多变量分析 - 测验
A) 两个变量的分析 B) 仅分析连续变量 C) 同时分析多个变量 D) 单一变量分析
A) 方差分析 B) T 检验 C) 主成分分析 D) 卡方检验
A) 回归分析 B) 聚类分析 C) 方差分析 D) 相关性分析
A) 确定相关系数 B) 确定异常值 C) 确定描述性统计 D) 确定哪些变量能区分两个或多个组别
A) 绘制数据点 B) 识别异常值 C) 确定因子分析中需要保留的因子数量 D) 显示相关系数
A) 相关性测试 B) 识别数据中的异常值 C) 确定哪些变量最能预测群体成员身份 D) 进行因子分析
A) 进行假设检验 B) 确定因子载荷 C) 确定两组变量之间的关系 D) 确定异常值
A) 研究两组变量之间的关系 B) 检验假设 C) 找出变量与自身的相关性 D) 进行回归分析
A) 进行因子分析 B) 了解多个变量之间的关系和差异 C) 检测异常值 D) 确定样本量
A) 进行聚类分析 B) 确定相关性 C) 查找异常值 D) 根据预测变量预测群体成员
A) 变量独立时 B) 仅处理分类数据时 C) 出现离群值时 D) 当变量高度相关时
A) 变量之间的相关性 B) 变量的标准偏差 C) 变量的重要性 D) 需要保留的因素数量
A) MANOVA 同时考虑多个因变量，而 ANOVA 只关注单一因变量 B) MANOVA 用于分类数据分析，而 ANOVA 用于连续数据分析 C) 方差分析适用于小样本量，而 MANOVA 适用于大样本量 D) 方差分析使用混合效应模型，而 MANOVA 使用固定效应模型
A) 进行因子分析 B) 将相似的观测结果归为一组 C) 测试组间差异 D) 绘制二元数据图
A) 曼哈顿距离。 B) 马哈拉诺比斯距离。 C) 欧几里得距离。 D) 卡方差异。
A) 创建合成变量。 B) 将对象分配到不同的组别。 C) 发现变量之间的线性关系。 D) 探索多变量数据。
A) 外推法 B) 填补法 C) 插值法 D) 回归分析
A) 逆Wishart分布 B) Wishart分布 C) 多元正态分布 D) Hotelling's T平方分布
A) Karl Pearson B) Anderson C) R.A. Fisher D) C.R. Rao
A) 单变量分析 B) 描述性统计 C) 降维 D) 简单线性回归
A) JMP B) DataPandit C) SPSS D) MiniTab
A) 维希特分布 (Wishart distribution) B) 逆维希特分布 (Inverse-Wishart distribution) C) 多元正态分布 (Multivariate normal distribution) D) 霍特林T平方分布 (Hotelling's T-squared distribution)
A) 单变量分析 B) 描述性统计 C) 简单线性回归 D) 潜在结构发现
A) SPSS B) SciPy C) JMP D) MiniTab
A) 预测性推断 B) 贝叶斯推断 C) 频率学派推断 D) 描述性推断
A) JMP B) SPSS C) R D) MiniTab
A) 简单线性回归 B) 聚类 C) 描述性统计 D) 单变量分析
A) JMP B) SAS C) MiniTab D) SPSS
A) SPSS B) MiniTab C) MATLAB D) JMP
A) 多元t分布 B) 多元正态分布 C) 逆Wishart分布 D) Wishart分布
A) SPSS B) MiniTab C) JMP D) Eviews
A) JMP B) SPSS C) MiniTab D) NCSS
A) MiniTab B) SPSS C) Stata D) JMP
A) MiniTab B) SPSS C) STATISTICA D) JMP
A) SPSS B) SIMCA C) MiniTab D) JMP |
创建 That Quiz —
数学测试与其他学科的资源网站.