《统计学》练习题3答案 .doc

《《统计学》练习题3答案 .doc》由会员分享，可在线阅读，更多相关《《统计学》练习题3答案 .doc（9页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、统计学练习题（3）第9章1下面的陈述错误的是（D）。A相关系数是度量两个变量之间线性关系强度的统计量B相关系数是一个随机变量C相关系数的绝对值不会大于1D相关系数不会取负值2根据你的判断，下面的相关系数取值错误的是（C）。A-0.86 B0.78C1.25 D03下面关于相关系数的陈述中错误的是（A）。A数值越大说明两个变量之间的关系就越强 B仅仅是两个变量之间线性关系的一个度量，不能用于描述非线性关系C只是两个变量之间线性关系的一个度量，不一定意味着两个变量之间存在因果关系D绝对值不会大于14如果相关系数r=0，则表明两个变量之间（C）。A相关程度很低B不存在任何关系C不存在线性相关关系D存

2、在非线性相关关系5在回归模型y01x中，反映的是（C）。A由于x的变化引起的y的线性变化部分B由于y的变化引起的x的线性变化部分C除x和y的线性关系之外的随机因素对y的影响D由于x和y的线性关系对y的影响6在回归分析中，F检验主要是用来检验（C）。A相关系数的显著性B回归系数的显著性C线性关系的显著性D估计标准误差的显著性7说明回归方程拟合优度的统计量主要是（C）。A相关系数 B回归系数C判定系数 D估计标准误差8回归平方和占总平方和的比例称为（C）。A相关系数 B回归系数C判定系数 D估计标准误差9下面关于判定系数的陈述中不正确的是（B）。A回归平方和占总平方和的比例B取值范围是-1，1C取

3、值范围是0，1D评价回归方程拟合优度的一个统计量10下面关于估计标准误差的陈述中不正确的是（D）。A均方残差（MSE）的平方根 B对误差项的标准差的估计C排除了x对y的线性影响后，y随机波动大小的一个估计量D度量了两个变量之间的关系强度11残差平方和SSE反映了y的总变差中（B）。A由于x与y之间的线性关系引起的y的变化部分B除了x对y的线性影响之外的其他因素对y变差的影响C由于x与y之间的非线性关系引起的y的变化部分D由于x与y之间的函数关系引起的y的变化部分12若变量x与y之间的相关系数r=0.8，则回归方程的判定系数2等于（C）。A0.8 B0.89 C0.64 D0.40第10章1在多

4、元线性回归分析中，t检验是用来检验（B）。A总体线性关系的显著性 B各回归系数的显著性C样本线性关系的显著性 DH0：12k0，2在多元线性回归模型中，若自变量xi对因变量y的影响不显著，那么它的回归系数i的取值（A）。A可能接近0 B可能为1C可能小于0 D可能大于13在多元线性回归方程中，回归系数表示（B）。A自变量xi变动一个单位时，因变量y的平均变动量为B其他变量不变的条件下，自变量xi变动一个单位时，因变量y的平均变动量为C其他变量不变的条件下，自变量xi变动一个单位时，因变量y的总变动总量为D因变量y变动一个单位时，自变量xi的变动总量为4在多元回归分析中，通常需要计算调整的多重判

5、定系数R2，这样可以避免R2的值（A ）。A由于模型中自变量个数的增加而越来越接近1B由于模型中自变量个数的增加而越来越接近0C由于模型中样本量的增加而越来越接近1D由于模型中样本量的增加而越来越接近05在多元线性回归分析中，如果F检验表明线性关系显著，则意味着（A）。A在多个自变量中至少有一个自变量与因变量之间的线性关系显著B所有的自变量与因变量之间的线性关系都显著C在多个自变量变中至少有一个自变量与因变量之间的线性关系不显著D所有的自变量与因变量之间的线性关系都不显著6在多元线性回归分析中， 如果t检验表明回归系数i不显著，则意味着（C）。A整个回归方程的线性关系不显著B整个回归方程的线性

6、关系显著C自变量xi与因变量之间的线性关系不显著D自变量xi与因变量之间的线性关系显著7在多元线性回归分析中，多重共线性是指模型中（A）。A两个或两个以上的自变量彼此相关B两个或两个以上的自变量彼此无关C因变量与一个自变量相关D因变量与两个或两个以上的自变量相关8在多元线性回归分析中， 如果F检验表明回归方程的线性关系显著，则（B）。A表明每个自变量与因变量的关系都显著B表明至少有一个自变量与因变量的线性关系显著C意味着每个自变量与因变量的关系都不显著D意味着至少有一个自变量与因变量的关系不显著9如果回归模型中存在多重共线性，则（D）。A整个回归模型线性关系不显著B肯定有一个回归系数通不过显著

