应用统计考题091111.docVIP

2009年-20010年第一学期研究生学位课程 《应用统计》试题 （2009年12月4日） 姓名 班级 分数 在描述性统计中，变异性有什么作用？在统计指标设计中，体现出的辩证思想（10分）？ 答：在描述性统计中，总体的变异性由标志变异指标来反映。变异性（也叫离散度）可被看作是对不同数值之间的差异性的测量，简单地说，就是每个数值和一个特定值的差异程度，而这个特定值通常指的就是均值，差异程度由方差和标准差这类标志变异指标来表示。 它体现的辩证法思想就是，总体的变异性是客观存在的，决定了他的数量特征，没有变异就没有统计，研究变异性就成为统计学研究的特点，人们就是通过认识总体的变异实现对总体数量特征的认识的。这种变异性就体现了个体与总体、不变性与可变性、同质与变异、对立与统一的辩证思想。 在解决问题时，逆向思维不失为一种有效地方法，根据课程所学内容举例说明。它与正向思维对称吗？为什么?举例说明（10分）。 答：以假设检验为例，它是运用“证明某个事物的正确性不如否定其对立面容易”的简单逻辑，通过数学过程来实现的一个方法;它通过数据和模型的矛盾来否定旧的模型。反映一组数的总体情况比中位数、众数更为可靠、稳定计算离差、相关和统计推断的基础，其中 ，， ，，也是一种平均数，可以说相关系数的计算是基于平均数计算得来的。 线性回归方程刻画了随机变量y和确定变量x线性相关关系，这个线性回归方程也是平均数。设线性回归方程为，对于每一个给定的x，y 取值表现为随机性，依回归方程在附近取值，即。所以说线性回归方程也是平均数。 模糊聚类是一种定性与定量相结合的方法，为什么？在模糊聚类中，模糊截集的作用是什么？它类似于回归方程吗？为什么（15分）？ 答：模糊聚类就是将现实生活中具有模糊性概念特征的事物进行分类的方法，这里的定性是指客观事物的特性，比如“质量好、比较好、比较差、差”等，定量指的是模糊聚类通过截集将模糊的概念转化为数学语言，进而计算定量运算进行分类。所以说模糊聚类是一种定性与定量相结合的方法。 模糊截集可以将模糊集转化为普通集合。由于模糊集的边界是模糊的，如果要把模糊的概念转化为数学语言，需要选取不同的置信水平,来确定其隶属关系，截集就是将模糊集转化为普通集的方法。 它类似于回归方程，随机变量y的取值不唯一、不确定，具有模糊性，而回归方程就是将这种模糊性转化为确定性，随机变量在回归线附近取值最大。 由主成分法进行因子分析，为了得到因子得分，又用变量表示公共因子，这与主成分中用变量线性组合表示主成分有什么不同？给我们的启示是什么（15分）？p197 答：主成分分析的数学模型实质是一种变换，而因子分析模型描是描述原指标X协方差阵结构的一种模型，当m=p时，就不能考虑，此时因子分析也对应一种变量变换，但实际中，m都小于p，且为经济起见总是越小越好。另外在主成分分析中每个主成分相应的系数是唯一确定的，与此相反在因子分析中每个因子的相应系数不是唯一的，即因子载荷阵不是唯一的。 给我们的启示是解决问题时逆向思维不失为一种有效的方法，但是不能简单的转换，要学会适当的变通，才能取得理想的效果。 对应分析、典型相关分析与你所学过什么方法类似（10分）？ 答：对应分析与所学的因子分析类似，都是用较少的几个变量去提取研究对象的绝大部分信息，即可减少因子的数目，又把握了研究对象之间的相互关系。典型相关分析与所学的主成分分析方法类似，研究两组变量之间的相关关系比较麻烦时，采用类似主成分分析的做法，在每组变量中都选择若干个有代表的综合指标（变量的线性组合），通过研究两组的综合指标之间的关系来反映两组变量之间的相关关系。 就大学生就业问题，能够应用多元统计分析中几种方法？怎样应用（10分）？ 答：我们所学的应用多元统计有聚类分析、判别分析、因子分析、主成分分析、对应分析、典型相关分析和多元回归分析。就大学生就业问题这几种方法都可以应用。比如，即有100个大学生的就业信息，包括10个变量，分别是身高、性格、性别、英语技能、计算机技能、专业技能、家庭背景、薪水、职位、所在单位性质。①通过这十个指标对这100个学生进行聚类分析，分为不同的类，分析不同类的学生就业情况；②在原有聚类的基础上，有一个即将就业的大学生通过他的十项指标就进行判别分析，判别出他属于哪一类，给出就业指导；③通过主成分分析和因子分析给变量降维，将10个指标转化为几个主成分或是提取几个公因子，通过这几个指标进行学生就业情况分析；④通过对应分析也可以对学生进行分类；⑤应用典型相关分析，分析学生自身情况（包括变量身高、性格、性别、英语技能、计算机技能、专业技能、家庭背景）和学生就业情况（薪水、职位