CPDA考試應(yīng)用模擬.docx

一、 計算題（題數(shù)：4，共 100.0 分）1.影響中國人口自然增長率的因素有很多，據(jù)分析主要因素可能有：（1）從宏觀經(jīng)濟上看，經(jīng)濟整體增長是人口自然增長的基本源泉；（2）居民消費水平，它的高低可能會間接影響人口增長率。(3)文化程度，由于教育年限的高低，相應(yīng)會轉(zhuǎn)變?nèi)说膫鹘y(tǒng)觀念，可能會間接影響人口自然增長率（4）人口分布，非農(nóng)業(yè)與農(nóng)業(yè)人口的比率也會對人口增長率有相應(yīng)的影響。為了全面反映中國“人口自然增長率”的全貌，選擇人口增長率作為被解釋變量，以反映中國人口的增長；選擇“國名收入”及“人均GDP”作為經(jīng)濟整體增長的代表；選擇“居民消費價格指數(shù)增長率”作為居民消費水平的代表。暫不考慮文化程度及人口分布的影響。 從中國統(tǒng)計年鑒收集到以下數(shù)據(jù)（見表1）： 設(shè)定的線性回歸模型為： 算法1多元線性回歸.xlsx（1）求出模型中的各個參數(shù)，試從多個角度評價此線性回歸模型，并檢驗?zāi)Ｐ偷慕?jīng)濟意義；（2）檢驗?zāi)Ｐ椭惺欠翊嬖诙嘀毓簿€性問題（逐步回歸），若有，試消除多重共線性。答案解析：（1）直接進行線性回歸即可得到各個參數(shù)（用excel）。多元線性回歸模型評價可以從擬合優(yōu)度、T檢驗、F檢驗等多個方面出發(fā)。（2）求變量的相關(guān)系數(shù)矩陣或采用逐步回歸法（也可以用datahoop平臺做線性回歸，會自動刪除共線的變量）。2.對近期上映的10部電影進行調(diào)查研究，抽取290人對這10部電影的評分（分值010分），結(jié)果如下表所示。（1）根據(jù)表中數(shù)據(jù)對這10部電影的評分進行因子分析，并解析各個因子的含義；（2）可否利用電影的評分數(shù)據(jù)對這290名觀影者進行聚類分析？給出你的理由。算法2因子分析.xlsx答案解析：（1）因子分析選擇隱含因子數(shù)為3，分別代表動作片、愛情片、動畫片的影響評分因子。（2）可以，這290人對電影的偏好有區(qū)別，可以進行聚類，相關(guān)性分析后排除共線性的影響再進行聚類。3.某超市為了優(yōu)化商品擺放結(jié)構(gòu)，對近期顧客購買的商品類型進行了統(tǒng)計，如附表所示。（1）寫出所有有效強關(guān)聯(lián)規(guī)則（minsupport=10%，minconfidence=50%）；（2）結(jié)合實際情況分析顧客喜歡的商品搭配，并對該超市提出合理的建議。算法3關(guān)聯(lián)分析.xlsx答案解析：關(guān)聯(lián)規(guī)則分析中設(shè)置參數(shù)（minsupport=10%，minconfidence=50%），結(jié)果中強關(guān)聯(lián)規(guī)則通過調(diào)整顯示條目全部寫出（重復(fù)的刪除）。結(jié)合實際情況分析要寫詳細。4.某市為調(diào)查駕駛員視力情況（“1”表示視力正常，“0”表示有視力缺陷）、年齡、是否有駕駛教育經(jīng)歷（“1”表示有，“0”表示沒有），這三個因素對是否曾引起交通事故（“1”表示發(fā)生過，“0”表示未發(fā)生過）的影響，隨機抽樣調(diào)查了45名駕駛員，得到數(shù)據(jù)如下：（1）建立模型分析駕駛員視力情況、年齡、是否有駕駛教育經(jīng)歷對是否曾引起交通事故的影響，寫出詳細的思路過程。（2）若要應(yīng)用此模型預(yù)測某批駕駛員中可能會引起過交通事故的人都有哪些，則還需要進行的研究步驟有哪些？請說明。算法4邏輯回歸.xlsx答案解析：邏輯回歸，數(shù)據(jù)預(yù)處理包括分析共線性和異常值等，數(shù)據(jù)分為訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)，綜合訓(xùn)練誤差和測試誤差評價模型。