数据仓库(简答题复习资料整理)

数据仓库（简答题复习资料）

（1）数据仓库概念和特点 P12-14

数据仓库是一个面向主题的（Subject Oriented）、集成的（Integrate）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，它用于支持企业或组织的决策分析处理。

数据仓库是为了便于多维分析和多角度展现而将数据按特定的模式进行存储所建立起来的关系型数据库，它的数据基于OLTP源系统。

首先，用于支持决策，面向分析型数据处理，它不同于企业现有的操作型数据库；

其次，对多个异构的数据源有效集成，集成后按照主题进行了重组，并包含历史数据，而且存放在数据仓库中的数据一般不再修改。

数据仓库的功能和特性

1 面向主题

2 数据的集成性

3 数据的稳定性（非易失性）

4 数据随时间变化的特性

5 多维性数据是带有时间轴的→数据是多维的→形成立方体（Cube）见书P52

（2）数据库与数据仓库的区别

简而言之，数据库是面向事务的设计，数据仓库是面向主题设计的。

数据库一般存储在线交易数据，数据仓库存储的一般是历史数据。

数据库设计是尽量避免冗余，一般采用符合范式的规则来设计，数据仓库在设计是有意引入冗余，采用反范式的方式来设计。

数据库是为捕获数据而设计，数据仓库是为分析数据而设计，它的两个基本的元素是维表和事实表。维是看问题的角度，比如时间，部门，维表放的就是这些东西的定义，事实表里放着要查询的数据，同时有维的ID。

单从概念上讲，有些晦涩。任何技术都是为应用服务的，结合应用可以很容易地理解。以银行业务为例。数据库是事务系统的数据平台，客户在银行做的每笔交易都会写入数据库，被记录下来，这里，可以简单地理解为用数据库记帐。数据仓库是分析系统的数据平台，它从事务系统获取数据，并做汇总、加工，为决策者提供决策的依据。比如，某银行某分行一个月发生多少交易，该分行当前存款余额是多少。如果存款又多，消费交易又多，那么该地区就有必要设立ATM了。

显然，银行的交易量是巨大的，通常以百万甚至千万次来计算。事务系统是实时的，这就要求时效性，客户存一笔钱需要几十秒是无法忍受的，这就要求数据库只能存储很短一段时间的数据。而分析系统是事后的，它要提供关注时间段内所有的有效数据。这些数据是海量的，汇总计算起来也要慢一些，但是，只要能够提供有效的分析数据就达到目的了。

数据仓库，是在数据库已经大量存在的情况下，为了进一步挖掘数据资源、为了决策需要而产生的，它决不是所谓的“大型数据库”。那么，数据仓库与传统数据库比较，有哪些不同呢?让我们先看看W.H.Inmon关于数据仓库的定义:面向主题的、集成的、与时间相关且不可修改的数据集合。

“面向主题的”:传统数据库主要是为应用程序进行数据处理，未必按照同一主题存储数

据;数据仓库侧重于数据分析工作，是按照主题存储的。这一点，类似于传统农贸市场与超市的区别—市场里面，白菜、萝卜、香菜会在一个摊位上，如果它们是一个小贩卖的;而超市里，白菜、萝卜、香菜则各自一块。也就是说，市场里的菜(数据)是按照小贩(应用程序)归堆(存储)的，超市里面则是按照菜的类型(同主题)归堆的。

“与时间相关”:数据库保存信息的时候，并不强调一定有时间信息。数据仓库则不同，出于决策的需要，数据仓库中的数据都要标明时间属性。决策中，时间属性很重要。同样都是累计购买过九车产品的顾客，一位是最近三个月购买九车，一位是最近一年从未买过，这对于决策者意义是不同的。

“不可修改”:数据仓库中的数据并不是最新的，而是来源于其它数据源。数据仓库反映的是历史信息，并不是很多数据库处理的那种日常事务数据(有的数据库例如电信计费数据库甚至处理实时信息)。因此，数据仓库中的数据是极少或根本不修改的;当然，向数据仓库添加数据是允许的。

数据仓库的出现，并不是要取代数据库。目前，大部分数据仓库还是用关系数据库管理系统来管理的。可以说，数据库、数据仓库相辅相成、各有千秋。

（3）元数据 P16

元数据模型 P102-107

①分类②作用③收集和维护④作用

（4）数据集市 P17

（5）操作数据存储ODS P33-39

①概念②应用---OLTP、OLAP、DB-ODS-DW

ODS定义

ODS是Operational Data Store的简称，翻译成操作数据存储。

ODS是数据仓库体系结构的一部分，可以根据需要选择是否采用ODS。

它具备数据仓库的部分特征和OLTP的部分特征。

ODS是一个面向主题的、集成的、可变的、当前的细节数据集合，用于支持企业对于即时性的、操作性的、集成的全局信息的需求。常常被作为数据仓库的过渡。

作为一个中间层次，它既不是联机事务处理，也算不上高层决策分析，是不同于 DB 的一种新的数据环境，是数据仓库扩展后得到的一个混合形式。

ODS支持对数据的联机修改——增、删与更新等操作。

ODS特点

面向主题的（与数据仓库类似）

集成的（与数据仓库类似）

可变的

数据可以联机改变，包括增、删及更新等操作。

数据是当前细节级或接近当前的

数据在存取时刻是最新的

数据是最近一段时间之前得到的。

ODS和数据仓库的异同

相同点：面向主题的，集成的

不同点：

DW是静态数据，而ODS中的数据是动态的、可更新的

设计目标不同，ODS的设计目标是快速执行针对全局信息的少量数据的简单查询工作，这同数据仓库中的大数据量复杂查询截然不同。

数据内容不同，ODS存储当前或者近期的数据，DW存储历史性数据。ODS就像你的短期记忆，仅仅记录你的近期信息，而数据仓库就像长期记忆一样，存储相对长久一些的信息

数据容量不同，ODS数据容量级别较小，DW的数据容量很大

ODS类别

I 类ODS，与应用系统的数据延迟为1~2秒，实时或近似实时

II 类ODS，与应用系统的数据延迟为2~4小时

III 类ODS，与应用系统的数据延迟为12~24小时

IV 类ODS，数据仓库中部分决策分析数据回流至ODS中

不同ODS类别的特点

数据延迟时间越短，ODS建设难度越高。

其中I 类ODS的建设难度最高，建设成本也是最高的。而且由于I 类ODS的实时性，对于技术的要求与其它类型ODS也有所不同，一般来讲需要用到EAI技术，但随着当前企业对数据仓库的实时性要求越来越高，相信I 类ODS会变得越来越重要。

通常在企业应用架构中，ODS是一个可选件，但一旦需要用到ODS的功能，那么ODS本身就将变得极为重要。

目前应用的比较多的是IV 类ODS，因为一旦将决策分析结果加载到ODS中，重要决策信息的高性能联机支持将成为可能。

ODS在体系结构中的几种作用

在业务系统和数据仓库之间形成一个隔离层

一般的数据仓库应用系统都具有非常复杂的数据来源，这些数据存放在不同的地理位置、不同的数据库、不同的应用之中，从这些业务系统对数据进行抽取并不是一件容易的事。ODS用于存放从业务系统直接抽取出来的数据，这些数据从数据结构、数据之间的逻辑关系上都与业务系统基本保持一致，因此在抽取过程中极大降低了数据转化的复杂性，而主要关注数据抽取的接口、数据量大小、抽取方式等方面的问题。

