欢迎来到天天文库
浏览记录
ID:17447554
大小:498.50 KB
页数:7页
时间:2018-08-31
《多元统计分析模拟考题及答案new》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库。
1、一、判断题(对)1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相关系数阵相同。(对)3典型相关分析是识别并量化两组变量间的关系,将两组变量的相关关系的研究转化为一组变量的线性组合与另一组变量的线性组合间的相关关系的研究。(对)4多维标度法是以空间分布的形式在低维空间中再现研究对象间关系的数据分析方法。(错)5,分别是样本均值和样本离差阵,则分别是的无偏估计。(对)6,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因子载荷阵中的表示第i个变量在第
2、j个公因子上的相对重要性。(对)9判别分析中,若两个总体的协差阵相等,则Fisher判别与距离判别等价。(对)10距离判别法要求两总体分布的协差阵相等,Fisher判别法对总体的分布无特定的要求。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、样本相关系数矩阵.2、设是总体的协方差阵,的特征根与相应的单位正交化特征向量,则第一主成分的表达式是,方差为。3设是总体的协方差阵,的特征根和标准正交特征向量分别为:,则其第二个主成分的表达式是-7-,方差为1.0244.若,()且相互独立,则样本均值向量服从的分布是.5.设,
3、和分别是正态总体的样本均值和样本离差阵,则服从6设,则服从7.设随机向量,且协差阵,则其相关矩阵=8.设,其中,则09设X,Y是来自均值向量为,协差阵为的总体的两个样品,则X,Y间的马氏平方距离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=11设随机向量的相关系数矩阵通过因子分析分解为-7-则的共性方差0.9342=0.872,其统计意义是:描述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,反映了公共因子对变量X1的影响程度。标准化变量X1的方差为1,公因子f1对X的贡献0.9342+0.
4、4172+0.8352=1.74312.对应分析是将Q型因子分析和R型因子分析结合起来进行的统计分析方法13典型相关分析是研究两组变量间相关关系的一种多元统计方法14.聚类分析中,Q型聚类是指对样本进行聚类,R型聚类是指对指标进行聚类。15Spssforwindows中主成分分析由DataReduction->FactorAnalysis过程实现。16设是第k对典型变量则17.在多维标度分析中,当D是欧几里得距离阵时,X是D的一个构图三、简答题(答案见平时习题)1简述多元统计的主要内容与方法(10分)可对比一元统计列出多元统计的主要内容与方法(从
5、随机变量及其分布、数字特征、四大分布(正态分布密度(1分)、与威沙特分布(1分)、t分布与Hoteling分布(1分)、F分布与威尔克斯分布(1分))、抽样分布定理、参数估计和假设检验、统计方法(2分)2.请阐述距离判别法、贝叶斯判别法和费希尔判别法的基本思想和方法,比较其异同3请阐述系统聚类法、K均值聚类法、有序样品聚类法的基本思想和方法,比较其异同4请阐述主成分分析和因子分析的基本思想、方法步骤和应用,比较其异同5请阐述相应分析、多维标度法、典型相关分析和多变量的可视化分析的基本思想和应用四、计算题1设三维随机向量,已知,求的分布-7-解:正
6、态分布的线性组合仍为正态,故只需求所以另解:故2.设三维随机向量,已知,求的分布解:正态分布的任意线性组合仍正态,故Y的分布是一维正态分布,只需求故3设有两个二元总体和,从中分别抽取样本计算得到,,假设,试用距离判别法建立判别函数和判别规则。样品X=(6,0)’应属于哪个总体?解:=,=,==-7-即样品X属于总体4设已知有两个正态总体,且,而其先验概率分别为误判的代价,试用贝叶斯判别法确定样本属于哪个总体?解:由Bayes判别知,其中故属于G2总体5表1是根据某超市对不同品牌同类产品按畅销(1)、平销(2)和滞销(3)的数据,利用SPSS得到的
7、Bayes判别函数系数表,请据此建立贝叶斯判别函数,并说明如何判断新样品(x1,x2,x3)属于哪类?ClassificationFunctionCoefficientsgroup123-7-x1-11.689-10.707-2.194x212.29713.3614.960x316.76117.0866.447(Constant)-81.843-94.536-17.449Fisher'slineardiscriminantfunctions表1Bayes判别函数系数解:根据判别分析的结果建立Bayes判别函数:Bayes判别函数的系数见表4.1。
8、表中每一列表示样本判入相应类的Bayes判别函数系数。由此可建立判别函数如下:Group1:Group2:Group3:将新样品的自变量
此文档下载收益归作者所有