第二問要收集數(shù)據(jù)、處理數(shù)據(jù)、應(yīng)用模型直接預(yù)測。-一、 計算題（題數(shù)：4，共 100.0 分）1.1993-2007年相關(guān)經(jīng)濟數(shù)據(jù)如附表所示。設(shè)定國內(nèi)生產(chǎn)總值為x1,地產(chǎn)投資總額為x2,全國居民消費水平為x3、全社會固定資產(chǎn)投資房屋竣工面積為x4，作為自變量；全國房屋銷售均價設(shè)為Y，作為因變量。建立如下的多元線性回歸模型:y=b0+b1*x1+b2*x2+b3*x3+b4*x4+b0,b1,b2,b3,b4是未知參數(shù)，是剩余殘差，且E()=0，與四個自變量無關(guān)。（1）求出參數(shù)b0,b1,b2,b3,b4，并評判模型擬合優(yōu)度和實際意義，寫出詳細的分析依據(jù)和思路過程；（2）根據(jù)（1）對模型進行修正。多元線性回歸.xlsx答案解析：（1）直接做線性回歸，可得各個參數(shù)。通過R2，F(xiàn)、T檢驗，p值等分別分析模型。系數(shù)在經(jīng)濟意義上存在不合理性，可能是共線性的影響。（datahoop平臺會刪除共線的變量，所以這里用excel或spss等做回歸。）（2）相關(guān)性分析和解釋，去掉一些變量，重新做線性回歸（在Datahoop平臺上直接做也可以，平臺會自動刪除共線的變量）。2.為了解電影票房的影響因素有哪些，某出品人搜集了2010年至2013年間中國電影發(fā)放放映協(xié)會統(tǒng)計的過千萬票房的國產(chǎn)電影相關(guān)統(tǒng)計指標，共涉及275部影片。具體數(shù)據(jù)如附表所示。Datahoop上傳測試集：電影票房數(shù)據(jù)（2010-2013）.xlsxDatahoop上傳訓(xùn)練集：電影票房數(shù)據(jù)（2010-2013）.xlsx對數(shù)據(jù)進行預(yù)處理（包括缺失值、數(shù)據(jù)類型、離散化等），選擇決策樹模型進行擬合，并檢驗和分析模型。要求寫出詳細的思路和過程。答案解析：1.影片票房：影片票房是本次模型建模的因變量。通過對選取數(shù)據(jù)的統(tǒng)計分析，將票房數(shù)據(jù)進行分類，一共分為8個層次，分類情況如表所示：等級 1 2 3 4 5 6 7 8范圍 1000萬 2000萬 3000萬 6000萬 1億萬 1億9000萬 3億 20億 2000萬 3000萬 6000萬 1億萬 1億9000萬 3億 乘客IDSurvived = 是否生還Pclass = 乘客等級(1/2/3等艙位)Name = 乘客姓名Sex = 性別Age = 年齡SibSp = 堂兄弟/妹個數(shù)Parch = 父母與小孩個數(shù)Ticket = 船票信息Fare = 票價Cabin = 客艙Embarked = 登船港口對收集進行預(yù)處理，選擇適當?shù)乃惴ㄟM行分析，并評價和解釋模型，要求寫出具體的思路過程。答案解析：本次分析選取變量包括：Survived = 是否生還、Pclass = 乘客等級(1/2/3等艙位)、Sex = 性別、Age = 年齡、SibSp = 堂兄弟/妹個數(shù)、Parch = 父母與小孩個數(shù)、Fare = 票價。理把性別進行0和1處理，female（女）轉(zhuǎn)換成0，male（男）轉(zhuǎn)換成1。年齡Age存在缺失值，因此對于年齡的缺失值需要進行處理，本次對年齡的缺失值用所有年齡數(shù)據(jù)的平均值進行填充。采用方法：邏輯回歸，根據(jù)模型的預(yù)測結(jié)果可以看出模型的準確度還是比較好的，模型的AUC值也是比較高的。因此可以根據(jù)這些變量預(yù)測乘客生還與否。-一、 計算題1.