下列关于回归平方和的说法，正确的有（）。
A: 自变量的变动对因变量的影响引起的变差
B: 无法用回归直线解释的离差平方和
C: 回归值y∧ 与均值y＿ 离差的平方和
D: 实际值y与均值y＿ 离差的平方和
E: 总的变差平方和与残差平方和之差
A: 自变量的变动对因变量的影响引起的变差
B: 无法用回归直线解释的离差平方和
C: 回归值y
D: 实际值y与均值y
E: 总的变差平方和与残差平方和之差
举一反三
- 函数f（x，y）＝arctan（x/y）在点（0，1）处的梯度等于（）。 A: <ruby>i<rp>(</rp><rtstyle="font-size:7px;layout-grid-mode:line">→</rt><rp>)</rp></ruby> B: －<ruby>i<rp>(</rp><rtstyle="font-size:7px;layout-grid-mode:line">→</rt><rp>)</rp></ruby> C: <ruby>j<rp>(</rp><rtstyle="font-size:7px;layout-grid-mode:line">→</rt><rp>)</rp></ruby> D: －<ruby>j<rp>(</rp><rtstyle="font-size:7px;layout-grid-mode:line">→</rt><rp>)</rp></ruby>
- 在求解上述回归系数过程中，利用了最小二乘估计准则，这种估计的实质是使（）。 A: ∑（Y－<ruby>Y<rp>(</rp><rtstyle="font-size:7px;layout-grid-mode:line">∧</rt><rp>)</rp></ruby>）<sup>2</sup>＝最小值 B: ∑（Y－<ruby>Y<rp>(</rp><rtstyle="font-size:7px;layout-grid-mode:line">＿</rt><rp>)</rp></ruby>）<sup>2</sup>＝最小值 C: ∑（Y－<ruby>Y<rp>(</rp><rtstyle="font-size:7px;layout-grid-mode:line">∧</rt><rp>)</rp></ruby>）<sup>2</sup>＝0 D: ∑（Y－<ruby>Y<rp>(</rp><rtstyle="font-size:7px;layout-grid-mode:line">＿</rt><rp>)</rp></ruby>）<sup>2</sup>＝0
- 回归直线的性质有（）。 A: 直线通过均点（<ruby>x<rp>(</rp><rtstyle="font-size:7px;layout-grid-mode:line">＿</rt><rp>)</rp></ruby>，<ruby>y<rp>(</rp><rtstyle="font-size:7px;layout-grid-mode:line">＿</rt><rp>)</rp></ruby>） B: 直线上方各点到直线的纵向距离之和＝直线下方各点到直线的纵向距离之和 C: ∑（y－<ruby>y<rp>(</rp><rtstyle="font-size:7px;layout-grid-mode:line">∧</rt><rp>)</rp></ruby>）＝0 D: 各点到该回归线纵向距离平方和较到其他任何直线者为小 E: 各点到该回归线纵向距离平方和较到其他任何直线者为大
- 设A为n阶方阵，则n元齐次线性方程组A<ruby>X<rp>(</rp><rtstyle="font-size:7px;layout-grid-mode:line">→</rt><rp>)</rp></ruby>＝<ruby>0<rp>(</rp><rtstyle="font-size:7px;layout-grid-mode:line">→</rt><rp>)</rp></ruby>仅有零解的充要条件是|A|____。
- 设n阶矩阵A的各行元素之和均为零，且A的秩为n－1，则线性方程组A<ruby>X<rp>(</rp><rtstyle="font-size:7px;layout-grid-mode:line">→</rt><rp>)</rp></ruby>＝<ruby>0<rp>(</rp><rtstyle="font-size:7px;layout-grid-mode:line">→</rt><rp>)</rp></ruby>的通解为____。