若用邻接表表示图G，试重写BellmanFord算法。在邻接表的边结点中增加一个记录边上的权值的域len

在以下假设下，重写Djkstra算法：

(1)用邻接表表示有向带权图G，其中每个边结点有3个域：邻接顶点vertex，边上的权值length和边链表的链接指针link

(2)用集合T=V(G)-S代替S(已找到最短路径的顶点集合)，利用链表来表示集合T。

试比较新算法与原来的算法，计算时间是快了还是慢了，给出定量的比较。

A.O.4

B.0.8

C.0.6

D.0.32

在图9-19a所示机构中，曲柄OA长为r，绕轴O以等角速度ω₀转动，AB=6r，BC=。求图9-19所示位置时，滑块C的速度和加速度。

此题为判断题(对，错)。

试推导图 LT6-10所示电路的输出电压v_O与输入电压v_S1、v_S2之间的关系式。设各集成运放是理想的，各晶体管特性相同。

在一个有n个顶点的带权连通图中，有条边，则应该选用()算法来求这个图的最小生成树，从而使计算时间较少，

A、Prim

B、Kruskal

本题利用NBASAL.RAW中的数据。

(i)估计一个线性回归模型，将单场得分与联赛中打球经历和位置(后卫、前锋或中锋)联系起来。包括打球经历的二次项形式，并将中锋作为基组。以通常的形式报告结果。

(ii)在第(i)部分中，你为什么不将所有三个位置虚拟变量包括进来?

(iii)保持经历不变，一个后卫的得分比一个中锋多吗?多多少?这个差异统计显著吗?

(iv)现在，将婚姻状况加入方程。保持位置和经历不变，已婚球员是否更高效(就单场得分来说)?

(v)加入婚姻状况和两个经历变量的交互项。在这个扩展的模型中，是否存在有力的证据表明婚姻状况影响单场得分?

(vi)使用单场助攻次数作为因变量估计(iv)中的模型。与(iv)的结果有明显的差异吗?请讨论。