電信公司為分析客戶流失狀況，為客戶是否流失提供參考依據(jù)，隨機選取了600名客戶進行研究，得到了如附表所示一系列數(shù)據(jù)，收集到的數(shù)據(jù)包含下列字段：在網(wǎng)月數(shù)截止數(shù)據(jù)收集時間為止的在網(wǎng)月數(shù)年齡客戶實際年齡婚姻狀況客戶婚姻狀況，0代表未婚，1代表已婚現(xiàn)地址居住時間現(xiàn)在地址的居住月份教育程度1：?？埔韵拢?：本科；3：碩士；4：研究生；5：博士工作狀態(tài)0：待業(yè)；1：在職性別0：女；1：男租設(shè)備0：不租；1：租IP電話0：無；1：有無線電話0：有；1：無本月話費話費具體金額語音信箱0：無；1：有網(wǎng)絡(luò)0：無；1：有來電顯示0：無；1：有呼叫等待0：無；1：有呼叫轉(zhuǎn)移0：無；1：有流失狀態(tài)0：未流失；1：流失 根據(jù)這些客戶數(shù)據(jù)，進行數(shù)據(jù)預(yù)處理，之后分別用邏輯回歸和SVM算法進行分析，對比兩種算法的擬合優(yōu)度，從而選擇兩者中更加適合的算法模型。寫出分析思路和過程，并為電信公司提供客戶運營的相關(guān)建議。數(shù)據(jù)分析應(yīng)用1電信客戶流失數(shù)據(jù).xlsx答案解析：根據(jù)邏輯回歸和SVM算法對數(shù)據(jù)的不同要求，預(yù)處理要分析數(shù)據(jù)的共線性和異常值，之后分別進行邏輯回歸和SVM算法分析，發(fā)現(xiàn)SVM的召回率、準確率、準確度等指標均較好，因此選擇SVM算法。相關(guān)建議包括引入此模型分析客戶，從而針對性運營等。2.選取7項經(jīng)濟指標作為決定經(jīng)濟類型的影響因素，對全國31個省、直轄市、自治區(qū)(浙江、湖南、甘肅除外)進行聚類分析（各項數(shù)據(jù)均來自2010年國家統(tǒng)計年鑒）。數(shù)據(jù)分析應(yīng)用2省市分類.xlsx對數(shù)據(jù)進行預(yù)處理（創(chuàng)建新的變量等），比較說明聚成幾類時聚類效果最好，寫出分析思路和過程，并分析每一類的實際意義。答案解析：若用k-means進行聚類，預(yù)處理要考慮共線性和異常值（數(shù)據(jù)比較少不能輕易刪除異常值），且分別分析聚成2、3、4等類的效果（由平均輪廓系數(shù)判定）。-一、 計算題1.某金融機構(gòu)為了研究其信用卡發(fā)放風(fēng)險，收集整理了一些客戶的數(shù)據(jù)，包括他們的基本信息，經(jīng)濟情況，以及是否拖欠還款等，具體如附表所示（已經(jīng)將客戶分為了訓(xùn)練集和測試集）。數(shù)據(jù)分析應(yīng)用1測試數(shù)據(jù).xlsx數(shù)據(jù)分析應(yīng)用1訓(xùn)練數(shù)據(jù).xlsx進行數(shù)據(jù)預(yù)處理，并用不同的算法模型（邏輯回歸、神經(jīng)網(wǎng)絡(luò)等）分析信用卡拖欠還款情況，結(jié)合測試數(shù)據(jù)對比模型的擬合優(yōu)度，要求寫出具體的思路過程。答案解析：分析數(shù)據(jù)有沒有缺失值異常值等，數(shù)據(jù)預(yù)處理（邏輯回歸考慮共線性、神經(jīng)網(wǎng)絡(luò)不考慮），分別用邏輯回歸和神經(jīng)網(wǎng)絡(luò)對訓(xùn)練集進行擬合，由召回率、準確率等分析訓(xùn)練誤差，接著對測試集進行預(yù)測分析得到預(yù)測值與實際值對比，求召回率、準確率等分析泛化誤差。對比決定用哪個模型。2.為了研究手機好評率與品牌、價格的關(guān)系，某公司收集如附表所示數(shù)據(jù)，數(shù)據(jù)收集的信息包含手機的評論得分和評論內(nèi)容以及手機品牌和價格等信息。手機數(shù)據(jù).xlsx對數(shù)據(jù)進行預(yù)處理，選擇合適的模型分析手機好評率與品牌、價格的關(guān)系，要求寫出詳細的思路和過程。答案解析：本案例想要通過對應(yīng)分析分析不同手機品牌和不同價格區(qū)間的手機的好評情況。對應(yīng)分析是研究由定性變量構(gòu)成的交互匯總表來揭示變量間的聯(lián)系。