应用统计:假设检验与一元线性回归

哪里有什么老天的眷顾,所谓的幸运和成功都源自你自身的努力和付出。请记住,你现在多走的每一步都在拉开着你和别人的差距。要做,就做生活的强者。让我们做好每一道题,走好每一步路!

Q1:对于非正态总体,使用统计量[图片] 估计总体均值的条件是( )。

小样本
总体方差已知
总体方差未知
大样本

Q2:某厂生产的化纤纤度服从正态分布,纤维的纤度的标准均值为1.40。某天测得25根纤维的纤度的均值为1.39,检验与原来设计的标准均值相比是否有所变化,要求的显著性水平为α=0.05,则下列正确的假设形式是( )。

[图片]
[图片]
[图片]
[图片]

Q3:在假设检验中,第一类错误是指( )。

当原假设正确时拒绝原假设
当原假设错误时拒绝原假设
当备择假设正确时拒绝备择假设
当备择假设不正确时未拒绝备择假设

Q4:在假设检验中,第二类错误是指( )。

当原假设正确时拒绝原假设
当备择假设正确时未拒绝备择假设
当原假设错误时未拒绝原假设
当备择假设不正确时拒绝备择假设

Q5:某一贫困地区估计营养不良人数高达20%,然而有人认为这个比例实际上还要高,要检验该说法是否正确,则假设形式为( )。

[图片]
[图片]
[图片]
[图片]

Q6:在假设检验中,不拒绝原假设意味着( )。

原假设肯定是正确的
原假设肯定是错误的
没有证据表明原假设是正确的
没有证据表明原假设是错误的

Q7:一项新的减肥计划声称:在计划实施的第一周内,参加者的体重平均至少减轻8磅。随机抽取40 位参加该计划的样本,结果显示:样本的体重平均减少7磅,则其原假设和备择假设是( )。

H0:μ≤8,H1:μ>8
H0:μ≥8,H1:μ<8
H0:μ≤7,H1:μ>7
H0:μ≥7,H1:μ<7

Q8:假设检验有如下步骤:(1)构建一个适当的检验统计量,抽样并利用样本数据计算出检验统计量的值。(2)陈述原假设和备择假设。(3)确定一个适当的显著性水平,查表确定其临界值,指定拒绝域。(4)将统检验计量的值与临界值进行比较,并做出决策:若统计量的值落在拒绝域内,拒绝原假设 ,否则不拒绝原假设 (也可以直接利用P值做出决策)。正确的步骤是:( )。

(2)(1)(3)(4)
(1)(2)(3)(4)
(2)(1)(4)(3)
(2)(3)(4)(1)

Q9:对于给定的显著水平α,根据P值拒绝原假设的准则是( )。

Ρ=α
P<α
P>α
P=α=0

Q10:假设总体比例为0.4,采取重复抽样的方法从此总体中抽取一个容量为100的简单随即样本,则样本比例的期望值是( )。

0.3
0.4
0.5
0.45

Q11:一个有100名年龄在30~60岁的男子组成的样本,测的其身高与体重的相关系数r=0.45,则下列陈述正确的是

身高与体重存在低度正相关
较高的男子趋于较重
45%的较高的男子趋于较重
体重较重的男子趋于较矮

Q12:根据你的判断,下面的相关系数取值哪一个是错误的( )。

-0.86
0.99
-1.05
0.56

Q13:如果相关系数r=0,则表明两个变量之间( )。

相关程度很低
不存在任何关系
不存在线性相关关系
存在非线性相关关系

Q14:下列的各问题中,哪个不是相关分析要解决的问题?

判断一个变量数值的变化对另一个变量的影响程度
判断变量之间是否存在关系
描述变量之间的关系强度
判断样本所反映的变量之间的关系能否代表总体变量之间的关系

Q15:由最小二乘法得到的回归直线,要求满足因变量的( )。

平均值与其估计值的离差平方和最小
实际值与其平均值的离差平方和最小
实际值与其估计值的离差和为0
实际值与其估计值的离差平方和最小

Q16:下面关于相关系数的陈述中哪一个是错误的( )。

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
数值越大说明两个变量之间的关系就越强
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一定有因果关系
绝对值不会大于1

Q17:在回归分析中,F检验主要是用来检验( )。

回归系数的显著性
相关系数的显著性
线性关系的显著性
估计标准误差的显著性

Q18:说明回归方程拟合优度的统计量是( )。

相关系数
判定系数
估计标准误差
回归系数

Q19:标准化残差图主要用于直观地判断回归模型的线性关系是否显著。

Q20:如果误差项服从正态分布的假定成立,那么在标椎化残差图中,大约有95%的标椎化残差落在-2~2之间。

官方

应用统计:假设检验与一元线性回归

20题  |  862次引用
考试竞赛 教育培训

相关模板

换一换