7、性检验C肯定导致某个回归系数的符号与预期相反D可能导致某些回归系数通不过显著性检验10如果某个回归系数的正负号与预期相反，则表明（C）。A所建立的回归模型是错误的B该自变量与因变量之间的线性关系不显著C模型中可能存在多重共线性D模型中肯定不存在多重共线性11虚拟自变量的回归是指在回归模型中含有（A）。A分类自变量 B数值型自变量C分类因变量 D数值型因变量12设回归方程的形式为E(y)=0+1x，若x是取值为0，1的哑变量，则0的意义是（A）。A代表与哑变量值0所对应的那个分类变量水平的平均值B代表与哑变量值1所对应的那个分类变量水平的平均值C代表与哑变量值1所对应的那个分类变量水平的平均响应

8、与哑变量值0所对应的那个分类变量水平的平均值D代表与哑变量值为1所对应的那个分类变量水平的平均响应与哑变量值0所对应的那个分类变量水平的平均值的差值13在多元线性回归分析中，利用逐步回归法可以（B）。A避免回归模型的线性关系不显著B避免所建立的回归模型存在多重共线性C提高回归方程的估计精度D使预测更加可靠第11章1时间序列在长期内呈现出来的某种持续向上或持续下降的变动称为（A）。A趋势 B季节变动C循环波动 D不规则波动2只含有随机波动的序列称为（A）。A平稳序列 B周期性序列 C季节性序列 D非平稳序列3季节变动是指时间序列（B）。A在长时期内呈现出来的某种持续向上或持续下降的变动 B在一年

9、内重复出现的周期性波动C呈现出的非固定长度的周期性变动D除去趋势、周期性和季节性之后的随机波动4简单指数平滑法适合于预测（A）。A只含随机波动的序列 B含有多种成分的序列 C含有趋势成分的序列 D含有季节成分的序列5移动平均法适合于预测（A）。A只含有随机波动的序列 B含有多种成分的序列 C含有趋势成分的序列 D含有季节成分的序列6简单指数平滑法得到的t+1期的预测值等于（B）。At期的实际观察值与第t+1期的指数平滑值的加权平均值Bt期的实际观察值与第t期的指数平滑值的加权平均值Ct期的实际观察值与第t+1期的实际观察值的加权平均值Dt+1期的实际观察值与第t期的指数平滑值的加权平均值7如果

10、现象随着时间的变动按某个常数增加或减少，则适合的预测方法是（C）。A移动平均 B简单指数平滑 C一元线性模型 D指数模型8已知时间序列各期观测值为100，240，370，530，650，810，对这一时间序列进行预测适合的模型是（B）。A直线模型 B指数曲线模型C多阶曲线模型 DHolt指示平滑模型9用最小二乘法拟合的直线趋势方程为若为负数，表明该现象随着时间的推移呈现为（B）。A上升趋势 B下降趋势 C水平趋势 D随机波动10对某时间序列建立的指数曲线方程为，这表明该现象（B）。A每期增长率为120 B每期增长率为20C每期增长量为1.2个单位 D每期的观测值为1.2个单位11对某时间序列建

11、立的趋势方程为，表明该序列（D）。A没有趋势 B呈线性上升趋势 C呈指数上升趋势 D呈指数下降趋势12如果时间序列适合于拟合趋势方程，表明该序列（A）。A各期观测值按常数增长 B各期观测值按指数增长C各期增长率按常数增长 D各期增长率按指数增长13对某企业各年的销售额拟合的直线趋势方程为，这表明（A）。A时间每增加1年，销售额平均增加1.5个单位B时间每增加1年，销售额平均减少1.5个单位C时间每增加1年，销售额平均增加1.5%D下一年度的销售额为1.5个单位14对某一时间序列拟合的直线趋势方程为，如果该数列中没有趋势，则的值应该（C）。A接近于1 B小于1 C接近于0 D小于015对某一时间

12、序列拟合的直线趋势方程为，如果等于零，则表明该序列（A）。A没有趋势 B有上升趋势 C有下降趋势 D有非线性趋势16残差自相关是指不同点的时间序列（B）。A观测值之间的相关 B残差之间的相关C预测值之间的相关 D观测值有线性趋势17使用Durbin-Watson统计量的d的临界值表检验自相关时（B）。A如果统计量ddL，拒绝原假设，不存在自相关B如果统计量ddL，拒绝原假设，存在自相关C如果统计量ddU，拒绝原假设，存在自相关D如果统计量ddU，拒绝原假设，不存在自相关18对时间序列的数据作季节调整的目的是（A）。A消除时间序列中季节变动的影响 B描述时间序列中季节变动的影响C消除时间序列中趋

13、势的影响 D消除时间序列中随机波动的影响19如果某个月份的商品销售额为84万元，该月的季节指数等于1.2，在消除季节因素后该月的销售额为（B）。A60万元 B 70万元 C90.8万元 D100.8万元20Holt指数平滑预测适合于（B）。A平稳序列 B含有趋势的序列C含有季节波动的序列 D含有趋势和季节波动的序列21Winter指数平滑预测适合于（D）。A平稳序列 B含有趋势的序列C含有季节波动的序列 D含有趋势和季节波动的序列22如果一个时间序列不存在自相关，那么，所有(或大多数) 自相关系数都落在（A）。A95的区间内 B95的区间之外 C90的区间内 D90的区间之外23如果一个时间序

