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>）²＝最小值 B: ∑（Y－<ruby>Y<rp>(</rp><rtstyle="font-size:7px;layout-grid-mode:line">＿</rt><rp>)</rp></ruby>）²＝最小值 C: ∑（Y－<ruby>Y<rp>(</rp><rtstyle="font-size:7px;layout-grid-mode:line">∧</rt><rp>)</rp></ruby>）²＝0 D: ∑（Y－<ruby>Y<rp>(</rp><rtstyle="font-size:7px;layout-grid-mode:line">＿</rt><rp>)</rp></ruby>）²＝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A为m×n矩阵，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>仅有零解的充分条件是（）。 A: A的列向量组线性无关 B: A的列向量组线性相关 C: A的行向量组线性无关 D: A的行向量组线性相关

快速成型（RP）技术属于下面哪一种制造过程（） A: △m<0 B: △m>0 C: △m=0 D: △m≥0

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>

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

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>₁和<ruby>θ<rp>(</rp><rt>∧</rt><rp>)</rp></ruby>₂，由于样本的随机性，<ruby>θ<rp>(</rp><rt>∧</rt><rp>)</rp></ruby>₁的可能样本取值较<ruby>θ<rp>(</rp><rt>∧</rt><rp>)</rp></ruby>₂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>₁比<ruby>θ<rp>(</rp><rt>∧</rt><rp>)</rp></ruby>₂更（）。 A: 无偏 B: 一致 C: 随机 D: 有效

3-1.在自由基聚合中，提高反应温度将导致的结果是（ ）。 A、Rp↑,Xn ↓ B、 Rp↓,Xn ↑ C、 Rp↑,Xn↑ D、 Rp↓, Xn ↓ A: Rp↑,Xn ↓ B: Rp↓,Xn ↑ C: Rp↑,Xn↑ D: Rp↓, Xn ↓

以下关于静态指定RP与Bootstrap 自动选举RP描述正确的有（） A:  静态指定多个RP 可以实现备份功能 B:  动态选举的RP 优先于静态指定RP C:  静态指定RP 优先于动态选举RP D:  动态选举RP 可以实现多RP 的备份功能