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
2009学年第2学期 考试科目：多元统计分析 考试类型：（闭卷） 考试时间：100 分钟学号 姓名 年级专业一、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='∑=--∑、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。
二、计算题（5×11=50）(),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 ⎛⎫- ⎪⎛⎫⎛⎫ ⎪-⎛⎫ ⎪ ⎪⎪=-=-+ ⎪ ⎪ ⎪ ⎪⎝⎭ ⎪ ⎪ ⎪⎝⎭⎝⎭ ⎪⎪⎝⎭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)多元统计复习题附答案
复习题原文：答案：4.2 试述判别分析的实质。
4.3 简述距离判别法的基本思想和方法。
4.4 简述贝叶斯判别法的基本思想和方法。
4.5 简述费希尔判别法的基本思想和方法。
4.6 试析距离判别法、贝叶斯判别法和费希尔判别法的异同。
4.2 试述判别分析的实质。
答：判别分析就是希望利用已经测得的变量数据，找出一种判别函数，使得这一函数具有某种最优性质，能把属于不同类别的样本点尽可能地区别开来。
设R1，R2，…，Rk是p维空间R p的k个子集，如果它们互不相交，且它们的和集为R p，则称R1，R2⋯R p为R p的一个划分。
判别分析问题实质上就是在某种意义上，以最优的性质对p维空间R p构造一个“划分”，这个“划分”就构成了一个判别规则。
4.3 简述距离判别法的基本思想和方法。
答：距离判别问题分为①两个总体的距离判别问题和②多个总体的判别问题。
其基本思想都是分别计算样本与各个总体的距离（马氏距离），将距离近的判别为一类。
①两个总体的距离判别问题设有协方差矩阵∑相等的两个总体G1和G2，其均值分别是μ1和μ2，对于一个新的样品X，要判断它来自哪个总体。
计算新样品X到两个总体的马氏距离D2（X，G1）和D2（X，G2），则X∈G1，D2（X，G1）≤ D2（X，G2）X ∈G 2 ，D 2（X ，G 1）> D 2（X ，G 2， 具体分析，2212(,)(,)D G D G -X X111122111111111222*********()()()()2(2)2()-----------''=-----''''''=-+--+'''=-+-X μΣX μX μΣX μX ΣX X ΣμμΣμX ΣX X ΣμμΣμX ΣμμμΣμμΣμ11211212112122()()()2()22()2()---''=-++-'+⎛⎫=--- ⎪⎝⎭''=--=--X ΣμμμμΣμμμμX ΣμμX μααX μ 记()()W '=-X αX μ 则判别规则为X ∈G 1 ，W(X)≥0 X ∈G 2 ，W(X)<0②多个总体的判别问题。
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。
多元统计分析期末试题及答案
4、 __________， __________， ________________。
(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。
1、0 2、W 3（10，∑） 3、211342113611146R ⎛⎫-⎪ ⎪ ⎪=-- ⎪ ⎪ ⎪- ⎪⎝⎭4、0.872 1 1.7435、T 2（15，p ）或（15p/(16-p)）F （p ，n-p ）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、回归参数显着性检验是检验 解释变量 对 被解释变量 的影响是否着.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()(,),P x 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。
ρ(),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 。
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。
(),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 ⎛⎫- ⎪⎛⎫⎛⎫ ⎪-⎛⎫ ⎪ ⎪⎪=-=-+ ⎪ ⎪ ⎪ ⎪⎝⎭ ⎪ ⎪ ⎪⎝⎭⎝⎭ ⎪ ⎪⎝⎭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)多元统计复习题附答案
复习题原文：答案：4.2 试述判别分析的实质。
4.3 简述距离判别法的基本思想和方法。
4.4 简述贝叶斯判别法的基本思想和方法。
4.5 简述费希尔判别法的基本思想和方法。
4.6 试析距离判别法、贝叶斯判别法和费希尔判别法的异同。
4.2 试述判别分析的实质。
答：判别分析就是希望利用已经测得的变量数据，找出一种判别函数，使得这一函数具有某种最优性质，能把属于不同类别的样本点尽可能地区别开来。
设R1，R2，…，Rk是p维空间R p的k个子集，如果它们互不相交，且它们的和集为R p，则称R1，R2⋯R p为R p的一个划分。
判别分析问题实质上就是在某种意义上，以最优的性质对p维空间R p构造一个“划分”，这个“划分”就构成了一个判别规则。
4.3 简述距离判别法的基本思想和方法。
答：距离判别问题分为①两个总体的距离判别问题和②多个总体的判别问题。
其基本思想都是分别计算样本与各个总体的距离（马氏距离），将距离近的判别为一类。
①两个总体的距离判别问题设有协方差矩阵∑相等的两个总体G1和G2，其均值分别是μ1和μ2，对于一个新的样品X，要判断它来自哪个总体。
计算新样品X到两个总体的马氏距离D2（X，G1）和D2（X，G2），则X∈G1，D2（X，G1）≤ D2（X，G2）X ∈G 2 ，D 2（X ，G 1）> D 2（X ，G 2， 具体分析，2212(,)(,)D G D G -X X111122111111111222*********()()()()2(2)2()-----------''=-----''''''=-+--+'''=-+-X μΣX μX μΣX μX ΣX X ΣμμΣμX ΣX X ΣμμΣμX ΣμμμΣμμΣμ11211212112122()()()2()22()2()---''=-++-'+⎛⎫=--- ⎪⎝⎭''=--=--X ΣμμμμΣμμμμX ΣμμX μααX μ 记()()W '=-X αX μ 则判别规则为X ∈G 1 ，W(X)≥0 X ∈G 2 ，W(X)<0②多个总体的判别问题。
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 ⎠
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 m y 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。