转移一部分业务系统细节查询的功能

在数据仓库建立之前，大量的报表、分析是由业务系统直接支持的，在一些比较复杂的报表生成过程中，对业务系统的运行产生相当大的压力。

ODS的数据从粒度、组织方式等各个方面都保持了与业务系统的一致，那么原来由业务系统产生的报表、细节数据的查询自然能够从ODS中进行，从而降低业务系统的查询压力。

完成数据仓库中不能完成的一些功能

一般来说，带有ODS的数据仓库体系结构中，DW层所存储的数据都是进行汇总过的数据，并不存储每笔交易产生的细节数据，但是在某些特殊的应用中，可能需要对交易细节数据进行查询，这时就需要把细节数据查询的功能转移到ODS来完成，而且ODS的数据模型按照面向主题的方式进行存储，可以方便地支持多维分析等查询功能。

在一个没有ODS层的数据仓库应用系统体系结构中，数据仓库中存储的数据粒度是根据需要而确定的，但一般来说，最为细节的业务数据也是需要保留的，实际上也就相当于ODS，但与ODS所不同的是，这时的细节数据不是“当前、不断变化的”数据，而是“历史的，不再

变化的”数据。

ODS数据模型设计

数据调研

对与业务系统关联的数据进行调研，弄清楚现有业务系统对应的数据逻辑模型和物理模型确定数据范围

确定数据范围实际上是对ODS进行主题划分的过程，这种划分是基于对业务系统的调研的基础上而进行的，并不十分关心整个数据仓库系统上端应用需求，但是需要把上端应用需求与ODS数据范围进行验证，以确保应用所需的数据都已经从业务系统中抽取出来，并且得到了很好的组织。

一般来讲，主题的划分是以业务系统的信息模型为依据的，设计者需要综合各种业务系统的信息模型，并进行宏观的归并，得到企业范围内的高层数据视图，并加以抽象，划定几个逻辑的数据主题范围。在这个阶段，以ER模型表示数据主题关系最为恰当。

根据数据范围进行进一步的数据分析和主题定义

在第一步中定义出来了企业范围内的高层数据视图，以及所收集到的各种业务系统的资料，在这一步中，需要对大的数据主题进行分解，并进行主题定义，直到每个主题能够直接对应一个主题数据模型为止。

在这个阶段，将把第一步生成的每个ER图中的实体进行分解，分解的结果仍以ER表示为佳。定义主题元素

定义维

维名称，名称应该能够清晰表示出这个维的业务含义。

维成员，也就是这个维所代表的具体的数据

维层次，维成员之间的隶属与包含的层次关系，每个层次需要定义名称

定义度量

度量名称，名称应该能够清晰标书这个度量的业务含义

定义主题

主题名称和含义，说明该主题主要包含哪些数据，用于什么分析；

主题所包含的维和度量；

主题的事实表，以及事实表的数据。

定义粒度

主题中事实表的数据粒度说明，这种粒度可以通过对维的层次限制加以说明，也可以通过对事实表数据的业务细节程度进行说明。

定义存储期限

主题中事实表中的数据存储周期。

迭代，归并维、度量的定义

在ODS中，因数据来自于多个系统，数据主题划分时虽然对数据概念进行了一定程度上的归并，但具体的业务代码所形成的各个维、以及维成员等还需要进一步进行归并，把概念统一的维定义成一个维，不允许同一个维存在不同的实体表示（象不同的业务系统中一样）。

ODS系统设计

ODS数据抽取转换层

数据转换层由各种转换工具及抽取程序组成，主要完成从源数据系统到ODS系统的数据转换、净化和载入

ODS数据访问中间件

ODS系统中间件的一个关键组成部分就是网络中间件。

中间件的主要作用是提供用户和ODS系统数据之间的无缝连接，同时还提供了系统应用程序接口，允许应用程序同本地或异地ODS系统进行通信。

另一方面，在DB－ODS－DW三层结构中，中间件也是将ODS中的信息与DW系统中的信息相关联的一条途径。

物理实现

定义每个主题的数据抽取周期、抽取时间、抽取方式、数据接口，抽取流程和规则。

物理设计不仅仅是ODS部分的数据库物理实现，设计数据库参数、操作系统参数、数据存储设计之外，有关数据抽取接口等问题必须清晰定义。

带有ODS的集团公司DW结构

（6）OLAP（联机分析处理）与OLTP（联机事务处理）的区别 P42-44

OLAP是以数据仓库为基础的，其最终数据来源与OLTP一样均来自地层的数据库系统，但由于二者面对的用户不同，OLTP面对的是操作人员和低层管理人员，OLAP面对的是决策人员和高层管理人员，因而数据的特点与处理也明显不同。（见表2－1）

（7）OLAP数据组织 P57-66

（8）数据仓库常见的概念模型（星型模型；雪花模型） P89-90

（9）索引策略 P99

（10）数据仓库的开发方法（螺旋式开发方式） P115-118

统计学简答题答案资料讲解

1、什么是统计学，有哪些特点？统计学是收集、整理、分析、解释数据并从数据中得到结论的学科。特点：客观性~~相关性~~实用性~~科学性~~严谨性~~逻辑性~~~ 2、何谓标志，按能否用数量表示可以分为哪两种类型，分别举例说明标志是指说明总体单位属性或特征的名称。可以分为数量标志和质量标志品质标志:说明总体单位属性特征的名称，用文字描述。Ex：性别，名族，工种，籍贯数量标志：说明总体单位数量特征的名称，用数量表示。数量标志的具体表现称标志值。 Ex：工人的年龄，工资，工龄 3、什么是离散型变量，连续性变量？举例说明变量：可变的数量标志和指标；离散型变量：指变量的数值只能以计数的方法取得，（变量值只能取整数）；连续型变量：指变量的取值连续不断，（变量值能取小数）。 4、简述品质标志和数量标志的区别，并举例说明。区别：数量标志说明的是总体的数量特征，而品质标志说明的是总体的属性特征。 5、什么是数量指标和质量指标？二者有何关系？统计指标：反映总体数量特征的科学概念和具体数值。注意：从理论上讲，一个完整的统计指标由两部分构成：指标名称+指标数值例如：某地区2009年完成利税总额（指标名称）为1500（指标数值）亿元。数量指标：用来反映现象的总规模、总水平、或工作总量的指标。其数值大小随总体的研究范围的大小而增减。质量指标：反映客观现象的劳动效果或工作质量等事物内部数量关系的指标，其数值的大小与总体的研究范围大小无直接联系。 6、统计标志和统计指标有和联系与区别？区别：1、标志是反映总体单位特征；指标反映总体特征。 2、指标都能用数量表示，标志只有数量标志能用数量表示； 3、标志是一个理论概念，实际应用中只有指标。联系：1、标志与指标可以相互转化，随研究目的的转化而改变； 2、指标值一般是标志值汇总来的； 3、标志的名称常常就是指标名称。 7、制定一份完整的统计调查方案，应包括哪些内容？ 1）明确调查的目的和任务 2）确定调查的对象和调查单位、 3）确定带调查项目、设计调查表或问卷 4）确定调查时间、调查地点和调查方式方法 5）制定调查的组织实施计划 8、举例说明重点调查的概念和特点重点调查：是在调查对象范围内部选择部分重点调查单位进行的调查。特点：调查单位少、适用于调查对象的标志值比较集中于某些单位的场合、重点调查的调查方式主要采取专门调查的组织形式（一种是专门组织的一次性调查；另一种是利用定期统计报表经常性地对一些重点单位进行调查。）；有点在于花费较少的人力物力和时间就可以获得总体的基本情况资料。 9、简述重点调查、典型调查、抽样调查的联系与区别P31 抽样调查是一种非全面调查，它是按照随机的原则，从总体中抽取一部分单位作为样本来进行观测研究，以抽样样本的指标去推算总体指标的一种调查。

