多元统计分析试题及答案
多元统计分析模拟考题及答案
一、判断题（ 对 ）112(,,,)p X X X X '=的协差阵一定是对称的半正定阵（ 对 ）2标准化随机向量的协差阵与原变量的相关系数阵相同。
（ 对）3典型相关分析是识别并量化两组变量间的关系，将两组变量的相关关系的研究转化为一组变量的线性组合与另一组变量的线性组合间的相关关系的研究。
（ 对 ）4多维标度法是以空间分布的形式在低维空间中再现研究对象间关系的数据分析方法。
（ 错）5),(~),,,(21∑'=μp p N X X X X ，,X S 分别是样本均值和样本离差阵，则,SX n分别是,μ∑的无偏估计。
（ 对）6),(~),,,(21∑'=μp p N X X X X ，X 作为样本均值μ的估计，是无偏的、有效的、一致的。
（ 错）7 因子载荷经正交旋转后，各变量的共性方差和各因子的贡献都发生了变化（ 对）8因子载荷阵()ij A a =中的ij a 表示第i 个变量在第j 个公因子上的相对重要性。
（ 对 ）9 判别分析中，若两个总体的协差阵相等，则Fisher 判别与距离判别等价。
（对）10距离判别法要求两总体分布的协差阵相等，Fisher 判别法对总体的分布无特定的要求。
二、填空题1、多元统计中常用的统计量有：样本均值向量、样本协差阵、样本离差阵、样本相关系数矩阵．2、设∑是总体1(,,)m X X X =的协方差阵，∑的特征根(1,,)i i m λ=与相应的单位正交化特征向量12(,,,)i i i im a a a α=，则第一主成分的表达式是11111221m my a X a X a X =+++，方差为1λ。
3设∑是总体1234(,,,)X X X X X =的协方差阵，∑的特征根和标准正交特征向量分别为：'112.920(0.1485,0.5735,0.5577,0.5814)U λ==--- '221.024(0.9544,0.0984,0.2695,0.0824)U λ==-'330.049(0.2516,0.7733,0.5589,0.1624)U λ==--'440.007(0.0612,0.2519,0.5513,0.7930)U λ==--，则其第二个主成分的表达式是212340.95440.09840.26950.0824y X X X X =-++，方差为1.0244. 若),(~)(∑μαp N X ，（n ,,2,1 =α）且相互独立，则样本均值向量X 服从的分布是(,)p N nμ∑．5.设(,),1,2,,16i p X N i μ∑=，X 和A 分别是正态总体的样本均值和样本离差阵，则2115[4()][4()]T X A X μμ-'=--服从 215(15,)(,)16p T p F p n p p--或6设3(,),1,2,,10i X N i μ∑=，则101()()i i i W X X μμ='=--∑服从3(10,)W ∑7.设随机向量123(,,)X X X X '=，且协差阵4434923216-⎛⎫ ⎪∑=-- ⎪ ⎪-⎝⎭，则其相关矩阵R =231382113631186⎛⎫-⎪ ⎪ ⎪-- ⎪ ⎪ ⎪- ⎪⎝⎭8. 设122(,)(,),X X X N μ=∑，其中212(,),ρμμμσρ⎛⎫=∑=⎪⎝⎭11，则1212,)X X X X +-=Cov(09设X,Y 是来自均值向量为μ，协差阵为∑的总体G 的两个样品，则X ，Y 间的马氏平方距离2(,)d X Y =1()()X Y X Y -'-∑-10设X,Y 是来自均值向量为μ，协差阵为∑的总体G 的两个样品，则X 与总体G 的马氏平方距离2(,)d X G =1()()X X μμ-'-∑-11设随机向量123(,,)X X X X '=的相关系数矩阵通过因子分析分解为121330.93400.1280.9340.4170.8351100.4170.8940.02700.8940.44730.8350.4470.1032013R ⎛⎫- ⎪⎛⎫⎛⎫ ⎪-⎛⎫ ⎪ ⎪⎪=-=-+ ⎪ ⎪ ⎪ ⎪⎝⎭ ⎪ ⎪ ⎪⎝⎭⎝⎭ ⎪ ⎪⎝⎭则1X 的共性方差21h = 0.9342 =0.872 ，其统计意义是：描述了全部公因子对变量X1的总方差所作的贡献，称为变量X1的共同度，反映了公共因子对变量X1的影响程度。
多元统计分析模拟考题及答案
一、判断题（ 对 ）112(,,,)p X X X X '=L 的协差阵一定是对称的半正定阵 （ 对 ）2标准化随机向量的协差阵与原变量的相关系数阵相同。
（ 对）3典型相关分析是识别并量化两组变量间的关系，将两组变量的相关关系的研究转化为一组变量的线性组合与另一组变量的线性组合间的相关关系的研究。
（ 对 ）4多维标度法是以空间分布的形式在低维空间中再现研究对象间关系的数据分析方法。
（ 错）5),(~),,,(21∑'=μp p N X X X X Λ，,X S 分别是样本均值和样本离差阵，则,SX n分别是,μ∑的无偏估计。
（ 对）6),(~),,,(21∑'=μp p N X X X X Λ，X 作为样本均值μ的估计，是无偏的、有效的、一致的。
（ 错）7 因子载荷经正交旋转后，各变量的共性方差和各因子的贡献都发生了变化（ 对）8因子载荷阵()ij A a =中的ij a 表示第i 个变量在第j 个公因子上的相对重要性。
（ 对 ）9 判别分析中，若两个总体的协差阵相等，则Fisher 判别与距离判别等价。
（对）10距离判别法要求两总体分布的协差阵相等，Fisher 判别法对总体的分布无特定的要求。
二、填空题1、多元统计中常用的统计量有：样本均值向量、样本协差阵、样本离差阵、样本相关系数矩阵．2、设∑是总体1(,,)m X X X =L 的协方差阵，∑的特征根(1,,)i i m λ=L 与相应的单位正交化特征向量12(,,,)i i i im a a a α=L ，则第一主成分的表达式是11111221m m y a X a X a X =+++L ，方差为1λ。
