当前位置:主页 > 问答百科 > 正文

《数学建模与系统仿真》第1-10章章节测试题库及免费答案(3)

时间:2020-03-28 来源:未知 作者:小尤

A:错

B:对

4、竞赛图可以存在多个完全路径。A

A:对

B:错

5、在层次分析模型中,成对比较阵最大特征根对应的特征向量可作为层次分析模型的决策向量。B

A:对

B:错

6、Dijkstra算法基于的一个基本原理是最短路是一条路,且最短路的任一节也是最短路。A

A:对

B:错

7、在构造成对比较阵时,我们通常采用1-9尺度,采用此尺度,成对比较阵的矩阵元素取值为1,2,…9;-1,-2, ,…,-9。A

A:错

B:对

8、一条路所含点的个数称为路的长度。B

A:对

B:错

9、下列说法正确的是

A:图的关联矩阵和邻接矩阵都是方阵;

B:双向连通竞赛图的邻接矩阵不一定为素阵;

C:一个图和其生成子图不一定具有相同的顶点集;

D:无重边且无环的图称为简单图。

10、下列关于层次分析模型说法正确的是C

A:一致性指标CI越大,一致性越好;

B:层次分析模型对决策问题只是定性的层次化的分析方法

C:层次分析模型是一种定性与定量相结合的、系统化、层次化的分析方法;

D:成对比较阵的最大特征根对应的特征向量的作用是层次分析模型的选择向量。

第九章 单元测试

1、人口模型只适合于对封闭区域的人口数量的研究。A

A:对

B:错

2、线性回归模型只能处理具有线性关系的数据。B

A:对

B:错

3、对于可线性化的非线性模型,其参数估计都比较复杂。A

A:错

B:对

4、对于属性数据的处理,回归模型需要进行数据转换。A

A:对

B:错

5、当不同变量中出现交互效应时,可以用这两个变量的乘积作为新的变量,以研究交互效应的影响。A

A:对

B:错

6、考察残差是否具有相关性时,应首先研究相邻残差的相关性。B

A:错

B:对

7、可以从残差的角度初步确定异常数据。B

A:错

B:对

8、线性回归模型中为了保证参数估计的正确性,需要假定误差项具有同方差性。A

A:对

B:错

9、误差平方和作为目标函数是唯一选择。B

A:对

B:错

10、在相同的置信条件下,预测的置信区间越短越好。B

A:错

B:对

11、物价指数前面的系数是负数,表示与国民投资额负相关。B

A:错

B:对

12、下列方法中属于变量选择方法的是ACD

A:前进法

B:岭回归法

C:后退法

D:Lasso方法

13、下列作为误差项的先验分布的有:BCD

A:泊松分布

B:正态分布

C:正态分布与拉普拉斯的混合分布

D:拉普拉斯分布

14、在岭回归模型中,回归系数的先验分布是B

A:拉普拉斯分布

B:正态分布

C:正态分布与拉普拉斯的混合分布

D:指数分布

15、属性变量数量化过程中,引进的变量个数和属性数据之间的关系是A

A:引进的变量个数=属性变量-1

B:引进的变量个数=属性变量+2

C:引进的变量个数=属性变量+1

D:引进的变量个数=属性变量-2

16、下面哪个是属性数据D

A:年龄

B:身高

C:体重

D:性别

17、在Lasso回归模型中,回归系数的先验分布是A

A:拉普拉斯分布

B:正态分布

C:正态分布与拉普拉斯的混合分布

D:指数分布

第十章 单元测试

1、马氏距离能够很好处理量纲的影响。B

A:错

B:对

2、距离判别很直观,样本离哪个总体的距离小就判断属于哪一类。A

A:对

B:错

3、在数据服从正态分布的假定下,贝叶斯判别法和距离判别法是等价的。A

A:对

B:错

4、一个图像数据中包含很多冗余信息。A

A:对

B:错

5、主成分分析中原始数据带有量纲,可以用协方差矩阵进行计算。A

A:错

B:对

6、主成分分析中特征根从大到小排列不重要。A

A:错

B:对

7、对同一个样本,采用不同的距离度量方式,有可能把这个样本判别为不同的类。B

A:错

B:对

8、当数据的先验分布假定为正态分布时,贝叶斯判别与正态分布等价。A

A:对

B:错

9、费希尔判别分析中,通过线性投影,降低组内离差同时扩大组间误差。B

A:错

B:对

10、主成分分析中,特征值的和与原数据的方差的关系是

A:小于

B:无关

C:大于

11、主成分分析中,贡献率一般达到多少作为变量选择的标准D

A:50%

B:90%

C:70%

D:85%

12、费希尔判别分析中,采用了组内误差与组间误差的关系是B

A:乘积

B:商

C:差

D:和


以上题目的答案仅供参考。

以上相关的更多内容请点击数学建模与系统仿真查看,以上题目的答案为网上收集整理仅供参考,难免有错误,还请自行斟酌,觉得好请分享给您的好朋友们!



相关阅读