当函数MsgBox返回值为1，对应的符号常量是vbOK，那么此时表示用户做的操作是（）

罗马数字符号中的V表示()。

A.1

B.5

C.10

D.50

若w=1,x=2,y=3,z=4,则条件表达式w 设有如下定义: int a=1,b=2,c=3,d=4,m=2,n=2; 则执行表达式:（）运算的数据可以是任何类型的数据。 若有定义和语句:int a;char c;scanf("%d,%c",&a,&C.;当通过键盘输入:10,‘A’之后,则变量a中存放的是10,变量c中存放的是‘A’。 C语言中,变量名只能是小写字母表示,符号常量名可用大写表示 在C语言中,变量可以不要定义,直接使用 switch语句中,每一个case的冒号后面都必须至少跟有一条语句。 一个C语言程序总是从主函数开始执行的

A．4

B．3

C．2

D．1

E．1

F．2 G． 3 H． 0 I． 0 J． 1 K． 3 L． 不确定 M． k=11,k=12,k=13 N． k=11,k=13,k=13 O． k=11,k=013,k=oXb P． k=11,k=13,k=b Q． 0 R． 1/2 S． 0．5 T． 1 U． *57* V． *58* W． *57．66* X． *57．67* Y． 7 Z． 6 [． 5 ． 4 ]． 10 10 ^． 9 9 _． 9 10 `． 10 9 A．67,D BC

D．不确定的值

E．7 和 5

F．6 和 3 g． 7 和 4 h． 6 和 4

阅读下列函数说明和C代码，将应填入(n)处的字句写上。

[说明]

若要在N个城市之间建立通信网络，只需要N-1条线路即可。如何以最低的经济代价建设这个网络，是一个网的最小生成树的问题。现要在8个城市间建立通信网络，其问拓扑结构如图5-1所示，边表示城市间通信线路，边上标示的是建立该线路的代价。

[图5-1]

无向图用邻接矩阵存储，元素的值为对应的权值。考虑到邻接矩阵是对称的且对角线上元素均为0，故压缩存储，只存储上三角元素(不包括对角线)。

现用Prim算法生成网络的最小生成树。由网络G=(V，E)构造最小生成树T=(U，TE)的Prim算法的基本思想是：首先从集合V中任取一顶点放入集合U中，然后把所有一个顶点在集合U里、另一个顶点在集合V-U里的边中，找出权值最小的边(u，v)，将边加入TE，并将顶点v加入集合U，重复上述操作直到U=V为止。

函数中使用的预定义符号如下：

define MAX 32768 /*无穷大权，表示顶点间不连通*/

define MAXVEX 30 /*图中顶点数目的最大值*/

typedef struct{

int startVex，stopVex; /*边的起点和终点*/

float weight; /*边的权*/

}Edge;

typedef struct{

char vexs[MAXVEX]; /*顶点信息*/

float arcs[MAXVEX*(MAXVEX-1)/2]; /*邻接矩阵信息，压缩存储*/

int n; /*图的顶点个数*/

}Graph;

[函数]

void PrimMST(Graph*pGraph, Edge mst[])

{

int i,j,k,min,vx,vy;

float weight，minWeight;

Edge edge;

for(i=0; i＜pGraph-＞n-1；i++){

mst[i].StartVex=0;

mst[i].StopVex=i+1;

mst[i].weight=pGraph-＞arcs[i];

}

for(i=0；i＜(1)；i++){/*共n-1条边*/

minWeight=(float)MAX;

min=i;

/*从所有边(vx，vy)中选出最短的边*/

for(j=i; j＜pGraph-＞n-1; j++){

if(mst[j].weight＜minWeight){

minWeight=(2);

min=j；

}

}

/*mst[minl是最短的边(vx，vy)，将mst[min]加入最小生成树*/

edge=mst[min]；

mst[min]=mst[i];

mst[i]=edge;

vx=(3);/*vx为刚加入最小生成树的顶点下标*/

/*调整mst[i+1]到mst[n-1]*/

for(j=i+1；j＜pGraph-＞n-1；j++){

vy=mst[j].StopVex;

if( (4) ){/*计算(vx，vy)对应的边在压缩矩阵中的下标*/

k=pGraph-＞n*vy-vy*(vy+1)/2+vx-vy-1；

}else{

k=pGraph-＞n*vx-vx*(vx+1)/2+vy-vx-1;

}

weight(5)；

if(weight＜mst[j].weight){

mst[j].weight=weight;

mst[j].StartVex=vx;

}

}

}

}

(1)

设信源U={0，1，2，3}无记忆，各符号等概率分布，信宿V={0，1，2，3，4，5，6}。失真函数定义为

    证明其率失真函数R(D)如图所示。

  

6．设信源U={0，1，2，3}无记忆，各符号等概率分布，信宿V={0，1，2，3，4，5，6}。失真函数定义为

  

  证明其率失真函数R(D)如图所示。

  

已知信源U={0，1}，信宿V={0，1，2}。设信源输入符号等概率分布，失真矩阵为

  

  求信源的率失真函数R(D)。

已知信源U={0，1}，信宿V={0，1，2}。设信源输入符号等概率分布，失真矩阵为

求信源的率失真函数R(D)。

●试题一

阅读下列算法说明和算法，将应填入(n)处的字句写在答题纸的对应栏内。

【算法说明】

为便于描述屏幕上每个像素的位置，在屏幕上建立平面直角坐标系。屏幕左上角的像素设为原点，水平向右方向设为X轴，垂直向下方向设为Y轴。

设某种显示器的像素为128×128，即在每条水平线和每条垂直线上都有128个像素。这样，屏幕上的每个像素可用坐标(x，y)来描述其位置，其中x和y都是整数，0≤x≤127，0≤y≤127。

