多元统计分析模拟试题教学提纲
第五章 多元统计分析(提纲)
第五章多元统计分析第一节多元描述统计一、列表法二、多元数据的图示法1.轮廓图作图步骤为：(1)作平面坐标系，横坐标取A个点表示A个变量。
(2)对给定的一次观测值，在P个点上的纵坐标(即高度)和它对应的变量取值成正比。
(3)连接P个高度的顶点得一折线，则一次观测值的轮廓为一条多角折线形。
n次观测值可画出M条折线．构成轮廓图。
2.雷达图（蛛网图）作图步骤是：(1)作一圆，并把圆周分为P等分。
（2)连接圆心和各分点，把这十条半径依次定义为各变量的坐标轴，并标以适当的刻度。
(3)对给定的—次观测值，把它的P个分量值分别点在相应的坐际轴上，然后连接成一个P 边形，这个P边形就是P元观测值的图示，n次观测值可画出M个多边形。
将上例数据用雷达图表示如下（值得注意的是，这里坐标轴只有正半袖，因而只能表示非负数据，若有负数据．只能通过合理变换使之非负才行)：3.脸谱图(切尔诺夫脸)人们的反应表现在脸上。
切尔诺夫假定用二维平面的脸来表示多维观测结果，脸的特征(如脸的形状，嘴的弯曲率，鼻子的长度，服睛的大小，瞳孔的位置等等)是由P个变量的测量值所决定的。
按照最初的设计．切尔诺夫脸可处理多达18个变量。
脸部容貌对应的变量的分配是由实验者完成的，不同选择会产生不同的结果。
为了取得令人满意的表示常常需要一些重复步骤。
第二节综合评价方法一、综合评价及其要素1.综合评价根据多个指标，对评价对象进行客观、公正、合理的全面评价。
2.综合评价的要素（1）被评价的对象（2）评价指标（3）权重系数（4）综合评价模型（5）评价者二、综合评价的原则1.评价目标：总结性、发展性（预测性）2.评价对象采样：普遍、可比、可测性3.评价指标选择原则：相关性、全面性、可操作、与评价方法相协调。
三、综合评价的步骤：1.确定反映要研究的对象的主要方面及各方面的主要指标，建立评价指标体系。
2.评价指标的转换与综合的方法3.确定各种评估方法所需要的参数4.加权合成指标评价值，进行评估分析，得出评估结论五、评价指标的正向化与无量纲化1.正向指标、逆向指标与正向化正向指标是指数值越大越好的指标，逆向指标是数值越小越好的指标。
多元统计分析模拟试题(卷)复习进程
多元统计分析模拟试题(卷)多元统计分析模拟试题（两套：每套含填空、判断各二十道）A卷1)判别分析常用的判别方法有距离判别法、贝叶斯判别法、费歇判别法、逐步判别法。
2)Q型聚类分析是对样品的分类，R型聚类分析是对变量_的分类。
3)主成分分析中可以利用协方差矩阵和相关矩阵求解主成分。
4)因子分析中对于因子载荷的求解最常用的方法是主成分法、主轴因子法、极大似然法5)聚类分析包括系统聚类法、模糊聚类分析、K-均值聚类分析6)分组数据的Logistic回归存在异方差性，需要采用加权最小二乘估计7)误差项的路径系数可由多元回归的决定系数算出，他们之间的关系为=8)最短距离法适用于条形的类，最长距离法适用于椭圆形的类。
9)主成分分析是利用降维的思想，在损失很少的信息前提下，把多个指标转化为几个综合指标的多元统计方法。
10)在进行主成分分析时，我们认为所取的m（m<p,p为所有的主成分）个主成分的累积贡献率达到85%以上比较合适。
11)聚类分析的目的在于使类内对象的同质性最大化和类间对象的异质性最大化12)是随机变量，并且有，那么服从（卡方）分布。
13)在对数线性模型中，要先将概率取对数，再分解处理，公式：14)将每个原始变量分解为两部分因素，一部分是由所有变量共同具有的少数几个公共因子组成的，另一部分是每个变量独自具有的因素，即特殊因子15)判别分析的最基本要求是分组类型在两组之上，每组案例的规模必须至少一个以上，解释变量必须是可测量的16)当被解释变量是属性变量而解释变量是度量变量时判别分析是合适的统计分析方法17)多元正态分布是一元正态分布的推广18)多元分析的主要理论都是建立在多元正态总体基础上的，多元正态分布是多元分析的基础19)因子分析中，把变量表示成各因子的线性组合，而主成分分析中，把主成分表示成各变量的线性组合。
20)统计距离包括欧氏距离和马氏距离两类1)因子负荷量是指因子结构中原始变量与因子分析时抽取出的公共因子的相关程度。
多元统计复习提纲
X
42
42
4
52 5
48 58
4
3
(n 4, p 2)
试计算样本均值,样本离差阵,样本协差阵和相关阵.
