假定BigUniversity的數(shù)據(jù)倉(cāng)庫(kù)包含如下4個(gè)維：student（student_name，area_id，major，status，university），course（course_name，department），semester（semester，year）和instructor（dept，rank）；2個(gè)度量：count和avg_grade。在最低概念層，度量avg_grade存放學(xué)生的實(shí)際課程成績(jī)。在較高概念層，avg_grade存放給定組合的平均成績(jī)。
（1）由基本方體[student，course，semester，instructor]開(kāi)始，為列出BigUniversity每個(gè)學(xué)生的CS課程的平均成績(jī)，應(yīng)當(dāng)使用哪些特殊的OLAP操作。
（2）如果每維有5層（包括all），如“student

假定用于分析的數(shù)據(jù)包含屬性age。數(shù)據(jù)元組的age值（以遞增序） 是：13，15，16，16，19，20，20，21，22，22，25，25，25，25，30，33，33，35，35，35，35，36，40，45，46，52，70。
（1）畫(huà)出一個(gè)等寬為10的等寬直方圖；
（2）為如下每種抽樣技術(shù)勾畫(huà)例子：SRSWOR，SRSWR ，聚類抽樣，分層抽樣。使用大小為5的樣本和層“青年”，“中年”和“老年”。

假設(shè)12個(gè)銷售價(jià)格記錄組已經(jīng)排序如下：5，10，11，13，15，35，50，55，72，92，204，215。使用如下每種方法將其劃分成三個(gè)箱。
（a）等頻（等深）劃分。
（b）等寬劃分。
（c）聚類。

假定用于分析的數(shù)據(jù)包含屬性age。數(shù)據(jù)元組的age值（以遞增序） 是：13，15，16，16，19，20，20，21，22，22，25，25，25，25，30，33，33，35，35，35，35，36，40，45，46，52，70。
（1）使用分箱均值光滑對(duì)以上數(shù)據(jù)進(jìn)行光滑，箱的深度為3。解釋你的步驟。評(píng)述對(duì)于給定的數(shù)據(jù)，該技術(shù)的效果。 
（2）如何確定數(shù)據(jù)中的離群點(diǎn)？
（3）對(duì)于數(shù)據(jù)光滑，還有哪些其他方法？

如下規(guī)范化方法的值域是什么？
（a）min-max規(guī)范化。
（b）z-score規(guī)范化。
（c）小數(shù)定標(biāo)規(guī)范化。