在统计计算中，（)算法是在概率模型中寻找参数最大似然估计的算法，其中概率模型依赖于无法观测的隐藏变量。

A.基于部分马尔科夫模型的两步决策算法

B.基于马尔科夫决策过程的强化学习决策方法

C.城市挑战赛Boss无人车应用的有限状态机

D.城市挑战赛Annieway无人车应用的分层状态机

A.内生变量

B.外生变量

C.虚拟变量

D.先决变量

对(许多美国工人可用的)401(k)养老金计划的出现是否提高了净储蓄，吸引了大量研究兴趣。数据集401KSUBS.RAW包含了有关净金融资产(nettfa)、家庭收入(ic)、是否有资格参与401(k)计划的二值变量(e401k)和其他几个变量的信息。

(i)样本中有资格参与一个401(k)计划的家庭比例是多少？

(ii)估计一个用收入、年龄和性别解释401(k)资格的线性概率模型。包括收入和年龄的二次项，并以通常形式报告结论。

(iii)你认为401(k)资格独立于收入和年龄吗？性别呢？请解释。

(iv)求第(ii)部分中估计的线性概率模型的拟合值。有小于0或大于1的拟合值吗？

(v)利用第(iv)部分中的拟合值e401k₁，定义e401k₁在e401k≥0.5时取值1，并在2e401k＜0.5时取值0。在9275个家庭中，预计有多少家庭有资格参与401(k)计划？

(vi)对于没有资格参加401(k)的5638个家庭，利用预测值e401k₁，预测其中有多大比例没有401(k)？对于有资格参加401(k)的3637个家庭，其中有多大比例的家庭有401(k)？(如果你的计量经济软件具有“制表”命令更好。)

(vii)总正确预测比约为64.9%。给定第(vi)部分的答案，你认为这是模型好坏的一个完备描述吗？

(viii)在线性概率模型中增加一个解释变量pira。其他条件不变，若一个家庭有某人拥有个人退休金账户，一个家庭有资格参与401(k)计划的估计概率会提高多少？在10%的显著性水平上，它统计显著异于0吗？

利用VOTE1.RAW中的数据。

(i)考虑一个含有竞选支出交互项的模型

保持prtystrA和expendA不变，expendB对voteA的偏效应是什么？expendA对voteA的偏效应是什么？β4的预期符号明显吗？

(ii)估计第(i)部分中的方程，并以通常的格式报告结果。交互项是统计显著的吗？

(ii)求样本中expendA的均值。固定expendA为300(300000美元)。候选人B另外支出100000美元对voteA的估计影响是什么？这个影响很大吗？

(iv)现在固定expendB为100。AexpendA=100对voteA的估计影响是什么？这讲得通吗？

(v)现在估计一个用候选人A的支出占竞选总支出的百分比shareA取代交互作用项的模型。同时保持expendA和expendB不变而改变shareA，这讲得通吗？

(vi)(要求有微积分知识)在第(V)部分的模型中，保持prtystrA和expendA不变，求出expendB对voteA的偏效应。在expendA=300和expendB=0时进行计算，并评论你的结论。

以二叉链表作为二叉树的存储结构，编写以下算法：

(1)统计二叉树的叶结点个数。

(2)设计二叉树的双序遍历算法(双序遍历是指对于二叉树的每一个结点来说，先访问这个结点，再按双序遍历它的左子树，然后再一次访问这个结点，接下来按双序遍历它的右子树)。

(3)计算二叉树最大的宽度(二叉树的最大宽度是指二叉树所有层中结点个数的最大值)。

(4)用按层次顺序遍历二叉树的方法，统计树中具有度为1的结点数目。

(5)求任意二叉树中第一条最长的路径长度，并输出此路径上各结点的值。

(6)输出二叉树中从每个叶子结点到根结点的路径。

A.9/25

B.6/25

C.3/5

D.2/5

A.干扰机器识别图像的新方法

B.新算法助机器学习抵抗干扰

C.机器学习是人工智能的核心

D.机器学习大数据训练的方法

A.深度优先算法

B.广度优先算法

C.Prim算法

D.Dijkstra算法

A.锅炉

B.励磁调节器

C.调速器

D.励磁系统