A.流计算是消息驱动的,数据更新一般是定时更新
B.离线计算的数据更新以定期的批量更新为主
C.在线计算一般在用户发起请求时(比如查询)发生
D.流计算可以应用于实时数值统计、实时事件预警等领域
A.①、②、③、④
B.②、①、④、③
C.①、②、④、③
D.③、①、②、④
A.拒绝零假设
B.接受零假设
C.认为零假设正确
D.认为零假设错误
(1)检验大学生学习倦怠水平在性别、专业(理科、文科和其他)等人口学变量,上是否具有统计学差异;
(2)检验不同年级大学生(一、二、三年级)在学习倦怠不同水平(高、中、低)的人数分布是否有显著差异;
(3)检验该心理干预方法对高倦怠组大学生的学习倦怠水平的影响是否有统计学意义。
表6-4列示了15个工人的月收入以及相应的性别、年龄层(30多岁与40多岁)、学历(大学毕业、高中毕业、初中毕业)、企业规模(大型企业、中型企业、小型企业)之间的关系。根据这些定性数据,通过下面的问题分析收入差距的原因。
(1)为了将定性数据作为解释变量纳入模型,引入下面六个虚拟变量。根据表6-4,制作虚拟变量的数据表。
性别
年龄
学历①
学历②
企业规模①
企业规模②
(2)利用计量经济分析软件对多元回归模型(工资函数)进行OLS估算。同时,计算t值和自由度调整后的决定系数。
Y=α+β1S+β2A+β3E1+β4E2+β5F1+β6F2+u
α>0,β1>0,β2>0,β3>0,β4>0,β5>0,β6>0
(3)解释估算出来的常数项的意义。
(4)计算下列属性所对应的月收入。
a)大型企业中40多岁男性大学毕业工人的月收入。
b)中型企业中30多岁女性高中毕业工人的月收入。
c)小型企业中30多岁男性初中毕业工人的月收入。
表6-4 月收入与性别、年龄层、学历、企业规模之间的关系
|
A.Web访问日志分析:分析用户访问行为,个性化推荐等
B.搜索,比如pagerank、网页爬取等
C.机器学习:监督学习、无监督学习、分类算法等
D.广告推荐:用户点击购买行为预测