3设∑是总体1234(,,,)X X X X X =的协方差阵，∑的特征根和标准正交特征向量分别为：'112.920(0.1485,0.5735,0.5577,0.5814)U λ==--- '221.024(0.9544,0.0984,0.2695,0.0824)U λ==-'330.049(0.2516,0.7733,0.5589,0.1624)U λ==--'440.007(0.0612,0.2519,0.5513,0.7930)U λ==--，则其第二个主成分的表达式是212340.95440.09840.26950.0824y X X X X =-++，方差为1.0244. 若),(~)(∑μαp N X ，（n ,,2,1Λ=α）且相互独立，则样本均值向量X 服从的分布是(,)p N nμ∑．5.设(,),1,2,,16i p X N i μ∑=:L ，X 和A 分别是正态总体的样本均值和样本离差阵，则2115[4()][4()]T X A X μμ-'=--服从 215(15,)(,)16pT p F p n p p--:或6设3(,),1,2,,10i X N i μ∑=:L ，则101()()ii i W XX μμ='=--∑服从3(10,)W ∑7.设随机向量123(,,)X X X X '=，且协差阵4434923216-⎛⎫ ⎪∑=-- ⎪ ⎪-⎝⎭，则其相关矩阵R =231382113631186⎛⎫-⎪ ⎪ ⎪-- ⎪ ⎪ ⎪- ⎪⎝⎭8. 设122(,)(,),X X X N μ=∑:，其中212(,),ρμμμσρ⎛⎫=∑=⎪⎝⎭11，则1212,)X X X X +-=Cov(09设X,Y 是来自均值向量为μ，协差阵为∑的总体G 的两个样品，则X ，Y 间的马氏平方距离2(,)d X Y =1()()X Y X Y -'-∑-10设X,Y 是来自均值向量为μ，协差阵为∑的总体G 的两个样品，则X 与总体G 的马氏平方距离2(,)d X G =1()()X X μμ-'-∑-11设随机向量123(,,)X X X X '=的相关系数矩阵通过因子分析分解为121330.93400.1280.9340.4170.8351100.4170.8940.02700.8940.44730.8350.4470.1032013R ⎛⎫- ⎪⎛⎫⎛⎫ ⎪-⎛⎫ ⎪ ⎪⎪=-=-+ ⎪ ⎪ ⎪ ⎪⎝⎭ ⎪ ⎪ ⎪⎝⎭⎝⎭ ⎪ ⎪⎝⎭则1X 的共性方差21h = 0.9342 =0.872 ，其统计意义是：描述了全部公因子对变量X1的总方差所作的贡献，称为变量X1的共同度，反映了公共因子对变量X1的影响程度。
多元统计分析期末试题及答案
22121212121~(,),(,),(,),,1X N X x x x x x x ρμμμμσρ⎛⎫∑==∑=⎪⎝⎭+-1、设其中则Cov(,)=____.10312~(,),1,,10,()()_________i i i i X N i W X X μμμ='∑=--∑、设则=服从。
()1234433,492,3216___________________X x x x R -⎛⎫ ⎪'==-- ⎪⎪-⎝⎭=∑、设随机向量且协方差矩阵则它的相关矩阵4、__________， __________，________________。
215,1,,16(,),(,)15[4()][4()]~___________i p p X i N X A N T X A X μμμμ-=∑∑'=--、设是来自多元正态总体和分别为正态总体的样本均值和样本离差矩阵,则。
12332313116421(,,)~(,),(1,0,2),441,2142X x x x N x x x x x μμ-⎛⎫⎪'=∑=-∑=-- ⎪ ⎪-⎝⎭-⎛⎫+ ⎪⎝⎭、设其中试判断与是否独立？(),123设X=x x x 的相关系数矩阵通过因子分析分解为211X h =的共性方差111X σ=的方差21X g =1公因子f 对的贡献121330.93400.1280.9340.4170.8351100.4170.8940.02700.8940.44730.8350.4470.1032013R ⎛⎫- ⎪⎛⎫⎛⎫⎪-⎛⎫ ⎪ ⎪⎪=-=-+ ⎪ ⎪ ⎪ ⎪⎝⎭ ⎪ ⎪ ⎪⎝⎭⎝⎭ ⎪⎪⎝⎭11262(90,58,16),82.0 4.310714.62108.946460.2,(5)( 115.6924)14.6210 3.17237.14.5X S μ--'=-⎛⎫ ⎪==-- ⎪ ⎪⎝⎭0、对某地区农村的名周岁男婴的身高、胸围、上半臂围进行测量，得相关数据如下,根据以往资料,该地区城市2周岁男婴的这三个指标的均值现欲在多元正态性的假定下检验该地区农村男婴是否与城市男婴有相同的均值。
多元统计分析期末试题及标准答案
多元统计分析期末试题及答案————————————————————————————————作者：————————————————————————————————日期：22121212121~(,),(,),(,),,1X N X x x x x x x ρμμμμσρ⎛⎫∑==∑=⎪⎝⎭+-1、设其中则Cov(,)=____.10312~(,),1,,10,()()_________i i i i X N i W X X μμμ='∑=--∑L 、设则=服从。
()1234433,492,3216___________________X x x x R -⎛⎫ ⎪'==-- ⎪⎪-⎝⎭=∑、设随机向量且协方差矩阵则它的相关矩阵4、__________， __________，________________。
