移动平均法是通过计算逐项移动的序时平均数,来形成派生数列,从而达到()对数列的影响。

  • A+

答案查询网公众号已于近期上线啦

除基本的文字搜题外,准备上线语音搜题和拍照搜题功能!微信关注公众号【答案查询网】或扫描下方二维码即可体验。

(1)【◆题库问题◆】:[单选] 移动平均法是通过计算逐项移动的序时平均数,来形成派生数列,从而达到()对数列的影响。
A.消除偶然因素引起的不规则变动
B.消除非偶然因素引起的不规则变动
C.消除绝对数变动
D.消除计算误差

【◆参考答案◆】:A

【◆答案解析◆】:移动平均法是一种用来测定时间数列长期趋势的最基本的方法。它将时间数列的数据逐项移动,依次计算包含一定期数的序时平均数,形成一个新的时间数列的方法。通过这种移动,它削弱或消除了短期偶然性因素的影响,从而显示出现象发展的基本趋势。

(2)【◆题库问题◆】:[单选] 为了便于数据分析,人们常用数字1表示男性,2表示女性,这个数字1和2()。
A.具有数量上的差异
B.具有实际数字名义
C.只是一个编号
D.可以进行运算

【◆参考答案◆】:C

【◆答案解析◆】:分类变量没有数值特征,所以不能对其数据进行数学运算。即使有时人们用若干个数值来代表不同的类别,这些数值本身也不具有数量差异的意义。

(3)【◆题库问题◆】:[单选] 在回归分析中,自变量同因变量的地位不同,两变量x和y中,y对石回归和x对y回归()。
A.是同一问题
B.不一定相同
C.有联系但不是一个问题
D.完全不同

【◆参考答案◆】:C

【◆答案解析◆】:在回归分析中,一个是自变量,一个是因变量,y对x回归表示x是因变量y是自变量,x对y回归则表示x是自变量y是因变量,因此两者不是一个问题,但是回归分析是反映两个变量x和y之间的线性依存关系,因此二者之间是有联系的。

(4)【◆题库问题◆】:[单选] 在总体回归直线E(Y)=β0+β1X中,β1表示()。
A.当X增加一个单位时,Y增加β1个单位
B.当X增加一个单位时,Y平均增加β1个单位
C.当X增加一个单位时,Y减少β1个单位
D.当X增加一个单位时,Y平均减少β1个单位

【◆参考答案◆】:B

(5)【◆题库问题◆】:[单选] 标准差指标数值越小,则说明变量值()。
A.越分散,平均数代表性越低
B.越集中,平均数代表性越高
C.越分散,平均数代表性越高
D.越集中,平均数代表性越低

【◆参考答案◆】:B

【◆答案解析◆】:在一个统计样本中,其标准差越大,说明它的各个观测值分布的越分散,它的趋中程度就越差。反之,其标准差越小,说明它的各个观测值分布的越集中,它的趋中程度就越好。

(6)【◆题库问题◆】:[单选] 两个变量的相关关系与函数关系的区别是()。
A.相关关系中一个变量的取值不能由另一个变量惟一确定
B.相关关系中一个变量的取值由另一个变量惟一确定
C.相关关系中一个变量的取值增大时另一个变量的取值也一定增大
D.相关关系中一个变量的取值增大时另一个变量的取值肯定变小

【◆参考答案◆】:A

【◆答案解析◆】:存在着密切的联系但又不是严格的、确定的关系称为相关关系。函数关系是一种确定性的关系。

(7)【◆题库问题◆】:[判断题] 如果两个数列的极差相同,那么,它们的离散程度就相同。()
A.正确
B.错误

【◆参考答案◆】:正确

【◆答案解析◆】:极差是指总体各单位标志值中最大值和最小值之差,用来表示标志值的变动范围。所以极差只给出了数据分布的范围,至于分布的中间部分是如何变化的,则不得而知。

(8)【◆题库问题◆】:[单选] 某地有2万亩稻田,根据上年资料得知其中平均亩产的标准差为50公斤,若以95.45%的概率保证平均亩产的误差不超过10公斤,按重复抽样条件计算,应抽选()亩地作为样本进行抽样调查。
A.100
B.250
C.500
D.1000

【◆参考答案◆】:A

(9)【◆题库问题◆】:[多选] 评价估计量的标准为()。
A.一致性
B.无偏性
C.显著性
D.有效性
E.综合性

【◆参考答案◆】:A, B, D

【◆答案解析◆】:评价估计量的标准包括:①无偏性,是指估计量抽样分布的期望值等于被估计的总体参数;②有效性,是指估计量的方差尽可能小;③一致性,是指随着样本量的增大,点估计量的值越来越接近被估计总体的参数。

(10)【◆题库问题◆】:[判断题] 假定变量x与y的相关系数是0.65,变量m与n的相关系数为-0.91,则x与y的相关密切程度高。()
A.正确
B.错误

【◆参考答案◆】:正确

【◆答案解析◆】:相关系数的绝对值越接近1,相关密切程度越高。故变量m与n的相关密切程度较高。

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: