首页 范文大全 古典文学 职场知识 中国文学 公文书信 外国名著 寓言童话 百家讲坛 散文/诗歌 美文欣赏 礼仪知识 民俗风情
  • 工作总结
  • 工作计划
  • 心得体会
  • 竞聘演讲
  • 会议发言
  • 爱国演讲
  • 就职演说
  • 开业开幕
  • 思想学习
  • 征文演讲
  • 经验材料
  • 述职报告
  • 调研报告
  • 工作汇报
  • 年终总结
  • 申报材料
  • 学习体会
  • 企划方案
  • 活动方案
  • 技巧经验
  • 模板范例
  • 思想宣传
  • 经济工作
  • 工作报告
  • 组织人事
  • 反腐倡廉
  • 慰问贺电
  • 先进事迹
  • 思想汇报
  • 入党申请书
  • 党会发言
  • 先进性教育
  • 入团申请书
  • 个人简历
  • 演讲稿
  • 调查报告
  • 实习报告
  • 和谐社会
  • 观后感
  • 读后感
  • 作文范文
  • 自我鉴定
  • 讲话稿
  • 自查报告
  • 多元统计分析及R语言建模考试试卷

    时间:2020-09-22 23:27:26 来源:蒲公英阅读网 本文已影响 蒲公英阅读网手机站

    相关热词搜索:统计分析 建模 考试试卷

     多元统计分析及 R 语言建模考试试卷

      得分 评阅人 一、简答题(共 5 小题,每小题 6 分,共 30 分)

     1. 常用的多元统计分析方法有哪些?

     (1)多元正态分布检验

     (2)多元方差-协方差分析

     (3)聚类分析

     (4)判别分析

     教 教 师 师 填 填 写 写 课程名称:_____多元统计分析 ______________ 授课教师姓名:________王斌会______________

     考试时间:_

     _年_____月______日 课程类别 必修 [

      ] ]

     选修 [

     ] 考试方式

     开卷 [

     ]

     闭卷 [

      ] ]

     试卷类别 (A 、 B)

     [ A ]

     共

     8

     页

     考 考 生 生 填 填 写 写

     学院(校)

     专业

      班(级)

     姓名

     学号

      题

     号 号 一 二 三 四 五 六 七 八 九 十 总

     分 分 得

     分 分

     (5)主成分分析

     (6)因子分析

     (7)对应分析

     (8)典型相关性分析

     ( 9)定性数据建模分析

     (10)路径分析(又称多重回归、联立方程)

      (11)结构方程模型

      (12)联合分析

      (13)多变量图表示法

     (14)多维标度法

     2. 简单相关分析、复相关分析和典型相关分析有何不同?并举例说明之。

      简单相关分析:简单相关分析是研究现象之间是否存在某种依存关系,并对具体有依存关系的现象探讨其相关方向以及相关程度,是研究随机变量之间的相关关系的一种统计方法。例如,以 X、Y 分别记小学生的数学与语文成绩,感兴趣的是二者的关系如何,而不在于由 X 去预测 Y。

     复相关分析;研究一个变量 x0 与另一组变量 (x1,x2,…,xn)之间的相关程度。例如,职业声望同时受到一系列因素(收入、文化、权力……)的影响,那么这一系列因素的总和与职业声望之间的关系,就是复相关。复相关系数R0.12…n 的测定,可先求出 x0 对一组变量 x1,x2,…,xn 的回归直线,再计算 x0 与用回归直线估计值悯之间的简单直线回归。复相关系数为 R0.12…n 的取值范围为 0≤R0.12…n≤1。复相关系数值愈大,变量间的关系愈密切。

     典型相关分析就是利用综合变量对之间的相关关系来反映两组指标之间的整体相关性的多元统计分析方法。它的基本原理是:为了从总体上把握两组指标之间的相关关系,分别在两组变量中提取有代表性的两个综合变量 U1 和 V1(分

     别为两个变量组中各变量的线性组合),利用这两个综合变量之间的相关关系来反映两组指标之间的整体相关性。

      3. 试说明主成分分析和因子分析不同点和相同之处。

     主成分分析和因子分析的相同之处

     1.都可以降维、分析多个变量的基本结构

     2.因子分析是主成分分析的进一步推广。主成分分析可被视为一种固定效应的因子分析,是因子分析的特列

     3.都是利用变量之间的相关性将它们进行分类

     4.主成分分析中,各个主成分之间互不相关;因子分析中,公因子之间不相关、特殊因子之间不相关、公因子与特殊因子之间不相关

     主成分分析和因子分析的区别

     1、因子分析中是把变量表示成各因子的线性组合,而主成分分析中则是把主成分表示成个变量的线性组合。

      2、主成分分析的重点在于解释个变量的总方差,而因子分析则把重点放在解释各变量之间的协方差。

      3、主成分分析中不需要有假设(assumptions),因子分析则需要一些假设。因子分析的假设包括:各个共同因子之间不相关,特殊因子(specific factor)之间也不相关,共同因子和特殊因子之间也不相关。

      4、主成分分析中,当给定的协方差矩阵或者相关矩阵的特征值是唯一的时候,的主成分一般是独特的;而因子分析中因子不是独特的,可以旋转得到不同的因子。

     1、因子分析中是把变量表示成各因子的线性组合,而主成分分析中则是把主成分表示成个变量的线性组合。

      4. 判别分析以及 r Fisher 判别和 s Bayes 判别的基本思想是什么?

