智慧树知道网课《计量地理学》课后章节测试满分答案Word格式文档下载.docx

智慧树知道网课《计量地理学》课后章节测试满分答案Word格式文档下载.docx

《智慧树知道网课《计量地理学》课后章节测试满分答案Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《智慧树知道网课《计量地理学》课后章节测试满分答案Word格式文档下载.docx（34页珍藏版）》请在冰豆网上搜索。

2

【多选题】

（2分）

第一位给近代地理学比较明确定义的学者是德国地质地理学家李希霍芬，下列哪些观点是他提出的？

地理学的最高目标，在于发掘人类和物质的地球以及与自然现象也有联系的生物现象之间的关系。

地理学的特殊目的是集中研究地球表面上相互联系的各种现象。

为了要取得有益的可靠的结论，地球表面上任何部分的地理研究都必需以详细描述自然现象开始，然后推进到地球表面的其他现象与基本的自然结构的关系。

地理学必须限于研究地球表层，即岩石圈、水圈、大气圈和生物圈相互接触的地方。

3

数学在地理学研究中所起的作用可以概括为：

（）

准确的解释

精确的预测

科学的说明

定量化的描述

4

【判断题】

计量运动是使地理学从近代阶段跨入现代阶段的标志性事件。

对

错

5

古代地理学的特点为以描述地理知识为主，记载多是片断性的，缺乏理论体系的，地理学内部尚未出现学科分化，各国的地理学基本上是在本国封闭的条件下发展起来的。

第二章测试

在统计上，通过对各取值之间（）的测定来反映现象总体中各个体之间的差异程度。

离散程度

集中程度

距离

长度

如果总水平、总成果等于所有阶段、所有环节水平、成果的连乘积总和时，求各阶段、各环节的一般水平、一般成果时，要使用什么平均值？

算术平均数

几何平均数

中位数

加权平均值

空间数据包括了三个维度，分别是（）。

动态特征

属性特征

时态特征

空间属性特征

标志按照性质的不同可分为：

品质标志

定序尺度

定类尺度

数量标志

离差平方和从总体上衡量一组地理数据与平均值的离散程度，是各数值与平均值之差的平方的总和。

第三章测试

网络图的测度方法包括了以下：

邻接矩阵法

测序矩阵法

关联矩阵法

距离矩阵法

Lorenz曲线的表示方法有：

凹形表示，即频率或者百分比分布从小到大排列累计

计算频率或者百分比分布比时刻从小到大，也可从大到小排列累计

计算频率或者百分比分布比时刻可无序排列

凸形表示，即频率或者百分比分布从大到小排列累计

地理现象或者地理实体将以规则或者聚集的模式出现，则说明某种力量或者机制来“安排”这个现象，或者说这些地理现象或者地理实体的空间分布就体现出了某种联系。

对于一些地理问题，如果将研究对象抽象为点（或面），考虑其空间格局随时间的变化时，可采用加权平均中心模型，通过计算不同时段的平均中心，通过分析平均中心的变动，来揭示宏观整体变化的规律。

