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

AR(p)过程的自相关系数(ACF)和偏自相关函数(PACF)的特征分别是( )。A. ACF和PACF都拖尾B. ACF拖尾,PACFp阶后截尾C. ACFp阶后截尾,PACF拖尾D. ACF和PACF都是p阶后截尾

设总体 X ~ N ( 1 , 12 ), Y ~ N ( 2 , 22 ) ,X和Y相互独立,且 1 , 12 ,2 , 22 均未知,从X中抽取容量为n1 =9的样本,从Y中抽取容量为n2 =10的样本分别算得样本方差为S12 =63.86, S22=236.8对于显著性水平α=0.10(0< α <1),检验假设H : 12 = 22 ; H1 : 12≠ 22则正确的方法和结论是[ ](a) 用F检验法,查临界值表知F0.90(8 ,9)=0.40, F0.10(8,9)=2.47 结论是接受H(b) 用F检验法,查临界值表知F0.95(8,9)=0.31, F0.05(8,9)=3.23 结论是拒绝H(c) 用t检验法,查临界值表知t0.05(17)=2.11结论是拒绝H(d) 用χ2检验法,查临界值表知χ2 0.10(17)=24.67结论是接受H

观测值的精度是指观测值在其数学期望附近分布的密集程度,通常用中误差(或方差)表示。()A. 正确B. 错误

4.误差检出概率的计算公式为A. 假失控批数/ (假失控批数 +真在控批数 )×100%B. 真失控批数/ (真失控批数 +假在控批数 )×100%C. 真失控批数/ (真失控批数 +假失控批数 )×100%D. 假在控批数/ (真在控批数 +假在控批数 )×100%E. 真在控批数/ (真在控批数 +假在控批数 )×100%

甲、乙两生产小组人均周工资分别为720元和837元,其标准差均为80元,则两小组人均工资的代表性()A. 甲小于乙B. 甲等于乙C. 甲大于乙D. 无法判断

(3)设(X1,X2,···,Nn)是来自正态总体N(0,σ^2)的一个简单随机样本,则下列-|||-统计量中服从F-分布的是 ()-|||-A. _(1)=dfrac ({{X)_(1)}^2+({X)_(2)}^2+({X)_(3)}^2}({{X)_(4)}^2+({X)_(5)}^2+... +({X)_(9)}^2} B. _(2)=dfrac ({{X)_(1)}^2+({X)_(2)}^2+({X)_(3)}^2+({X)_(4)}^2}({{X)_(4)}^2+({X)_(5)}^2+({X)_-|||-C. _(3)=dfrac ({{X)_(1)}^2+({X)_(2)}^2+({X)_(3)}^2}(2({{X)_(4)}^2+({X)_(3)}^2+... +({X)_(3)}^2 D. _(4)^2=dfrac (2({{X)_(1)}^2+({X)_(2)}^2+({X)_(3)}^2)}({{X)_(4)}^2+({X)_(5)}^2+... +({X)_(9)

为探讨 Rgl 对镉诱导大鼠睾丸损伤的保护作用,某研究者按照窝别把大鼠分成 10 个区组。将同一区组 (窝别 )内的 3 只大鼠随机地分到 3 个实验组,进行不同处理。一定时期后测定大鼠的睾丸 MT 含量 (μg/g)。比较不同处理对大鼠 MT 含量有无影响。问该统计资料类型和实验设计类型分别是什么?A. 计量资料B. 计数资料C. 等级资料D. 完全随机设计E. 配对设计F. 随机区组设计

五、证明题(共10分)1.设X_(1),X_(2),X_(3)是来自正态总体N(mu,sigma^2)的3个样本,证明:hat(mu)_(1)=(1)/(2)X_(1)+(1)/(6)X_(2)+(1)/(3)X_(3),hat(mu)_(2)=(1)/(4)X_(1)+(1)/(2)X_(2)+(1)/(4)X_(3)是mu的无偏估计,并判断哪一个估计更有效.

39.(单选题,1.0分) 一项调查表明,有33%的被调查者认为她们所在的公司十分适合女性工作。假定总体比例为33%,取允许误差分别为10%,5%,2%,1%,在建立总体比例95%的置信区间时,随着允许误差的减少,样本量会( )A. 减少B. 增大C. 可能减少也可能增大D. 不变

在做好项目成本结果概率分布后,有15%可能被超过的估算大约()一个标准差。A. 低于平均数B. 高于中数C. 高于平均数

  • 633
  • 634
  • 635
  • 636
  • 637
  • 638
  • 639
  • 640
  • 641
  • 642
  • 643

热门问题

  • 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

  • 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

  • {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

  • 2024年,我国每天大约有( )个小包裹往来于中国和世界各国之间A. 800万B. 1100万C. 1000万D. 900万

  • 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

  • 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

  • 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

  • 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

  • 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

  • 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

  • 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

  • 皮尔逊相关系数的取值范围为0到正无穷。()A. 正确B. 错误

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