称和(变量类型)必须一致,否则会报错。
2、SAS EG中变量按测量类型,分为(名义)、(等级)和(连续)
3、SAS EG中变量按存储类型分为(字符型)和(数值型),其中日期类型属于(数值型)
4、展现连续变量的分布常用的两个图是(直方图)和(盒须图),检验连续变量是否服从正态分布,使用的图是(Q—Q图)或(P-P图)
5、大数定理使用的前提条件是随机变量必须(独立)且(同分布)。(注:写均值和标准差相等也可以)
6、多变量线形回归的前提假设是(线形模型)、(解释变量和扰动项不相关)、(扰动项独立同分布)、(解释变量不线形相关)、(扰动项独立同分布)、(扰动项正态分布)
7、可以完成排序任务的菜单有(过滤和排序)、(查询生成器)、(对数据排序)
8、流程图改名为(AUTOEXEC)可以每次打开项目时自动运行该流程图。
9、(Work)逻辑库被称为临时逻辑库,里面存放的对象每次关闭SAS时被清空。
10、在(提示管理器)和查询生成器里面可以定义新的提示。
简答题(每题3分,共9分)
1、双样本T检验和单变量方差分析的异同点,为什么说方差分析是比较均值?
2、作列联表时,解释变量和被解释变量分别放在什么位置,单元格内放置行百分比还是列百分比?什么情况下不能使用渐进卡方统计量?
3、作样本T检验时,为什么要做方差齐性检验?
问答题(每题7分,共14分)
1、列出多变量线形回归的前提假设,并指出在作回归诊断时用什么方法进行检验?
2、假设在大数据量下(多变量、多观测)作逻辑回归的流程、每步完成的任务和用到的统计方法?
立刻扫码
看更多数据分析师认证试题
——学数据分析技能一定要了解的大厂入门券,CDA数据分析师认证证书!
CDA(数据分析师认证),与CFA相似,由国际范围内数据科学领域行业专家、学者及知名企业共同制定并修订更新,迅速发展成行业内长期而稳定的全球大数据及数据分析人才标准,具有专业化、科学化、国际化、系统化等特性。
同时,CDA全栈考试布局和认证体系已得到教育部直属中国成人教育协会及大数据专业委员会认可,并由为IBM、华为等提供全球认证服务的Pearson VUE面向全球提供灵活的考试服务。
报名方式
登录CDA认证考试官网注册报名>>点击报名
报名费用
Level Ⅰ:1200 RMB
Level Ⅱ:1700 RMB
Level Ⅲ:2000 RMB
考试地点
Level Ⅰ:中国区30+省市,70+城市,250+考场,考生可就近考场预约考试 >看看我所在的地哪里报名<
Level Ⅱ+Ⅲ:中国区30所城市,北京/上海/天津/重庆/成都/深圳/广州/济南/南京/杭州/苏州/福州/太原/武汉/长沙/西安/贵阳/郑州/南宁/昆明/乌鲁木齐/沈阳/哈尔滨/合肥/石家庄/呼和浩特/南昌/长春/大连/兰州>看看我所在的地哪里报名<
报考条件
业务数据分析师 CDA Level I >了解更多<
▷ 报考条件:无要求。
▷ 考试时间:随报随考。
建模分析师 CDA Level II >了解更多<
▷ 报考条件(满足任一即可):
1、获得CDA Level Ⅰ认证证书;
2、本科及以上学历,需从事数据分析相关工作1年以上;
3、本科以下学历,需从事数据分析相关工作2年以上。
▷ 考试时间:
一年四届 3月、6月、9月、12月的最后一个周六。
大数据分析师 CDA Level II >了解更多<
▷ 报考条件(满足任一即可):
1、获得CDA Level Ⅰ认证证书;
2、本科及以上学历,需从事数据分析相关工作1年以上;
3、本科以下学历,需从事数据分析相关工作2年以上。
▷ 考试时间:
一年四届 3月、6月、9月、12月的最后一个周六。
数据科学家 CDA Level III >了解更多<
▷ 报考条件(满足任一即可):
1、获得CDA Level Ⅱ认证证书;
2、本科及以上学历,需从事数据分析相关工作3年以上;
3、本科以下学历,需从事数据分析相关工作4年以上。
▷ 考试时间:
一年四届 3月、6月、9月、12月的最后一个周六。
(备注:数据分析相关工作不限行业,可涉及统计,数据分析,数据挖掘,数据库,数据管理,大数据架构等内容。)
——热门课程推荐:
想学习PYTHON数据分析与金融数字化转型精英训练营,您可以点击>>>“人才转型”了解课程详情;
想从事业务型数据分析师,您可以点击>>>“数据分析师”了解课程详情;
想从事大数据分析师,您可以点击>>>“大数据就业”了解课程详情;
想成为人工智能工程师,您可以点击>>>“人工智能就业”了解课程详情;
想了解Python数据分析,您可以点击>>>“Python数据分析师”了解课程详情;
想咨询互联网运营,你可以点击>>>“互联网运营就业班”了解课程详情;
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11数据时代的黄金入场券:CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中,数据已成为企业核 ...
2025-08-11DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08