您所在位置：网站首页 > 资格认证/考试 > 其它考试类文档2017年天津财经大学应用统计硕士432统计学[专业硕士]考研仿真模拟题.doc

2017年天津财经大学应用统计硕士432统计学[专业硕士]考研仿真模拟题.doc

4页

卖家[上传人]：q****9

文档编号：121195662

上传时间：2020-03-06

文档格式：DOC

文档大小：22.50KB

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

10 金贝

/ 4 举报版权申诉马上下载

文本预览

下载提示

常见问题

1、2017年天津财经大学应用统计硕士432统计学专业硕士考研仿真模拟题一、单项选择题1 对某个高速路段驶过的120辆汽车的车速进行测量后发现，平均车速是85公里/小时，标准差是4公里/小时，下列哪个车速可以看作异常值（）。A.78公里/小时B.82公里/小时C.91公里/小时D.98公里/小时【答案】D【解析】根据中心极限定理，对120辆汽车的车速进行测量，可视为大样本情况，原始数据服从对称的正态分布，即约有的数据在平均数D 项98公里/小时在平个标准差的范围之内。均车速个标准差的范围之外，因此可视为离群点。 2 指数平滑法得到期的预测值等于（）。 A. 期的实际观察值与第C. 期的实际观察值与第D. 【答案】B【解析】指数平滑法是对过去的观察值加权平均进行预测的一种方法，该方法使得第预测值等于第 3 变量值与其平均数的离差除以标准差后的值称为（）。A. 标准分数B. 离散系数C. 方差D. 标准差【答案】A 4 如果回归模型中存在多重共线性，则（）。A. 整个回归模型的线性关系不显著B. 肯定有一个回归系数通不过显著性检验第 2 页，共 69 页期指数平滑值的加权平均值期实

2、际观察值的加权平均值 B. 期的实际观察值与第期指数平滑值的加权平均值期的实际观察值与第期指数平滑值的加权平均值期的期的实际观察值与第其中期预测值的加权平均值。用公式表示为为第期的预测值为平滑系数为第期的实际观察值C. 肯定导致某个回归系数的符号与预期的相反D. 可能导致某些回归系数通不过显著性检验【答案】D【解析】如果出现下列情况，暗示存在多重共线性：模型中各对自变量之间显著相关；当模型的线性关系检验（F 检验）显著时，几乎所有回归系数的检验却不显著；回归系数的正负号与预期的相反。 5 在方差分析中，数据的误差是用平方和来表示的。其中反映全部观测值误差大小的平方和称为（）。A. 误差项平方和B. 组内平方和C. 组间平方和D. 总平方和【答案】D【解析】总平方和是全部观测值与总均值的误差平方和，记为SST 。 6 组数据的最大值与最小值之差称为（）。A. 平均差B. 标准差C. 极差D. 四分位差【答案】C【解析】极差是指一组数据的最大值与最小值之差，也称全距。 7 为了研宄多个不同变量在不同样本间的相似性，适合采用的图形是（）。A. 环形图B. 茎叶图C. 雷达图D. 箱

3、线图【答案】C【解析】雷达图是显示多个变量的常用图示方法，也称蜘蛛图。假定各变量的取值具有相同的正负号，则总的绝对值与图形所围成的区域成正比，利用雷达图可研宄多个样本之间的相似程度。 8 已知回归平方和A. 残差平方和则判定系数（）第 3 页，共 69 页B. C. D.【答案】A【解析】判定系数则判定系数总平方和SST=回归平方和SSR+残差平方和 9 根据你的判断，下面的相关系数取值哪一个是错误的（）。【答案】C【解析】相关系数r 的取值范围是 10项研宄表明，司机驾车时因接打手机而发生事故的比例超过20%, 用来检验这一结论的原假设和备择假设应为（）。 A. B. C. D.【答案】D【解析】原假设是指研宄者想收集证据予以推翻的假设；备择假设是指研宄者想收集证据予以支持的假设。题中需检验的是司机驾车时因接打手机而发生事故的比例超过20%，所以原假设备择假设 11设多元线性回归方程为0, 这表明（）。A. 因变量y 对自变量的影响不显著B. 因变量y 对自变量的影响显著C. 自变量对因变量y 的影响不显著D. 自变量对因变量的影响显著【答案】C【解析】回归系数检验检验）是对每个回归系数分别进行单独的检验，它主要用于检验每没有通过显著性检验，说明自变量对因变量y 的影响不个自变量对因变量的影响是否都显著。如果某个自变量没有通过检验，就意味着这个自变量对因变量的影响不显著。题中回归系数显著。若自变量的回归系数的取值接近为第 4 页，共 69 页一、单项选择题考研试题

《2017年天津财经大学应用统计硕士432统计学[专业硕士]考研仿真模拟题.doc》由会员q****9分享，可在线阅读，更多相关《2017年天津财经大学应用统计硕士432统计学[专业硕士]考研仿真模拟题.doc》请在金锄头文库上搜索。

点击阅读更多内容

TA的资源