多元统计学多元统计分析试题(A卷)(答案).docxVIP

多元统计学多元统计分析试题(A卷)(答案)

1.（单选）某研究对来自4个地区的120名消费者进行品牌偏好调查，记录5项Likert量表得分。若欲检验“地区”对5个变量均值向量是否存在显著影响，应首选下列哪种检验？

A.单因素多元方差分析（MANOVA）

B.双因素多元方差分析

C.多元回归分析

D.典型相关分析

答案：A

解析：自变量为单一分类变量“地区”，因变量为5维连续向量，检验组间均值向量差异，MANOVA是最直接的多元推广。B需要两个分类自变量；C用于预测连续因变量；D探讨两组变量间的相关结构，均不符合题意。

2.（单选）在p=6维主成分分析中，若前三个主成分累计贡献率达到92%，则第四主成分的特征值λ?满足：

A.λ?≥1

B.0λ?1

C.λ?=0

D.无法判断

答案：B

解析：累计贡献率92%说明前三个特征值之和已占总体方差92%，而总体方差为6（标准化后），故剩余三个特征值之和为0.48，平均0.16，因此λ?必小于1且大于0。

3.（单选）对两组变量X(p=4)与Y(q=3)做典型相关分析，若第一典型相关系数r?=0.87，则其平方0.872=0.7569表示：

A.X第一典型变量可解释Y第一典型变量75.7%的方差

B.Y第一典型变量可解释X第一典型变量75.7%的方差

C.两组第一典型变量共享方差占各自方差的最大比例75.7%

D.第一对典型变量与原始变量相关系数平方和

答案：C

解析：典型相关系数平方称为“共享方差比例”，即一对典型变量之间共有的方差占其各自方差的最大比例，具有对称性，A、B表述片面，D概念错误。

4.（单选）判别分析中，若两总体协方差矩阵相等且服从多元正态，则Bayes线性判别函数在最小化期望错分代价意义下：

A.等价于Fisher线性判别

B.优于二次判别

C.等价于样本距离判别

D.需要估计先验概率

答案：B

解析：在协方差齐性且正态下，Bayes线性判别已是最优（最小ECM），二次判别不会带来额外优势，反而增加方差；A仅在两总体场合等价；C距离判别未考虑先验与代价；D虽需先验，但题干强调“最小化期望错分代价”下的性能比较，故B最准确。

5.（单选）对同一数据施行层次聚类（Ward法）与K-means（K=3），若样本量n=150，变量p=2，且两方法得到的AdjustedRandIndex（ARI）=0.82，则：

A.Ward法结果优于K-means

B.K-means结果优于Ward法

C.两种方法划分高度一致

D.无法比较，因目标函数不同

答案：C

解析：ARI衡量两个划分的重合度，0.82接近1，表明高度一致，与谁优谁劣无关；目标函数虽不同，但ARI提供外部可比指标。

6.（单选）多元回归中，若设计矩阵X含q=3个虚拟变量共线，则X?X的秩：

A.等于p

B.等于p?3

C.小于p

D.等于n

答案：C

解析：共线意味着列降秩，秩必小于满秩p，具体数值取决于共线结构，故只能确定“小于p”。

7.（单选）对n=60、p=50的高维数据做双标图（biplot），若只保留前两个主成分，则双标图上的“变量箭头”长度近似等于：

A.变量标准差

B.变量在主成分超平面上的投影长度

C.变量与主成分相关系数

D.变量载荷平方和

答案：B

解析：双标图箭头长度为变量在二维主成分子空间上的投影，即√(a?2+a?2)，其中a?、a?为载荷，反映变量对二维平面的贡献，而非原始标准差。

8.（单选）HotellingT2统计量可视为：

A.多元t统计量的平方

B.马氏距离与样本量的乘积

C.单变量t统计量的平方和

D.F统计量的分子

答案：B

解析：T2=n(x??μ?)?S?1(x??μ?)，恰为样本马氏距离乘以n，反映样本中心与假设中心的偏离程度。

9.（单选）若某因子分析模型中，共性方差h?2=0.81，则：

A.该变量81%的方差可由公共因子解释

B.特殊因子方差为0.19

C.变量可靠性为81%

D.该变量在第一公因子载荷为0.9

答案：A

解析：共性方差定义即公共因子解释比例；B特殊方差=1?h?2=0.19，但表述不完整；C可靠性需重复测量；D无法推出单因子载荷。

10.（单选）对随机向量Z～N?(0,I?)，构造二次型Q=Z?AZ，若A为对称幂等矩阵且tr(A)=3，则：

A.Q～χ2(5)

B.Q～χ2(3)

C.Q～F(3,2)

D.Q分布未知

答案：B

解析：幂等对称阵的二次型若AZ～N，则Q服从自由度为tr(A)的卡方分布。

11.（填空）已知两总体π?、π?的均值向量