7 、 设 X ～ N 3 (, ) ， 其 中 X ( X 1 , X 2 , X 3 ) ， (1,0,2) ，
12345
1 0
3、已知五个样品的之间的距离矩阵如下：
2 4 0
D 36 9 0
4 1 7 10 0
5 6 3 5 8 0
试采用最长距离法，将五个对象分为３类。
第四章： 基本概念：判别分析的基本思想；距离判别法；Bayes 判别法；判别分析在 SPSS 下的实现，及对软件分析结果的解释。 练习题： 1、记二维正态总体 N2((i), )为 Gi(i=1,2)(两总体协差阵相同),已知来自 Gi(i=1,2)的样本数据阵为
骤） （3）写出 bayes 判别函数； （4）对一个地区数据计算得到因子得分为 F1=10，F2=5，利用判别函数判 别这个地区是第一个类还是第二类。 3、为了对多个产品进行分类管理，利用两个因子得分，对数据进行聚类分 析和判别分析，以下是 Spss 计算出判别分析的结果，试着回答下面问题。
Test Results （表 10）
2、为了对 14 个地区进行分类管理，利用两个因子得分，对数据进行聚类分 析和判别分析，以下是 Spss 计算出判别分析的结果，试着回答下面问题。
Test Results （表 10）
Box's M F
Approx. df1 df2 Sig.
25.184 3.899 6 151.019 .001
《多元统计分析》习题
《多元统计分析》习题分为三部分：思考题、验证题和论文题思考题第一章绪论1﹑什么是多元统计分析？2﹑多元统计分析能解决哪些类型的实际问题？第二章聚类分析1﹑简述系统聚类法的基本思路。
2﹑写出样品间相关系数公式。
3﹑常用的距离及相似系数有哪些？它们各有什么特点？4﹑利用谱系图分类应注意哪些问题？5﹑在SAS和SPSS中如何实现系统聚类分析？第三章判别分析1﹑简述距离判别法的基本思路，图示其几何意义。
2﹑判别分析与聚类分析有何异同？3﹑简述贝叶斯判别的基本思路。
4﹑简述费歇判别的基本思路。
5﹑简述逐步判别法的基本思想。
6﹑在SAS和SPSS软件中如何实现判别分析？第四章主成分分析1﹑主成分分析的几何意义是什么？2﹑主成分分析的主要作用有那些？3﹑什么是贡献率和累计贡献率，其意义何在？4﹑为什么说贡献率和累计贡献率能反映主成分中所包含的原始变量的信息？5﹑为什么要用标准化数据去估计V的特征向量与特征值？6﹑证明：对于标准化数据有S=R。
7﹑主成分分析在SAS和SPSS中如何实现？第五章因子分析1﹑因子得分模型与主成分分析模型有何不同？2﹑因子载荷阵的统计意义是什么？3﹑方差旋转的目的是什么？4﹑因子分析有何作用？5﹑因子模型与回归模型有何不同？6﹑在SAS和SPSS中如何实现因子分析？第六章对应分析1﹑简述对应分析的基本思想。
2﹑简述对应分析的基本原理。
3﹑简述因子分析中Q型与R 型的对应关系。
4﹑对应分析如何在SAS和SPSS中实现？第七章典型相关分析1﹑典型相关分析适合分析何种类型的数据？2﹑简述典型相关分析的基本思想。
3﹑典型变量有哪些性质？4﹑典型相关系数和典型变量有何意义？5﹑典型相关分析有何作用？6 ﹑在SAS和SPSS中如何实现典型相关分析？验证题第二章聚类分析1、为了更深入了解我国人口的文化程度，现利用1990年全国人口普查数据对全国30个省、直辖市、自治区进行聚类分析。
分析选用了三个指标：(1)大学以上文化程度的人口占全部人口的比例(DXBZ)；(2)初中文化程度的人都占全部人口的比例(CZBZ)；(3)文盲半文盲人口占全部人口的比例(WMBZ)，分别用来反映较高、中等、较低文化程度人口的状况。
最新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。
多元统计分析知识点多元统计分析课件复习课程
多元统计分析（1）题目:多元统计分析知识点研究生专业指导教师完成日期 2013年 12月目录第一章绪论 (1)§1.1什么是多元统计分析 ....................................................................................................... 1 §1.2多元统计分析能解决哪些实际问题 ............................................................................... 2 §1.3主要内容安排 ................................................................................................................... 2 第二章多元正态分布 .. (2)§2.1基本概念 ........................................................................................................................... 2 §2.2多元正态分布的定义及基本性质 .. (8)1.（多元正态分布）定义 ................................................................................................ 9 2.多元正态变量的基本性质 (10)§2.3多元正态分布的参数估计12(,,,)p X X X X '=L ....................... 错误!未定义书签。