215,1,,16(,),(,)15[4()][4()]~___________i p p X i N X A N T X A X μμμμ-=∑∑'=--L 、设是来自多元正态总体和分别为正态总体的样本均值和样本离差矩阵,则。
12332313116421(,,)~(,),(1,0,2),441,2142X x x x N x x x x x μμ-⎛⎫⎪'=∑=-∑=-- ⎪ ⎪-⎝⎭-⎛⎫+ ⎪⎝⎭、设其中试判断与是否独立？(),123设X=xx x 的相关系数矩阵通过因子分析分解为211X h =的共性方差111X σ=的方差21X g =1公因子f 对的贡献121330.93400.1280.9340.4170.8351100.4170.8940.02700.8940.44730.8350.4470.1032013R ⎛⎫- ⎪⎛⎫⎛⎫⎪-⎛⎫ ⎪ ⎪⎪=-=-+ ⎪ ⎪ ⎪ ⎪⎝⎭ ⎪ ⎪ ⎪⎝⎭⎝⎭ ⎪ ⎪⎝⎭11262(90,58,16),82.0 4.310714.62108.946460.2,(5)( 115.6924)14.6210 3.17237.14.5X S μ--'=-⎛⎫ ⎪==-- ⎪ ⎪⎝⎭0、对某地区农村的名周岁男婴的身高、胸围、上半臂围进行测量，得相关数据如下,根据以往资料,该地区城市2周岁男婴的这三个指标的均值现欲在多元正态性的假定下检验该地区农村男婴是否与城市男婴有相同的均值。
多元统计分析期末试题及答案
⎛11、设X ~N 2(μ,∑),其中X =(x 1,x 2),μ=(μ1,μ2),∑=σ2⎝ρ则Cov(x 1+x 2,x 1-x 2)=____.ρ⎫1⎪⎭,2、设Xi~N 3(μ,∑),i =1,服从_________。
,10,则W=∑(X i-μ)(X i-μ)'i =110⎛4x 3)',且协方差矩阵∑= -43⎝-43⎫9-2⎪,⎪-216⎪⎭3、设随机向量X =(x1x2则它的相关矩阵R =___________________4、设X=(x1⎛1- 3 -11R = 3 2 0 ⎝31x2x3)的相关系数矩阵通过因子分析分解为,2⎫3⎪⎛0.9340⎫⎛0.128⎫⎪0.934-0.4170.835⎛⎫ ⎪ ⎪0⎪= -0.4170.894⎪ +0.027⎪⎪⎪00.8940.447⎭ ⎝ ⎪ 0.103⎪⎪⎝0.8350.447⎭⎝⎭⎪1⎪⎭X 1的共性方差h 12=__________ __________，X 1，的方差σ11=________________。
公因子f 1对X 的贡献g 12=5、设X i,i =1,,16是来自多元正态总体N p(μ,∑),X 和A 分别为正态总体N p(μ,∑)的样本均值和样本离差矩阵,则T 2=15[4(X -μ)]'A -1[4(X -μ)]~___________。
⎛16-42⎫1、设X =(x 1,x 2,x 3)~N 3(μ,∑),其中μ=(1,0,-2)',∑= -44-1⎪,⎪ 2-14⎪⎝⎭⎛x 2-x 3⎫试判断x 1+2x 3与 ⎪是否独立？x ⎝1⎭2、对某地区农村的6名2周岁男婴的身高、胸围、上半臂围进行测量，得相关数据如下,根据以往资料,该地区城市2周岁男婴的这三个指标的均值μ0=(90,58,16)',现欲在多元正态性的假定下检验该地区农村男婴是否与城市男婴有相同的均值。
多元统计学多元统计分析试题(A卷)(答案)
《多元统计分析》试卷1、若),2,1(),,(~)(n N X p =∑αμα 且相互独立，则样本均值向量X 服从的分布为2、变量的类型按尺度划分有_间隔尺度_、_有序尺度_、名义尺度_。
3、判别分析是判别样品 所属类型 的一种统计方法，常用的判别方法有__距离判别法_、Fisher 判别法、Bayes 判别法、逐步判别法。
4、Q 型聚类是指对_样品_进行聚类，R 型聚类是指对_指标(变量)_进行聚类。
5、设样品),2,1(,),,('21n i X X X X ip i i i ==，总体),(~∑μp N X ，对样品进行分类常用的距离有：明氏距离，马氏距离2()ijd M =)()(1j i j i x x x x -∑'--，兰氏距离()ij d L =6、因子分析中因子载荷系数ij a 的统计意义是_第i 个变量与第j 个公因子的相关系数。
7、一元回归的数学模型是：εββ++=x y 10，多元回归的数学模型是：εββββ++++=p p x x x y 22110。
8、对应分析是将 R 型因子分析和Q 型因子分析结合起来进行的统计分析方法。
9、典型相关分析是研究两组变量之间相关关系的一种多元统计方法。
一、填空题（每空2分，共40分）1、设三维随机向量),(~3∑μN X ，其中⎪⎪⎪⎭⎫ ⎝⎛=∑200031014，问1X 与2X 是否独立？),(21'X X 和3X 是否独立？为什么？解： 因为1),cov(21=X X ，所以1X 与2X 不独立。
把协差矩阵写成分块矩阵⎪⎪⎭⎫⎝⎛∑∑∑∑=∑22211211，),(21'X X 的协差矩阵为11∑因为12321),),cov((∑='X X X ，而012=∑，所以),(21'X X 和3X 是不相关的，而正态分布不相关与相互独立是等价的，所以),(21'X X 和3X 是独立的。
多元统计分析试题(A卷)(答案)
多元统计分析试题(A卷)(答案)《多元统计分析》试卷一、填空题（每空2分，共40分）1、若且相互独立，则样本均值向量X服从的分布为2、变量的类型按尺度划分有_间隔尺度_、_有序尺度_、名义尺度_。
3、判别分析是判别样品的一种统计方法，常用的判别方法有___、、、。
4、Q型聚类是指对_进行聚类，R型聚类是指对进行聚类。
'5、设样品，总体X~Np(，对样品进行分类常用的距离有：明氏距离，马氏距离，兰氏距离6、因子分析中因子载荷系数aij的统计意义是_第i个变量与第j个公因子的相关系数。
