关于cor函数描述不正确的是（ ）。
A: cor函数可以计算spearman相关系数
B: cor函数可以计算kendall相关系数
C: 全部叙述均不正确
D: cor函数可以计算pearson相关系数
A: cor函数可以计算spearman相关系数
B: cor函数可以计算kendall相关系数
C: 全部叙述均不正确
D: cor函数可以计算pearson相关系数
C
举一反三
- R语言的相关系数计算函数cor()可以求（ ）种相关系数。 A: 1 B: 2 C: 3 D: 4
- 可直接用来计算相关系数的函数是 A: stats::cor() B: stats::cov() C: stats::dist() D: stats::density()
- 在SAS系统内提供了专门用于相关分析的CORR过程。该过程可以计算变量之间的( )，包括计算Pearson积矩相关系数，Spearman秩相关系数，Kendall偏相关系数等
- 研究满足双变量正态分布的两定量变量间相关关系常用: A: Pearson相关系数 B: 列联系数 C: Spearman秩相关 D: Kendall秩相关 E: ψ系数
- 简单相关中有2种相关系数，即Pearsons相关系数（简单相关系数）与Spearman相关系数（秩相关），它们的不同在于 A: Spearman相关系数用于计算名义尺度数据 B: Spearman相关系数比Pearson相关系数更精确 C: 用于计算的数据量化程度不同 D: Pearson相关系数只能用于计算顺序尺度数据
内容
- 0
关于相关系数和偏相关系数的说法，错误的是：（ ） A: 均是描述两个变量之间的相关关系 B: 可以描述变量之间的所有相关关系 C: 相关系数和偏相关系数大于零，表明变量间呈正相关关系 D: 均是描述数值型变量之间的相关关系
- 1
可用（）查看变量的散点图，用（）查看变量的相关系数。 A: plot（） cor（） B: cor（） log（） C: plot（） as.factor（） D: plot（） log（）
- 2
完全相关即是函数关系，其相关系数为±1。（）
- 3
相关系数可以说明()。 A: 相关关系的方向和密切程度 B: 现象之间的函数关系 C: 现象之间的因果关系 D: 相关关系的表现形式
- 4
相关系数是反映变量之间相关关系及关系密切程度的统计分析指标，包括（） A: 简单相关系数 B: 判决系数 C: 偏相关系数 D: 复相关系数