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

导分是在原始分的基础上,按一定的规则推导出来的。其种类很多,最常用的是,百分制度标准分数。如果一名学生的物理测验成绩为 85 分,班级平均成绩为 82 分,标准差 12,则该生此次测验的标准分数是( )A.0.25B.0.96C.82D.83

某地经过多年的环境治理,已将荒山改造成了绿水青山.为估计一林区某种树木的总材积量,随机选取了10棵这种树木,测量每棵树的根部横截面积(单位:m2)和材积量(单位:m3),得到如下数据: 样本号i 1 2 3 4 5 6 7 8 9 10 总和 根部横截面积xi 0.04 0.06 0.04 0.08 0.08 0.05 0.05 0.07 0.07 0.06 0.6 材积量yi 0.25 0.40 0.22 0.54 0.51 0.34 0.36 0.46 0.42 0.40 3.9 并计算得sum_(i=1)^10xi2=0.038,sum_(i=1)^10yi2=1.6158,sum_(i=1)^10xiyi=0.2474.(1)估计该林区这种树木平均一棵的根部横截面积与平均一棵的材积量;(2)求该林区这种树木的根部横截面积与材积量的样本相关系数(精确到0.01);(3)现测量了该林区所有这种树木的根部横截面积,并得到所有这种树木的根部横截面积总和为186m2.已知树木的材积量与其根部横截面积近似成正比.利用以上数据给出该林区这种树木的总材积量的估计值.附:相关系数r=((sum_{i=1)^n(({{x_i)-overline(x)})}(({y_i)-overline(y)})})/((sqrt(sum_{i=1)^n{{{({{x_i)-overline{x)})}^2}}sum_(i=1)^n({{({{y_i)-overline(y)})}^2}}}}},sqrt(1.896)≈1.377.

对于相关系数和线性回归系数,下列有几句论断是正确的:相关系数越大回归系数也越大。两总体回归系数相等两总体相关系数也相等。相关系数与回归系数的符号一致。相关描述关联关系;回归描述因果关系。()A. 0句B. 1 句C. 2 句D. 3 句E. 4 句

以下对多个时间点重复测量数据的方差-协方差矩阵的球形性描述正确的是A. 任意两时间点测量值的总体方差者相等B. 任意两时间点测量值之差的总体方差都相等C. 任意两时间点测量值的总体相关系数都相等D. 任意两时间点测量值的总体协方差都相等E. 任意两时间点测量值的总体方差和协方差都相等

某工厂进行生产线智能化升级改造.升级改造后,从该工厂甲、乙两个车间的产品中随机抽取150件进行检验,数据如下: 优级品 合格品 不合格品 总计 甲车间 26 24 0 50 乙车间 70 28 2 100 总计 96 52 2 150 ​(1)填写如下列联表: 优级品 非优级品 甲车间 乙车间 ​能否有95%的把握认为甲、乙两车间产品的优级品率存在差异?能否有99%的把握认为甲、乙两车间产品的估级品率存在差异?(2)已知升级改造前该工厂产品的优级品率p=0.5.设overline(p)为升级改造后抽取的n件产品的优级品率.如果overline(p)>p+1.65sqrt((p(1-p))/(n)),则认为该工厂产品的优级品率提高了.根据抽取的150件产品的数据,能否认为生产线智能化升级改造后,该工厂产品的优级品率提高了?(sqrt(150)≈12.247)附:K2=(n(ad-bc)^2)/((a+b)(c+d)(a+c)(b+d)), P(K2≥k) 0.050 0.010 0.001 k 3.841 6.635 10.828

28.某种鸟在起飞前,双足齐跳的次数X服从几何分布,其分布律为-|||- X=x =(p)^x-1(1-p) , =1, 2,···-|||-今获得一样本如下:-|||-x 1 2 3 4 5 6 7 8 9 10 11 12 ≥13-|||-观察到x的次数 48 31 20 9 6 5 4 2 1 1 2 1 0-|||-(1)求p的最大似然估计值.-|||-(2)取 alpha =0.05, 检验假设H0:数据来自总体 X={x)^3=(p)^x-1(1-p) ,x=1,2,···

关于广义估计方程,以下说法错误的是A. 因变量可以是指数分布族中的任一种分布类型B. 属于半参数模型,模型参数的估计不依赖于因变量的联合分布C. 基于因变量的边际分布构造似然函数D. 依赖于工作相关矩阵,估计模型参数前需指定矩阵结构E. 不允许研究对象某些时间点的观测存在缺失值

[单选,A1型题] 不属于变异指标的是()A . 四分位数间距B . 标准差C . 变异系数D . 中位数E . 全距

两组样本率比较,若不拒绝 0H 则认为两组样本率的差异由( )所致 A. 不能确定 B. 两者来自不同总体 C. 样本例数太少 D. 抽样误差 E .第I类错误

均数标准误的意义是(2.0分) 2.0 分 A、 反映频数分布规律 B、 反映个体变异程度的大小 C、 反映指标的分布特征 D、 反映样本均数与总体均数的差异 E、 反映集中趋势的位置

  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53
  • 54
  • 55
  • 56

热门问题

  • 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

  • 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

  • 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

  • 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

  • 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

  • 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

  • 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

  • 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

  • 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. 反向传播B. 最大池化C. 方差池化D. 协方差池化

  • 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

  • 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

  • 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

  • 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

  • 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

  • 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

  • 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

  • 1. 名词解释 假设检验 (请在答题纸上手写并拍照上传)

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