统计学简答题及答案

统计学简答题及参考答案 1.简述描述统计学的概念、研究容与目的。概念：它是研究数据收集、整理和描述的统计学分支。研究容：搜集数据、整理数据、展示数据和描述性分析的理论与方法。研究目的：描述数据的特征；找出数据的基本数量规律。 2.简述推断统计学的概念、研究容与目的。概念：它是研究如何利用样本数据来推断总体特征的统计学分支。研究容：参数估计和假设检验的理论与方法。研究目的：对总体特征作出统计推断。 3.什么是总体和样本？总体是指所研究的全部个体(数据)的集合，其中的每一个元素称为个体（也称为总体单位）。可分为有限总体和无限总体： ?有限总体的围能够明确确定，且元素的数目是有限的，可数的。 ?无限总体所包括的元素数目是无限的，不可数的。总体单位数可用N表示。样本就是从总体中抽取的一部分元素的集合。构成样本的元素的数目称为样本容量，记为n。 4.什么是普查？它有哪些特点？普查就是为了特定的研究目的，而专门组织的、非经常性的全面调查。它有以下的特点： 1)通常是一次性或周期性的 2)一般需要规定统一的标准调查时间 3)数据的规化程度较高 4)应用围比较狭窄。 5.什么是抽样调查？它有哪些特点？抽样调查是指从总体中随机抽取一部分单位作为样本进行调查，并根据样本调查结果来推断总体特征的数据搜集方法和统计推断方法。它具有经济性好、时效性强、适应面广、准确性高等特点。 6.简述统计调查方案的概念及应包括的基本容。答：统计调查方案就是统计调查前所制订的实施计划，它是指导整个调查过程的纲领性文件，是保证调查工作有计划、有组织、有系统地进行的计划书。它应包括的基本容有：〈1〉明确调查目的；〈2〉确定调查对象和调查单位；〈3〉设计调查项目；〈4〉设计调查表格和问卷；〈5〉确定调查时间；〈6〉组织实施调查计划；〈7〉调查报告的撰写，等等。 7.简述统计分组的概念、原则和具体方法。答：（1）概念

统计学简答题期末复习题

1. 什么是统计学？为什么统计学可以通过对数据的分析达到对事物性质的认识？统计学是一门关于统计设计、搜集、整理、分析统计数据的方法科学，其目的是探索数据内在的数量规律性，以达到对客观事物的科学认识。统计学可以通过对数据的分析达到对事务性质的认识是有客观事物本身的特点和统计方法的特性共同决定的。（1）从客观事物方面来说，根据辩证法的基本原理，任何客观事物都是必然性与偶然性的对立统一。同样，任何一个数据也都是必然性与偶然性共同作用的结果，是二者作用的对立统一。（2）从统计方法来看，统计学提供了一系列的方法，专门用来收集数据、整理数据、显示数据的特征，进而分析和探索（或推断）出事物总体的数量规律性。 2．解释总体与样本、参数和统计量的含义。（1）总体：是我们所要研究的所有基本单位（通常是人、物体、交易或者事件）的总和，是在至少一种共性的基础上由许多独立的个别事物所组成的整体。（2）样本：是总体的一部分单位，是从总体中抽出的一部分被实际调查的子集合体。（3）参数：是对总体特征的数量描述，是研究者想要了解的总体的某种特征值，参数通常是一个未知的常数。（4）统计量：根据样本数据计算出来的一个量，是对样本数据特征值的数量描述。 3．解释总体分布、样本分布和抽样分布的含义。（1）总体分布：整体取值的概率分布规律，通常称为总体分布。（2）样本分布：从总体中抽取容量为n的样本，得到n个样本观测值的概率分布，则为样本分布。（3）抽样分布：就是由样本n个观察值计算的统计量的概率分布。 4．简述描述统计学和推断统计学的概念及其联系。（1）描述统计是用图形、表格和概括性的数字对数据进行描述的统计方法；推断统计是根据样本信息对总体进行估计、假设检验、预测或其他推断的统计方法。（2）两者间联系：一方面反映了统计发展的前后两个阶段，另一方面也反映了统计方法研究和探索客观事物内在数量规律性的先后两个过程。 5. 简述中心极限定理。中心极限定理就是对于一个抽自任意总体（均值为μ，方差为σ2），样本容量为n的随机样本。当n 充分大时（通常要求n≥30），样本均值的抽样分布将近似于一个具有μ、方差为σ2/n的正态分布。 6．解释置信水平、置信区间、显著性水平的含义，它们有什么联系。（1）置信水平：置信区间中包含总体参数真值的次数所占的比率，也称置信系数。（2）置信区间：在区间估计中，由样本统计量所构造的总体参数的估计区间。（3）显著性水平：是指当原假设实际上正确时，检验统计量落在拒绝域的概率。联系：置信区间越宽，置信水平越高，显著性水平越低。 7. 几何平均数的适用条件分别是什么？几何平均数的使用条件：总指标等于各个变量连乘积的值，一般用来计算社会经济问题的平均发展速度。 8. 抽样推断时为什么必须遵循随机原则抽取样本？只有遵循随机原则从总体中抽取样本，才能排除主观因素等非随机因素对抽样调查的影响，从而使样本单位的分布接近总体单位的分布，样本对总体才具有较大的代表性。这样，根据样本的调查资料来估计和推断总体的数量特征才能较为科学和准确。 9. 简述假设检验的一般步骤。（1）陈述原假设H0和备择假设H1；（2）从所研究的总体中抽了不起一个随机样本；（3）确定一个适当的检验统计量，并利用样本数据算出来具体数值；（4）确定一个适当的显著性水平a，并计算出其临界值，指定拒绝域；（5）将统计量的值与临界值进行比较，并做出决策：若统计量的值落在拒绝域内，拒绝原假设H0，否则不拒绝原假设H0。也可以直接利用P值作出决策，P值小于显著性水平的拒绝H0，否则不拒绝H0。

