利用表12- 9 所给数据，估计模型.[tex=6.929x1.214]AE3m5A+tNZNXJrc+Fu4KdnlxYs9V4gArNBKBVlwLEucHH0ExVswTCW/aGCsYZaHP[/tex][br][/br]其中[tex=1.429x1.0]o2ZDq6So0eA69fN8iy7zmA==[/tex]存货，[tex=1.643x1.0]h7IAYbm4lfjM33hn5g7XLw==[/tex]销售量，均以十亿美元计。[img=940x726]17b42e806a0e070.png[/img][br][/br]a.利用(i) 德宾沃森检验和(ii)方程(12. 6. 13)所给的大样本正态性检验，从估计的残差中探明是否有正的自相关。b.如果[tex=0.571x1.0]FGGpnaR8m8C48rN8O0c7aw==[/tex]是正的，利用贝伦布鲁特韦布检验去检验假设[tex=0.571x1.0]FGGpnaR8m8C48rN8O0c7aw==[/tex][tex=1.286x1.0]CpoqIYfw/8kVU/soZHweNg==[/tex]。c.根据此检验的结果，你会怎样转换数据从而把自回归除掉?说明你的全部计算。
举一反三
- 若要将一个长度为N=16的序列x(n)重新位倒序,作为某一FFT算法的输入,则位倒序后序列的样本序号为( )。 A: x(15), x(14), x(13), x(12), x(11), x(10), x(9), x(8), x(7), x(6),<br/>x(5), x(4), x(3), x(2), x(1), x(0) B: x(0), x(4), x(2), x(6), x(1), x(5), x(3), x(7), x(8), x(12), x(10),<br/>x(14), x(9), x(13), x(11), x(15) C: x(0), x(2), x(4), x(6), x(8), x(10), x(12), x(14), x(1), x(3), x(5),<br/>x(7), x(9), x(11), x(13), x(15) D: x(0), x(8), x(4), x(12), x(2), x(10), x(6), x(14), x(1), x(9), x(5),<br/>x(13), x(3), x(11), x(7), x(15)
- set1 = {x for x in range(10)} print(set1) 以上代码的运行结果为？ A: {0, 1, 2, 3, 4, 5, 6, 7, 8, 9} B: {0, 1, 2, 3, 4, 5, 6, 7, 8, 9,10} C: {1, 2, 3, 4, 5, 6, 7, 8, 9} D: {1, 2, 3, 4, 5, 6, 7, 8, 9,10}
- 假设“☆”是一种新的运算，若3☆2=3×4，6☆3=6×7×8，x☆4=840(x＞0)，那么x等于： A: 2 B: 3 C: 4 D: 5 E: 6 F: 7 G: 8 H: 9
- >>>x= [10, 6, 0, 1, 7, 4, 3, 2, 8, 5, 9]>>>print(x.sort()) 语句运行结果正确的是( )。 A: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10] B: [10, 6, 0, 1, 7, 4, 3, 2, 8, 5, 9] C: [10, 9, 8, 7, 6, 5, 4, 3, 2, 1, 0] D: ['2', '4', '0', '6', '10', '7', '8', '3', '9', '1', '5']
- 说明S盒变换的原理，并计算当输入为110101时的S1盒输出。 [br][/br] n\m 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 S1 0 14 4 13 1 2 15 11 8 3 10 6 12 5 9 0 7 1 0 15 7 4 14 2 13 1 10 6 12 11 9 5 3 8 2 4 1 14 8 13 6 2 11 15 12 9 7 3 10 5 0 3 15 12 8 2 4 9 1 7 5 11 3 14 10 0 6 13