7、一元回归的数学模型是：，多元回归的数学模型是：。
8、对应分析是将和结合起来进行的统计分析方法。
9、典型相关分析是研究两组变量之间相关关系的一种多元统计方法。
二、计算题（每小题10分，共40分）1、设三维随机向量，其中130，问X1与X2是否独立？和X3是否独立？为什么？解：因为，所以X1与X2不独立。
把协差矩阵写成分块矩阵，的协差矩阵为因为，而，所以和X3是不相关的，而正态分布不相关与相互独立是等价的，所以和X3是独立的。
2、设抽了五个样品，每个样品只测了一个指标，它们分别是1 ,2 ,4.5 ,6 ,8。
若样本间采用明氏距离，试用最长距离法对其进行分类，要求给出聚类图。
x1013.55702.54601.53.502x2x3解：样品与样品之间的明氏距离为：D(0)样品最短距离是1，故把X1与X2合并为一类，计算类与类之间距离（最长距离法）{x1,x2}03.55701.53.502x3x4得距离阵 D(1)类与类的最短距离是1.5，故把X3与X4合并为一类，计算类与类之间距离（最长距离法）得距离阵D(2){x1,x2}057{x3,x4}x5类与类的最短距离是3.5，故把{X3,X4}与X5合并为一类，计算类与类之间距离（最{x1,x2}07长距离法）得距离阵D(3)分类与聚类图（略）（请你们自己做）3、设变量X1,X2,X3的相关阵为0.631.000.350.35,R的特征值和单位化特征向量分别为TTT（1）取公共因子个数为2，求因子载荷阵A。
多元统计期末考试题及答案
多元统计期末考试题及答案一、选择题（每题2分，共20分）1. 在多元线性回归中，如果一个变量的系数为0，这意味着什么？A. 该变量对因变量没有影响B. 该变量与因变量完全相关C. 该变量与因变量无关D. 该变量是多余的2. 主成分分析（PCA）的主要目的是什么？A. 减少数据的维度B. 增加数据的维度C. 找到数据的均值D. 找到数据的中位数3. 以下哪个不是聚类分析的优点？A. 可以揭示数据的内在结构B. 可以用于分类C. 可以减少数据的维度D. 可以找到数据的异常值4. 在因子分析中，如果一个因子的方差贡献率很低，这通常意味着什么？A. 该因子对数据的解释能力很强B. 该因子对数据的解释能力很弱C. 该因子是多余的D. 该因子是重要的5. 以下哪个是多元统计分析中常用的距离度量？A. 欧氏距离B. 曼哈顿距离C. 切比雪夫距离D. 所有以上选项二、简答题（每题10分，共30分）6. 解释什么是多元线性回归，并简述其在实际问题中的应用。
7. 描述主成分分析（PCA）的基本原理，并举例说明其在数据分析中的作用。
8. 简述聚类分析的过程，并讨论其在商业数据分析中的应用。
三、计算题（每题25分，共50分）9. 假设有以下数据集，包含两个变量X和Y，以及它们的观测值：| 观测 | X | Y |||||| 1 | 2 | 3 || 2 | 3 | 4 || 3 | 4 | 5 || 4 | 5 | 6 |请计算X和Y的协方差，并解释其意义。
10. 给定以下数据集，进行聚类分析，并解释聚类结果：| 观测 | 变量1 | 变量2 |||-|-|| 1 | 1.5 | 2.5 || 2 | 2.0 | 3.0 || 3 | 3.5 | 4.5 || 4 | 4.0 | 5.0 |多元统计期末考试题答案一、选择题1. A2. A3. C4. B5. D二、简答题6. 多元线性回归是一种统计方法，用于分析两个或两个以上的自变量（解释变量）与一个因变量之间的关系。
多元统计分析试题及答案
X 1的共性方差h12 =
X 1的方差σ
11
= ___1 注(0.128+0.872)___，
公因子f1对X的贡献g12 = 1.743
备注(0.934^2+(-0.417)^2+0.835^2)__。
5、 设 X i , i = 1,⋯ ,16是 来 自 多 元 正 态 总 体 N p ( µ , Σ ), X 和 A分 别 为 正 态 总 体 N p ( µ , Σ ) 的 样 本 均 值 和 样 本 离 差 矩 阵 ,则 T 2 = 15[4( X − µ )]′ A − 1[4( X − µ )] ~ ___________ 。
2、假设检验问题：H 0 : µ = µ0，H1 : µ ≠ µ0 ⎛ −8.0 ⎞ 经计算可得：X − µ0 = ⎜ 2.2 ⎟ , ⎜ ⎟ ⎜ −1.5 ⎟ ⎝ ⎠ ⎛ 4.3107 −14.6210 8.9464 ⎞ −1 −1 ⎜ S = (23.13848) −14.6210 3.172 −37.3760 ⎟ ⎜ ⎟ ⎜ 8.9464 −37.3760 35.5936 ⎟ ⎝ ⎠ 构造检验统计量：T 2 = n( X − µ0 )′S −1 ( X − µ0 ) = 6 × 70.0741 = 420.445 由题目已知F0.01 (3,3) = 29.5，由是 3× 5 F0.01 (3,3) = 147.5 3 所以在显著性水平α = 0.01下，拒绝原设 H 0
⎛ 16 −4 2 ⎞ 1、设X = ( x1 , x2 , x3 ) ~ N 3 ( µ , Σ), 其中µ = (1,0, − 2)′, Σ = ⎜ −4 4 −1⎟ , ⎜ ⎟ ⎜ 2 −1 4 ⎟ ⎝ ⎠ ⎛x −x ⎞ 试判断x1 + 2 x3与 ⎜ 2 3 ⎟ 是否独立？ ⎝ x1 ⎠
应用多元统计分析试题及答案
Xr
1 nr
(np X p
nq X q )
Dk2r
np nr
Dk2p
nq nr
Dk2q
npnq nr2
Dp2q
（5）类平均法
1 2
2
D d pq
ij
n np q XiGp X jGj
Dk2r
1 nk nr
di2j
XiGk X j Gr
np nr
.
