气象资料及其表示方法 选择最大信息的预报因子 气候稳定性检验 气候趋势分析 一元线性回归 多元线性回归 逐步回归 气象变量场时空结构分离 复习题：1、 气象统计预报是利用 统计学方法对气象（气候）样本进行 分析来估计和推测 总体 的规律性。
2、 突变可分为： 均值突变、变率突变、趋势突变 。
3、 气候统计诊断分析与天气统计诊断分析的不同点是研究对象不同， 一个是（气候特征），一个是（天气特征）。
相同点是数据资料都 必须是（长时间）的观测数据。
4、 （）需要对结论进行一系列的推断，分析结论的可信程度以及 是否为因果关系。
A 统计分析；B 统计诊断；5、 采用统计诊断的方法研究天气、气候现象，可以用于哪些方面（ ）＜多选＞。
A 了解区域性或者全球性天气、 气候现象的时空分布特征、 变化规律 及异常程度；B 探索气候变量及其与其它物理因素之间的联系；学习内容：Chapter 1-Chapter 2-Chapter 3-Chapter 4-Chapter 5-Chapter 6-Chapter 7-Chapter-8-C 对数值模拟结果与实际变化状况之间的差异进行统计诊断，为改进模式提供线索和指导；6、对天气、气候现象进行统计诊断分析，一般分为四步。
首先，（）；其次，（）；再次，（）；最后，（）。
A科学综合和诊断；B选择诊断方法；C资料预处理；D收集资料；7、气候统计预测，一般分为四步。
首先，（）；其次，（）；再次，（）；最后，（）。
A建立统计模型；B统计检验；C预测结论；D收集资料；8、统计预测模型在利用大量（）观测资料对气候系统内部或与其它变量之间关系的变化规律及特征分析基础上建立的，用于对（）状态进行估计。
在这一预测过程中，假设气候变化的成因和物理机制至少在（）期间与（）期间一致；气候系统保持稳定。
A过去；B未来；C预测；D观测；9、气候统计预测过程主要由以下4 个要素构成：1、（），例如：夏季降水量，8 月份高温日数、暴雨日数；2、（），通常为从某些统计上显著相关的预报因子群提取的有效信息；3、（），根据数据性质、预测对象和预测因子特点，选择合适的统计预测模型；4、（），对未来气候变化状态时间、空间、数量、性质等方面的预测。
A预测技术；B预测依据；C预测结果；D预测对象；10、气象统计研究对象可以划分为（）、多要素气象资料。
例如：1950-2016 年南京7 月份高温日数，属于（）气象资料；例如某气象站7 月份日降水量与08时相对湿度，属于（）气象资料。
A 单要素；B 多要素；11、根据预报（或预测、预估）对象的时间尺度可以进行如下划分：1、（ ），小于 10 天；2、（ ），10-30 天；3、（ ），月、季、 年；4、（ ），年代际或更长。
A 天气预报；B 延伸期预测；C 气候预测；D 气候变化预估；12、（ ）是要素总体数学期望的一个估计，反映了该要素的平均 （气候）状况；（ ）是将变量值按大小顺序排列，处于中间位置 的那个数，表征变量的中心趋势；（ ）是要素（变量）值中出现 次数最多的那个数，表征最容易发生的情况。
（ ）是变量小于某 上限的次数与总次数之比。
A 平均值； B 中位数； C 众 数； D 累积 频率； 13、观测序列为 （1，3，3，3，5， 6， 7，8，9） ，平均值是（ ）， 中位数是（ ） ，众数是（） A 3 ； B 5 ； C 6 ； D 7 ；14、观测序列为 （1，3，3，3， 5， 6， 7，8，18），平均值是 （ ）， 中位数是（ ） ，众数是（）A 3 ；B 5 ；C 6 ；D 7 ；15、甲地区 12月份气温的均方差（标准差）为 1.75 ，1 月份气温均 方差为 1.09。
乙地区 12 月份气温的均方差（标准差）为 1.61 ，1 月份气温均方差为 2.03 。
对甲地区来说，（ ）月份气温变化幅度 较大；对乙地区来说， （ ）月份气温变化幅度较大；就 12 月份而 言，（ ）地区气温变化幅度较大。
A 甲；B 乙；C 12 ；D 1 ；16、累积频率是变量小于某上限的次数与总次数之比。
观测序列为 （1，3，3，3，5，6，7，8，9）。
上限为4的累积频率为（）/9 ，上限为7 的累积频率为（）/9 。
A 2；B 4 ；C 6 ；D 8 ；17、（）是指统计分析对象的全体。
（）是指总体中的一部分。
气象上的总体指无限总体，一组气象资料就是无限总体的（）。
1950-2016 年南京地区夏季降水量这组气象观测资料属于（）。
（）的特征是客观存在的，不是随机变量。
（）的特征随所取的样本而变化，与其有关的变量也称为随机变量，如平均值、均方差等。
A 总体；B 样本；18、在随机事件中，随着试验次数的增加，事件发生的频率趋于一个稳定值（概率）。
（）是事件的总体特征；（）是事件的样本值。
A 概率；B 频率；19、为使不同要素的观测数据在同一水平上比较，采用标准化方法，使它们变成同一水平的无单位的变量。
气象观测数据标准化后的平均值是（），均方差是（）。
A －1；B 0 ；C 120、研究某一区域时，若区域中m个站气象要素变化具有较好的一致性，可以把这一区域当作一个点来研究。
可使用（）法，选用最具代表性的站；或使用（）法，采用m个站的平均值。