统计学试卷及答案

统计学试卷及答案一、判断题 1．统计学是一门方法论科学，其目的是探索数据的内在数量规律性，以达到对客观事物的科学认识。（） 2．统计研究的过程包括数据收集、数据整理、分析数据和解释数据四个阶段。（） 3．统计数据误差分为抽样误差和非抽样误差。（） 4．按所采用的计量尺度不同，可以将统计数据分为时间序列数据和截面数据（） 5．用来描述样本特征的概括性数字度量称为参数。（） 6．如果数据呈左偏分布，则众数、中位数和均值的关系为：均值＜中位数＜众数。（） 7．通过散点图可以判断两个变量之间有无相关关系。（） 8．所有可能样本均值的数学期望等于总体均值。（） 9．影响时间序列的因素可分为：长期趋势、季节变动、循环波动和不规则变动四种。（） 10．狭义的统计指数是用来说明那些不能直接加总的复杂现象综合变动的一种特殊相对数。（）二、单项选择题 1．为了估计全国高中生的平均身高，从20个城市选取了100所中学进行调查。在该项研究中样本是（）。 A 100所中学 B 20个城市 C 全国的高中生 D 100所中学的高中生 2．一名统计学专业的学生为了完成其统计作业，在《统计年鉴》中找到的2005年城镇家庭的人均收入数据。这一数据属于（）。 A 分类数据 B 顺序数据 C 截面数据 D 时间序列数据

3．某连续变量数列，其首组为50以下。又知其邻近组的组中值为75，则首组的组中值为（） A 24 B 25 C 26 D 27 4．两组数据相比较（）。 A 标准差大的离散程度也就大 B 标准差大的离散程度就小 C 离散系数大的离散程度也就大 D 离散系数大的离散程度就小 5．在下列指数中，属于质量指数的是（）。 A 产量指数 B 单位产品成本指数 C 生产工时指数 D 销售量指数 6．定基增长速度与环比增长速度的关系为（）。 A 定基增长速度等于相应的各个环比增长速度的算术和 B 定基增长速度等于相应的各个环比增长速度的连乘积 C 定基增长速度等于相应的各个环比增长速度加1后的连乘积再减1 D 定基增长速度等于相应的各个环比增长速度的连乘积加1（或100%） 7．某企业报告期产量比基期增长了10%，生产费用增长了8%，则其产品单位成本降低了（）。 A 1.8% B 2.5% C 20% D 18% 8．用简单随机重复抽样方法抽取样本单位，如果要使抽样标准差降低50%，在其他条件不变的情况下，则样本容量需要扩大到原来的（）。 A 2倍 B 3倍 C 4倍 D 5倍 9．如果变量x和变量y之间的相关系数为﹣1，这说明两个变量之间是（）。 A 低度相关关系 B 完全相关关系 C 高度相关关系 D 完全不相关 10．合理施肥量与农作物亩产量之间的关系是（）。 A 函数关系 B 相关关系 C 没有关系 D 正比例关系 11．在回归分析中，描述因变量y如何依赖自变量x和误差项的方程称为（）。 A 回归方程 B 回归模型 C 估计的回归方程 D 理论回归方程 12．平均指标是用来反映一组数据分布的（）的指标。

数据挖掘复习章节知识点整理

数据挖掘：是从大量数据中发现有趣（非平凡的、隐含的、先前未知、潜在有用）模式，这些数据可以存放在数据库，数据仓库或其他信息存储中。挖掘流程： 1.学习应用域 2.目标数据创建集 3.数据清洗和预处理 4.数据规约和转换 5.选择数据挖掘函数（总结、分类、回归、关联、分类） 6.选择挖掘算法 7.找寻兴趣度模式 8.模式评估和知识展示 9.使用挖掘的知识概念/类描述：一种数据泛化形式，用汇总的、简洁的和精确的方法描述各个类和概念，通过（1）数据特征化：目标类数据的一般特性或特征的汇总；（2）数据区分：将目标类数据的一般特性与一个或多个可比较类进行比较；（3）数据特征化和比较来得到。关联分析：发现关联规则，这些规则展示属性-值频繁地在给定数据集中一起出现的条件，通常要满足最小支持度阈值和最小置信度阈值。分类：找出能够描述和区分数据类或概念的模型，以便能够使用模型预测类标号未知的对象类，导出的模型是基于训练集的分析。导出模型的算法：决策树、神经网络、贝叶斯、（遗传、粗糙集、模糊集）。预测：建立连续值函数模型，预测空缺的或不知道的数值数据集。孤立点：与数据的一般行为或模型不一致的数据对象。聚类：分析数据对象，而不考虑已知的类标记。训练数据中不提供类标记，对象根据最大化类内的相似性和最小化类间的原则进行聚类或分组，从而产生类标号。第二章数据仓库数据仓库是一个面向主题的、集成的、时变的、非易失的数据集合，支持管理部门的决策过程。从一个或多个数据源收集信息，存放在一个一致的模式下，并且通常驻留在单个站点。数据仓库通过数据清理、变换、继承、装入和定期刷新过程来构造。面向主题：排除无用数据，提供特定主题的简明视图。集成的：多个异构数据源。时变的：从历史角度提供信息，隐含时间信息。非易失的：和操作数据的分离，只提供初始装入和访问。联机事务处理OLTP：主要任务是执行联机事务和查询处理。联系分析处理OLAP：数据仓库系统在数据分析和决策方面为用户或‘知识工人’提供服务。这种系统可以用不同的格式和组织提供数据。OLAP是一种分析技术，具有汇总、合并和聚集功能，以及从不同的角度观察信息的能力。

大学统计学简答题复习及答案

习题一总论 1?简述统计总体和总体单位的含义及其关系。统计总体（简称总体）是指统计所研究的事物的全体，它是由客观存在的具有某种共同性质的许多个别事物组成的集合体。总体单位是指构成统计总体的个别事物，是组成总体的基本单位，简称个体。统计总体和总体单位所指的具体内容不是固定不变的，而是随着研究的目的不同而变化的。总体可以变为总体单位，总体单位可以变为总体。 2 ?什么是指标和标志？指标与标志的关系如何？指标即统计指标，指反映统计总体综合数量特征的概念和数值。标志指说明总体单位特征的名称。指标与标志的区别：①指标是说明总体特征的，而标志是说明总体单位特征的；②所有指标都能用数值表示，而标志中的数量标志能用数值表示，品质标志却通常不能用数值表示。指标与标志的联系：①指标是对总体中各单位标志表现进行综合的结果，有许多统计指标其数值是由数量标志值汇总而来的，品质标志本身虽无数值，但许多指标却是按品质标志分组计算出来的。②指标和数量标志之间存在着变换关系，由于研究目的的变化，原来的总体变成总体单位，则相对应的统计指标就变成数量标志；反之，则相对应的数量标志就变成了统计指标。习题二统计调查 1.完整的统计调查方案应包括哪些主要内容？应包括：①确定调查目的；②确定调查对象和调查单位；③确定调查内容，拟订调查表；④ 确定调查时间和调查期限；⑤确定调查的组织和实施计划。 2.调查对象、调查单位和填报单位有何区别？调查对象是指根据调查目的确定的需要进行调查研究的现象总体，它是由性质相同的许多个别单位组成的。调查单位是指调查对象中所要调查的具体单位，它是进行登记的标志的承担者；报告单位也叫填报单位，它是提交调查资料的单位，它与调查单位有时一致，有时不一致。 3?重点调查与典型调查的区别是什么？主要区别表现在两个方面： ①典型单位和重点单位性质不同。典型调查强调被选单位在同类社会经济现象中所具有的代表性、典型性，是有意识地选取的；而重点调查则强调被选单位某标志值在总体标志值总和中所占的比重较大，是客观存在的。 ②侧重点不同。典型调查的主要目的是认识事物本质特征及其发展规律，调查深入细致，同时也注重定性调查；而重点调查的目的主要是掌握总体的数量状况，着眼于普遍情况，注重量的调查。

