logonew chat icon top
  • icon-chaticon-chat-active搜题/提问
    new chat icon
    新建会话
  • icon-calculatoricon-calculator-active计算器
  • icon-subject-activeicon-subject-active学科题目
  • icon-pluginicon-plugin-active浏览器插件
  • icon-uploadicon-upload-active上传题库
  • icon-appicon-app-active手机APP
recent chat icon
历史记录
  • 医学医学
  • 政治学政治学
  • 管理管理
  • 计算机计算机
  • 教育教育
  • 数学数学
  • 艺术艺术

习惯上,下列属于小概率事件的概率为: A. p=0.09B. p=0.10C. p=0.15D. p=0.03

下列有关等级相关系数rs的描述中不正确的是 A. 不服从双变量正态分布的资料宜计算rsB. 等级数据宜计算rsC. rs值-1~+1之间D. 查rs界值表时,rs值越大,所对应的概率P值也越大

关于随机化原则下列说法不正确的是( )A.保证实验组和对照组各种已知和未知的特征均衡B. 是统计假设检验的前提条件C.没有随机化的研究结果是不能作为证据使用的D.避免研究者主观意愿的影响E.是实验设计的基本原则之一

以下属于统计数据分析方法的是()。 A. 聚类分析B. 描述性分析C. 推断性分析D. 回归分析

(五)-|||-2019年2月中下旬,某市统计局随机抽取2000名在该市居住半年以上的 sim 65 周岁居民,就其2019年春节-|||-期间的消费情况进行了调查。调查结果显示:与上年春节相比,28.3^4的受访居民消费支出有所增加,58.0°的-|||-受访居民消费支出基本持平。-|||-图12019年春节期间不同消费支出金额受访居民构-|||-成-|||-11000元以上 说不清-|||-8000-11000 元 2.90% 1.60%-|||-4.50%-|||-5000-8000 元-|||-11.50% 2000元以下元以下-|||-36.70% □ 2000-5000 元-|||-5000-8000 元-|||-□ 8000-11000 元-|||-11000元以上-|||-说不清-|||-2000-5000 元-|||-42.80%-|||-图22019年春节期间不同消费项目受访居民占比-|||-其他 4.4-|||-购保健品 14.9-|||-购数码产品、智能家电 16-|||-去旅游 27.9-|||-参加教育培训 33.2-|||-看电影、滑雪、逛庙会 53.2-|||-餐饮消费 70.2-|||-购年俗食品、烟酒、服饰 78.7-|||-发红包、给压岁钱 82.7-|||-0 20 40 60 80 100-|||-126 受访居民中,2019年春节期间消费支出多于上年的人数与少于上年的人数相差:-|||-A、274人 B、292人 C、594人 D、886人-|||-127 2019年春节期间有"餐饮消费"的受访居民中,一定有人:-|||-A、参加教育培训 B、去旅游-|||-C、购保健产品 D、购数码产品、智能家电-|||-128 2019年春节期间消费支出在2000元以下的受访居民中,"发红包、给压岁钱的"至少占-|||-A、79.4 B、61.0 C、54.8 D、52.9-|||-129 2019年春节期间消费支出在5000元以上的受访居民人数有可能是:-|||-A、320人 B、388人 C、420人 D、456人-|||-130 关于2019年春节期间消费,从上述资料中能够推出的是-|||-A、"购年俗食品、烟酒、服饰"的受访居民中没有人消费支出超过8000元-|||-B、消费支出与上年基本持平的受访居民中有16人消费支出为 2000-5000 元-|||-C、受访居民中去"看电影、滑雪、逛庙会的比"参加教育培训的多400人-|||-D、至少有14.9^4的受访居民同时选择"购保健产品""购数码产品、智能家电"和"去旅游"

多样本计量资料的比较,当分布类型不清时选择()。A. t检验B. t检验C. U检验D. H检验E. F检验

561 设X1,X2,··· _(n)(ngeqslant 2) 为来自总体 (mu ,(sigma )^2)(sigma gt 0) 的简单随机样本,令 overline (X)=-|||-dfrac (1)(n)sum _(i=1)^n(X)_(i) =sqrt (dfrac {1)(n-1)sum _(i=1)^n(({X)_(i)-overline (X))}^2} '=sqrt (dfrac {1)(n)sum _(i=1)^n(({X)_(i)-mu )}^2} 则-|||-(A) dfrac (sqrt {n)(overline (X)-mu )}(S)sim t(n). (B) dfrac (sqrt {n)(overline (X)-mu )}(S)sim t(n-1).-|||-(C) dfrac (sqrt {n)(overline (X)-mu )}(S)sim t(n). (D) dfrac (sqrt {n)(overline (X)-mu )}(S)sim t(n-1).A、AB、BC、CD、D

[单选] 对合计率进行标准化的目的是()。A . 消除内部构成的差异,使率具有可比性B . 将率变成实际水平C . 使大的率变小,小的率变大D . 使率能够在任意两组中对比E . 以上都不对

例4 设随机变量X的分布函数为F(x),则我们可作出分布函数-|||-(A)2F(x). (B)F(2x). (C)F(x^2). (D)F(|x|).