现用一维数组MAP来存储整个一屏显示的位图信息。数组的每个元素有16位二进位，其中每位对应一个像素，"1"表示该像素"亮"，"0"表示该像素"暗"。数组MAP的各个元素与屏幕上的像素相对应后，其位置可排列如下：

MAP(0)，MAP (1) ，…，MAP (7)

MAP (8) ，MAP (9) ，…，MAP (15)

MAP(1016)，MAP(1017)，…，MAP(1023)

下述算法可根据用户要求，将指定坐标(x，y)上的像素置为"亮"或"暗"。

在该算法中，变量X，Y，V，S，K都是16位无符号的二进制整数。数组BIT中的每个元素BIT(K)(K=0，...，15)的值是左起第K位为1，其余位均为0的16位无符号二进制整数，即BIT(K)的值为215-k。

【算法】

第1步根据用户指定像素的位置坐标(x，y)，算出该像素的位置所属的数组元素MAP(V)。这一步的具体实现过程如下：

1.将x送变量X，将y送变量Y；

2.将Y左移 (1) 位，仍存入变量Y；

3.将X右移 (2) 位，并存入变量S；

4.计算Y+S，存入变量V，得到像素的位置所属的数组元素MAP(V)。

第2步算出指定像素在MAP(V)中所对应的位置K(K=0，…，15)。这一步的具体实现过程如下：将变量X与二进制数 (3) 进行逻辑乘运算，并存入变量K。

第3步根据用户要求将数组元素MAP(V)左起第K位设置为"1"或"0"。这一步的具体实现过程如下：

1.为把指定像素置"亮"，应将MAP(V)与BIT(K)进行逻辑 (4) 运算，并存入MAP(V)。

2.为把指定像素置"暗"，应先将BIT(K)各位取反，再将MAP(V)与BIT(K)进行逻辑 (5) 运算，并存入MAP(V)。

阅读下列算法说明和算法，将应填入(n)处的字句写在对应栏内。

【算法说明】

为便于描述屏幕上每个像素的位置，在屏幕上建立平面直角坐标系。屏幕左上角的像素设为原点，水平向右方向设为X轴，垂直向下方向设为Y轴。

设某种显示器的像素为128×128，即在每条水平线和每条垂直线上都有128个像素。这样，屏幕上的每个像素可用坐标(x，y)来描述其位置，其中x和y都是整数，0≤x≤127， 0≤y≤127。

现用一维数组MAP来存储整个一屏显示的位图信息。数组的每个元素有16位二进位，其中每位对应一个像素，“1”表示该像素“亮”，“0”表示该像素“暗”。数组MAP的各个元素与屏幕上的像素相对应后，其位置可排列如下：

MAP(0)，MAP(1)，…，MAP(7)

MAP(8)，MAP(9)，…，MAP(15)

MAP(1016)，MAP(1017)，…，MAP(1023)

下述算法可根据用户要求，将指定坐标(x，y)上的像素置为“亮”或“暗”。

在该算法中，变量X，Y，V，S，K都是16位无符号的二进制整数。数组BIT中的每个元素BIT(K)(K=0，…，15)的值是左起第K位为1，其余位均为0的16位无符号二进制整数，即BIT(K)的值为215-k。

【算法】

第1步 根据用户指定像素的位置坐标(x，y)，算出该像素的位置所属的数组元素 MAP(V)。这一步的具体实现过程如下：

1．将x送变量X，将y送变量Y；

2．将Y左移(1)位，仍存入变量Y；

3．将X右移(2)位，并存入变量S；

4．计算Y+S，存入变量V，得到像素的位置所属的数组元素MAP(V)。

第2步 算出指定像素在MAP(V)中所对应的位置K(K=0，…，15)。这一步的具体实现过程如下：将变量X与二进制数(3)进行逻辑乘运算，并存入变量K。

第3步 根据用户要求将数组元素MAP(V)左起第K位设置为“1”或“0”。这一步的具体实现过程如下：

1．为把指定像素置“亮”，应将MAP(V)与BIT(K)进行逻辑(4)运算，并存入MAP(V)。

2．为把指定像素置“暗”，应先将BIT(K)各位取反，再将MAP(V)与BIT(K)进行逻辑(5)运算，并存入MAP(V)。

利用LOANAPP.RAW中的数据。要解释的二值变量是approve，如果一个人的抵押贷款得到许可则取值1.主要的解释变量是虚拟变量white，如果申请者是白人则取值1。数据集中其他的申请者为黑人和拉美裔。

为了检验抵押贷款市场中的歧视，可使用一个线性概率模型：

(i)如果对少数民族存在歧视，并控制了适当的因素，那么，的符号是什么?

(ii)将qpxe对white做回归，并以通常的形式报告结果。解释white的系数。它是统计显著的吗?它实际上大吗?

(iii)作为控制因素，增加变量hrat，obrat，loanprc，unem,male,married，dep，sch，cosign，chist，pubrec，mortlatl，mortlat2和vr。white的系数会有什么变化?仍有对非白人存在歧视的证据吗?

(iv)现在容许种族效应与度量了其他债务占收入比例的变量(obrat)存在着交互作用。交互项显著吗?

(v)利用第(iv)部分的模型，当债务负担达到样本均值obrat=32时，作为白人对贷款许可的概率有多大的影响?构造这种影响的一个95%的置信区间。