若X~F(5,10)，已知P(X>3.33)=0.05,P(X<(1)/(4.74))=0.05，则A F_(0.05)(5,10)=3.33;B F_(0.05)(10,5)=3.33;C F_(0.05)(5,10)=3.33;D F_(0.05)(10,5)=4.74.

设总体 X sim N(mu, sigma^2)，其中 sigma 是未知参数，X_1, X_2, ldots, X_5 是来自总体 X 的简单随机样本，则下列(）不是统计量。A. (1)/(n) sum_(i=1)^5 X_iB. (1)/(n) sum_(i=1)^5 (X_i - mu)^2；C. (1)/(n) sum_(i=1)^5 (X_i - mu)/(sigma)；D. max_(1 leq i leq 5) X_i；

样本相关系数r＝０时，说明:A. 两变量（X,Y）不存在任何关系B. 两变量存在相互关系的可能性很小C. 两变量的关系不能确定D. 两变量间必然存在某种曲线关系E. 两变量间不存在直线关系，但不排除存在某种曲线关系

不同专业学生的血型构成比较可以用（）表达。A 直方图 B 直条图 C 线图 D 百分条图E 箱式图

在显著性水平alpha下，关于假设检验与置信区间的关系，以下说法正确的是:A. 参数的1-alpha置信区间，包含所有在alpha水平下不拒绝的假设值。B. 单侧检验对应的是双侧置信区间。C. 若原假设值落在置信区间外，则在alpha水平下接受原假设。D. 置信区间的置信水平等于检验的势。

6、某医生用A药治疗9列病人，治愈7人，用B药治疗10列病人，治愈1人，比较两药疗效时，可选用的最适当方法是（）A. 卡方检验B. 校正的卡方检验C. Fisher确切概率法D. Z近似E. 无法判断

检验直线回归方程是否有统计学意义可采用()A. Z检验或卡方检验B. 方差分析或t检验C. 方差分析或秩和检验D. Z检验或t检验E. 相关分析或卡方检验

翻译成英文，不要在线翻译。急需！主成分分析和因子分析比较摘 要 ： 主成分分析和因子分析都是从变量的方差—协方差结构入手，在尽可能多地保留原始信息的基础上，用少数新变量来解释原始变量的多元统计分析方法。本文就主成分分析和因子分析的异同进行比较。关键词 ： 主成分分析；因子分析；比较主成分分析和因子分析是多元统计方法中关系密切的两种方法,它们能解决经济、教育、科技、社会等领域中的问题。但是在进行综合分析时，常出现主成分分析与因子分析这两种方法运用混淆的错误。本文就主成分分析和因子分析的异同进行比较。一、 主成分分析 主成分分析又称主分量分析或主轴分析，由皮尔逊首先引入，后来被霍特林发展了。它是一种通过降维技术把多个变量 化为少数几个主成分的统计分析方法。这些主成分能够反映原 始变量的绝大部分信息，它们通常表示为原始变量的某种线性 组合并要求它们之间互不相关。主成分分析的一般目的是：1. 变量的降维；2.主成分的解释。主成分分析的应用主要有以下几种：(1)指标分类(变量分类)；(2)样品分类；(3)样品排 序或系统评估；(4)主成分回归；(5)主成分检验法。二、因子分析因子分析可看作是对主成分分析的推广和发展。它是研究相关阵或协方差阵的内部依赖关系，它将具有错综复杂关系的 变量综合为数量较少的几个因子，以再现原始变量与因子之间的相互关系，同时根据不同因子还可以对变量进行分类。因子分析的目的是，用几个不可观测的隐变量来解释原始变量间的协方差关系。三、两者的不同点两者的不同点：(1)主成分分析不能作为一个模型来描述，它只是通常的变量变换，而因子分析需要构造因子模型；(2)主成分分析中主成分的个数和变量个数相同，它是将一组具有相关关系的变量变换为一组互不相关的变量，而因子分析的目的是要尽可能少的公因子，以便构造一个结构简单的因子模型；(3)主成分分析是将主成分表示为原始变量的线性组合，而因子分析是将原始变量表示为公因子和特殊因子的线性组合，用假设的公因子来“解释”相关阵的内部依赖关系。四、两者的相同点时两者的相同点：(1)思想一致：都是降维的思想；(2)应用范围一致：都要求变量之间具有不完全的相关性；(3)数据处理过程一致：数据的无量纲化，求相关系数矩阵的特征值和特征向量，通过累计贡献率确定主成分个数、因子个数；(4)合成方法一致：都没有考虑原始变量之间的关系，直接用线性关系处理变量与主成分和因子之间的关系。

秩和检验和t检验相比,其优点( )A. 计算更简便B. 公式更为合理C. 检验效能高D. 抽样误差小E. 不受分布限制

简答题(20.0分)-|||-(20分)设某次考试成绩 sim N(mu ,(sigma )^2), 现在随机地抽查了16名学生的成绩作为样-|||-本,并算得样本均值为 overline (x)=75.1, 样本标准差为 =8.0, 求μ的置信水平为95%的置-|||-信区间。(附: _(0.025)(15)=2.13 é