多元统计分析模拟考题及答案
、判断题（对）1X （兀公2丄，X p）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）5X （X-X2，,X p） ~ N p（ , ），X,S分别是样本均值和样本离S差阵，则X,—分别是，的无偏估计。
n（对）6X （X「X2， ,X p） ~ N p（ , ），X作为样本均值的估计，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A （a j）中的a ij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X （X」,X m）的协方差阵，的特征根i（i 1,L ,m）与相应的单位正交化特征向量i （盼无丄,a m），则第一主成分的表达式是y1 Q1X1 812X2 L QmX m 方差为1。
3设是总体X （X1,X2,X3, X4）的协方差阵，的特征根和标准正交特征向量分别为： 1 2.920 U；(0.1485, 0.5735, 0.5577, 0.5814)2 1.024 U2(0.9544, 0.0984,0.2695,0.0824)3 0.049 U3(0.2516,0.7733, 0.5589, 0.1624)0.007U4 （ 0.0612,0.2519,0.5513, 0.7930），则其第二个主成分的表达式是41 1 32 13y 2 0.9544X 1 0.0984X 2 0.2695X 3 0.0824X 4，方差为 1.0244-若X ()~N p ( , ) , ( 1,2, ,n )且相互独立，则样本均值向量 X 服从的分布是N p (,—).n5.设X i : N p ( ,),i1,2,L ,16，X 和A 分别是正态总体的样本均值和样本离差阵，则 T 2 15[4(X)] A 1[4(X)]服从_T 2(15,p)或: F(p,n p)16 p6设X i 10:N a (,),i 1,2丄,10，则 W(X i)(X i)服从 W 3(10,)i 144 37.设随机向量X(X 1 ,X 2,X a )，且协差阵4 9 2 ，则其相关矩阵321612 3R =382 1 1 363 1 1862 18. 设X (X 1 ,X 2)： :2(,),，其中(1,2),2，则Cov(X 1 X 2,X 1 X 2)0_9设X,Y 是来自均值向量为，协差阵为 的总体G 的两个样品，则 X ，Y 间的马氏平2 1方距离 d (X,Y) (X Y) (X Y) 10设X,Y 是来自均值向量为 ，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d 2(X,G) =(X) 1(X )11设随机向量X (X1,X2,X3)的相关系数矩阵通过因子分析分解为0.934 0 0.1280.934 0.417 0.8350.417 0.894 0.0270 0.894 0.4470.1030.835 0.4471 1 32 132则X i 的共性方差hi 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。
多元统计分析大纲.doc
《多元统计分析》课程教学大纲课程名称：多元统计分析课程类别：专业基础课适用专业：经济统计学总学时数：40学分：2.5编制部门：商学院经贸统计系修订日期：一、课程的性质与任务《多元统计分析》是为经济统计学专业学生开设的一门必修的重要的基础核心课程。
多元统计分析是进行科学研究的一项重要工具，在自然科学、社会科学等方面有着广泛的应用。
多元分析研究的是多个变量的统计总体，这使它能够一次性处理多个变量的庞杂数据，而不需考虑异度量的问题，即它是处理多个变量的综合统计分析方法，它可以把多个变量对一个或多个变量的作用程度大小线性地表示出来，反映事物多变量间的相互关系；可以消除多个变量的共线性，将高维空间的问题降至低维空间中，在尽量保存原始信息量的前提下，消除重叠信息，简化变量间的关系；可以通过事物的表象，挖掘事物深层次的、不可直接观测到的属性即引起事物变化的本质；也可以透过繁杂事物的某些性质，将事物进行识别、归类。