一、填空题： 1、多元统计分析是运用 数理统计 方法来研究解决 多指标
问题的理论
和方法.
2、回归参数显著性检验是检验 解释变量 对 被解释变量 的影响是否著.
3、聚类分析就是分析如何对样品（或变量）进行量化分类的问题。通常聚类分
析分为 Q型 聚类和 R型 聚类。
4、相应分析的主要目的是寻求列联表 行因素A 和 列因素B 的基本分析特征
析。因子分析也可以说成是主成分分析的逆问题。如果说主成分分析是将原指
标综合、归纳，那么因子分析可以说是将原指标给予分解、演绎。
主要区别是：主成分分析本质上是一种线性变换，将原始坐标变换到变异程度
大的方向上为止，突出数据变异的方向，归纳重要信息。而因子分析是从显在
变量去提炼潜在因子的过程。此外，主成分分析不需要构造分析模型而因子分
k
统计量 k nnp / 2
S ni / 2 i
i 1
k
S n/ 2
n pni / 2 i
i 1
6、在进行系统聚类分析时，不同的类间距离计算方法有何区别？请举例说 明。
设 dij 表示样品 Xi 与 Xj 之间距离，用 Dij 表示类 Gi 与 Gj 之间的距离。
应用多元统计分析试题及答案
一、填空题：1、多元统计分析是运用数理统计方法来研究解决多指标问题的理论和方法.2、回归参数显著性检验是检验解释变量对被解释变量的影响是否著.3、聚类分析就是分析如何对样品（或变量）进行量化分类的问题。
通常聚类分析分为 Q型聚类和 R型聚类。
4、相应分析的主要目的是寻求列联表行因素A 和列因素B 的基本分析特征和它们的最优联立表示。
5、因子分析把每个原始变量分解为两部分因素：一部分为公共因子，另一部分为特殊因子。
6、若()(,), Px N αμα∑=1,2,3….n且相互独立，则样本均值向量x服从的分布为_x~N(μ，Σ/n)_。
二、简答1、简述典型变量与典型相关系数的概念，并说明典型相关分析的基本思想。
在每组变量中找出变量的线性组合，使得两组的线性组合之间具有最大的相关系数。
选取和最初挑选的这对线性组合不相关的线性组合，使其配对，并选取相关系数最大的一对，如此下去直到两组之间的相关性被提取完毕为止。
被选出的线性组合配对称为典型变量，它们的相关系数称为典型相关系数。
2、简述相应分析的基本思想。
相应分析，是指对两个定性变量的多种水平进行分析。
设有两组因素A和B，其中因素A包含r个水平，因素B包含c个水平。
对这两组因素作随机抽样调查，得到一个rc的二维列联表，记为。
要寻求列联表列因素A和行因素B的基本分析特征和最优列联表示。
相应分析即是通过列联表的转换，使得因素 A 和因素B具有对等性，从而用相同的因子轴同时描述两个因素各个水平的情况。
把两个因素的各个水平的状况同时反映到具有相同坐标轴的因子平面上，从而得到因素A、B的联系。
3、简述费希尔判别法的基本思想。
从k个总体中抽取具有p个指标的样品观测数据，借助方差分析的思想构造一个线性判别函数系数：确定的原则是使得总体之间区别最大，而使每个总体内部的离差最小。
将新样品的p 个指标值代入线性判别函数式中求出 值，然后根据判别一定的规则，就可以判别新的样品属于哪个总体。
(完整)多元统计分析期末试题及答案,推荐文档.docx
1 、设 X ~ N2 ( ,), 其中 X( x1 , x 2 ),( 1 ,212 ),,1则 Cov( x1x 2 , x1x 2 )=____.102、设X i ~N 3 (,), i 1, L,10,则 W =( X i)( X i)i 1服从_________。
4433、设随机向量X x1x2x3, 且协方差矩阵 4 9 2 ,3 2 16则它的相关矩阵R___________________4、设 X= x1x2x3,的相关系数矩阵通过因子分析分解为112330.93400.1280.4171R100.4170.9340.83530.8940.8940.027 0.83500.4472010.4470.10332__________，__________，X1的共性方差 h1X1的方差11公因子 f 1对 X的贡献 g12________________。
5、设 X i , i 1,L ,16 是来自多元正态总体N p (, ), X 和 A分别为正态总体N p ( ,)的样本均值和样本离差矩阵 , 则T 215[4( X)] A 1[4( X)] ~ ___________。
1642、设( x1 , x2 , x3) ~ N3(, ),其中(1,0, 2) ,44 1 ,1X214试判断 x12 x3与x2x3是否独立？x12、对某地区农村的 6 名 2 周岁男婴的身高、胸围、上半臂围进行测量，得相关数据如下 , 根据以往资料 , 该地区城市 2周岁男婴的这三个指标的均值0(90,58,16), 现欲在多元正态性的假定下检验该地区农村男婴是否与城市男婴有相同的均值。
