当我们构造线性模型时,我们注意变量间的相关性.在相关矩阵中搜索相关系数时,如果我们发现3对变量的相关系数是（Var1和Var2,Var2和Var3,Var3和Var1)是－0.98,0.45,1.23.我们可以得出什么结论:（)
A: Var1和Var2是非常相关的
B: 因为Var和Var2是非常相关的,我们可以去除其中一个
C: Var3和Var1的1.23相关系数是不可能的
A: Var1和Var2是非常相关的
B: 因为Var和Var2是非常相关的,我们可以去除其中一个
C: Var3和Var1的1.23相关系数是不可能的
举一反三
- 当我们构造线性模型时,我们注意变量间的相关性.在相关矩阵中搜索相关系数时,如果我们发现3对变量的相关系数是（Var1和Var2,Var2和Var3,Var3和Var1)是－0.98,0.45,1.23.我们可以得出什么结论:（) A: Var1和Var2是非常相关的 B: 因为Var和Var2是非常相关的,我们可以去除其中一个 C: Var3和Var1的1.23相关系数是不可能的
- 当我们构造线性模型时,我们注意变量间的相关性.在相关矩阵中搜索相关系数时,如果我们发现3对变量的相关系数是(Var1和Var2,Var2和Var3,Var3和Var1)是-0.98,0.45,1.23.我们可以得出什么结论:1.Var1和Var2是非常相关的2.因为Var1和Var2是非常相关的,我们可以去除其中一个3.Var3和Var1的1.23相关系数是不可能的() A: 1and3 B: 1and2 C: 1,2and3 D: 1
- 建立线性模型时，我们看变量之间的相关性。在寻找相关矩阵中的相关系数时，如果发现 3 对变量（Var1 和 Var2、Var2 和 Var3、Var3 和 Var1）之间的相关性分别为 -0.98、0.45 和 1.23。我们能从中推断出什么呢？（ ） A: Var1 和 Var2 具有很高的相关性 B: Var3 和 Var1 相关系数为 1.23 是不可能的 C: Var1 和 Var2 存在多重共线性，模型可以去掉其中一个特征 D: 选项中说法都不对
- 计算变量var1和var2的乘积并存储在变量var3中,正确的命令有() A: var3=`expr$var1*$var2` B: ((var3=var1*var2)) C: var3=`expr$var1*$var2` D: var3=expr$var1*$var2
- 创建一个包含3个元素的数组的方式是 A: var num=[1, 2, 3]; B: var num={1, 2, 3}; C: var num=new Array(1, 2, 3); D: var num=new Array[1, 2, 3];