采用最小二乘法确定回归方程Y＝ax＋b的常数项，正确的计算公式是（）。

A . A、y B . B、x C . C、a D . D、b

A . A、2 B . B、3 C . C、5 D . D、10

A . 3个自变量回归系数检验中，应该至少有1个以上的回归系数的检验结果是显著的（即至少有1个以上的回归系数检验的P-Value小于0.05），不可能出现3个自变量回归系数检 B . 验的P-Value都大于0.05的情况 C . 有可能出现3个自变量回归系数检验的P-Value都大于0.05的情况，这说明数据本身有较多异常值，此时的结果已无意义，要对数据重新审核再来进行回归分析。 D . 有可能出现3个自变量回归系数检验的P-Value都大于0.05的情况，这说明这3个自变量间可能有相关关系，这种情况很正常。 E . ANOVA表中的P-VALUE=0.0021说明整个回归模型效果不显著，回归根本无意义。

A . A、浓度 B . B、吸光度 C . C、加入量 D . D、透光率

A . 各观察点距直线的纵向距离相等 B . 各观察点距直线的纵向距离的平方和最小 C . 各观察点距直线的纵向距离的和最小 D . 各观察点与直线的垂直距离相等 E . 各观察点与直线的垂直距离之和最小

A . A、x B . B、a C . C、y D . D、b

A . 交叉 B . 重合 C . 交叉或重合 D . 平行 E . 平行或重合

A . A．距直线的纵向距离相等 B . B．距直线的纵向距离的平方和最小 C . C．与直线的垂直距离相等 D . D．与直线的垂直距离的平方和最小

A . 各观察点距直线纵向距离最小 B . 各观察点距直线纵向距离平方和最小 C . 各观察点距直线纵向距离相等 D . 各观察点距直线垂直距离平方和最小 E . 各观察点距直线垂直距离最小

A . 正确 B . 错误

A . X与Y之间存在着负相关关系 B . 每人每月销售额X增加一元，则利润Y就会提高0.002% C . 每人每月销售额X增加一元，则利润率y就会平均提高0.002% D . X与Y之间存在着显著的线性相关关系

A . 参与计算 B . 不参与计算 C . 参与和不参与计算都可以

A . 距直线的纵向距离相等 B . 距直线的纵向距离的平方和最小 C . 与直线的垂直距离相等 D . 与直线的垂直距离的平方和最小 E . 距直线纵向和垂直距离均相等

A、各观测点距直线的纵向距离相等 B、各观测点距直线的纵向距离平方和最小 C、各观测点距直线的垂直距离相等 D、各观测点距直线的垂直距离平方和最小 E、各观测点距直线的纵向距离最小

A .https://assets.asklib.com/images/image2/2017101615282392881.jpg B .https://assets.asklib.com/images/image2/2017101615282799689.jpg C .https://assets.asklib.com/images/image2/2017101615283250884.jpg D .https://assets.asklib.com/images/image2/201710161528363586.jpg

A . 正确 B . 错误

A . 距直线的纵向距离相等 B . 距直线的纵向距离的平方和最小 C . 与直线的垂直距离相等 D . 与直线的垂直距离的平方和最小 E . 与直线的垂直距离和的平方最小

A . 距直线的垂直距离相等 B . 距直线的纵向距离之和最小 C . 距直线的纵向距离的平方和最小 D . 距直线的垂直距离之最小 E . 距直线的垂直距离的平方和最小

A . A B . B C . C D . D

根据最小二乘法拟合直线回归方程是使()。 <img src='https://img2.soutiyun.com/ask/uploadfile/9606001-9609000/b109fb66370f952463177a1b0fdd7922.jpg' />

A．有偏估计 B．无偏估计 C．最佳无偏估计 D．有效估计