数据挖掘与数据仓库知识点总结

1、数据仓库定义：数据仓库是一种新的数据处理体系结构，它与组织机构的操作数据库分别维护，允许将各种应用系统一起，为统一的历史数据分析提供坚实的平台，对信息处理提供支持。数据仓库是面向主题的、集成的、相对稳定的、反映历史变化的数据集合，为企业决策支持系统提供所需的集成信息。设计和构造步骤：1）选取待建模的商务处理；2）选取商务处理的粒变；3）选取用于每个事实表记录的维；4）选取事实表中每条记录的变量系统结构：（1）底层是仓库数据服务器，总是关系数据库系统。（2）中间层是OLAP服务器，有ROLAP 和MOLAP，它将对多维数据的操作映射为标准的关系操作（3）顶层是前端客户端，它包括查询和报表工具、分析工具和数据挖掘工具 2、数据仓库的多维数据模型：（1）星形模式：在此模型下，数据仓库包括一个大的包含大批数据并且不含冗余的中心表，一组小的附属表，维表围绕中心事实表显示的射线上。特征：星型模型四周的实体是维度实体，其作用是限制和过滤用户的查询结果，缩小访问围。每个维表都有自己的属性，维表和事实表通过关键字相关联。【例子：sales数据仓库的星形模式，此模式包含一个中心事实表sales，它包含四个维time, item, branch和location。（2）雪花型模式：它是星形模式的变种，其中某些维表是规化的，因而把数据进一步分解到附加的表中。特征：雪花模型通过最大限度地减少数据存储量和联合较小的维表来改善查询性能，增加了用户必须处理的表数量和某些查询的复杂性，但同时提高了处理的灵活性，可以回答更多的商业问题，特别适合系统的逐步建设要求。【例子同上，只不过把其中的某些维给扩展了。（3）事实星座形：复杂的应用可能需要多个事实表共享维表，这种模式可看作星形模式的汇集。特征：事实星座模型能对多个相关的主题建模。例子：有两个事实表sales和shipping，它们可以共享维表time, item和location。 3、OLAP：即联机分析处理，是在OLTP基础上发展起来的、以数据仓库基础上的、面向高层管理人员和专业分析人员、为企业决策支持服务。特点：1.实时性要求不是很高。2.数据量大。3.因为重点在于决策支持，所以查询一般是动态的，也就是说允许用户随机提出查询要求。 OLAP操作：上卷：通过沿一个维的概念分层向上攀登，或者通过维归约，对数据立方体进行类聚。下钻：是上卷的逆操作，它由不太详细的数据得到更详细的数据，下钻可以通过沿维的概念分层向下或引入附加的维来实现。切片：对给定方体的一个维进行进行选择，导致一个子立方体。切块：通过对两个或多个维执行选择，定义子立方体。转轴：是一种可视化操作，它转动数据的视角，提供数据的替代表示。 OLTP：即联机事务处理，是以传统数据库为基础、面向操作人员和低层管理人员、对基本数据进行查询和增、删、改等的日常事务处理。OLTP的特点有：a.实时性要求高；b.数据量不是很大。C.交易一般是确定的，是对确定性数据进行存取。d.并发性要求高且严格的要求事务的完整性，安全性。 OLTP和OLAP的区别：1）用户和系统的面向性:OLTP面向顾客，而OLAP面向市场；2）数据容：OLTP 系统管理当前数据，而OLAP管理历史的数据；3）数据库设计：OLTP系统采用实体-联系（ER)模型和面向应用的数据库设计，而OLAP系统通常采用星形和雪花模型；4）视图：OLTP系统主要关注一个企业或部门部的当前数据，而OLAP 系统主要关注汇总的统一的数据；5）访问模式：OLTP访问主要有短的原子事务组成，而OLAP系统的访问大部分是只读操作，尽管许多可能是复杂的查询。 7、PageRank算法原理：1）在初始阶段：构建Web图，每个页面初始设置相同的PageRank 值，通过迭代计算，会得到每个页面所获得的最终PageRank值。2）在一轮中更新页面 PageRank得分的计算方法：每个页面将其当前的PageRank值平均分配到本页面包含的出链上。每个页面将所有指向本页面的入链所传入的权值求和，即可得到新的PageRank得分。优点：是一个与查询无关的静态算法，所有网页的PageRank值通过离线计算获得；有效减少在线查询时的计算量，极大降低了查询响应时间。缺点：1）人们的查询具有主题特征，PageRank忽略了主题相关性，导致结果的相关性和主题性降低。2）旧的页面等级会比新页面高。因为即使是非常好的新页面也不会有很多上游，除非它是某个站点的子站点。

《统计学》复习题(专升本)

《统计学》复习题（专升本）一、单项选择题 1、在进行组距式分组时，凡遇到某单位的标志值正好等于相邻两组的上下限的数值时，一般将此值（）。 A. 归于上限组 B. 归于下限组 C．归于上限组或下限组均可 D. 重新分组 2、把两个地区的粮食产量相对比，所得到的相对指标是（）。 A. 比例相对指标 B. 结构相对指标 C. 比较相对指标 D. 强度相对指标 3、加权算术平均数的大小（）。 A. 只受变量值大小的影响 B. 只受权数大小的影响 C. 受权数和变量值的双重影响 D. 都无影响 4、某企业计划规定产品单位成本降低6%，实际降低10%，则计划完成程度（）。 A．97.94% B. 166.67 % C. 100.5% D. 95.74% 5、某企业2010年A产品销售收入比上一年增长8%，其中由于价格上涨增加销售收入为3%。那么，产量比上年增长（）。 A. 5% B. 4.85% C. 11.24% D. 24% 6、一个统计总体（）。 A. 只能有一个标志 B. 只能有一个指标 C. 可以有多个标志 D. 可以有多个指标 7、下列属于品质标志的是（）。 A. 工人年龄 B. 工人性别 C. 工人体重 D. 工人工资 =270-0.5x，8、每吨铸件的成本（元）与每一个工人劳动生产率（吨）之间的回归方程为y c 这意味着劳动生产率每提高一个单位（吨），成本就会（）。 A. 提高270元 B. 提高269.5元 C. 降低 0.5元 D. 提高0.5元

