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