82.0 4.310714.62108.9464其中 X60.2 ,(5 S ) 1( 115.6924)114.6210 3.17237. 376014.58.946437.376035.5936 (0.01,F 0.01 (3, 2)99.2, F 0.01 (3,3)29.5,F0.01 (3, 4)16.7)、设已知有两正态总体G与 G，且12，24，1211，3126219而其先验概率分别为q1q20.5,误判的代价C (2 1)4；e ,C(1 2)e试用判别法确定样本X 3属于哪一个总体？Bayes514、设X( X1 , X2 , X3 , X4 )T，协方差阵1~ N (0, ),0111(1)试从Σ出发求 X 的第一总体主成分；(2)试问当取多大时才能使第一主成分的贡献率达95％以上。
多元统计复习题答案
多元统计复习题答案一、单项选择题1. 多元统计分析中，用于描述多个变量之间关系的统计方法是（）。
A. 相关分析B. 聚类分析C. 因子分析D. 主成分分析答案：C2. 以下哪个不是多元统计分析中常用的降维方法？（）A. 主成分分析B. 因子分析C. 聚类分析D. 典型相关分析答案：C3. 在多元统计分析中，用于识别数据集中的异常值或离群点的统计方法是（）。
A. 马氏距离B. 箱线图C. 相关系数D. 卡方检验答案：B二、多项选择题1. 多元统计分析中，以下哪些方法可以用来进行变量选择？（）A. 逐步回归B. 岭回归C. 偏最小二乘回归D. 主成分分析答案：A|B|C2. 多元统计分析中，以下哪些方法可以用来进行数据的分类？（）A. 判别分析B. 聚类分析C. 因子分析D. 典型相关分析答案：A|B三、判断题1. 多元统计分析中的因子分析可以用于变量的降维。
（对）2. 多元统计分析中的主成分分析和因子分析是完全相同的方法。
（错）3. 多元统计分析中的聚类分析可以用于识别数据集中的异常值。
（错）四、简答题1. 简述多元统计分析中主成分分析（PCA）的主要步骤。
答：主成分分析的主要步骤包括：数据标准化、计算协方差矩阵、求解特征值和特征向量、选择主成分、构造主成分得分。
2. 描述多元统计分析中判别分析的应用场景。
答：判别分析在多元统计分析中主要应用于根据已有的分类变量来预测新样本的分类，例如在医学诊断、市场细分、信用评分等领域。
五、计算题1. 给定一组数据，计算其主成分得分。
答：首先需要对数据进行标准化处理，然后计算协方差矩阵，接着求解特征值和特征向量，最后根据特征值的大小选择前几个主成分，并计算对应的得分。
2. 利用判别分析对一组数据进行分类，并给出分类结果。
答：首先需要确定分类的依据，然后计算各类别的判别函数，接着对新样本进行判别分析，最后根据判别得分将样本分类到相应的类别中。
多元统计分析期末试题(卷)与答案解析
22121212121~(,),(,),(,),,1X N X x x x x x x ρμμμμσρ⎛⎫∑==∑=⎪⎝⎭+-1、设其中则Cov(,)=____.10312~(,),1,,10,()()_________i i i i X N i W X X μμμ='∑=--∑、设则=服从。
()1234433,492,3216___________________X x x x R -⎛⎫ ⎪'==-- ⎪⎪-⎝⎭=∑、设随机向量且协方差矩阵则它的相关矩阵4、__________， __________，________________。
215,1,,16(,),(,)15[4()][4()]~___________i p p X i N X A N T X A X μμμμ-=∑∑'=--、设是来自多元正态总体和分别为正态总体的样本均值和样本离差矩阵,则。
(),123设X=x xx 的相关系数矩阵通过因子分析分解为211X h =的共性方差111X σ=的方差21X g =1公因子f 对的贡献121330.93400.1280.9340.4170.8351100.4170.8940.02700.8940.44730.8350.4470.1032013R⎛⎫- ⎪⎛⎫⎛⎫⎪-⎛⎫ ⎪ ⎪⎪=-=-+ ⎪ ⎪ ⎪ ⎪⎝⎭ ⎪ ⎪ ⎪⎝⎭⎝⎭ ⎪⎪⎝⎭12332313116421(,,)~(,),(1,0,2),441,2142X x x x N x x x x x μμ-⎛⎫⎪'=∑=-∑=-- ⎪ ⎪-⎝⎭-⎛⎫+ ⎪⎝⎭、设其中试判断与是否独立？11262(90,58,16),82.0 4.310714.62108.946460.2,(5)( 115.6924)14.6210 3.17237.14.5X S μ--'=-⎛⎫ ⎪==-- ⎪ ⎪⎝⎭0、对某地区农村的名周岁男婴的身高、胸围、上半臂围进行测量，得相关数据如下,根据以往资料,该地区城市2周岁男婴的这三个指标的均值现欲在多元正态性的假定下检验该地区农村男婴是否与城市男婴有相同的均值。
(完整版)多元统计分析试题及答案
(完整版)多元统计分析试题及答案试题：1. 试解释多元统计分析的含义及其与单变量和双变量统计分析的区别。
2. 简述卡方检验方法及适用场景。
3. 请解释回归分析中的回归系数及其p值的含义及作用，简单说明如何进行回归模型的选择和评估。
4. 试解释主成分分析的原理及目的，如何进行主成分分析及如何解释因子载荷矩阵。