9、判断现象之间相关关系密切程度的主要方法（）。 A. 编制相关表 B. 进行定性分析 C. 绘制相关图 D. 计算相关系数 10、对某地区工业企业职工状况进行了解，统计总体是（）。 A ．该地区全部工业企业 B ．某个工业企业 C ．该地区工业企业的全部职工 D ．每个工业企业的全部职工 11、按数量标志分组的关键是确定（）。 A ．变量值的大小 B ．组数 C ．组中值 D ．各组界限 12、拉氏的数量指标综合指数编制公式是（）。 A ． ∑∑0 001p q p q B ． ∑∑0 10 p q p q C ． ∑∑0 1 11p q p q D ． ∑∑1 11p q p q 13、构成总体的每个单位所有方面的特征是（）。 A ．必须完全相同 B ．不完全相同但至少有一个方面相同 C ．完全不相同 D ．既可以相同，也可以不相同 14、从纯理论出发，在直观上最符合随机原则的抽样方式是（）。 A. 简单随机抽样 B. 类型抽样 C. 等距抽样 D. 整群抽样 15、如果零售物价上涨8%，销售量下降8%，则销售额（）。 A ．没有变化 B ．有所增长 C ．有所下降 D ．无法判断 16、连续变量分组，若第一组为200以下，第二组为200-300，第三组为300-400，第四组为400以上，则数据（）。 A. 200在第一组 B. 200在第二组 C. 200在第三组 D. 200在第四组 17、某种产品产量2014年比2013年增长了10%，2015年比2013年增长了12%，则2015年比2014年增长了（）。 A. 12%÷10% B.（112%÷110%）—1

统计学简答题参考答案

统计学简答题参考答案第一章绪论 1.什么是统计学？怎样理解统计学和统计数据的关系？答：统计学是一门收集、整理、显示和分析统计数据的科学。统计学和统计数据存在密切关系，统计学阐述的统计方法来源于对统计数据的研究，目的也在于对统计数据的研究，离开了统计数据，统计方法以致于统计学就失去了其存在意义。2．简要说明统计数据的来源。答：统计数据来源于两个方面：直接的数据：源于直接组织的调查、观察和科学实验，在社会经济管理领域，主要通过统计调查方式来获得，如普查和抽样调查。间接的数据：从报纸、图书杂志、统计年鉴、网络等渠道获得。 3.简要说明抽样误差和非抽样误差。答：统计调查误差可分为非抽样误差和抽样误差。非抽样误差是由于调查过程中各环节工作失误造成的，从理论上看，这类误差是可以避免的。抽样误差是利用样本推断总体时所产生的误差，它是不可避免的，但可以控制的。 4.解释描述统计和推断统计的概念？（P5）答：描述统计是用图形、表格和概括性的数字对数据进行描述的统计方法。推断统计是根据样本信息对总体进行估计、假设检验、预测或其他推断的统计方法。第二章统计数据的描述 1描述次数分配表的编制过程。答：分二个步骤：（1）按照统计研究的目的，将数据按分组标志进行分组。按品质标志进行分组时，可将其每个具体的表现作为一个组，或者几个表现合并成一个组，这取决于分组的粗细。按数量标志进行分组，可分为单项式分组和组距式分组单项式分组将每个变量值作为一个组；组距式分组将变量的取值范围（区间）作为一个组。统计分组应遵循“不重不漏”原则（2）将数据分配到各个组，统计各组的次数，编制次数分配表。 2. 一组数据的分布特征可以从哪几个方面进行测度？答：数据分布特征一般可从集中趋势、离散程度、偏态和峰度几方面来测度。常用的指标有均值、中位数、众数、极差、方差、标准差、离散系数、偏态系数和峰度系数。 3.怎样理解均值在统计中的地位？答：均值是对所有数据平均后计算的一般水平的代表值，数据信息提取得最充分，具有良好的数学性质，是数据误差相互抵消后的客观事物必然性数量特征的一种反映，在统计推断中显示出优良特性，由此均值在统计中起到非常重要的基础地位。受极端数值的影响是其使用时存在的问题。 4. 简述众数、中位数和均值的特点和使用场合。答：众数、中位数和均值是分布集中趋势的三个主要测度，众数和中位数是从数据分布形状及位置角度来考虑的，而均值是对所有数据计算后得到的。众数容易计算，但不是总是存在，使用场合较少；中位数直观，不受极端数据的影响，但数据信息利用不够充分；均值数据提取的信息最充分，但受极端数据的影响。5.为什么要计算离散系数？

大数据挖掘考精彩试题库

一、填空题 1.Web挖掘可分为、和3大类。 2.数据仓库需要统一数据源，包括统一、统一、统一和统一数据特征 4个方面。 3.数据分割通常按时间、、、以及组合方法进行。 4.噪声数据处理的方法主要有、和。 5.数值归约的常用方法有、、、和对数模型等。 6.评价关联规则的2个主要指标是和。 7.多维数据集通常采用或雪花型架构，以表为中心，连接多个表。 8.决策树是用作为结点，用作为分支的树结构。 9.关联可分为简单关联、和。 10.B P神经网络的作用函数通常为区间的。 11.数据挖掘的过程主要包括确定业务对象、、、及知识同化等几个步骤。 12.数据挖掘技术主要涉及、和3个技术领域。 13.数据挖掘的主要功能包括、、、、趋势分析、孤立点分析和偏差分析7个方面。 14.人工神经网络具有和等特点，其结构模型包括、和自组织网络 3种。 15.数据仓库数据的4个基本特征是、、非易失、随时间变化。 16.数据仓库的数据通常划分为、、和等几个级别。 17.数据预处理的主要容(方法)包括、、和数据归约等。 18.平滑分箱数据的方法主要有、和。 19.数据挖掘发现知识的类型主要有广义知识、、、和偏差型知识五种。 20.O LAP的数据组织方式主要有和两种。 21.常见的OLAP多维数据分析包括、、和旋转等操作。 22.传统的决策支持系统是以和驱动，而新决策支持系统则是以、建立在和技术之上。 23.O LAP的数据组织方式主要有和2种。 24.S QL Server2000的OLAP组件叫，OLAP操作窗口叫。 25.B P神经网络由、以及一或多个结点组成。 26.遗传算法包括、、3个基本算子。 27.聚类分析的数据通常可分为区间标度变量、、、、序数型以及混合类型等。 28.聚类分析中最常用的距离计算公式有、、等。 29.基于划分的聚类算法有和。 30.C lementine的工作流通常由、和等节点连接而成。

统计学复习题1要点

第一章绪论一、填空 1、统计数据按测定层次分，可以分为分类数据、顺序数据和数值型数据；如果按时间状况分，可以分为截面数据和时间序列数据。 2、由一组频数2，5，6，7得到的一组频率依次是0.1 、0.25 、0.3 和0.35 ，如果这组频数各增加20%，则所得到的频率不变。 3、已知一个闭口等距分组数列最后一组的下限为600，其相邻组的组中值为580，则最后一组的上限可以确定为640，其组中值为620 。 4、如果各组相应的累积频率依次为0.2，0.25，0.6，0.75，1，观察样本总数为100，则各组相应的观察频数为___20 5 35 15 25___。 5、中位数e M可反映总体的集中趋势，四分位差D Q.可反映总体的离散程度，数据组1，2，5，5，6，7，8，9中位数是 5.5，众数为 5 。 6、假如各组变量值都扩大2 倍，而频数都减少为原来的1/3 ，那么算术平均数扩大为原来的2倍。四、计算题 1、某班的经济学成绩如下表所示： 43 55 56 56 59 60 67 69 73 75 77 77 78 79 80 81 82 83 83 83 84 86 87 88 88 89 90 90 95 97 （1）计算该班经济学成绩的平均数、中位数、第一四分位数、第三四分位数（2）计算该班经济学成绩的众数、四分位差和离散系数。（3）该班经济学成绩用哪个指标描述它的集中趋势比较好，为什么？（4）该班经济学的成绩从分布上看，它属于左偏分布还是右偏分布？（3）上四分位数和下四分位数所在区间？ 4、对成年组和青少年组共500人身高资料分组，分组资料列表如下：成年组青少年组按身高分组(cm) 人数(人) 按身高分组(cm) 人数(人) 150～155 155～160 160～165 165～170 22 108 95 43 70～75 75～80 80～85 85～90 26 83 39 28

