- 1、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。。
- 2、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。
- 3、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)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
多元统计分析模拟考题及答案
多元统计分析模拟考题及答案
多元统计分析模拟考题及答案
一、判断题
( 对 ) 1 X
( X1 , X2 ,L , X p )
的协差阵一定是对称的半正定阵
( 对
(
) 2 标准化随机向量的协差阵与原变量的有关系数阵相同。
对) 3 典型有关剖析是辨别并量化两组变量间的关系,将两组变量的有关关系
的研究转变为一组变量的线性组合与另一组变量的线性组合间的有关关系的研究。
( 对 )4 多维标度法是以空间散布的形式在低维空间中再现研究对象间关系的数据
剖析方法。
(
错)5 X
(X 1 , X 2 ,
, X p ) ~ N p (
, ) , X , S 分别是样本均值和样本离
差阵,则 X , S 分别是 ,
的无偏估计。
n
(
对) 6 X
( X1 , X 2 ,
, X p ) ~ N p (
, ) , X 作为样本均值
的估计,是
无偏的、有效的、一致的。
( 错) 7 因子载荷经正交旋转后,各变量的共性方差和各因子的贡献都发生了变化
(
对) 8 因子载荷阵
A
( ij )
ij
表示第 i 个变量在第 j 个公因子上
a
中的 a
的相对重要性。
(
对
)9 鉴别剖析中, 若两个总体的协差阵相等,
则 Fisher 鉴别与距离鉴别等价。
(对) 10
距离鉴别法要求两总体散布的协差阵相等,
Fisher 鉴别法对总体的散布无特
定的要求。
二、填空题
1、多元统计中常用的统计量有:样本均值向量、样本协差阵、样本离差阵、
样真有关系数矩阵.
2、
设 是总体
的协方差阵,
的特点根
(
1, , ) 与相应的单
X ( X1,L , X m )
i
i
L m
位 正 交 化 特 征 向 量
i ( ai1, ai 2 ,L ,aim ) , 则 第 一 主 成 分 的 表 达 式 是
y1
a11 X1 a12 X 2
L
a1m Xm ,方差为
1 。
3 设
是总体 X
( X1, X2 , X 3, X4 ) 的协方差阵,
的特点根和标准正交特点向量分别
为: 1 2.920 U 1
(0.1485, 0.5735, 0.5577,
0.5814)
2
1.024 U 2
(0.9544,
0.0984,0.2695,0.0824)
3
0.049 U 3
(0.2516,0.7733, 0.5589,
0.1624)
4
0.007 U 4
(
0.0612,0.2519,0.5513,
0.7930) ,则其第二个主成分的表达式是
y2
0.9544 X1
0.0984 X 2
0.2695 X 3
0.0824 X 4 ,方差为
4.
若 X (
) ~ N p
( ,
) ,(
1,2, , n )且相互独立,则样本均值向量
X 服
从的散布是 N p (
,
) .
n
5.设 Xi : N p (
,
), i
1,2,L
,16 , X 和 A 分别是正态总体的样本均值和样本离差
阵,则 T 2
15[4( X
)] A 1[4( X
)] 听从 T2 (15, p)或 15 p
: F ( p, n
p)
16
p
10
6 设 X i : N 3 (
,
), i
1,2,L
,10 ,则 W
( Xi
)( X i
) 听从 W3 (10, )
i 1
4
4
3
7.设随机向量
X
( X1 , X 2 , X3 )
,且协差阵
4
9
2
,则其有关矩阵
3
2
16
1
2
3
3
8
R =
1
2
1
3
6
3
1
1
8
6
8.
设 X
(X1
, X 2 ) : N 2 ( , ), , 其 中
( 1 , 2 ),
2
1
, 则
1
Cov( X1
X 2 , X1
X 2 )
0
9 设 X,Y 是来自均值向量为
,协差阵为
的总体 G 的两个样品,则
X,Y 间的马氏平
方距离 d2 ( X ,Y )
(X
Y)
1 ( X Y )
10 设 X,Y 是来自均值向量为
,协差阵为
的总体 G的两个样品,则
X 与总体 G的马
氏平方距离 d 2 ( X , G) = ( X
)
1 ( X
)
11 设随机向量 X
( X1, X 2 , X 3 ) 的有关系数矩阵经过因子剖析分解为
1
1
2
3
3
0
1
R
1
0
3
0
2
0
1
3
则 X1 的共性方差 h12
2 =0.872 ,其统计意义是:描绘了全部公因子对变量
X1
的总方差所作的贡献, 称为变量 X1
的共同度, 反应了公共因子对变量
X1 的影响程度。
标准化变量 X1
的方差为
1,公因子
f1 对 X 的
文档评论(0)