- 1、本文档共4页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
多元统计学多元统计分析试题(A卷)(答案)
《多元统计分析》试卷
题号 一 二 三 总分 分值 40 40 20 100 得分 得分 评卷人 填空题(每空2分,共40分)
1、若 且相互独立,则样本均值向量服从的分布为。
2、变量的类型按尺度划分有_间隔尺度_、_有序尺度_、名义尺度_。
3、判别分析是判别样品 所属类型 的一种统计方法,常用的判别方法有__距离判别法_、Fisher判别法、Bayes判别法、逐步判别法。
4、型聚类是指对_样品_进行聚类,型聚类是指对_指标(变量)_进行聚类。
5、设样品,总体,对样品进行分类常用的距离有:明氏距离,马氏距离,兰氏距离。
6、因子分析中因子载荷系数的统计意义是_第i个变量与第j个公因子的相关系数。
7、一元回归的数学模型是:,多元回归的数学模型是:。
8、对应分析是将 R型因子分析和Q型因子分析结合起来进行的统计分析方法。
9、典型相关分析是研究两组变量之间相关关系的一种多元统计方法。
得分 评卷人 二、计算题(每小题10分,共40分)
1、设三维随机向量,其中,问与是否独立?和是否独立?为什么?
解: 因为,所以与不独立。
把协差矩阵写成分块矩阵,的协差矩阵为因为,而,所以和是不相关的,而正态分布不相关与相互独立是等价的,所以和是独立的。
2、设抽了五个样品,每个样品只测了一个指标,它们分别是1 ,2 ,4.5 ,6 ,8。若样本间采用明氏距离,试用最长距离法对其进行分类,要求给出聚类图。
解:样品与样品之间的明氏距离为:
样品最短距离是1,故把合并为一类,计算类与类之间距离(最长距离法)得距离阵
类与类的最短距离是1.5,故把合并为一类,计算类与类之间距离(最长距离法)得距离阵
类与类的最短距离是3.5,故把合并为一类,计算类与类之间距离(最长距离法)得距离阵
分类与聚类图(略)(请你们自己做)
3、设变量的相关阵为的特征值和单位化特征向量分别为
取公共因子个数为2,求因子载荷阵。
计算变量共同度及公共因子的方差贡献,并说明其统计意义。
解:因子载荷阵
变量共同度: =
=
=
公共因子的方差贡献:
统计意义(省略)(学生自己做)
4、设三元总体的协方差阵为,从出发,求总体主成分,并求前两个主成分的累积贡献率。
解:
特征方程,得特征根:
的特征方程:,得特征向量
的特征方程:,得特征向量
的特征方程:,得特征向量
前两个主成分的累积贡献率
得分 评卷人 三、简述题(20分)
简述多元统计的主要内容,结合你本专业谈谈能用到那些统计方法。
(省略)(学生自己做)
您可能关注的文档
- 基于二维码电子名片交换系统实验报告.doc
- 單价数量总价.doc
- 單位廉政风险点与防控措施.doc
- 單位廉政风险点自查及防控承诺表.doc
- 基于信息化的港口施工项目管理研究.doc
- 單片机的电子时钟设计.doc
- 基于业务模型和聚类算法的构件设计方法V70.doc
- 基于供应链的企业质量管理.doc
- 單用途商业预付卡预收资金存管协议(范本).doc
- 單相正弦脉宽调制逆变器的设计.doc
- 10《那一年,面包飘香》教案.docx
- 13 花钟 教学设计-2023-2024学年三年级下册语文统编版.docx
- 2024-2025学年中职学校心理健康教育与霸凌预防的设计.docx
- 2024-2025学年中职生反思与行动的反霸凌教学设计.docx
- 2023-2024学年人教版小学数学一年级上册5.docx
- 4.1.1 线段、射线、直线 教学设计 2024-2025学年北师大版七年级数学上册.docx
- 川教版(2024)三年级上册 2.2在线导航选路线 教案.docx
- Unit 8 Dolls (教学设计)-2024-2025学年译林版(三起)英语四年级上册.docx
- 高一上学期体育与健康人教版 “贪吃蛇”耐久跑 教案.docx
- 第1课时 亿以内数的认识(教学设计)-2024-2025学年四年级上册数学人教版.docx
文档评论(0)