统计学习题集及答案

统计学原理习题集学院：班级：学号：姓名：

第1章导论一、判断题 1. 在对全国工业设备进行普查中，全国工业企业设备是统计总体，每台工业设备是总体单位。（） 2. 总体单位是标志的承担者，标志是依附于总体单位的。（） 3. 品质标志表明单位属性方面的特征，其标志值只能用文字来表现，所以品质标志不能转化为统计指标。（） 4. 数量指标的表现形式是绝对数，质量指标的表现形式是相对数和平均数。 5. 统计的研究对象是客观现象总体的各个方面。（） 6. 统计具有信息、咨询和监督的整体功能，在上述三个职能中，以提供咨询为主。（） 7. 某生产小组有5名工人，日产零件为68件、69件、70件、71件、72件，因此说这是5个数量标志或5个变量。（） 8. 统计指标有的用文字表示，叫质量指标；有的用数字表示，叫数量指标。（）二、单选题 1．要了解某企业职工的文化水平情况，则总体单位是（） A、该企业的全部职工 B、该企业每一个职工的文化程度 C、该企业的每一个职工 D、该企业每一个职工的平均文化程度 2．下列总体中，属于无限总体的是（） A、全国的人口总数 B、大海里的鱼 C、城市流动人口数 D、某市工业企业设备数 3．统计工作的全过程各阶段的顺序是（） A、统计设计、统计分析、统计调查、统计整理 B、统计调查、统计设计、统计分析、统计整理 C、统计设计、统计分析、统计调查、统计整理 D、统计设计、统计调查、统计整理、统计分析 4．由工人组成的总体所计算的工资总额是（） A、数量标志 B、数量指标 C、标志值 D、质量指标

5．几位工人的月工资分别是500元、520元、550元、600元，这几个数字是（） A、指标 B、变量 C、变量值 D、标志 6．统计标志用以说明（） A、总体属性和特征 B、总体某一综合数量特征的社会经济范畴 C、单位具有的属性和特征 D、总体单位在一定时间、地点条件下动作的结果 7．变异性是指（） A、在不同单位可以有不同的标志值 B、总体单位有许多不同的标志 C、现象总体可能存在各式各样的指标 D、品质标志的具体数值 8．下列各项中，属于统计指标的是（） A、小王英语考试成绩为85分 B、广州至北京的机票价格为1360元 C、光华公司1999年4～6月份的利润为200万元 D、钢材20吨 9．总体和单位不是固定不变的，而是有（） A、在某些场合是要互相变换的 B、只存在总体变换为总体单位的情况 C、只存在总体单位变换为总体的情况 D、所有的标志都能变换为单位 10．离散变量可以（） A、被无限分割，无法一一列举 B、按一定次序一一列举，通常取整数 C、用相对数表示 D、用平均数表示 11．下列变量中，属于连续变量的是（） A、企业个数 B、企业的职工人数 C、用相对数表示的数据 D、企业拥有的设备台数 12．统计指标体系是指（） A、各种相互联系的指标所构成的整体

统计学复习题2

《统计学》复习题（二）一、判断题 1、在用计算机进行数据汇总时，往往将男性用“1”来表示，女性用“0”来表示，所以可将性别视为定比数据变量。( ) 2、在进行普查时涉及的调查项目越多越好。( ) 3、进行普查时，规定标准时间的目的是为了按时完成调查工作。( ) 4、欲了解我国国民的年龄构成，对人口按年龄分组，适合采用等距式分组。 ( ) 5、直方图适合用于显示连续型分组数据。( ) 6、当均值小于中位数，且中位数小于众数时，数据分布具有左偏特征。( ) 7、标准化是指将原始数据进行线性变换，使其平均数为1，标准差为0，改变了改组数据的分布情况。( ) 8、为了解学生参加英语培训是否能提高考试成绩，对某高校学生培训前后的英语成绩进行检验，这属于配对样本的检验。( ) 二、单项选择题 1、用部分数据推断总体数据的方法，属于（） A 、理论统计学的内容 B 、应用统计学的内容 C 、推断统计学的内容 D 、描述统计学的内容 2、总体个数为N,用每隔一定数量的方法抽取容量为n 的抽样方式是（） A 、多步抽样 B 、分层抽样 C 、整群抽样 D 、系统抽样 3、由切比雪夫定理知至少有( )的数据落在算术平均数正负2个标准差内 A 、88% B 、75% C 、93% D 、96% 4、在坐标轴中，横轴刻度表示直方图的( ) A 、频数 B 、组中值 C 、组距 D 、组限 5、两组数据的均值不等，但标准差相等，则（） A 、均值大的一组数据差异程度大 B 、均值小的一组数据差异程度大 C 、两组数据的差异程度相同 D 、无法对两组数据进行比较 6、时间序列的加法模型中t T 代表（） A 、季节变动 B 、不规则变动 C 、循环变动 D 、代表长期趋势 7、设总体服从均值为μ，方差为2δ的正态分布，从总体N 中按重复抽样方法抽取容量为n 的简单随机样本，则样本均值的抽样分布服从（） A 、2(,)μδ B 、2 ( μ C 、2 (,)n δμ D 、2 (,)1 N n n N δμ-?- 8、进行假设检验时，在样本量一定的条件下，犯第一类错误的概率减小，犯第二类错误的概率就会（） A 、减小 B 、增大 C 、不变 D 、不确定三、简答题

《数据仓库与数据挖掘》复习题

2014-2015-1《数据仓库与数据挖掘》期末考试题型一、单项选择题（每小题2分，共20分）二、填空题（每空1分，共20分）三、简答题(每题6分，共30分) 四、析题与计算题(共30分) 请同学们在考试时不要将复习资料带入考场！！！单选题 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买尿布，这种属于数据挖掘的哪类问题？(A) A. 关联规则发现 B. 聚类 C. 分类 D. 自然语言处理 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是小偷的标准。 (b)描述有多少比例的小偷给警察抓了的标准。 A. Precision, Recall B. Recall, Precision A. Precision, ROC D. Recall, ROC 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) A. 频繁模式挖掘 B. 分类和预测 C. 数据预处理 D. 数据流挖掘 4. 当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. 分类 B. 聚类 C. 关联分析 D. 隐马尔可夫链 5. 什么是KDD？(A) A. 数据挖掘与知识发现 B. 领域知识发现 C. 文档知识发现 D. 动态知识发现 6. 使用交互式的和可视化的技术，对数据进行探索属于数据挖掘的哪一类任务？（A） A. 探索性数据分析 B. 建模描述 C. 预测建模 D. 寻找模式和规则 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类任务？(B) A. 探索性数据分析 B. 建模描述 C. 预测建模 D. 寻找模式和规则 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) A. 根据内容检索 B. 建模描述 C. 预测建模 D. 寻找模式和规则 9. 用户有一种感兴趣的模式并且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)

