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

设 X_1, ..., X_n 是来自总体 X 的样本,且 EX = mu,则 mu 的无偏估计是()A. (1)/(n) sum_(i=1)^n-1 X_iB. (1)/(n-1) sum_(i=1)^n X_iC. (1)/(n) sum_(i=2)^n X_iD. (1)/(n-1) sum_(i=1)^n-1 X_i

1、设X_(1),X_(2),...,X_(n)为总体X的一个样本,X的概率密度为f(x)=}thetacdot3^thetax^-theta+1,x>30,其他,其中theta>1,是未知参数,求theta矩估计量和最大似然估计量。(要严格按矩估计量和最大似然估计量求解步骤解答)

单个正态总体均值未知时,对取定的样本观测值及给定的α(0A. F分布B. t分布C. x²分布D. 标准正态分布

在假设检验中,检验水平α的意义是().A. 原假设H0成立,经检验被拒绝的概率B. 原假设H0不成立,经检验被拒绝的概率C. 原假设H0成立,经检验不能拒绝的概率D. 原假设H0不成立,经检验不能拒绝的概率

4.设总体X的数学期望μ与方差σ^2存在,X1,X2,···,Xn是X的样本,则可以作为a^2的无偏-|||-估计的是 ()-|||-(A)当μ已知时, dfrac (1)(n)sum _(i=1)^n(({X)_(i)-mu )}^2-|||-(B)当μ已知时, dfrac (1)(n-1)sum _(i=1)^n(({X)_(i)-mu )}^2-|||-(C)当μ未知时, dfrac (1)(n)sum _(i=1)^n(({X)_(i)-mu )}^2-|||-(D)当μ未知时, dfrac (1)(n-1)sum _(i=1)^n(({X)_(i)-mu )}^2

2、设总体X的分布律为}1&2&3 theta&theta/2&1-3theta/2其中theta>0未知,现得到样本观测值2,3,2,1,3,求theta的矩估计值与最大似然估计值。(提示:已知样本的具体观测值,则似然函数该怎么求呢?)

2【单选题】 已知θ为总体X的未知参数,hat(theta)是θ的一个估计量,则正确的是(). bigcircA. hat(theta)是一个数,且近似等于θ;B. hat(theta)是一个随机变量;C. hat(theta)是一个统计量,且E(hat(theta))=θ;D. 当n很大时,hat(theta)的值可任意靠近θ;

设总体X sim N(0, sigma^2), X_1, X_2,..., X_n为来自X的样本,则服从chi^2(n-1)的是A. sum_(i=1)^n X_i^2B. (1)/(sigma^2) sum_(i=1)^n X_i^2C. (1)/(sigma^2) sum_(i=1)^n (X_i - overline(X))^2D. sum_(i=1)^n (X_i - overline(X))^2

设 X_1, X_2, ... X_n 是正态总体 N(mu, sigma^2) 的样本,其中 sigma^2 未知,检验问题 H_0: mu = mu_0, H_1: mu neq mu_0,则选取的统计量及其拒绝域分别是______A. T = (overline(X) - mu_0)/(S/sqrt(n)),|T| > t_((alpha)/(2))(n-1)B. U = (overline(X) - mu_0)/(sigma/sqrt(n)),|U| > u_((alpha)/(2))C. T = (overline(X) - mu_0)/(S/sqrt(n)),|T| > t_((alpha)/(2))(n)D. chi^2 = ((n-1)S^2)/(sigma^2),chi^2 > chi_((alpha)/(2))^2(n-1)

设总体X~N(μ,σ 2 ),σ 2 已知,若样本容量n和置信度1-α均不变,则对于不同的样本观测值,总体均值μ的置信区间的长度( )。A. 变长B. 变短C. 保持不变D. 不能确定

  • 56
  • 57
  • 58
  • 59
  • 60
  • 61
  • 62
  • 63
  • 64
  • 65
  • 66

热门问题

  • 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

  • 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

  • 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

  • {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

  • 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

  • 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

  • 5.聚类分析可以看作是一种非监督的分类。()

  • 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

  • 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

  • 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

  • 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

  • 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

  • {1.5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

  • 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

  • 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

  • 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

  • 皮尔逊相关系数的取值范围为0到正无穷。()A. 正确B. 错误

  • 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