      判别分析:根据判别中的组数,可以分为两组判别分析和多组判别分析; 根据判别函数的形式,可以分为线性判别和非线性判别; 根据判别式处理变量的方法不同,可以分为逐步判别、序贯判别等; 根据判别标准不同,可以分为距离判别、Fisher 判别、Bayes 判别法等

     Fisher 判别法;通过将多维数据投影到某一方向上,使得投影之后类与类之间尽可能分开,然后再寻找合适的判别准则。

     Bayes 判别法:假设已知对象的先验概率和‚先验条件概率‛, 而后得到后验概率, 由后验概率作出判别。

     5. 指出综合评价中指标的标准化方法及其优缺点和有哪些综合评价方法。

     标准化方法 (1)主成分分析法。主成分分析是多元统计分析的一个分支。是将其分量相关的原随机向量,借助于一个正交变换,转化成其分量不相关的新随机向量,并以方差作为信息量的测度,对新随机向量进行降维处理。再通过构造适当的价值函数,进一步做系统转化。

     (2)数据包络分析法。它是创建人以其名字命名的 DEA 模型——CR 模型。DEA 法不仅可对同一类型各决策单元的相对有效性做出评价与排序,而且还可进一步分析各决策单元非 DE 有效的原因及其改进方向,从而为决策者提供重要的管理决策信息。

     (3)模糊评价法。模糊评价法奠基于模糊数学。它不仅可对评价对象按综合分值的大小进行评价和排序,而且还可根据模糊评价集上的值按最大隶属度原则去评定对象的等级。

     综合评价方法

     1、计分法

     2、综合指数法

     3、Topsis 法

     4、秩和比(RSR)法

      5、层次分析(AHP)法

     6、模糊评价方法

     7、多元统计分析方法

      8、灰色系统评价方法

      得分 评阅人 二、证明题(共 1 小题,共 20 分)

     设

     y y

      = =

      a a 1 1 x x 1 1 + +

      a a 2 2 x x 2 2

      +…+ a a p p x x p p

      a a

      x x , 其中 a = =

      ( ( a a 1 1 , a a 2 2 , … , a a p p ) ) , x x

      = =

      ( ( x x 1 1 ,x x 2 2 , … , x x p p ) ) ,求主成分就是寻找 x x 的线性函数 a a

      x x 使相应的方差达到最大,即 Var ( ( a a

      x x ) = a a

      a 达到最大,且 a a

      a =1 ,此处 为 x x 的协方差阵。设 的特征根为 。

     试证明下面性质:

      (1 1 )

     y=U x x , U U U=I , 这里 U U 为 x x 的协方差阵的特征向量(单位化的)组成的正交阵。

     (2 2 )

     y y 的各分量之间是互不相关的。

     (3 3 )

     y y 的 p p 个分量是按方差大小、由大到小排列的。

     (4 4 )

     y y 的协方差阵为对角阵。

     (5 5 )1 1p pii ii i   ,

      这里

     = (ii ) ) p p p p

     (6 6 )

     证明(1)(2)(3):

     设 的特征向量为 U= ( u 1 , u 2 ,…, u p ),则 U U=I ,即 U 为一正交阵,且 =

     U  U =

     U diag(1 2, , ,p   )U=1piiu i u i

     因此 a

      a=1piia

     u i u i

     a =1pii( a

     u i )

     ( a u i) =

     1pii( a

     u i ) 2

     于是 a

      a1pii( a

     u i ) 2 =1 ( a

     U)

     ( a

     U ) =

     1 a

     UU a =1 a

     a=1

     应取1a u  时 , u 1

      u 1 =

     u 1

     1

     u 1 =1

     故 y 1 = u

     x 就是第一主成分,其方差最大, Var ( y 1 ) = Var ( u 1

     x ) =1

     同理, Var ( y i ) = Var ( u i

     x ) =i

     另外, Cov ( y i,

     y j )=

     Cov ( u i

     x,

     u j

     x )=

     u i

      u j =

     u i

     j

     u j =j

     u i u j = 0,i ≠

    • 范文大全
    • 职场知识
    • 精美散文
    • 名著
    • 讲坛
    • 诗歌
    • 礼仪知识