5. 请列举和简要解释聚类分析和判别分析的适用场景，并说明两种方法的区别。
答案：1. 多元统计分析是一种将多个变量进行综合分析的方法。
与单变量和双变量统计分析不同的是，多元统计分析可以处理多个自变量和因变量的组合关系，从而探究它们之间的综合关系。
该方法通常适用于探究多种变量在某个问题中的关系、探究影响某一结果变量的因素、探究各个变量相互作用的影响等。
2. 卡方检验是根据样本数据与期望值的差异来判断观察值与理论预期是否相符，以此来验证假设是否成立的方法。
它通常用于对某个现象进行分类的相关度检验。
适用场景包括：样本的数量大于等于40，且至少有一个期望值小于5；变量为分类变量，且分类类别数不超过10个。
卡方检验的原理是将观察值和期望值进行比较，并计算卡方值，然后根据卡方值与自由度的乘积查找p值，从而得出结论。
3. 回归系数是回归方程中自变量与因变量之间的关系，在线性回归中，回归系数表示每一个自变量单位变化与因变量单位变化的关系。
p值是评估回归系数是否具有显著性的指标。
回归模型的选择有两种方法：一种是逐步回归分析，根据不同的准则进行多个回归模型的比较，选择最优的模型；另一种是正则化回归，通过加入惩罚项来保证回归模型具有良好的泛化性能。
回归模型的评估有多种方法，包括：残差分析、R方值、方差齐性检验、变量的共线性检验等。
4. 主成分分析是一种将多维数据降维处理的方法，它的目的是通过数据的变换，将多个变量转化为一些综合指标，这些指标是原始变量的线性组合。
主成分分析的步骤包括：数据标准化、计算协方差矩阵或相关系数矩阵、计算特征值和特征向量、选取主成分。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
xxx 大学期末试卷（A 卷）考试科目：多元统计分析 考试类型：（闭卷） 考试时间：120 分钟一、填空题（5×6=30）22121212121~(,),(,),(,),,1X N X x x x x x x ρμμμμσρ⎛⎫∑==∑=⎪⎝⎭+-1、设其中则Cov(,)=____.10312~(,),1,,10,()()_________i i i i X N i W X X μμμ='∑=--∑L 、设则=服从。
()1234433,492,3216___________________X x x x R -⎛⎫ ⎪'==-- ⎪ ⎪-⎝⎭=∑、设随机向量且协方差矩阵则它的相关矩阵4、__________， __________， (),123设X=x x x 的相关系数矩阵通过因子分析分解为211X h =的共性方差111X σ=的方差121330.93400.1280.9340.4170.8351100.4170.8940.02700.8940.44730.8350.4470.1032013R ⎛⎫- ⎪⎛⎫⎛⎫ ⎪-⎛⎫ ⎪ ⎪⎪=-=-+ ⎪ ⎪ ⎪ ⎪⎝⎭ ⎪ ⎪⎪⎝⎭⎝⎭ ⎪ ⎪⎝⎭________________。
215,1,,16(,),(,)15[4()][4()]~___________i p p X i N X A N T X A X μμμμ-=∑∑'=--L 、设是来自多元正态总体和分别为正态总体的样本均值和样本离差矩阵,则。
二、计算题（5×11=50）12332313116421(,,)~(,),(1,0,2),441,2142X x x x N x x x x x μμ-⎛⎫⎪'=∑=-∑=-- ⎪ ⎪-⎝⎭-⎛⎫+ ⎪⎝⎭、设其中试判断与是否独立？21X g =1公因子f 对的贡献11262(90,58,16),82.0 4.310714.62108.946460.2,(5)( 115.6924)14.6210 3.17237.14.5X S μ--'=-⎛⎫ ⎪==-- ⎪ ⎪⎝⎭0、对某地区农村的名周岁男婴的身高、胸围、上半臂围进行测量，得相关数据如下,根据以往资料,该地区城市2周岁男婴的这三个指标的均值现欲在多元正态性的假定下检验该地区农村男婴是否与城市男婴有相同的均值。
其中0.010.010.0137608.946437.376035.5936(0.01,(3,2)99.2,(3,3)29.5,(3,4)16.7)F F F α⎛⎫ ⎪⎪⎪-⎝⎭====12124122411362190.5,(21),(12)35q q C e C e Bayes X μμ⎛⎫⎛⎫⎛⎫==∑=∑=∑= ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭====⎛⎫= ⎪⎝⎭12、设已知有两正态总体G 与G ，且，，，而其先验概率分别为误判的代价；试用判别法确定样本属于哪一个总体？1234411(,,,)~(0,),0111TX X X X X N ρρρρρρρρρρρρρ⎛⎫ ⎪⎪=∑∑=<≤ ⎪ ⎪⎝⎭4、设，协方差阵(1) 试从Σ出发求X 的第一总体主成分；ρ(2) 试问当 取多大时才能使第一主成分的贡献率达95％以上。
