在调节效应模型中,调节变量通常会与()进行交互作用[1]分析。A. 自变量B. 因变量C. 控制变量D. 误差项

假设0.50、1.25、0.80、2.00是来自总体X的简单随机样本值．已知Y=lnX服从正态分布N(μ，1)．(1)求X的数学期望值E(X)(记E(X)为b)；(2)求μ的置信度为0.95的置信区间；(3)利用上述结果求b的置信度为0.95的置信区间．

[单选题]通过直接统计调查获得的数据属于()。A. 二手数据B. 实验数据C. 间接数据D. 一手数据

直方图用于描述连续变量的频数分布。A. 错误B. 正确

2.设_(1)(x)_(2)... ,(x)_(n)是来自_(1)(x)_(2)... ,(x)_(n)的样本,考虑如下假设检验问题:_(1)(x)_(2)... ,(x)_(n) _(1)(x)_(2)... ,(x)_(n) _(1)(x)_(2)... ,(x)_(n)若检验由拒绝域为_(1)(x)_(2)... ,(x)_(n)确定, (1)当_(1)(x)_(2)... ,(x)_(n)时求检验犯两类错误的概率；(2)如果要使得检验犯第二类错误的概率_(1)(x)_(2)... ,(x)_(n)_(1)(x)_(2)... ,(x)_(n)最小应取多少？(3)证明当_(1)(x)_(2)... ,(x)_(n)时,_(1)(x)_(2)... ,(x)_(n),_(1)(x)_(2)... ,(x)_(n).

设theta为总体X中的一个未知参数，X_1, X_2, ..., X_n为它的一个样本，x_1, x_2, ..., x_n为对应的样本值，hat(theta) = hat(theta)(X_1, X_2, ..., X_n)为theta的一个估计，则下面表述不正确的是()。 A. hat(theta) = hat(theta)(X_1, X_2, ..., X_n)是随机变量.B. hat(theta) = hat(theta)(x_1, x_2, ..., x_n)是数量.C. hat(theta)(x_1, x_2, ..., x_n)可作为theta的一个估计值.D. hat(theta)(X_1, X_2, ..., X_n)可作为theta的一个估计值.

7.设总体 sim N(mu ,(sigma )^2) ,X1,X2,···,X9是来自总体X的简单随机样本,X是样本均值,S^2是-|||-样本方差,写出下列抽样分布:-|||-(1) dfrac (3(X-mu ))(sigma ) ;-|||-(2) dfrac (3(overline {X)-mu )}(S) ;-|||-(3) sum _(i=1)^9(({X)_(i)-overline (X))}^2 ;-|||-(4) sum _(i=1)^9(({X)_(i)-mu )}^2-|||-(5) dfrac (9{(x-mu ))^2}({sigma )^2} =-|||-(6) dfrac (9{(overline {X)-mu )}^2}({S)^2} ;-|||-(7) dfrac (2{({X)_(1)-(X)_(2))}^2}({({X)_(3)-(X)_(4))}^2+(({X)_(5)-(X)_(6))}^2} ;-|||-(8) dfrac ({({X)_(1)-(Y)_(1))}^2+(({X)_(2)-(Y)_(1))}^2+(({X)_(3)-(Y)_(1))}^2}({({X)_(6)-(Y)_(2))}^2+( ,其中 _{1)=dfrac ({X)_(1)+(X)_(2)+(X)_(3)}(3) >_(2)=dfrac ({X)_(4)+(X)_(5)+(X)_(6)}(3) -

设总体X服从N(2,4)，N(2,4)是来自X的一个样本，则N(2,4).A.1B.2

4.设从均值为μ，方差为σ²>0的总体中，分别抽取容量为n₁和n₂的两独立样本，overline(X)_(1)和overline(X)_(2)分别是这两个样本的均值.求常数c_(1)及c_(2)，使得Y=c_(1)overline(X)_(1)+c_(2)overline(X)_(2)为μ的无偏估计，并使得D(Y)达到最小.

3.设x1,x2,···,xn为来自于总体X的样本观测值,X的概率密度函数为-|||-f(x)= {e)^-dfrac (x{theta )},xgeqslant 0 0, .-|||-试求参数θ的矩估计值.