均方误差是衡量贝叶斯估计的性能指标之一，若\(\hat A\)是基于观测量\(z\)对\(A\)的贝叶斯估计，则\(Mse(\hat A)\)的表达式是 A: （A）\(Mse(\hat A) = E\left[ {{{(A - \hat A)}^2}} \right] = \int_{ - \infty }^\infty {{{(A - \hat A)}^2}p(z;A)dz} \)； B: （B）\(Mse(\hat A) = E\left[ {{{(A - \hat A)}^2}} \right] = \int_{ - \infty }^\infty {{{(A - \hat A)}^2}p(A)dA} \) C: （C）\(Mse(\hat A) = E\left[ {{{(A - \hat A)}^2}} \right] = \int_{ - \infty }^\infty {\int_{ - \infty }^\infty {{{(A - \hat A)}^2}p} } (z,A)dzdA\) D: （D）\(Mse(\hat A) = E\left[ {{{(A - \hat A)}^2}} \right] = \int_{ - \infty }^\infty {\int_{ - \infty }^\infty {{{(A - \hat A)}^2}p} } (A{\rm{|}}z)dzdA\)

下列属于方差分析中F分布检验统计量计算公式的是（ ）。 A: MSA/MSE B: MSE/MSA C: MSA/MST D: MSE/MST

在单因素方差分析中F比值为（）。 A: MSA B: MSe C: MSA/MSe D: ST E:

MAD等于MSE的平方。

下列式子错误的是( )。 A: F=MSE/MSA B: MSA=SSA/(r-1) C: MSE=SSE/(n-r) D: SST=SSE+SSA

The MSE must always be positive in a two-way ANOVA setting.

MAD是均方差，MSE是平均绝对偏差。（ ） A: 对 B: 错

如果用普通重复试验(replicate)的方法估计重复测量(duplicate measurement)的实验数据的MSE，会低估试验的MSE，会导致原本不显著的因子表现为显著。

回归模型的估计标准误差是均方残差(MSE)的平方根

中国大学MOOC: 如果用普通重复试验(replicate)的方法估计重复测量(duplicate measurement)的实验数据的MSE，会（ ）试验的MSE，会导致原本不显著的因子表现为显著。