从总体中随机抽取部分数据计算出的统计指标称为（ ）A. 均数B. 标准差C. 参数D. 样本量E. 统计量

关于随机误差的说法正确的是A. 随机误差是指排除了系统误差以后尚存的误差B. 无方向性C. 系统性或周期性偏离真值D. 无系统性、随机变化

15.（5.0分）假设总体X服从参数为λ的泊松分布，0.9、1.5、1、0.8、0.8是来自总体X的样本容量为5的简单随机样本的观测值，则λ的矩估计值为（）A. 1B. 2C. 3D. 4

5.某厂生产乐器用合金弦线,其抗拉强度服从均值为 (kg/(cm)^2 的正态分布.现从一-|||-批产品中抽取10根测得其抗拉强度(单位: /(cm)^2 )如下:-|||-10 512 10 623 10 66810554 10776 1070710557 10581 1066610 670-|||-问:-|||-(1)在显著性水平为 alpha =0.05 时,这批产品的抗拉强度有无显著变化?-|||-(2)在显著性水平为 alpha =0.01 时,结果如何?

在多元线性回归中,如果自变量之间存在高度相关性,可能会导致________问题。A. 异方差性B. 过拟合C. 多重共线性D. 欠拟合

若_(1)approx N(0,1), _(2)approx N(0,1), 且_(1)approx N(0,1), _(2)approx N(0,1)与_(1)approx N(0,1), _(2)approx N(0,1)相互独立,则_(1)approx N(0,1), _(2)approx N(0,1)A.N(0,1)B._(1)approx N(0,1), _(2)approx N(0,1)C.t(1)D.t(2)

翻译成英文，不要在线翻译。急需！主成分分析和因子分析比较摘 要 ： 主成分分析和因子分析都是从变量的方差—协方差结构入手，在尽可能多地保留原始信息的基础上，用少数新变量来解释原始变量的多元统计分析方法。本文就主成分分析和因子分析的异同进行比较。关键词 ： 主成分分析；因子分析；比较主成分分析和因子分析是多元统计方法中关系密切的两种方法,它们能解决经济、教育、科技、社会等领域中的问题。但是在进行综合分析时，常出现主成分分析与因子分析这两种方法运用混淆的错误。本文就主成分分析和因子分析的异同进行比较。一、 主成分分析 主成分分析又称主分量分析或主轴分析，由皮尔逊首先引入，后来被霍特林发展了。它是一种通过降维技术把多个变量 化为少数几个主成分的统计分析方法。这些主成分能够反映原 始变量的绝大部分信息，它们通常表示为原始变量的某种线性 组合并要求它们之间互不相关。主成分分析的一般目的是：1. 变量的降维；2.主成分的解释。主成分分析的应用主要有以下几种：(1)指标分类(变量分类)；(2)样品分类；(3)样品排 序或系统评估；(4)主成分回归；(5)主成分检验法。二、因子分析因子分析可看作是对主成分分析的推广和发展。它是研究相关阵或协方差阵的内部依赖关系，它将具有错综复杂关系的 变量综合为数量较少的几个因子，以再现原始变量与因子之间的相互关系，同时根据不同因子还可以对变量进行分类。因子分析的目的是，用几个不可观测的隐变量来解释原始变量间的协方差关系。三、两者的不同点两者的不同点：(1)主成分分析不能作为一个模型来描述，它只是通常的变量变换，而因子分析需要构造因子模型；(2)主成分分析中主成分的个数和变量个数相同，它是将一组具有相关关系的变量变换为一组互不相关的变量，而因子分析的目的是要尽可能少的公因子，以便构造一个结构简单的因子模型；(3)主成分分析是将主成分表示为原始变量的线性组合，而因子分析是将原始变量表示为公因子和特殊因子的线性组合，用假设的公因子来“解释”相关阵的内部依赖关系。四、两者的相同点时两者的相同点：(1)思想一致：都是降维的思想；(2)应用范围一致：都要求变量之间具有不完全的相关性；(3)数据处理过程一致：数据的无量纲化，求相关系数矩阵的特征值和特征向量，通过累计贡献率确定主成分个数、因子个数；(4)合成方法一致：都没有考虑原始变量之间的关系，直接用线性关系处理变量与主成分和因子之间的关系。

单选题（1分）5、生产某产品，需依序经过5个工序。各工序工时分别为112分、8分、7分、6分、7分。请问线体平衡率（LOB）多少（）。A. 0.67B. 1.0C. 0.9D. 0.85

构成比用来反映()。A. 某现象发生的强度B. 两个同类指标的比C. 某现象发生的可能性大小D. 某事物内部各组成部分占全部的比重E. 以上都对

不同专业学生的血型构成比较可以用（）表达。A 直方图 B 直条图 C 线图 D 百分条图E 箱式图