A) 零假设的置信度 B) 在零假设为真的情况下，获得至少与观察结果一样极端的结果的概率 C) 测试的群体参数 D) 接受零假设的显著性水平
A) Kruskal-Wallis 检验 B) 曼-惠特尼 U 检验 C) Wilcoxon 符号秩检验 D) t检验
A) 识别数据集中的异常值 B) 研究变量之间的关系 C) 总结分类数据 D) 检验平均数的差异
A) 数据的传播 B) 数据集的中心倾向 C) 组内差异 D) 两个变量之间线性关系的强度和方向
A) 比较两个独立小组 B) 确定事件发生的概率 C) 预测未来数据点 D) 估算群体参数可能的取值范围
A) 简单随机抽样 B) 系统取样 C) 分组抽样 D) 方便取样
A) 比较两个不同的样本 B) 说明随着样本量的增加，样本平均数的抽样分布趋近于正态分布 C) 确定组内差异 D) 计算数据集的范围
A) 回归分析 B) 卡方检验 C) T 检验 D) 方差分析
A) 规范化。 B) 功能工程。 C) 离群点检测 D) 估算。
A) 预测实验结果的陈述 B) 使用单尾检验法检验的假设 C) 关于特定人群之间没有显著差异的声明 D) 研究者认为属实的假设
A) 回归分析。 B) 卡方检验 C) T 检验。 D) 方差分析。
A) 相关性指的是线性关系，而因果关系指的是非线性关系 B) 相关性表示变量之间的关系，而因果关系则意味着一个变量会引起另一个变量的变化 C) 相关性用于分类数据，因果关系用于连续数据 D) 相关性衡量关系的强度，而因果关系则衡量关系的方向
A) 当零假设为真时拒绝零假设的概率 B) 对另一假设的置信度 C) 样本平均数的误差范围 D) 两个变量之间相关性的度量
A) 时间序列分析。 B) 因子分析。 C) 聚类分析。 D) 回归分析。
A) 多项式回归 B) 逻辑回归。 C) 脊回归 D) 线性回归。 |