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, ldots, X_n 是来自正态分布 N(mu, sigma^2) 的样本,且 sigma^2 未知,overline(X) 是样本均值, S^2 = (1)/(n-1) sum_(i=1)^n (X_i - overline(X))^2 是样本方差,总体均值 mu 的置信度为 1-alpha 的置信区间是(). A. (overline(X) - (S)/(sqrt(n)) t_(alpha)(n), overline(X) + (S)/(sqrt(n)) t_(alpha)(n))B. (overline(X) - (sigma)/(sqrt(n)) u_(alpha/2), overline(X) + (sigma)/(sqrt(n)) u_(alpha/2))C. (overline(X) - (S)/(sqrt(n)) t_(alpha)(n-1), overline(X) + (S)/(sqrt(n)) t_(alpha)(n-1))D. (overline(X) - (S)/(sqrt(n)) t_(alpha/2)(n-1), overline(X) + (S)/(sqrt(n)) t_(alpha/2)(n-1))

2.[单选题]样本X_(1),X_(2),...,X_(n)来自总体N(mu,12^2),检验H_(0):muleq100,采用统计量()A. (overline(x)-mu)/(12/sqrt(n))B. (overline(x)-100)/(12/sqrt(n))C. (overline(x)-100)/(S/sqrt(n-1))D. (overline(x)-mu)/(S/sqrt(n))

随机变量X的分布函数F(x)是单调不减函数A. 对B. 错

样本方差是总体方差的无偏估计量。A. 对B. 错

随机地从一批钉子中抽取16枚,测得其长度(单位cm)为2.14,2.10,2.13,2.15,2.13,2.12,2.13,2.10,2.15,2.12,2.14,2.10,2.13,2.11,2.14,2.11,设钉长服从正态分布,试就以下两种情况求总体均值的置信度为90%的置信区间:(1)若已知;(2)若未知。

单总体均值假设检验中,原假设H0:μ=μ0,备择假设可能为()A. H1:μ≠μ0(双侧检验)B. H1:μ >μ0(右侧检验)C. H1:μD. H1:μ≥μ0(右侧检验)E. H1:μ≤μ0(左侧检验)

5.某销售公司 sim 2014 年的冰箱销售额数据如下表:-|||-年份 2006 2007 2008 2009 2010 2011 2012 2013 2014-|||-销售额(万元) 80 83 87 89 95 101 105 110 125-|||-要求:-|||-(1)分别用三项和四项移动平均法计算销售额的趋势值,并进行比较;-|||-(2)应用最小二乘法拟合销售额的线性趋势方程,说明销售额平均每年增长多少?并计算出研究时期各-|||-年销售额的趋势值;-|||-(3)预测2015年冰箱销售额将达到的水平;-|||-(4)根据表中数据拟合一条指数趋势曲线,并与线性趋势线进行比较,说明配合哪一种趋势线更好。

样本均值是总体均值的一个一致估计量。( )A. 对B. 错

已知总体 X sim N(mu, sigma^2), sigma^2 未知, 统计假设 H_0: mu = mu_0, H_1: mu A. (overline(x) - mu_0)/(sigma) sqrt(n) leq -u_(1-alpha)B. (overline(x) - mu_0)/(s) sqrt(n) geq -t_(1-alpha)(n-1)C. (overline(x) - mu_0)/(s) sqrt(n) leq -t_(1-alpha)(n-1)

1.[计算题]求置信区间:7.设两位化验员A,B独立地对某种聚合物含氯量用相同的方法各做10次测定,其测定值的样本方差依次为s_(A)^2=0.5415,s_(B)^2=0.6065。设sigma_(A)^2,sigma_(B)^2分别为A,B所测定的测定值总体的方差。设总体均为正态总体,且两样本相互独立,求方差比sigma_(A)^2/sigma_(B)^2的0.95置信区间。

  • 412
  • 413
  • 414
  • 415
  • 416
  • 417
  • 418
  • 419
  • 420
  • 421
  • 422

热门问题

  • 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

  • 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

  • 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

  • {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

  • 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. 反向传播B. 最大池化C. 方差池化D. 协方差池化

  • 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

  • 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

  • 皮尔逊相关系数的取值范围为0到正无穷。()A. 正确B. 错误

  • 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

  • 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

  • {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

  • 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

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