数据管理技术知识点整理

数据管理技术知识点整理必须保留好和考纲一起保留好第一章：认识数据管理技术 1.1感受数据管理技术数据是人类社会的一种重要信息资源，是对现实世界中客观事物的符号化表示。数据管理是指对数据的收集、分类、组织、编码、存储、查询和维护等活动。数据管理技术就是指与数据管理活动有关的技术。数据库技术主要应用于数据密集型应用的领域，这种数据密集型应用主要由以下一些特点：（1）涉及的数据量很大，数据一般需要存放在外存中，内存只能暂时存储很小的一部分。（2）数据必须长期保留在计算机系统中，不随应用程序运行的结束而消失，如银行系统必须长久的保存储蓄用户的信息。（3）数据要为多个应用程序所共享，或者要求在一个单位或更大范围内共享。 1.2了解数据管理技术的变迁（1）人工管理阶段 1、没有专门的软件用来管理数据，管理数据需要依赖应用程序本身来处理。 2、数据和程序是紧密联系，一组数据只能对应一个应用程序，而数据又不能共享。 3、数据通常包含在程序中，不具有独立性，一旦数据的结构发生变化，应用程序就要作相应的修改。（2）文件系统阶段 1、数据独立性差 2、数据冗余度大（没用的数据太多） 3、数据的安全性和完整性难以保障。（3）数据库系统阶段数据库管理系统：DBMS 数据库：DB 数据库管理系统是对数据库进行管理的通用软件系统，是数据库系统的核心。数据库管理系统具有三大功能：数据定义数据操纵数据库运行控制数据库管理系统提供两种不同类型的语言：数据定义语言：定义数据库结构数据操纵语言：表达数据库的查询和更新数据库系统与人工管理和文件系统相比的区别： 1、数据结构化。与文件系统的根本区别。 2、数据共享。文件系统基本不能共享。数据库系统可以，且冗余度（没用的东西）

统计学简答题复习

1.什么是统计学？为什么统计学可以通过对数据的分析达到对事物性质的认识？答：统计学是一门收集、整理、显示和分析统计数据的科学，其目的是探索数据内在的数量规律性。这是由客观事物本身的特点和统计方法的特性共同决定的。任何事物都是质与量的对立统一，一定事物的质总是表现为一定的量的特征；一定的量的特征代表事物的某种性质。从客观事物方面来说，根据辩证法的基本原理，任何客观事物都是必然性与偶然性的对立统一。任何一个数据，也都是必然性与偶然性共同作用的结果，必然性反映了事物本质的特征和联系，决定了事物的内在本质是有规律可循的，偶然性反映了事物个别表现的差异性。统计就可以从大量事物的表现中探索到内在的、本质的的数量规律性。 2．解释总体与样本、参数和统计量的含义。答：总体：所研究的全部个体(元素)的集合。样本：从总体中抽取的一部分元素的集合，构成样本的元素的数目称为样本容量。参数：研究者想要了解的总体的某种特征值，参数通常是一个未知的常数。统计量：根据样本数据计算出来的一个量。由于样本是我们所已经抽出来的，所以统计量总是知道的。 3．解释总体分布、样本分布和抽样分布的含义。（1）总体分布：整体取值的概率分布规律，通常称为总体分布。（2）样本分布：从总体中抽取容量为n 的样本，得到n个样本观测值的概率分布，则为样本分布。（3）抽样分布：就是由样本n个观察值计算的统计量的概率分布。 4．简述描述统计学和推断统计学的概念及其联系。答：描述统计学是研究如何取得、加工整理和显示数据资料，进而通过综合、概括与分析得出反映客观现象的规律性数量特征的科学。推断统计学是研究如何根据样本数据去推断总体数量特征的方法，它是在对样本数据进行描述的基础上，对总体未知的数量特征做出以概率论为基础的推断和估计。联系：描述统计学和推断统计学是现代统计学的两个组成部分，相辅相成、缺一不可。描述统计学是现代统计学的基础和前提，推断统计学是现代统计学的核心和关键。 5.简述中心极限定理。答：从均值为μ、方差为σ2的总体中，抽取容量为n的随机样本，当n充分大时（通常要求n≥30），样本均值的抽样分布近似服从均值为μ、方差为σ2/n的正态分布。 6．解释置信水平、置信区间、显著性水平的含义，它们有什么联系。答：在对参数估计的许多置信区间中包含总体参数真值的次数所占的比例称为置信水平。在区间估计中，由样本统计量所构造的总体参数的估计区间，称为置信区间。假设检验中犯第一类错误的概率被称为显著性水平。它们的联系是：置信水平越高，置信区间越宽，显著性水平越低。 7. 几何平均数的适用条件分别是什么？答：几何平均数的使用条件：总指标等于各个变量连乘积的值，一般用来计算社会经济问题的平均发展速度。 8.抽样推断时为什么必须遵循随机原则抽取样本？答、只有遵循随机原则从总体中抽取样本，才能排除主观因素等非随机因素对抽样调查的影响，从而使样本单位的分布接近总体单位的分布，样本对总体才具有较大的代表性。这样，根据样本的调查资料来估计和推断总体的数量特征才能较为科学和准确 9.简述假设检验的一般步骤。答：⑴陈述原假设和备择假设 ⑵从所研究的总体中抽出一个随机样本 ⑶确定一个适当的检验统计量，并利用样本数据算出其具体数值 ⑷确定一个适当的显著性水平，并计算出其临界值，指定拒绝域 ⑸将统计量的值与临界值进行比较，作出决策。统计量的值落在拒绝域，拒绝H0，否则不拒绝H0；也可以直接利用P值作出决策，P值小于显著性水平的拒绝H0，否则不拒绝H0。 10．相关系数（r）绝对值的大小是如何来反映两个变量之间线性关系显著性的？答：相关系数r是根据从总体中抽取的随机样本的观测值x和y计算出来的，它是对总体相关系数p 的估计。当r＝0，表明没有线性相关关系；当0＜▏r▏＜1时，存在一定的线性相关关系；若r＞0，表明x和y为正相关，若r＜0，表明y为负相关；当▏r▏＝1时，表明x和y完全线性相关，若r=1，表明x 和y完全正相关；若r=-1，表明x和y完全负相关。 11．简述众数、中位数和均值的特点和应用场合。答：众数是一种位置代表值，它的应用场合比较有限；中位数具有稳健性，数据值与中位数之差的绝对值之和最小；均值就是算术平均数，是数据集中趋势的最主要测度值。众数最容易计算，但不是永远存在，同时作为集中趋势代表值应用的场合很少；中位数很容易理解、很直观，它不受极端值的影响，这既是它有价值的方面，也是它数据信息利用不够充分的地方；均值是对所有数据平均后计算的一般水平代表值，数据信息提取得最充分。