多元統(tǒng)計(jì)分析模擬試題_第1頁
多元統(tǒng)計(jì)分析模擬試題_第2頁
多元統(tǒng)計(jì)分析模擬試題_第3頁
多元統(tǒng)計(jì)分析模擬試題_第4頁
全文預(yù)覽已結(jié)束

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

多元統(tǒng)計(jì)分析模擬試題(兩套:每套含填空、判斷各二十道)A卷1)判別分析常用的判別方法有距離判別法、貝葉斯判別法、費(fèi)歇判別法、逐步判別法。2)Q型聚類分析是對(duì)樣品的分類,R型聚類分析是對(duì)變量—的分類。3)主成分分析中可以利用協(xié)方差矩陣和相關(guān)矩陣求解主成分。4)因子分析中對(duì)于因子載荷的求解最常用的方法是主成分法、主軸因子法、極大似然法5)聚類分析包括系統(tǒng)聚類法、模糊聚類分析、K-均值聚類分析6)分組數(shù)據(jù)的Logistic回歸存在異方差性,需要采用加權(quán)最小二乘估計(jì)7)誤差項(xiàng)的路徑系數(shù)可由多元回歸的決定系數(shù)算出,他們之間的關(guān)系為二8)最短距離法適用于條形的類,最長距離法適用于橢圓形的類。9)主成分分析是利用降維的思想,在損失很少的信息前提下,把多個(gè)指標(biāo)轉(zhuǎn)化為幾個(gè)綜合指標(biāo)的多元統(tǒng)計(jì)方法。10)在進(jìn)行主成分分析時(shí),我們認(rèn)為所取的m(m<p,p為所有的主成分)個(gè)主成分的累積貢獻(xiàn)率達(dá)到蹬以上比較合適。11)聚類分析的目的在于使類內(nèi)對(duì)象的同質(zhì)性最大化和類間對(duì)象的異質(zhì)性最大化12)是隨機(jī)變量,并且有,那么服從(卡方)分布。13)在對(duì)數(shù)線性模型中,要先將概率取對(duì)數(shù),再分解處理,公式:14)將每個(gè)原始變量分解為兩部分因素,一部分是由所有變量共同具有的少數(shù)幾個(gè)室共因子組成的,另一部分是每個(gè)變量獨(dú)自具有的因素,即特殊因子15)判別分析的最基本要求是分組類型在兩組之上,每組案例的規(guī)模必須至少一個(gè)以上,解釋變量必須是可測(cè)量的16)當(dāng)被解釋變量是屬性變量而解釋變量是度量變量時(shí)判別分析是合適的統(tǒng)計(jì)分析方法17)多元正態(tài)分布是一元正態(tài)分布的推廣18)多元分析的主要理論都是建立在冬元正態(tài)總體基礎(chǔ)上的,多元正態(tài)分布是多元分析的基礎(chǔ)19)因子分析中,把變量表示成各因子的線性組合,而主成分分析中,把主成分表示成各變量的線性組合。20)統(tǒng)計(jì)距離包括歐氐距離和馬氐距離兩類1)因子負(fù)荷量是指因子結(jié)構(gòu)中原始變量與因子分析時(shí)抽取出的公共因子的相關(guān)程度。(")(p147)2)主成分分析是將原來較少的指標(biāo)擴(kuò)充為多個(gè)新的綜合指標(biāo)的多元統(tǒng)計(jì)方法。(X)(p24)3)判別分析其被解釋變量為屬性變量,解釋變量是度量變量。(")(p90)4)Logistic回歸對(duì)于自變量有要求,度量變量或者非度量變量都不可以進(jìn)行回歸。(X)(p220)5)在系統(tǒng)聚類過程中,聚合系數(shù)越大,合并的兩類差異越小。(X)(P59)TOC\o"1-5"\h\z6)spss只能對(duì)單變量進(jìn)行正態(tài)性檢驗(yàn)。