由于高级统计师考试的试题涉及面较广，且每年都有所不同，因此无法提供完整的模拟题及答案。以下是一些可能出现的考试题型和答案解析，供参考：

1. 假设检验题型

题目：某医院想要检验一种新药物是否有效，随机选取了100名患者，其中50人接受了该药物治疗，50人接受了安慰剂治疗。在治疗结束后，统计了两组患者的治愈率，得到了如下数据：

药物组：38人治愈，12人未治愈
安慰剂组：25人治愈，25人未治愈

请问该药物是否显著提高了患者的治愈率？（显著水平为0.05）

答案解析：该题需要进行两个总体比例的假设检验。设药物组的治愈率为p1，安慰剂组的治愈率为p2。则原假设H0：p1=p2，备择假设H1：p1>p2。根据题目中的数据，可以计算出样本比例p1=0.38，p2=0.5。由于样本容量较大，可以使用正态分布进行假设检验。计算出样本比例差p1-p2=0.12，标准误差为sqrt(p1(1-p1)/n1+p2(1-p2)/n2)=0.086。计算出z值为1.39，对应的p值为0.08，大于显著水平0.05，因此不能拒绝原假设，即不能确定该药物是否显著提高了患者的治愈率。

2. 回归分析题型

题目：某公司想要预测其销售额与广告投入之间的关系，收集了过去6个月的数据，得到了如下表格：

广告投入（万元） 销售额（万元）
1 5
2 7
3 9
4 11
5 13
6 15

请问广告投入每增加1万元，销售额会增加多少万元？该预测模型的R²值是多少？

答案解析：该题需要进行简单线性回归分析。首先需要计算出广告投入和销售额的平均值，分别为3.5万元和9万元。然后计算出样本的协方差和方差，分别为10万元和4.5万元。根据回归方程y=b0+b1x，可以计算出回归系数b1=2，即广告投入每增加1万元，销售额会增加2万元。同时可以计算出截距b0=3，即当广告投入为0万元时，销售额为3万元。最后可以计算出回归方程的R²值为0.98，说明该预测模型的拟合效果很好。

3. 时间序列分析题型

题目：某公司想要预测未来3个月的销售额，收集了过去12个月的销售额数据，得到了如下表格：

月份 销售额（万元）
1 5
2 6
3 7
4 8
5 9
6 10
7 11
8 12
9 13
10 14
11 15
12 16

请问该公司应该选择哪种时间序列模型进行预测？

答案解析：该题需要进行时间序列分析。首先需要对数据进行平稳性检验，可以使用ADF检验或KPSS检验。如果数据不平稳，则需要进行差分或对数变换等预处理。然后需要对数据进行自相关和偏自相关的分析，以确定时间序列模型的阶数。可以使用ACF和PACF图像或Ljung-Box检验等方法进行分析。根据题目中的数据，可以看出数据的趋势和季节性比较明显，因此可以选择季节性ARIMA模型（SARIMA）进行预测。具体的模型阶数需要根据自相关和偏自相关的分析结果来确定。