通过本课程的学习，旨在使学生系统地了解多元统计分析的基本概念和基本原理，掌握一些常用的多元统计思想和统计方法，为未来的教育教学实践提供必要的理论指导，同时，也为学生后续课程的学习打下坚实的专业知识基础，学会处理常见的多元统计问题。
二、课程教学基本要求《多元统计分析》是经统专业的重要课程之一。
通过本课程的教学，要求学生系统掌握多元统计分析的基本理论、基本方法和基本技能。
1.基本理论方面，掌握多元统计分析的基本概念、基本原理，特别是几种常见的多元统计分析方法在实际生活中的应用；2.基本方法方面，要求学生掌握各种分析方法的应用场合、条件、程序、要点，熟知各种多元统计分析的步骤和分析结果的含义，能够把大量的数据简化到人们能够处理的范围之内，能够构造一个综合指标代替原来的变量，能够进行判别和分类，能够对数学计算结果进行科学合理的解释，并从专业背景上给予分析；3.基本技能方面，要求学生具有对一般实际场合和具体情况选择合适多元统计分析方法、制订统计分析方案的能力，并且要求学生学会使用SPSS、EXCEL 等统计软件相关功能，为进一步深入学习统计理论与应用课程做好准备。
- 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)。
多元统计分析模拟试题多元统计分析模拟试题（两套：每套含填空、判断各二十道）A卷1)判别分析常用的判别方法有距离判别法、贝叶斯判别法、费歇判别法、逐步判别法。
2)Q型聚类分析是对样品的分类，R型聚类分析是对变量_的分类。
3)主成分分析中可以利用协方差矩阵和相关矩阵求解主成分。
4)因子分析中对于因子载荷的求解最常用的方法是主成分法、主轴因子法、极大似然法5)聚类分析包括系统聚类法、模糊聚类分析、K-均值聚类分析6)分组数据的Logistic回归存在异方差性，需要采用加权最小二乘估计7)误差项的路径系数可由多元回归的决定系数算出，他们之间的关系为=8)最短距离法适用于条形的类，最长距离法适用于椭圆形的类。
9)主成分分析是利用降维的思想，在损失很少的信息前提下，把多个指标转化为几个综合指标的多元统计方法。
10)在进行主成分分析时，我们认为所取的m（m<p,p为所有的主成分）个主成分的累积贡献率达到85%以上比较合适。
11)聚类分析的目的在于使类内对象的同质性最大化和类间对象的异质性最大化12)是随机变量，并且有，那么服从（卡方）分布。
13)在对数线性模型中，要先将概率取对数，再分解处理，公式：14)将每个原始变量分解为两部分因素，一部分是由所有变量共同具有的少数几个公共因子组成的，另一部分是每个变量独自具有的因素，即特殊因子15)判别分析的最基本要求是分组类型在两组之上，每组案例的规模必须至少一个以上，解释变量必须是可测量的16)当被解释变量是属性变量而解释变量是度量变量时判别分析是合适的统计分析方法17)多元正态分布是一元正态分布的推广18)多元分析的主要理论都是建立在多元正态总体基础上的，多元正态分布是多元分析的基础19)因子分析中，把变量表示成各因子的线性组合，而主成分分析中，把主成分表示成各变量的线性组合。
20)统计距离包括欧氏距离和马氏距离两类1)因子负荷量是指因子结构中原始变量与因子分析时抽取出的公共因子的相关程度。
（√）（p147）2)主成分分析是将原来较少的指标扩充为多个新的综合指标的多元统计方法。
（×）（p24）3)判别分析其被解释变量为属性变量，解释变量是度量变量。
（√）（p90）4)Logistic回归对于自变量有要求，度量变量或者非度量变量都不可以进行回归。
（×） (p220)5)在系统聚类过程中，聚合系数越大，合并的两类差异越小。
（×） (P59)6)spss只能对单变量进行正态性检验。
（√）7)Logistic回归中的估计参数（反应优势比率的变化，如果是正的，它的反对数值（指数）一定小于1。
（228）8)密度函数可以是负的。
（×） (p3)9)计算典型函数推导的典型权重有较小的不稳定性。
（×）（p205）10)10、对应分析可以用图形的方式提示变量之间的关系，同时也可以给出具体的统计量来度量这种相关关系，使研究者在作用对应分析时得到主观性较强的结论。
（×）（p179）11)多元检验具有概括和全面考察的特点，容易发现各指标之间的关系和差异。
（×）p2512)名义尺度的指标用一些类来表示，这些类之间有等级关系，但没有数量关系。
（×）p4313) k-均值法是一种非谱系聚类法（√）p4414)一般而言，不同聚类方法的结果不完全相同（√）p615)判别分析最基本要求是分组类型在两组以上且解释变量必须是可测量的（√）p9016)非谱系聚类法是把变量聚集成k个类的集合。
（×）p6417)主成分的数目大大少于原始变量的数目。
（√）p11418) 因子分析只能用于研究变量之间的相关关系。
（×）p143 19) 聚类分析中的分类方法中，系统聚类法和分解法相似（相反）。
（×）P4320) 聚类分析的目的就是把相似的研究对象归类。