A 区域平均；B 代表站；21、n次观测次数中，事件A出现nA次，则事件A的频率P（A）为nA/n。
观测次数n足够大，P（A）稳定接近某个常数，这就是（）。
概率描述的是总体特征，而（）是样本的特征。
A 概率；B 频率；C 事件；22、布袋中有4个球，分别标有A B、C D。
从布袋中拿出1个球。
拿到的球有（）种可能。
从布袋中拿出2个球（考虑先后顺序），总共有（）种可能。
从布袋中拿出 2 个球（不考虑先后顺序），总共有（）种可能。
A 4；B 6 ；C 8；D 12；23、夏天某地区冰雹出现概率为0.03。
5 天中有一次冰雹的概率为（）；至少有一次冰雹的概率为（）（多选）。
A 0.03 X 5=0.15 ;B、C51X 0.031 X 0.974 = 0.1328 ;C、C51X 0.031 X 0.974＋C52X 0.032X 0.973＋C53X 0.033X 0.972+ C54X 0.034 X 0.971 + C55X 0.035 X 0.970 = 0.1413 ;D 1- C50 X 0.030 X 0.975 = 0.1413 ;24、自然界中各现象间存在普遍的关联。
这种关系可分为两种：物理意义明确，可用数学函数表达的关系称为（）；统计上的相互关联称为（）。
A确定性关系；B非确定性关系；25、统计分析中用相关系数度量各现象（各要素）间的相关程度。
下列三个相关关系示意图中，表示非线性相关关系的是（），表示完全线性相关的是（），表示负线性相关关系的是（）。
26、相关系数r的绝对值越（），表示两变量之间关系越密切。
r越接近1.0，（）相关越显著；r越接近—1.0 ,（）相关越显著。
A 小; B大；C正；D负；27、根据统计学中大样本定理，通常认为样本量n大于（）才有统计意义。
当样本量较小时，计算所得相关系数可能会离总体相关系数甚远。
这时，需要对相关系数加以校正。
A 10 ；B 20 ；C 30 ；D 40 ；28、检验某一地区气候是否具有稳定性、两个地方的气候是否有显著差异可以基于均值进行检验，检验方法有（）和t检验。
方差反映了某一变量观测数据的偏离程度，它也是变量稳定与否的重要测度。
基于方差的检验方法有（）和F检验。
A x 2检验；B u 检验；C t 检验；D F 检验；29、随时间变化的一列气候数据构成了一个（）。
例如：1921-2000 年南京地区夏季降水量。
它的特征有：数据的取值随时间变化；数据采样可能受到不确定因素的影响；还有，（）＜多选＞。
A 气候时间序列；B 前后时刻的数据之间可能存在关联；C 时间序列整体可能上有上升或下降趋势；D 时间序列可能呈现周期性振荡；E 从某一时刻开始，数据取值可能出现转折或突变；30、用xi 表示样本量为n 的某一气候变化，用ti 表示xi 所对应的时间，建立xi 和ti 之间的一元线性回归方程：。
其中，为回归方程计算值,a为（），b为（）回归系数。
使n对计算值（）和观测值（xi）的误差平方和达到最小，可采用（）计算出a和b。
系数b表示了（）。
b符号为正，说明变量随时间t的增加呈（）趋势，反之则为（）趋势。
r 为时间ti 和观测数据xi 所的相关系数。
r 表示变量x 与时间变化的关联程度。
要判断变化趋势的程度是否显著，就要对（）进行显著性检验。
A 回归系数；B 回归常数；C 最小二乘法；D 变量x 随时间的趋势倾向；E 下降；F 上升；H 相关系数；31、下列回归方程中，表示非线性回归的是（），表示一元线性回归的是（），表示多元线性回归的是（）。
3、一般来说.对样本呈为口的预报量¥与预报因子耳的一组样本，如果认为y 与孟是一种统计线性关系，预报量的估计量夕与x 有如下关系’ y^a+bx （-元线性回归方程〉-能够使回归方程计算值亍与实际观测值y 之差的平方和 么码方）二刀龙尸二》仇-口-fcrj'最小的冋归方程（最佳的刊和h ）就是最佳 t=I z的代表所有实测点的散冇觊津的直线•当a 讹）取最小值的时傑，必然有 ＜多选人因此可以求出系数彳和b 的计算公式.系数白和b 的计算公式是（）C 上述求解回归方程系数的方法被称为C ），・「D 主成分务析* . 11 严-rF 1 乂.力二 y-^5、使用回归方程必=口 +抵时’需要知道回归方程扌苗述丫与K 的线性关系多大 程度上复合实际情况竹定义残差方差T 二丄另①-计X 下面h 氐C 三个图中, n z 残差方秀尊于零的是（）,残差方程最大的杲（）、罡义回归方差 1 * 1 «S*丄艺①-才。
定义预扌艮量方差艺4-拧。
汕用这三个方差之n _ 一-间的关系是（）°回归方差越接逬预报量方差，越表明（）° *ABC32、在气象预报中，对预报量的预报常常需要从可能影响预报量 y 的 诸多因素中挑选一批关系显著的作为预报因子。
在应用多元线性回归 的方法建立回归方程来做预报时，既要选择对预报量影响显著的因 子，又要使回归方程的残差方差估计很小，这样才有利于气象预报。
daC 最小二乘法D 図二痰+S ； 5E £ =朋一£ ； PF 用线程关系解释y 与汎的关系比较符合实际情况.回归模型比较好； H 用线性关系解释y 与X 的关系难以符合实际情况，回归模型不好，屮（）方法就是选择这种最优的回归方程。
一般分为三种方案：逐步剔除方案，逐步引进方案，双重检验的逐步回归方案。