
《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
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15