交互表的信息以圖形的方式展示。主要適用于有多個類別的定類變量，可以揭示同一個變量的各個類別之間的差異，以及不同變量各個類別之間的對應(yīng)關(guān)系。適用于兩個或多個定類變量。因此本案例需要對要研究的定量變量進行定性處理。本案例中品牌屬于類別數(shù)據(jù)，但是其中包含漢字，因子需要進行重新編碼；價格屬于連續(xù)型變量，因此需要進行離散化處理。好評數(shù)不能直接代表手機的好評情況，因此為了更好地表示手機的好評情況，這里采用好評率進行分析。由于好評率計算出來仍然是一個0到1之間的連續(xù)變量，因此需要進行離散化處理。數(shù)據(jù)分析：本次分析采用datahoop1.2版本進行分析，首先對品牌和好評率進行對應(yīng)分析。從分析結(jié)果可以看到數(shù)據(jù)的交叉表，以及提取的3個公因子的貢獻率和因子得分。從因子貢獻率可以看到提取兩個因子的貢獻率就達到了80%以上，因此提取兩個因子即可。根據(jù)對應(yīng)分析的圖表可以看到處于hp1也就是低好評度的品牌主要有品牌7,9,11,12。接著較低好評度品牌有3,4。較高好評度品牌包括1，5。高好評度品牌有8,10。因此品牌好評率分布為：好評率等級品牌低級ZUK，飛利浦，金立，酷派較低HTC, LG較高360，oppo高級錘子，華為這樣就可以清晰地看出不同品牌的好評情況。然后對價格等級和好評率等級進行對應(yīng)分析，可以看到用戶評論中500-1500價格區(qū)間的手機好評率最低，500-6000價位的手機好評率也最低。1500-2000價位的手機好評率較低；2000-2500價位/3000-3500價位和6000-7000價位手機好評率較高，好評率最高的是價位2500-3000價位手機和3500-4000價位。-1. 下面是7個地區(qū)2000年的人均國內(nèi)生產(chǎn)總值（GDP）和人均消費水平的統(tǒng)計數(shù)據(jù)： 要求：（1）繪制散點圖，并計算相關(guān)系數(shù)，說明二者之間的關(guān)系；（2）人均GDP作自變量，人均消費水平作因變量，利用最小二乘法求出估計的回歸方程，并解釋回歸系數(shù)的實際意義；（3）計算判定系數(shù)，并解釋其意義；（4）檢驗回歸方程線性關(guān)系的顯著性（a=0.05）；（5）如果某地區(qū)的人均GDP為5000元，預(yù)測其人均消費水平；（6）求人均GDP為5000元時，人均消費水平95%的置信區(qū)間和預(yù)測區(qū)間。（所有結(jié)果均保留三位小數(shù)）（25.0分）窗體頂端我的答案窗體底端答案解析：提示：(1)使用Datahoop或Excel作出散點圖、相關(guān)系數(shù)，作出相關(guān)描述；(2)注意自變量與因變量的確定，利用Datahoop或Excel寫出回歸方程，作出回歸系數(shù)實際意義的描述；(3)寫出判定系數(shù)，并描述意義；(4)在a=0.05的前提下，檢驗方程的顯著性，并做描述；(5)使用Datahoop預(yù)測功能做出結(jié)果；(6)寫出置信區(qū)間和預(yù)測區(qū)間。-2. 根據(jù)以下給出的數(shù)據(jù)進行分析，本次給出鳶尾花數(shù)據(jù)，其中包含萼片長、萼片寬、花瓣長、花瓣寬、以及花的類型數(shù)據(jù)，請根據(jù)以下問題進行回答。（本題數(shù)據(jù)提供在excel里面，數(shù)據(jù)分析為三份，一份訓(xùn)練數(shù)據(jù)，一份測試數(shù)據(jù)，一份預(yù)測數(shù)據(jù)）（1）根據(jù)訓(xùn)練數(shù)據(jù)，用類型_num作為因變量Y，其他變量作為自變量X，做邏輯回歸，寫出邏輯回歸的方程。（2）根據(jù)測試數(shù)據(jù)得到的結(jié)果，寫出邏輯回歸的混淆矩陣，以及準確率和召回率，Accuracy和F1的值（可根據(jù)測試數(shù)據(jù)結(jié)果計算表格得到測試數(shù)據(jù)集的相應(yīng)的結(jié)果）。