(")7)Logistic回歸中的估計(jì)參數(shù)(,,,反應(yīng)優(yōu)勢(shì)比率的變化,如果是正的,它的反對(duì)數(shù)值(指數(shù))一定小于1。(228)8)密度函數(shù)可以是負(fù)的。(X)(p3)9)計(jì)算典型函數(shù)推導(dǎo)的典型權(quán)重有較小的不穩(wěn)定性。(X)(p205)10)10、對(duì)應(yīng)分析可以用圖形的方式提示變量之間的關(guān)系,同時(shí)也可以給出具體的統(tǒng)計(jì)量來度量這種相關(guān)關(guān)系,使研究者在作用對(duì)應(yīng)分析時(shí)得到主觀性較強(qiáng)的結(jié)論。(X)(p179)11)多元檢驗(yàn)具有概括和全面考察的特點(diǎn),容易發(fā)現(xiàn)各指標(biāo)之間的關(guān)系和差異。(X)p2512)名義尺度的指標(biāo)用一些類來表示,這些類之間有等級(jí)關(guān)系,但沒有數(shù)量關(guān)系。(X)p4313)k-均值法是一種非譜系聚類法(")p4414)一般而言,不同聚類方法的結(jié)果不完全相同(V)p615)判別分析最基本要求是分組類型在兩組以上且解釋變量必須是可測(cè)量的(V)p9016)非譜系聚類法是把變量聚集成k個(gè)類的集合。(X)p6417)主成分的數(shù)目大大少于原始變量的數(shù)目。(V)p11418)因子分析只能用于研究變量之間的相關(guān)關(guān)系。(X)p14319)聚類分析中的分類方法中,系統(tǒng)聚類法和分解法相似(相反)。(X)P4320)聚類分析的目的就是把相似的研究對(duì)象歸類。(V)P42B卷一、填空題因子分析中因子載荷系數(shù)的統(tǒng)計(jì)意義是第i個(gè)變量與第j個(gè)公因子的相

關(guān)系數(shù);(TOC\o"1-5"\h\z類平均法的兩種形式為組間聯(lián)結(jié)法和組內(nèi)聯(lián)結(jié)法(P56)設(shè)尤?,E=1,2-,以則即點(diǎn)0^)~w(10£)(如i3(P5)聚類分析根據(jù)實(shí)際的需要可能有兩個(gè)方向,一是對(duì)樣品,一是對(duì)指標(biāo)聚類。(P43)模糊聚類分析方法中對(duì)原始數(shù)據(jù)進(jìn)行變換,變換方法通常有標(biāo)準(zhǔn)化變換,極差變換,對(duì)數(shù)變換(p63)6、設(shè)X?N(^,£),其中X=(x,x),^=(^,^),£=b則Cov(x+x,x—x)=0非譜系聚類法是把樣品聚集成K個(gè)類的集合。(P64)因子分析的基本思想是根據(jù)相關(guān)性大小把原始變量分組,使得同組內(nèi)的變量之間相關(guān)性較高,而不同組間的相關(guān)性較低。(P142)兩總體均值的比較問題也可分為兩總體協(xié)方差陣相等與兩總體協(xié)方差不相等兩種情形。(P25)因子旋轉(zhuǎn)分為正交旋轉(zhuǎn)和斜交旋轉(zhuǎn)。(P150)Q型聚類是指對(duì)樣品進(jìn)行聚類,R型聚類是指對(duì)指標(biāo)(變量)進(jìn)行聚類。(42頁)13.一元回歸的數(shù)學(xué)模型是:y邛0+。1x+£,多元回歸的數(shù)學(xué)模型是:y邛0+。1x1+。2x2+。pxp+£_。13.變量的類型按尺度劃分有間隔尺度、有序尺度、名義尺度_.(43頁)14.判別分析是判別樣品所屬類型的一種統(tǒng)計(jì)方法,常用的判別方法有距離判別法、Fisher判別法、Bayes判別法、逐步判別法。