logo
  • write-homewrite-home-active首页
  • icon-chaticon-chat-activeAI 智能助手
  • icon-pluginicon-plugin-active浏览器插件
  • icon-subject-activeicon-subject-active学科题目
  • icon-uploadicon-upload-active上传题库
  • icon-appicon-app-active手机APP
  • 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

关于中位数和均数,下列说法正确的是:A. 当数据呈完全对称分布时,均数和中位数相等B. 当数据呈正偏态分布时,均数大于中位数C. 当数据呈负偏态分布时,均数小于中位数D. 当数据呈偏态分布时,中位数比均数更偏向于拖尾的一侧E. 当数据近似自由度为1的卡方分布时,中位数小于均数

(多选题)下列有关正态分布sim N(Mean,(SD)^2)曲线下sim N(Mean,(SD)^2)的范围内围成的区域的面积,说法正确的是( )A 其大小与sim N(Mean,(SD)^2)的大小无关 B 其大小确定,约为sim N(Mean,(SD)^2)C 即随机 变量sim N(Mean,(SD)^2)在sim N(Mean,(SD)^2)的范围内取值的 概率 D 其大小与sim N(Mean,(SD)^2)的大小有关 E 其大小确定,约为sim N(Mean,(SD)^2)

比较两种不同饲料喂养大鼠(每组 20 只) 60 天后体重增加量( g ),数据不服从正态分布,适合用的统计图是:A. 直条图B. 箱式图C. 误差条图D. 散点图E. 直方图

设随机变量X和Y是相互独立的随机变量且都服从正态分布,X~N(3,4),Y~N(2,9),则D(3X+4Y)=___..

描述数值变量呈倍数关系资料的集中趋势指标是( )A. 算术均数B. 几何均数C. 中位数D. 百分位数

5.设总体X的概率密度函数为-|||-f(x)= ) theta (e)^-theta x xgeqslant 0,theta gt 0 0 xlt 0 .-|||-今从X中抽取10个个体,得到数据如下:-|||-1050 1100 1080 1200 1300-|||-1250 1340 1060 1150 1150-|||-试求未知参数θ的极大似然估计量.

8.设Xsim N(mu,sigma^2),mu,sigma^2均未知,若样本容量为n,sigma^2的95%的置信区间为().A. [((n-1)S^2)/(x_(0.975)^2(n-1)),((n-1)S^2)/(x_(0.025)^2(n-1))]B. [((n-1)S^2)/(x_(0.025)^2(n-1)),((n-1)S^2)/(x_(0.975)^2(n-1))]C. [((n-1)S^2)/(t_(0.025)^2(n-1)),((n-1)S^2)/(t_(0.975)^2(n-1))]D. [overline(x)pm(S)/(sqrt(n))t_(0.025)(n-1)]

设总体 X sim N(mu,1),检验 H_0: mu = mu_0,对 H_1: mu neq mu_0,在显著水平 alpha=0.01 下,则拒绝域是【】。 (Z_(0.995) = 2.58, Z_(0.99) = 2.33) A. (-infty, -2.33)cup (2.33, +infty)B. (-infty, -2.58)cup (2.58, +infty)C. (-infty, 2.58)D. (2.58, +infty)

设总体 X sim N(mu, 2^2),通过样本 X_1, X_2, ldots, X_n 检验假设 H_0: mu geq 10,则在显著性水平 alpha 下,该问题拒绝域的形式为().A. overline(X) - 10 B. overline(X) - mu > (2)/(sqrt(n)) u_(1-alpha)C. overline(X) - 10 > (2)/(sqrt(n)) u_(1-alpha/2)D. overline(X) - mu

设随机变量 X,Y 相互独立,且 X sim N(mu_1, sigma^2), Y sim N(mu_2, sigma^2), 则 X-Y 为( )A. N(mu_1+mu_2, sigma_1^2+sigma_2^2)B. N(mu_1-mu_2, sigma_1^2-sigma_2^2)C. N(mu_1+mu_2, sigma_1^2-sigma_2^2)D. N(mu_1-mu_2, sigma_1^2+sigma_2^2)

  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51

热门问题

  • {15分)常规情况下,下列不属于人口学变量的是A. 民族B. 收入C. 年龄D. 睡眠时间E. 性别

  • 请你从下表中找出1~100中所有质数.并数一数一共多少个. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100

  • 5.聚类分析可以看作是一种非监督的分类。()

  • 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

  • 皮尔逊相关系数的取值范围为0到正无穷。()A. 正确B. 错误

  • 像从性不好的资料是()A. 由于死亡或者其他原因不能继续试验B. 能按照试验规定要求完成实验C. 重复参加试验D. 由于纳入标准不合格导致选择的研究对象不符合试验要求E. 能完成试验但是不能按照规定要求完成试验

  • 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

  • 对研究对象制定明确的纳入标准和排除标准,是为了保证样本的A. 可靠性B. 可行性C. 代表性D. 合理性E. 科学性

  • 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

  • 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

  • 设随机变量XY都服从N(0,1),则有()A. X+Y服从正态分布B. X+Y服从x^2分布 C. X^2和Y^2都服从x^2分布 D. (X^2)div (Y^2)服从F分布

  • 44.2021年,我国人均预期寿命提高到了()。A. 78岁B. 79岁C. 78.2岁D. 79.2岁

  • 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

  • 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

  • 1. 名词解释 假设检验 (请在答题纸上手写并拍照上传)

  • 重测信度用重测相关系数来表示,相关系数越趋近于下列哪一数值时,则重测信度越高A. 1B. 0.7C. 2D. 3

  • {1.5分)确定研究总体和样本时,不需要考虑A. 立题依据B. 样本量C. 抽样方法D. 目标总体E. 纳入及排除标准

logo
广州极目未来文化科技有限公司
注册地址:广州市黄埔区揽月路8号135、136、137、138房
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