A) 测试的群体参数 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) 零假设的置信度 D) 接受零假设的显著性水平
A) Wilcoxon 符号秩检验 B) t检验 C) 曼-惠特尼 U 检验 D) Kruskal-Wallis 检验
A) 总结分类数据 B) 检验平均数的差异 C) 研究变量之间的关系 D) 识别数据集中的异常值
A) 组内差异 B) 两个变量之间线性关系的强度和方向 C) 数据集的中心倾向 D) 数据的传播
A) 估算群体参数可能的取值范围 B) 确定事件发生的概率 C) 比较两个独立小组 D) 预测未来数据点
A) 方便取样 B) 分组抽样 C) 简单随机抽样 D) 系统取样
A) 卡方检验 B) T 检验 C) 回归分析 D) 方差分析
A) 估算。 B) 功能工程。 C) 离群点检测 D) 规范化。
A) 逻辑回归。 B) 多项式回归 C) 脊回归 D) 线性回归。
A) 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 B) 比较两个不同的样本 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) 研究者认为属实的假设 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) 预测实验结果的陈述
A) 数值积分 B) 优化 C) 从概率分布中生成随机样本 D) 精确的解析解
A) 样本平均数的误差范围 B) 当零假设为真时拒绝零假设的概率 C) 两个变量之间相关性的度量 D) 对另一假设的置信度
A) 时间序列分析。 B) 回归分析。 C) 因子分析。 D) 聚类分析。
A) 概率密度 B) 随机样本 C) 似然函数 D) 误差函数
A) 人工神经网络。 B) 马尔可夫链蒙特卡洛方法。 C) “刀法”方法。 D) 核密度估计。
A) 仅关注小样本数据。 B) 利用计算密集型方法，将原始数据转化为知识。 C) 发展新的数学理论，但缺乏实际应用。 D) 避免在统计分析中使用计算机。
A) 优化 B) 贝叶斯更新 C) 数值积分 D) 从概率分布中生成随机样本
A) 人工神经网络 B) 蒙特卡洛方法模拟 C) 核密度估计 D) 马尔可夫链蒙特卡洛方法
A) 国际语言学学会 (International Linguistics Society)。 B) 世界卫生组织 (World Health Organization)。 C) 美国医学会 (American Medical Association)。 D) 国际统计计算协会 (International Association for Statistical Computing)。
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) 烹饪艺术。 B) 计算物理学。 C) 传统绘画技巧。 D) 古典音乐作曲。
A) 约翰·图基的“抽刀法” B) RAND公司制表 C) ERNIE D) 蒙特卡洛模拟设备
A) 仅限于社会数据科学领域。 B) 严格限制在计算语言学领域。 C) 仅限于数据科学领域。 D) 计量经济学。
A) RAND公司 B) John Tukey C) William Sealy Gosset D) Carlo Lauro
A) 蒙特卡洛方法 B) 最大似然估计 C) 马尔可夫链蒙特卡洛方法 D) 自举法 |