14、列不存在自相关，那么，自相关图中的各个条应该随机分布在95的置信区间内，而且随着滞后期的增加趋于（B）。A1 B0C-1 D0.5第12章1下列关于主成分分析的表述不正确的是（C）。A主成分分析的目的是找出少数几个主成分代表原来的多个变量B用于主成分分析的多个变量之间应有较强的相关性C用于主成分分析的多个变量之间必须是独立的D所找出的主成分之间是不相关的2在主成分分析中，各主成分与原始变量的关系是（B）。A任何一个主成分都等于所有原始变量的总和B任何一个主成分都是所有原始变量的线性组合C任何一个变量都是所有主成分的总和D任何一个变量都是所有主成分的线性组合3在主成分分析中，选择主成分的标准通常

15、是要求所选主成分的累计方差总和占全部方差的（D）。A50以上 B60以上C70以上 D80以上4主成分分析中的“特征根”反映的是（A）。A主成分对原始变量的影响程度 B原始变量对主成分对的影响程度C主成分与原始变量之间的相关程度 D原始变量所解释的主成分信息5某个特征根占总特征根的比例称为（B）。A方差 B方差贡献率 C载荷系数 D因子6从特征根数值的大小角度看，通常要求所选择的主成分所对应的特征根应该（C）。A等于0 B等于1 C大于1 D大于07因子分析与主成分分析的区别之一就是（C）。A因子的个数少于主成分的个数B主成分分析需要事先确定主成分的个数C因子分析需要事先确定因子的个数D因子分

16、析的结果更接近实际8变量xi的共同度量反映的是（B）。A第i个公因子被变量xi所解释的程度B变量xi的信息能够被k个公因子所解释的程度C第j个公因子的相对重要程度D第i个变量对公因子的相对重要程度9用于因子分析的变量必须是（B）。A独立的 B相关的C等方差的 D等均值的10在因子分析中，检验变量之间相关性的KMO统计量的取值（D）。A 小于0 B小于1 C大于1 D在01之间11下表是根据6个变量进行主成分分析得到的各主成分及其相应的特征根。由该表可得第一个主成分的方差贡献率为（B）。ComponentInitial Eigenvalues13.51821.1443.5954.3045 .25

17、76 .183合计6.001A3.518% B58.62 % C77.69% D87.60%12下表是根据6个变量进行因子分析得到的旋转后的因子载荷系数矩阵。由该表可知第一个因子所概括的变量是（C）。 Component 12变量1.909-.020变量2.765.472变量3.491.685变量4.836.314变量5.342.765变量6-.027.904A变量1变量2和变量3 B变量1变量2变量3和变量4C变量1变量4和变量2 D变量3变量5和变量613在因子分析中，选择因子的标准通常是要求所选因子的累计方差总和占全部方差的（D）。A50% 以上 B60% 以上 C70% 以上 D80%

18、以上14从特征根数值的大小角度看，通常要求所选的因子所对应的特征根应该（C）。A等于0 B等于1 C大于1 D大于015因子得分函数是将（D）。A因子表达为原始变量的总和 B原始变量表达为因子的总和C原始变量表达为因子的线性组合 D因子表达为标准化变量的线性组合第13章1聚类分析时将对象进行分析的依据是（C）。A对象之间的数值的大小 B对象之间的差异程度C对象之间的相似程度 D类间距离的远近2在聚类分析中，点间距离用于度量（A）。A样本之间的相似性 B变量之间的相似性C类别之间的相似性 D变量之间的相关程度3在聚类分析中，相似系数是用于度量（B）。A样本之间的相似性 B变量之间的相似性C类别之

19、间的相似性 D变量之间的距离4在对样本进行分类时，度量样本之间的相似性使用的测量工具是（D）。A类间距离 B相似系数C夹角余弦 D点间距离5下面关于层次聚类法的描述不正确的是（D）。A事先不确定要分多少类，先把每一个对象作为一类，然后一层一层分类B根据运算的方向不同有合并法和分解法C计算量较大，聚类效率不高D聚类效果不如均值聚类6下面关于K-均值聚类法的描述不正确的是（A）。A事先不确定要分多少类，先把每一个对象作为一类，然后一层一层分类B要求研究者先指定需要划分的类别个数C计算量较小，效率比层次聚类要高D类别数目的确定具有一定的主观性7进行聚类分析时，要求各变量的取值（C）。A应该有较强的相关关系 B应该有数量级上的较大差异C不应该有数量级上的较大差异 D应该接近相等8一般来说，在所分的类别中，各类别所包含的对象（样本或变量）的数量（C）。A应该相等 B应该有较大差异C不应该有较大差异 D应该接近0