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