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

4.(单选题) 设X_(1),X_(2),...,X_(n)为来自正态总体N(mu,sigma^2)的样本,则COV(X_(1),X_(2))=A. 0B. 1C. 0.5D. -1

证据真实性评价的内容不包括()A. 研究方法的合理性B. 统计分析是否正确C. 研究结果是否重要D. 研究设计科学性E. 结论是否可靠

二、非选择题-|||-6.材料一 每年的3月5日是中国青年志愿者服务-|||-日,志愿者们为他人送去关怀和温暖,利用自己的-|||-业余时间,不计任何报酬参与社会服务。-|||-材料二 某校准备开展志愿公益活动,在此之前,-|||-对学生参加公益活动情况进行了一次抽样问卷调-|||-查,下面是调查统计情况:-|||-情况统计-|||-参加项目-|||-偶尔参加 多次参加 从未参加-|||-给希望工程捐款,-|||-90% 10% 0-|||-帮助贫困同学-|||-义务植树、义务 79% 20% 1%-|||-劳动-|||-科技、文化、卫生-|||-95% 5% 0-|||-三下乡活动-|||-(1)结合上述材料,谈谈你对志愿公益活动的-|||-认识。-|||-(2)根据材料二的调查结果,我们应如何提高公益-|||-活动的参与度?二、非选择题6.材料一每年的3月5日是中国青年志愿者服务日,志愿者们为他人送去关怀和温暖,利用自己的业余时间,不计任何报酬参与社会服务。材料二某校准备开展志愿公益活动,在此之前,对学生参加公益活动情况进行了一次抽样问卷调查,下面是调查统计情况:情况统计参加项目偶尔参加|多次参加|从未参加给希望工程捐款,90%10%帮助贫困同学义务植树、义务79%|20%1%劳动科技、文化、卫生95%5% 0三下乡活动(1)结合上述材料,谈谈你对志愿公益活动的认识。(2)根据材料二的调查结果,我们应如何提高公益活动的参与度?

设X_1,X_2,...,X_n为来自总体N(0,sigma^2)的简单随机样本,overline(X)为样本均值,记Y=X_1-overline(X),则D(Y)的值为().A. sigma^2B. 2sigma^2C. ((n-1)sigma^2)/(n)D. (sigma^2)/(n)

2.假设随机变量X服从正态分布N(μ,σ^2),X1,···,,,220是来-|||-自X的一个样本.令-|||-=3sum _(i=1)^10(X)_(i)-4sum _(i=1)^20(X)_(i),-|||-则Y服从分布 __ .

10. (5.0分) 设X_(1),X_(2),...,X_(n)和Y_(1),Y_(2),...,Y_(n)都是来自总体Xsim N(mu,sigma^2)的样本,并且相互独立,overline(X)与overline(Y)是两个样本的样本均值,则(sum_(i=1)^n(X_(i)-overline(X))^2)/(sum_(i=1)^n(Y_{i)-overline(Y))^2}sim____。(写出分布,并给出自由度)

完全随机设计两样本比较的秩和检验,其检验统计量T是()。A. 以例数较小者为TB. 以例数较大者为TC. 以秩和较小者为TD. 以秩和较大者为T

设总体approx N(mu ,(sigma )^2), approx N(mu ,(sigma )^2) 为从该总体中得到的样本,approx N(mu ,(sigma )^2)和approx N(mu ,(sigma )^2)分别是样本均值和样本方差,则approx N(mu ,(sigma )^2) ( ) A、对 B、错

若总体 X sim N(mu, sigma^2),其中 mu 未知,sigma^2 已知。总体均值 mu 的置信区间的长度 l 与置信度 alpha 的关系是。A. 当 alpha 变小时, l 缩短B. 当 alpha 变小时, l 不变C. 当 alpha 变小时, l 伸长D. 以上说法都不对

设总体 X sim N(mu, sigma^2), X_1,..., X_n 来自总体 X, 则下列估计量是总体方差 sigma^2 的无偏估计的是()A. overline(X)B. (1)/(n-1) sum_(i=1)^n (X_i - overline(X))^2C. X_1 + X_2 + ... + X_nD. 2(6X_1 + 4X_2)

  • 338
  • 339
  • 340
  • 341
  • 342
  • 343
  • 344
  • 345
  • 346
  • 347
  • 348

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

  • {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

  • 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

  • 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

  • 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

  • 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

  • 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

  • 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

  • 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

  • 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

  • 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

  • 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

  • {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

  • 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

  • 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. 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

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