(80頁)15若A?W(n,£),n>p,A?W(n,£),z>0,,且A1和A2相互獨(dú)立,則APP"A—1^^-?a(p,n,n).12。(19頁)對(duì)應(yīng)分析是將R型因子分析和Q型因子分析結(jié)合起來進(jìn)行的統(tǒng)計(jì)分析方法。(170頁)典型相關(guān)分析是研究?jī)山M變量之間相關(guān)分析的一種多元統(tǒng)計(jì)方法。(194頁)判別分析適用于被解釋變量是非度量變量的情形。主成分分析是利用降維的思想,在損失很少信息的前提下,把多個(gè)指標(biāo)轉(zhuǎn)化為幾個(gè)綜合指標(biāo)的多元統(tǒng)計(jì)方法。(113頁)20.設(shè)X.,i=i,2…,16是來自多元正態(tài)總體N3,£),%和A分別為正態(tài)總體N3,£)的樣本均值和樣本離差陣,則T2=15[4(X-"At[4(X-"?T2(15,P)或15—F(p,n-p).16-p二、判斷題1、對(duì)于任何隨機(jī)向量X=(X1,X2,...,X)來說,其協(xié)方差陣£都是對(duì)稱陣,同時(shí)總是非負(fù)定的。(T)P52、能夠體現(xiàn)各個(gè)變量在變差大小上的不同,以及有時(shí)存在的相關(guān)性還要求距離與各變量所用的單位無關(guān),這種距離是歐式距離。(F)P73、最長距離法中,選擇最小的距離作為新類與其他類之間的距離,然后將類間距離最小的兩類進(jìn)行合并,一直合并到只有一類為止。(F)P554、當(dāng)總體g/G2為正態(tài)總體且協(xié)方差相等時(shí),選用馬氏距離。(T)P905、進(jìn)行主成分分析的目的之一是減少變量的個(gè)數(shù),所以一般不會(huì)去p個(gè)主成分,而是取m(m<p)個(gè)主成分。(T)P1196、第k個(gè)主成分Yk與原始變量%的相關(guān)系數(shù)(匕,X」稱為因子負(fù)荷量。(T)P1207、F=(f,F(xiàn),......,F),(m<p)是不可觀測(cè)的變量,其均值向量E(F)=0,協(xié)方12m差矩陣cov(F)=I,即向量F的各分量不是相互獨(dú)立的。(F)P1458、每個(gè)典型函數(shù)都包括一對(duì)變量,通常一個(gè)代表自變量,另一個(gè)代表因變量。(T)P2029、分組數(shù)據(jù)的Logistic回歸不僅適用于大樣本的分組數(shù)據(jù),對(duì)小樣本的未分組數(shù)據(jù)也適用。(F)P23210、一個(gè)未知參數(shù)可以由顯變量的協(xié)方差矩陣的一個(gè)或多個(gè)元素的代數(shù)函數(shù)來表達(dá),就稱這個(gè)為參數(shù)可識(shí)別。(T)P26411、隨機(jī)向量的協(xié)方差陣一定是對(duì)稱的半正定陣。(T)P512、標(biāo)準(zhǔn)化隨機(jī)變量的協(xié)方差陣與原變量的相關(guān)系數(shù)相同。(T)P513、對(duì)應(yīng)分析反應(yīng)的是列變量與行變量的交叉關(guān)系。(F)P17014、若一個(gè)隨機(jī)向量的任何邊緣分布均為正態(tài),則它是多元正態(tài)分布。(Tp1015、特征函數(shù)描述空間的元素之間是否有關(guān)聯(lián),而隸屬度描述了元素之間的關(guān)聯(lián)是多少。(T)p6216、非譜系聚類法是把變量聚集成K個(gè)類的集合。(F)p6417、

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論