重庆城市科技学院2023-2024学年《大数据统计与分析》期末考试试卷
考试时间：120分钟总分：100分
一、单项选择题（每题2分，共20分）
以下哪种数据类型不属于大数据常见类型？（）
A.结构化数据B.半结构化数据C.非结构化数据D.孤立数据
在大数据采集过程中，从网页中提取数据的常用技术是（）
A.网络爬虫B.传感器采集C.数据库抽取D.日志收集
对于大数据集，以下哪种存储方式通常更适合海量数据的分布式存储？（）
A.关系型数据库B.分布式文件系统（如HDFS）C.本地硬盘D.内存
数据清洗中，处理缺失值的方法不包括（）
A.删除含有缺失值的记录B.用均值、中位数填充C.随机生成数据填充D.根据模型预测填充
以下哪种算法常用于大数据的聚类分析？（）
A.K-Means算法B.决策树算法C.朴素贝叶斯算法D.线性回归算法
在大数据分析中，用于评估分类模型准确性的指标是（）
A.均方误差（MSE）B.准确率（Accuracy）C.平均绝对误差（MAE）D.相关系数
以下关于Spark的描述，错误的是（）
A.基于内存计算，速度快B.只支持Scala语言编程C.具有强大的分布式数据处理能力D.可与Hadoop生态系统集成
假设要对用户的行为数据进行实时分析，以下哪种技术更合适？（）
A.HiveB.FlinkC.MapReduceD.Pig
数据可视化中，适合展示数据分布情况的图表是（）
A.折线图B.柱状图C.箱线图D.饼图
在大数据隐私保护中，对敏感数据进行加密的目的是（）
A.提高数据处理速度B.防止数据泄露C.便于数据存储D.简化数据分析过程
二、简答题（每题8分，共32分）
简述大数据的“4V”特征，并举例说明每个特征在实际中的体现。
说明数据预处理的主要步骤及每个步骤的作用。
比较批处理和流处理在大数据处理中的应用场景和特点。
简述如何利用大数据统计与分析技术优化电商企业的库存管理。
三、计算题（每题12分，共24分）
给定一组数据：10,12,15,18,20,22,25,28,30,35。
计算该组数据的均值、中位数和众数。
计算该组数据的方差和标准差。
某超市记录了100位顾客的购物金额（单位：元），数据服从正态分布N(100,202)。
求购物金额在80元到120元之间的顾客比例。
若该超市想针对购物金额较高的10%顾客进行促销活动，求促销活动的金额门槛。（已知标准正态分布表：P(Z1)=0.8413，P(Z1.28)=0.9）
四、综合分析题（共24分）
某互联网公司收集了用户的浏览行为数据，包括用户ID、浏览时间、浏览页面、停留时长等信息。
设计一个数据处理流程，从数据采集到数据分析，阐述如何利用大数据技术进行以下分析：(1)分析用户的浏览行为模式，如用户在一天中不同时段的浏览活跃度。（8分）(2)挖掘用户之间的相似性，找出具有相似浏览行为的用户群体。（8分）
假设在数据分析过程中发现部分数据存在噪声和异常值，说明如何检测和处理这些噪声和异常值，以提高数据分析的准确性。（8分）