（3）給出一組預(yù)測數(shù)據(jù)，根據(jù)訓(xùn)練模型結(jié)果預(yù)測，寫出預(yù)測結(jié)果。（25.0分）窗體頂端我的答案窗體底端答案解析：提示： - 3. 下表為購物籃事物數(shù)據(jù)： （1）設(shè)minsupport=40%，利用Apriori算法寫出所有的頻繁項目集，并指出其中支持度最大的二項頻繁項目集。（2）在第一問基礎(chǔ)上設(shè)minconfidence=60%，找出所有的有效強關(guān)聯(lián)規(guī)則。（25.0分）窗體頂端我的答案窗體底端答案解析：提示：使用Datahoo進行Apriori分析，注意參數(shù)調(diào)整- 4. 某廚衛(wèi)公司要開發(fā)一款燃氣灶產(chǎn)品，列舉出5個可作為賣點的功能屬性：防風(fēng)、定時、防干燒、不沾油、快速而準確地打火。該公司的產(chǎn)品設(shè)計人員不知道該主要開發(fā)哪項功能，分析師小李向公司提出了使用KANO模型對上述五個功能進行調(diào)研分類的想法。并得到了公司的支持。假設(shè)你是小李1.請你繪制KANO模型圖來介紹對功能屬性分類的思路2.請你對燃氣灶的防干燒功能屬性設(shè)計調(diào)查問題3.針對燃氣灶的防干燒功能，受訪者有多少種可能的回答組合，請寫出每一種回答組合所對應(yīng)的屬性類別符號（符號見最后一行題注）4.假設(shè)基于對240名受訪者的調(diào)研，得到下表，請算出這5種功能各自的worse系數(shù)和better系數(shù)，并基于這兩個系數(shù)判斷這5中功能的屬性類別5.請對該燃氣灶的這5項功能開發(fā)提出建議注：魅力屬性用符號A表示；必備屬性用符號M表示；期望屬性用符號O表示；可有可無屬性用符號I表示；用戶討厭的屬性用R表示；有問題的回答用Q表示人數(shù)功能OIMA防風(fēng)118302963防干燒47783085定時22140870快速而準確地打火452010768不沾油69512989（25.0分）窗體頂端我的答案窗體底端答案解析：提示：（1）繪制KANO模型圖（2）描繪通用調(diào)查問題（3）作出屬性類別表（4）計算worse和better系數(shù)，并畫出象限圖（5）給出開發(fā)建議- 1. 移動公司想結(jié)合用戶通話行為，推薦相應(yīng)套餐，或者結(jié)合用戶現(xiàn)有套餐優(yōu)化用戶套餐，提供個性化套餐，從而對客戶進行精準營銷，增加客戶粘性。為此，移動公司收集了下列數(shù)據(jù)，移動公司收集到的數(shù)據(jù)包含下列字段：變量名稱變量標簽Customer_ID用戶編號Peak_mins工作日上班時間電話時長OffPeak_mins工作日下班時間電話時長Weekend_mins周末電話時長International_mins國際電話時長Total_mins總通話時長average_mins平均每次通話時長請你根據(jù)這些客戶數(shù)據(jù)，進行數(shù)據(jù)的預(yù)處理（數(shù)據(jù)預(yù)處理過程中可以根據(jù)現(xiàn)有變量構(gòu)造新變量進行分析），預(yù)處理之后選擇合適變量進行分析，分析算法自行選擇，寫出分析思路和過程，通過數(shù)據(jù)分析對客戶進行細分，將客戶分為5類。并為移動公司提供客戶精準營銷的相關(guān)建議。（請寫出分析的流程并刻畫最后細分之后的客戶的特點和相應(yīng)的營銷建議）（50.0分）窗體頂端我的答案窗體底端答案解析：提示：根據(jù)題目可以選取聚類方法對客戶進行細分，這里選取k-means聚類方法進行分析。對數(shù)據(jù)進行預(yù)處理，主要查看數(shù)據(jù)的相關(guān)性；對數(shù)據(jù)進行聚類分析，選取變量為peak_mins/total_mins，offpeak_mins，weekend_mins，international_mins，total_m