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>
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>
在同一抽样方案下,对某一总体参数θ,如果有两个无偏估计量<ruby>θ<rp>(</rp><rtstyle="font-size:7px;letter-spacing:0px">∧</rt><rp>)</rp></ruby><sub>1</sub>和<ruby>θ<rp>(</rp><rt>∧</rt><rp>)</rp></ruby><sub>2</sub>,由于样本的随机性,<ruby>θ<rp>(</rp><rt>∧</rt><rp>)</rp></ruby><sub>1</sub>的可能样本取值较<ruby>θ<rp>(</rp><rt>∧</rt><rp>)</rp></ruby><sub>2</sub>更密集在总体参数真值θ附近,人们会认为<ruby>θ<rp>(</rp><rt>∧</rt><rp>)</rp></ruby><sub>1</sub>比<ruby>θ<rp>(</rp><rt>∧</rt><rp>)</rp></ruby><sub>2</sub>更()。 A: 无偏 B: 一致 C: 随机 D: 有效
在同一抽样方案下,对某一总体参数θ,如果有两个无偏估计量<ruby>θ<rp>(</rp><rtstyle="font-size:7px;letter-spacing:0px">∧</rt><rp>)</rp></ruby><sub>1</sub>和<ruby>θ<rp>(</rp><rt>∧</rt><rp>)</rp></ruby><sub>2</sub>,由于样本的随机性,<ruby>θ<rp>(</rp><rt>∧</rt><rp>)</rp></ruby><sub>1</sub>的可能样本取值较<ruby>θ<rp>(</rp><rt>∧</rt><rp>)</rp></ruby><sub>2</sub>更密集在总体参数真值θ附近,人们会认为<ruby>θ<rp>(</rp><rt>∧</rt><rp>)</rp></ruby><sub>1</sub>比<ruby>θ<rp>(</rp><rt>∧</rt><rp>)</rp></ruby><sub>2</sub>更()。 A: 无偏 B: 一致 C: 随机 D: 有效
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
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
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____。
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____。
生产Ruby需要的原材料有()。
生产Ruby需要的原材料有()。
中国大学MOOC:"研发Ruby产品时只能每季度投入2M,累计达到 M时,方可取得Ruby的生产资格。";
中国大学MOOC:"研发Ruby产品时只能每季度投入2M,累计达到 M时,方可取得Ruby的生产资格。";
中国大学MOOC:"Ruby的研发投入为( )。";
中国大学MOOC:"Ruby的研发投入为( )。";
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<ruby>y<rp>(</rp><rtstyle="font-size:7px;layout-grid-mode:line">∧</rt><rp>)</rp></ruby>与均值<ruby>y<rp>(</rp><rtstyle="font-size:7px;layout-grid-mode:line">_</rt><rp>)</rp></ruby>离差的平方和 D: 实际值y与均值<ruby>y<rp>(</rp><rtstyle="font-size:7px;layout-grid-mode:line">_</rt><rp>)</rp></ruby>离差的平方和 E: 总的变差平方和与残差平方和之差
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<ruby>y<rp>(</rp><rtstyle="font-size:7px;layout-grid-mode:line">∧</rt><rp>)</rp></ruby>与均值<ruby>y<rp>(</rp><rtstyle="font-size:7px;layout-grid-mode:line">_</rt><rp>)</rp></ruby>离差的平方和 D: 实际值y与均值<ruby>y<rp>(</rp><rtstyle="font-size:7px;layout-grid-mode:line">_</rt><rp>)</rp></ruby>离差的平方和 E: 总的变差平方和与残差平方和之差
中国大学MOOC: 生产Ruby需要的原材料有( )。
中国大学MOOC: 生产Ruby需要的原材料有( )。