1212111221225(,),(,),100000010.950()00.9510000100T T X X X X Y Y X Z Y Z ⎛⎫=== ⎪⎝⎭⎛⎫ ⎪∑∑⎡⎤ ⎪=∑==⎢⎥ ⎪∑∑⎣⎦ ⎪⎝⎭、设为标准化向量，令且其协方差阵V ，求其第一对典型相关变量和它们的典型相关系数？三、证明（7+8=15）1,()X E XX μμμ∑''=∑+、设随机向量的均值向量、协方差矩阵分别为、试证：。
'2~(,),,~(,)P r X N N A b A A μμ⨯⨯∑+∑r p r 1、设随机向量又设Y=A X+b 试证：Y 。
华南农业大学期末试卷（A ）答案一、填空题1、02、W 3（10，∑）3、211342113611146R ⎛⎫-⎪ ⎪ ⎪=-- ⎪ ⎪ ⎪- ⎪⎝⎭4、0.872 1 1.7435、T 2（15，p ）或（15p/(16-p)）F （p ，n-p ）二、计算题2312131231112213312121,2,10021021210001102231642100102x x y y x x x x x x y x x y x x x y E y y V y -⎛⎫==+ ⎪⎝⎭-⎛⎫⎛⎫⎛⎫⎛⎫ ⎪ ⎪ ⎪== ⎪ ⎪ ⎪ ⎪⎝⎭ ⎪ ⎪ ⎪+⎝⎭⎝⎭⎝⎭⎛⎫⎛⎫⎛⎫⎛⎫⎪⎪ ⎪== ⎪ ⎪⎪ ⎪⎝⎭ ⎪⎪ ⎪-⎝⎭⎝⎭⎝⎭-⎛⎫⎛⎫⎪=- ⎪ ⎪⎝⎭ ⎪⎝⎭、令则01-101-101-11234411002141021061661620162040210616(1,61620)3162040y y N ⎛⎫⎛⎫ ⎪⎪- ⎪⎪ ⎪⎪-⎝⎭⎝⎭--⎛⎫ ⎪=- ⎪ ⎪-⎝⎭--⎛⎫⎛⎫ ⎪ ⎪- ⎪ ⎪⎪ ⎪--⎝⎭⎝⎭01-1故，的联合分布为故不独立。
01001121000.02::8.02.2,1.54.310714.62108.9464(23.13848)14.6210 3.17237.37608.946437.376035.5936()()670.0741420.445H H X S T n X S X F μμμμμμμ---=≠-⎛⎫⎪-= ⎪ ⎪-⎝⎭-⎛⎫⎪=-- ⎪ ⎪-⎝⎭'=--=⨯=0、假设检验问题：，经计算可得：构造检验统计量：由题目已知10010.01(3,3)29.535(3,3)147.530.012T F H α=⨯===2.0，由是所以在显著性水平下，拒绝原设即认为农村和城市的周岁男婴上述三个指标的均值有显著性差异1112122112123321()()exp[()()]exp(424)()39124211ˆ(),,()411624283(1|2),()exp(2)5(2|1)35T Bayes f x W x x x x f x q C d e W x d e q C X μμμμμμμμ--==-∑-≈++--⎛⎫⎛⎫⎛⎫⎛⎫⎛⎫=+=∑=-=-= ⎪ ⎪ ⎪ ⎪ ⎪-⎝⎭⎝⎭⎝⎭⎝⎭⎝⎭⎡⎤====<=⎢⎥⎣⎦⎡⎤⇒=⎢⎣%%3、由判别知其中，2G ∈⎥⎦121341123114013,1111101111112222111222x x x x Z X X X λρρρρλρρλρρρλρρρρλλλλρλρρρρλρρλρρλρρρρλλ--------==+--------===-----⎛⎫⎛⎫ ⎪⎪---- ⎪⎪= ⎪---- ⎪ ⎪⎪----⎝⎭⎝⎭'⎛⎫ ⎪⎝⎭=++1234、(1)由得特征根为解所对应的方程得所对应的单位特征向量为故得第一主成分411121395%40.95410.9333X λρλλλλρ++=≥+++⨯-≥≈234(2)第一个主成分的贡献率为得1122112211122111222211122120.1010,0100.10.10001000.950.1000010.95000.01000100.9025000.902500.90250.9025,TT TT TT λλλλλλ-⎛⎫⎛⎫∑∑ ⎪ ⎪⎝⎭⎝⎭=∑∑∑∑∑⎛⎫⎛⎫⎛⎫⎛⎫⎛⎫⎛⎫= ⎪⎪⎪⎪⎪ ⎪⎝⎭⎝⎭⎝⎭⎝⎭⎝⎭⎝⎭-==--⇒=－－－－5、由题得＝＝＝求的特征值，得211112111111112221112111100.95000.9025,00.90250.100001111000.9501100.100100.95,0.54,0.95T TT e e e V X W Y V W λαβλαρ---=⇒=⎛⎫= ⎪⎝⎭⎛⎫⎛⎫⎛⎫=∑== ⎪⎪ ⎪⎝⎭⎝⎭⎝⎭=∑∑⎛⎫⎛⎫⎛⎫⎛⎫== ⎪⎪⎪ ⎪⎝⎭⎝⎭⎝⎭⎝⎭===的单位正交化特征向量为第一典型相关变量，且（）为一对典型相关系数。
三、证明题1()[()()]()()()()()V X E X EX X EX E XX EX EX E XX E XX μμμμ'∑=--''=-''=-''=∑+、证明：=故''2()()()()()()~(,)r Y E Y E AX b AE X bA bV Y V AX b AV X A A A Y N A b A A μμ=+=+=+'=+==∑+∑、证明:由题可知服从正态分布，故。