（√）P42B 卷一、填空题1. 因子分析中因子载荷系数的统计意义是第i 个变量与第j 个公因子的相关系数；(2. 类平均法的两种形式为组间联结法和组内联结法 （P56)3. 设3~(,),i 1,2,10.i x x μ∑=⋅⋅⋅则101()~i i W x μ==-∑3(10)W ∑， (p5)4.聚类分析根据实际的需要可能有两个方向，一是对样品，一是对指标聚类。
（P43）5. 模糊聚类分析方法中对原始数据进行变换，变换方法通常有标准化变换，极差变换，对数变换 （p63）()22121212121~(,),(,),(,),,1X N X x x x x x x ρμμμμσρ∑==∑=+-6、设其中则Cov(,)=07.非谱系聚类法是把样品聚集成K 个类的集合。
（P64）8.因子分析的基本思想是根据相关性大小把原始变量分组，使得同组内的变量之间相关性较高，而不同组间的相关性较低。
（P142）9.两总体均值的比较问题也可分为两总体协方差阵相等与两总体协方差不相等两种情形。
（P25）10.因子旋转分为正交旋转和斜交旋转。
（P150）11. 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。
（42页）12. 一元回归的数学模型是： y =β0+β1x +ε，多元回归的数学模型是：_y =β0+β1x 1+β2x 2+ βp x p +ε_。
13. 变量的类型按尺度划分有间隔尺度、有序尺度、名义尺度_. （43页）14. 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。
（80页）15若12112~(,),,~(,),0,p p p W n n W n A A ∑≥∑∑>，且A 1和A 2相互独立，则112~AA A +12p n n Λ（,,）. 。
（19页）16. 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。
（170页）17. 典型相关分析是研究两组变量之间相关分析的一种多元统计方法。
（194页）18.判别分析适用于被解释变量是非度量变量的情形。
19. 主成分分析是利用降维的思想，在损失很少信息的前提下，把多个指标转化为几个综合指标的多元统计方法。
（113页）20. 设i x ，1,2,16i =⋅⋅⋅是来自多元正态总体(,)p N μ∑，X 和A 分别为正态总体(,)p N μ∑的样本均值和样本离差阵，则2115[4(X )][4(X )]T A μμ-'=--二、判断题1、 对于任何随机向量X='21)X ...,X X p ，，（来说，其协方差阵∑都是对称阵，同时总是非负定的。
( T ) P52、 能够体现各个变量在变差大小上的不同，以及有时存在的相关性还要求距离与各变量所用的单位无关，这种距离是欧式距离。
( F )P73、 最长距离法中，选择最小的距离作为新类与其他类之间的距离，然后将类间距离最小的两类进行合并，一直合并到只有一类为止。
( F )P554、 当总体21G G 和为正态总体且协方差相等时，选用马氏距离。
( T )P905、 进行主成分分析的目的之一是减少变量的个数，所以一般不会去p 个主成分，而是取m(m<p)个主成分。
( T )P1196、 第k 个主成分k Y 与原始变量i X 的相关系数ρ（k Y ，i X ）称为因子负荷量。
( T )P1207、 F=’），，（m 21F ......,F F （m<p ）是不可观测的变量，其均值向量E （F ）=0，协方差矩阵cov(F)=I,即向量F 的各分量不是相互独立的。
（F ）P1458、每个典型函数都包括一对变量，通常一个代表自变量，另一个代表因变量。
（T）P2029、分组数据的Logistic回归不仅适用于大样本的分组数据，对小样本的未分组数据也适用。
（F）P23210、一个未知参数可以由显变量的协方差矩阵的一个或多个元素的代数函数来表达，就称这个为参数可识别。
（T）P26411、随机向量的协方差阵一定是对称的半正定阵。
（T）P512、标准化随机变量的协方差阵与原变量的相关系数相同。
（T）P513、对应分析反应的是列变量与行变量的交叉关系。
（ F ）P17014、若一个随机向量的任何边缘分布均为正态，则它是多元正态分布。
（T）p1015、特征函数描述空间的元素之间是否有关联，而隶属度描述了元素之间的关联是多少。
（T）p6216、非谱系聚类法是把变量聚集成K个类的集合。
（F）p6417、在对因素A和因素B进行对应分析之前没有必要进行独立性检验。
（T）p17318、系统聚类法中的“离差平方和法”的基本思想来源于如果类分得正确，同类样品的离差平方和应该较小，类与类之间的离差平方和应该较大。
（T）p5719、距离判别法对总体的分布没有特定的要求。
（T）p9020、 Wilks统计量可以化成T2统计量但是化不成F统计量。
（F）p18。