在显著性检验中,如果显著水平为0.01,则犯Ⅰ型错误的概率最大是:()。
A.0.99
B.0.05
C.1.00
D.0.01
A.0.99
B.0.05
C.1.00
D.0.01
表中为某企业近年来的总成本和产量的数据:
(1)用已知数据估计以下总成本函数的参数:
(2)检验参数的显著性;
(3)检验整个回归方程的显著性;
(4)计算总成本对产量的非线性相关指数;
(5)评价此回归分析存在什么不足。
A.在大多数人看来,他每天的进食量不会明显地影响他体内的胆固醇水平
B.对大多数人来说,增加每天的进餐次数不会使胆固醇水平显著降低
C.对大多数人来说,每天的进食量不会受每天的进食次数的影响
D.对大多数人来说,进食量受到进食时间的很大影响
某企业生产的袋装食品自动打包机包装,每袋标准重量为100克。现从某天生产的一批产品中按重复抽样方式随机抽取50包进行检查,测得每包重量(单位:克)如下表: 每包重量(g) 包数 96-98 2 98-100 3 100-102 34 102-104 7 104-106 4 合计 50 已知食品重量服从正态分布。以下关于假设检验分析正确的时()。(数据结果要求小数点后保留2位有效数字,设显著水平为0.05)
A、根据假设检验原理,原假设应设为
B、本检验用到的检验统计量为T统计量
C、按假设检验原理,拒绝域应该为(1.645,)
D、该案例中食品平均重量的95%置信区间为(100.87,101.77)
(i)描述估计的滞后分布。gwage的哪一个滞后对gprice的影响最大?哪一个滞后的系数最小?
(ii)哪些滞后的:统计量小于2?
(iii)估计的长期倾向是多少?它与1有很大不同吗?解释本例中的LRP告诉了我们什么?
(iv)你将用什么样的模型来直接求出LRP的标准误?
(v)你将怎样检验gwage的6阶以上滞后的联合显著性?F分布的df是多少?(注意:你又失去了6个观测。)
在近来的一篇论文中,埃文斯和施瓦布(EvansandSchwab,1995)研究了就读于天主教高中对将来读大学的概率所产生的影响。为具体起见,令college为二值变量,如果读大学则等于1,否则为0。令CahHS也为二值变量,如果就读于天主教高中则等于1.一个线性概率模型是:
college=β0+β1CathHS+其他因素+u
其中其他因素包括性别、种族、家庭收入和父母的受教育程度。
(i)为什么CathHS可能与u相关?
(ii)埃文斯和施瓦布拥有关于每个学生在大二时进行的标准化测验成绩数据。我们用这些变量能做些什么,以改进就读于天主教高中在其余条件不变情况下的估计值?
(iii)令CathRel为二值变量,若学生是天主教徒则等于1。讨论它成为前面方程中CathHS的一个有效的ⅣV所需要的两个要求。其中哪个可加以检验?
(iv)不足为奇,作为天主教徒对是否就读于一所天主教高中有显著的影响。你认为CathRel作为CathHS的工具变量令人信服吗?
A.高山湖泊的酸性比其他湖泊高是很正常的
B.人们严重低估了湖水酸性升高的危害
C.如果有植物生命存在,酸雨会显著增加自然环境中腐烂的有机物的数量
D.土壤学家对酸雨的成因意见分歧很大
A.观察者们对一个人是否成功地走了直线不能全部达成一致
B.用于检验血液酒精含量水平的测试是准确、低成本和易于实施的
C.一些人在血液酒精含量水平很高时,还可以走直线,但却不能完全驾车
D.由于基因的不同和对酒精的抵抗能力的差别,一些人血液酒精含量水平很高时仍能正常驾车
表中是道琼斯工业指数(DJIA)和标准普尔500种股票指数(S&P500)1988年至1997年对应股票的收益率资料:
计算两种指数收益率的相关系数,分析其相关程度,以0.05的显著性水平检验相关系数的显著性。