某地年随机抽取名健康成年男性,算得其血清总红细胞含量的均数为,标准差为,则其的置信区间为

  • 111
  • 112
  • 113
  • 114
  • 115
  • 116
  • 117
  • 118
  • 119
  • 120
  • 121

热门问题

  • 下列说法正确的是() A. 方差数值上等于各个数据与样本方差之差的平方和之平均数B. 协方差和方差的计算方式完全一致C. 协方差衡量了多个变量的分布D. 方差描述了样本数据的波动程度

  • 决策树算法常用的划分准则包括: A. 信息增益B. 基尼指数C. 误差平方和D. 均方差

  • 以下几种数据挖掘功能中,〔〕被广泛的用于购物篮分析.A. 关联分析B. 分类和预测C. 聚类分析D. 演变分析

  • 区群谬误是用个体调查(分析)单位做资料收集与分析,却用集群乃至总体调查(分析)单位做结论。()A. 正确B. 错误

  • 下列哪项属于常见的池化方式。() A. 反向传播B. 方差池化C. 协方差池化D. 最大池化

  • 1. 名词解释 假设检验 (请在答题纸上手写并拍照上传)

  • 假定用于分析的数据包含属性age.数据元组[1]中age的值如下(按递增序):13,15,16,16,19,20,20,21,22,22,25,25,25,30,33,33,35,35,36,40,45,46,52,70, 问题:使用按箱平均值平滑方法对上述数据进行平滑,箱的深度为3。第二个箱子值为:A. 18.3B. 22。6C. 26。8D. 27。9

  • 下列说法正确的是() A. 方差数值上等于各个数据与样本方差之差的平方和之平均数B. 协方差衡量了多个变量的分布C. 协方差和方差的计算方式完全一致D. 方差描述了样本数据的波动程度

  • 皮尔逊相关系数的取值范围为0到正无穷。() A. 正确B. 错误

  • 下列关于回归分析的描述不正确的是() A. 回归分析研究单个变量的变化情况B. 刻画不同变量之间关系的模型统称为线性回归模型C. 回归分析研究不同变量之间存在的关系D. 回归分析模型可分为线性回归模型和非线性回归模型

  • 48皮尔逊相关系数的取值范围为0到正无穷。() A. 错误B. 正确

  • 下列哪项属于常见的池化方式。() A. 反向传播B. 最大池化C. 方差池化D. 协方差池化

  • 下列关于回归分析的描述不正确的是() A. 回归分析模型可分为线性回归模型和非线性回归模型B. 回归分析研究不同变量之间存在的关系()C. 刻画不同变量之间关系的模型统称为线性回归模型D. 回归分析研究单个变量的变化情况

  • 下列说法不正确的是() A. 协方差数值上等于各个数据与样本方差之差的平方和B. 协方差和方差的计算完全一致C. 协方差描述了两个变量之间的相关程度D. 方差描述了样本数据的波动程度

  • 5.聚类分析可以看作是一种非监督的分类。()

  • 下列哪项属于常见的池化方式。() A. 协方差池化B. 方差池化C. 反向传播D. 最大池化

  • 关于样本中某一变量的综合描述叫( )A. 统计值B. 平均值C. 估计值D. 参数值

  • 从总体中抽取的、对总体有一定代表性的一部分个体称为()A. 总体B. 部分C. 样本D. 取样

  • 可以从最小化每个类簇的方差这一视角来解释K均值聚类的结果,下面对这一视角描述正确的 A. 每个样本数据分别归属于与其距离最远的聚类质心所在聚类集合B. 每个簇类的质心累加起来最小C. 最终聚类结果中每个聚类集合中所包含数据呈现出来差异性最大D. 每个簇类的方差累加起来最小

  • 聚类分析的常见应用领域不包括( )数据分析图像处理客户分割发现关联购买行为

logo
广州极目未来文化科技有限公司
注册地址:广州市天河区黄村大观公园路10号3N2
关于
  • 隐私政策
  • 服务协议
  • 权限详情
学科
  • 医学
  • 政治学
  • 管理
  • 计算机
  • 教育
  • 数学
联系我们
  • 客服电话: 010-82893100
  • 公司邮箱: daxuesoutijiang@163.com
  • qt

©2023 广州极目未来文化科技有限公司 粤ICP备2023029972号    粤公网安备44011202002296号