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!
对于非正态总体,使用统计量 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
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(   )。
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
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
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(   )。
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
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:μ8
H0:μ≥8,H1:μ8
H0:μ≤7,H1:μ7
H0:μ≥7,H1:μ7
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)
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=0
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
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
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
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
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
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
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
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
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
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。
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。

20题 | 被引用862次

使用此模板创建