将12位的数据序列用(24,12)线性分组码编码,假定该码能纠正所有1位和2位的错误,但不能纠正多于2位的错误,求当信道错误率为10-3时接收消息译码错误率。
第1题
利用TRAFFIC2.RAW中的数据。
(i)计算变量prefat的一阶自相关系数。你认为prefat包含单位根吗?失业率也一样吗?
(i)估计一个将prcfat的一阶差分Aprcfat与第10章的计算机练习C11第(vi)部分中同样变量相联系的多元回归模型,只是你还应该对失业率进行一阶差分。于是,模型中包含一个线性时间趋势、月度虚拟变量、周末变量和两个政策变量;不要将这些变量进行差分。你发现了什么有意思的结论吗?
(iii)评论如下命题:“在进行多元回归之前,我们总应该将怀疑具有单位根的时间序列进行一阶差分,因为这样做是一种安全策略,而且应该得到与使用水平值类似的结论。”[在回答这个问题时,最好先做(如果你还没有做过的话)第10章的计算机练习C11第(vi)部分中的回归。]
第2题
A.直接序列扩频将待发送的数据经过伪随机数发生器产生的伪随机码进行异或操作,再将异或操作结果的数据调制后发送
B.所有接收结点使用随机的频率
C.发送端与接收端是用相同的伪随机码
D.使用2.4GHz的工业、科学与医药专用的ISM频段,数据传输速率为1Mbps或2Mbps
第3题
问题描述:给定k个排好序的序列用2路合并算法将这k个序列合并成一个序列.假设采用的2路合并算法合并2个长度分别为m和n的序列需要m+n-1次比较.
试设计一个算法确定合并这个序列的最优合并顺序,使所需的总比较次数最少.
为了进行比较,还需要确定合并这个序列的最运合并顺序,使所需的总比较次数最多.
算法设计:对于给定的k个待合并序列,计算最多比较次数和最少比较次数合并方案.
数据输入:由文件input.txt给出输入数据.第1行有1个正整数k,表示有k个待合并序列.接下来的1行有k个正整数,表示k个待合并序列的长度.
结果输出:将计算的最多比较次数和最少比较次数输出到文件output.txt.
第4题
类:(B)和(C)。在(B)中的各个数据成员依次排列在一个线性序列中;(C)的各个数据成员不再保持在一个线性序列中,每个实例可能与零个或多个其他实例发生联系。
根据视点的不同,数据结构分为数据的(D)和(E)。(D)是面向应用的,(E)是面向计算机的。
第5题
利用MIN WAGE.RAW中232部门的数据回答如下问题。
(i)证明l wage 232t 和lemp 232t 最好用I(1) 过程来刻画。使用分别包含g wage 232和gel up 232的一阶滞后以及一个线性时间趋势的ADF检验。对这些序列中存在单位根还存有疑问吗?
(ii)在使用和不使用时间趋势的情况下, 容许在增广恩格尔-格兰杰检验中使用两个滞后项, 将lemp 232t 对hr age 232t 进行回归并进行协整检验。你得到什么结论?
(iii)现在将lemp 232t 对真实工资率的对数In v age 232t =l wage 232t -lept 和一个时间趋势进行回归。你发现存在协整吗?与使用名义工资相比,使用真实工资时,它们更“接近”协整吗?
(iv)第(iii)部分的协整回归中可能遗漏了哪些因素?
第6题
A.UNIX将进程的地址空间分成系统区段、程序区段和控制区段
B.系统区段中的程序和数据常驻主存
C.程序区段和控制区段中的信息可在主存和磁盘对换区之间换进/换出
D.采用32位虚拟地址,其中最低12位表示页内地址
E.虚拟地址的最高2位表示区段(00为程序区段、01为控制区段、10为系统区段)
第7题
利用HSEINV.RAW中的数据。
(i)求出log(inypc)中的一阶自相关系数,然后再求log(nypc)除掉线性趋势后的自相关。对log(price)做相同的计算。这两个序列中的哪个可能有单位根?
(ii)基于第(i)部分的结论估计方程:
并以标准形式报告结果。对系数β1作出解释,并判断它是否统计显著。
(iii)除掉log(iypc)的线性趋势,然后在第(ii)部分的回归方程中使用除趋势的因变量(见教材10.5节),R2有何变化?
(iv)现在用Δlog(invpc1)作因变量。结果与第(ii)部分相比有何不同?时间趋势还是显著的吗?为什么是或不是?
第8题
其中,因为滞后支出变量,第一个可用年份(基年)是1993年。
(i)用混合OLS估计模型, 并报告通常的标准误。为使得ai的期望值可以非零, 你应该与年度虚拟变量一起包含一个截距项。支出变量的估计效应是什么?求OLS残差。
(ii)lunchit系数的符号在意料之中吗?解释系数的大小。你认为学区的贫穷率对考试通过率有很大的影响吗?
(iii)利用的回归计算AR(1)序列相关的一个检验。你应该在回归中使用1994~1998年的数据。验证存在很强的正序列相关,并讨论为什么。
(iv)现在用固定效应法估计方程。滞后的支出变量仍显著吗?
(v)你为什么认为在固定效应估计中,注册学生人数和午餐项目变量不是联合显著的?
第10题
其中,因为滞后支出变量,第一个可用年份(基年)是1993年。
(i)用混合OLS估计模型,并报告通常的标准误。为使得ai的期望值可以非零,你应该与年度虚拟变量一起包含一个截距项。支出变量的估计效应是什么?求OLS残差。
(ii)lunchit系数的符号在意料之中吗?解释系数的大小。你认为学区的贫穷率对考试通过率有很大的影响吗?
(iii)利用的回归计算AR(1)序列相关的一个检验。你应该在回归中使用1994-1998年的数据。验证存在很强的正序列相关,并讨论为什么。
(iv)现在用固定效应法估计方程。滞后的支出变量仍显著吗?
(v)你为什么认为在固定效应估计中,注册学生人数和午餐项目变量不是联合显著的?
(vi)定义支出的总(或长期)效应为的标准误。