Состояние некого фактора величается его
nbsp;(*ответ*) уровнем
nbsp;мерой
nbsp;видом
nbsp;значением
Основными

Состояние некоторого фактора называется его
nbsp;(*ответ*) уровнем
nbsp;мерой
nbsp;видом
nbsp;значением
Главными предпосылками дисперсионного анализа являются: 1) математическое ожидание возмущения ij одинаково нулю для всех i; 2) возмущения ij взаимно независимы; 3) дисперсия возмущения ij (либо переменной Хij) постоянна для всех ij; 4) возмущение ij (либо переменная Хij) имеет нормальный закон рассредотачивания.
nbsp;(*ответ*) 1, 2, 3, 4
nbsp;только 4
nbsp;1, 2, 4
nbsp;только 3 и 4
Творцом дисперсионного анализа является
nbsp;(*ответ*) Р. Фишер
nbsp;К. Пирсон
nbsp;Л. Терстоун
nbsp;Ч. Спирмен
Бифакторный анализ разработан
nbsp;(*ответ*) К. Холзингеpом
nbsp;Ч. Спирменом
nbsp;Л. Терстоуном
nbsp;К. Пирсоном
В дисперсионной модели дисперсия возмущения, вызванного воздействием неконтролируемых факторов,
nbsp;(*ответ*) постоянна
nbsp;одинакова 0
nbsp;зависит от уровня фактора
nbsp;имеет обычный закон рассредотачивания
В дисперсионной модели математическое ожидание возмущения, вызванного воздействием неконтролируемых причин,
nbsp;(*ответ*) одинаково 0
nbsp;не определено
nbsp;случайная величина
nbsp;рассчитывается по формуле М(ij) = + Fi + ij
В качестве расстояния меж двумя кластерами берется расстояние меж их центрами тяжести при кластеризации по способу
nbsp;(*ответ*) невзвешенного центроидного
nbsp;Варда
nbsp;невзвешенного попарного среднего
nbsp;иерархической кластеризации
В качестве расстояния между двумя кластерами берется среднее расстояние меж всеми парами объектов в данных кластерах при кластеризации по способу
nbsp;(*ответ*) невзвешенного попарного среднего
nbsp;ближнего соседа
nbsp;более удаленного соседа
nbsp;Варда
В качестве расстояния между кластерами берется прирост суммы квадратов расстояний объектов до центров кластеров, получаемый в результате их объединения, при кластеризации по методу
nbsp;(*ответ*) Варда
nbsp;близкого соседа
nbsp;далекого соседа
nbsp;невзвешенного попарного среднего
В начале работы алгоритма все объекты принадлежат одному кластеру, который на последующих шагах делится на меньшие кластеры, в результате появляется последовательность расщепляющих групп это метод
nbsp;(*ответ*) дивизимных способов
nbsp;иерархической кластеризации
nbsp;агломеративных способов
nbsp;факторного анализа
Диагональная факторная матрица это матрица
nbsp;(*ответ*) специфичных факторов
nbsp;комплектная
nbsp;факторных зарядов
nbsp;запасов общей изменчивости
Для выяснения, какой вид учебных упражнений более эффективен для получения величайшего уровня знания по изучаемой дисциплине (фактор F упражнение, а его уровни виды упражнений), применяется
nbsp;(*ответ*) дисперсионный анализ
nbsp;факторный анализ
nbsp;регрессионный анализ
nbsp;кластерный анализ