地理学中通常用线状分布来表达地理事物之间的联系，这种联系可分为：

实际的联系

逻辑的联系

具体的联系

抽象的联系

第四章测试

关于随机事件，说法正确的是

掷一枚骰子可能出现点数是3，就是一个随机事件

不可能事件是指每次试验一定不出现的事件，用Φ表示，其发生的概率为0

在概率论中，用随机变量来表示随机事件

必然事件是指在一定条件下必然发生某一结果的现象。

如果用其发生的概率来衡量，其概率为1

关于总体参数说法正确的是

总体参数主要有总体的均值μ、比率π和方差σ²

（或标准差σ）等

总体参数的值是一个常数，不会随着抽取的样本不同而不同，但这个常数通常是未知的

总体参数的值需要通过收集整理数据（调查问卷）来估计

总体参数是总体各单位的标志值或属性值计算的，反映总体特征的综合指标

在概率论中，基本事件是指一个不可能再分的随机事件，也就是指试验中直接观察到的最简单的结果。

如果从总体中进行多次抽样，那么绝大多数样本统计量，比如均数都会紧密围绕在总体参数周围，这些样本统计量以总体参数为中心呈正态分布。

这个结论为总体的参数检验提供了依据。

关于正态分布的概率密度函数曲线的说法正确的是：

高斯在研究测量误差时，从另一个角度导出了它，拉普拉斯和高斯研究了它的性质。

正态分布也称“常态分布”，又名高斯分布，代表了现实中最普通的一种数据形式。

自然界、人类社会中大量现象服从或者近似地服从正态分布。

正态分布曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。

第五章测试

关于一元线性回归分析的说法正确的是

只有一个自变量和一个因变量的线性回归模型叫一元线性回归模型

一般认为，在不考虑系统演化的尺度范围的情况下，样本数越大，数据序列越长，回归模型就越可靠

在各种回归分析中，一元线性回归分析是整个回归分析的基础

为了得到尽可能准确的模型参数，需要借助于最小二乘法，将所有的数据都用上

关于趋势面模型的适合程度的分析，正确的说法是

趋势面的拟合度的检验方法有两种方法，一种是F检验法，一种是拟合优度指数R2检验法

对趋势面的拟合程度的分析与回归模型的效果直接相关，因此，对趋势面模型的适合程度的分析就是对回归模型的检验

拟合优度指数R2检验法通过衡量观测值z的总离差平方和中回归平方和所占的比重来表示回归模型的拟合优度

F检验法是对趋势面回归模型整体的显著性检验

用F分布进行多元线性回归模型进行显著性检验时，若F值小于F0.01，但大于F0.05，也就是F值在F0.01和F0.05之间，则反映线性回归在0.05水平上显著。

偏回归平方和Pi是指把取消一个自变量xi后回归平方和的减小，或者也可以说剩余平方和的增大，称为对y依自变量xi的偏回归平方和。

关于线性相关系数说法正确的有：

在大多数情况下，线性相关系数r值介于±

1之间，说明变量之间存在线性关系。

线性相关系数的取值在-1和+1之间，r=-1或r=1时，表明变量间存在完全线性相关，r=0时，无线性关系。

线性相关系数也叫积差相关系数。

当r>

0时，变量间存在正相关，也就是一个变量随另一个变量的增加而增加，随另一个变量的减小而减小，呈同向变化。

第六章测试

关于时间序列的趋势拟合法说法正确的有

在趋势拟合中的t表示时序，可以从零开始取值，也可以从1开始取值。

尽管在一些模型中，比如线性模型可以直接用年份为自变量，也可以用时序为自变量，但是在另一些模型中如指数模型、Logistic模型则不宜直接用年份为自变量

趋势拟合法就是把时间作为自变量，相应的序列观测值作为因变量，建立序列值随时间变化的回归模型

趋势项序列Tt可能是线性特征的或者呈非线性特征，因此，趋势拟合法又有线性拟合和非线性拟合之分，对应假设Tt为关于t的线性函数和非线性函数形式

在进行趋势拟合时，我们希望误差项是一个白噪声序列，也就是不含什么信息的序列，从统计学的角度看，就是这个序列的均值为零，或者接近于零，它的方差为一个常数

E.

在进行趋势拟合时，假定序列中不存在周期项，即xt等于趋势值Tt加上残差项Rt

时间序列的预测是指将预测目标的历史数据按照时间的顺序排列成为时间序列，然后分析它随时间的变化趋势，并建立数学模型进行外推的定量化预测方法。

对时间序列的周期性、趋势性以及随机性的识别，可结合自相关系数和Q统计量及其显著性水平P来判断。

建立自回归模型的主要任务是得到自回归系数的估计值，从而得到自回归预测模型，但首先需要判断t时刻的实际观测值和过去的“几”个时刻的实际观测值有关系。

关于时间序列的变化特征说法正确的有：

循环序列是以循环变动特征为主的时间序列，研究对象呈现出周期性盛衰起伏，时间序列的周期长度不固定，一般在一年以上，本质上都是一种周期性变动。

季节序列特征是季节性规律作用的结果，具有一定的周期性，一般以月或者季为单位。

不规则变动特征是指某些无法预测的事件所引起的变动，如自然灾害、战争等，导致时间序列成为不规则序列。

长期趋势特征序列是某种现象在较长时期内具有上升、下降或保持水平的主要趋势。

第七章测试

求出判别函数后，还需要计算出判别限（或称判别临界值Yc），若类别A均值大于类别B的均值，如果计算出判别函数值Y大于判别限yc，则归为

D类

C类

B类

A类

关于聚类分析方法的特点为

事先无需知道分类对象的分类结构，而只需要知道一批批地理数据结构

需要指出的是类与类之间的距离的确定是很关键的步骤，而且也是依赖于初始的距离矩阵的

在类型合并的时候，始终是选择的距离最小的两个类进行合并，符合聚类的原则，距离越近的应该先归为一类

选好分类统计量，也就是距离值，并按一定的方法步骤进行计算，最后便能自然地客观地得出一张完整的分类系统图

数据的标准化处理方法说法正确的是

标准差标准化是将变量减去它的均值除以它的标准差，经过这样的处理之后的指标（变量）的均值为0，方差为1