逻 逻辑学学习平台

全站随机测试

题库共 4,530 道 本次抽 30 道 即时判分 每次进入随机抽题，可以反复练
全站随机 逻辑学 统计学 哲学启蒙 思辨力 心理学启蒙 5 题 10 题 20 题 30 题 换一批
1
关于「别人为什么这样做」的怎么想、怎么做，下列表述正确的是？
解析：这一步是别人为什么这样做判定过程的关键环节：理由不一定和我们一样。
2
在学习「三段论的一般规则」时，下列哪一项属于应当避免的错误认识？
解析：这是典型的误解。三段论有若干条普遍适用的规则，违反其中任何一条即形式无效。
3
下面关于「全概率公式」的说法中，正确的是？
解析：本题直接考查「全概率公式」的定义。若完备事件组划分样本空间，则任一事件的概率可由各组加权求和得到。
4
在学习「并用法、共变法和剩余法」时，下列哪一项属于应当避免的错误认识？
解析：这是典型的误解。穆勒五法的另外三种：求同求异并用法、共变法和剩余法。
5
判断：定义项不能直接或间接包含被定义项，否则属于循环定义。（　）
解析：这一表述符合概念、词项与定义的基本原理。
6
下列表述中，描述的是「显著性水平与 P 值」而不是「单侧检验与双侧检验」的是？
解析：「显著性水平与 P 值」与「单侧检验与双侧检验」同属假设检验，但前者强调：显著性水平是事先设定的容许弃真概率，P 值由样本计算得到。
7
在学习「区间估计与置信水平」时，下列哪一项属于应当避免的错误认识？
解析：这是典型的误解。给出一个包含参数的区间，并说明该区间的可靠程度。
8
判断：做完选择就别老想着另一个，专心做好眼前的事。（　）
解析：这一表述符合做判断和选择的基本原理。
9
「长大需要时间」的正确含义是？
解析：「长大需要时间」指的是：小苗、小猫和我们，都要一天一天慢慢长大。
10
判断：你的名字是你的一部分，但你不是只有名字。（　）
解析：这一表述符合我是谁的基本原理。
11
判断：无偏估计指估计量的期望等于被估参数。（　）
解析：这一表述符合抽样与估计的基本原理。
12
「今天、昨天、明天」的正确含义是？
解析：「今天、昨天、明天」指的是：昨天是已经过去的，今天是正在过的，明天是还没来的。
13
在实际场景中使用「矛盾律」时，下列做法正确的是？
解析：实务中应先立住矛盾律的判断依据：矛盾律管的是思维的一致性。
14
下列表述中，描述的是「一直问下去」而不是「好奇是什么」的是？
解析：「一直问下去」与「好奇是什么」同属好奇与提问，但前者强调：一个答案常常会带出新的问题，可以一直问下去。
15
在学习「概率的定义与计算」时，下列哪一项属于应当避免的错误认识？
解析：这是典型的误解。古典概型用有利结果数除以总结果数；统计概率用频率的稳定值定义。
16
关于「承认自己看错了」的怎么想、怎么做，下列表述正确的是？
解析：这一步是承认自己看错了判定过程的关键环节：承认错误不丢脸。
17
下面关于「今天、昨天、明天」的说法中，正确的是？
解析：本题直接考查「今天、昨天、明天」的定义。昨天是已经过去的，今天是正在过的，明天是还没来的。
18
在学习「单侧检验与双侧检验」时，下列哪一项属于应当避免的错误认识？
解析：这是典型的误解。双侧检验关注差异是否存在，单侧检验关注差异的方向。
19
在学习「图形选择的基本原则」时，下列哪一项属于应当避免的错误认识？
解析：这是典型的误解。图形选择取决于数据类型与分析目的。
20
在实际场景中使用「认真听别人的回答」时，下列做法正确的是？
解析：实务中应先立住认真听别人的回答的判断依据：听完别人的回答再说自己的想法。
21
在学习「同一律」时，下列哪一项属于应当避免的错误认识？
解析：这是典型的误解。在同一思维过程中，每一概念或命题必须保持确定的内容，A 就是 A。
22
在学习「感觉会出错」时，下列哪一项属于应当避免的错误认识？
解析：这是典型的误解。有时候感觉传来的信息并不准确。
23
关于「泊松分布」的计算与分析步骤，下列表述正确的是？
解析：这一步是泊松分布判定过程的关键环节：是二项分布在 n 大 p 小时的极限。
24
判断：关心别人的感受，不等于必须听他的。（　）
解析：这一表述符合和大家在一起的基本原理。
25
判断：时间一直往前，过去的就回不来了。（　）
解析：这一表述符合生命与时间的基本原理。
26
判断：全概率公式把复杂事件按完备事件组分解后加权求和。（　）
解析：这一表述符合概率基础的基本原理。
27
判断：一次能做的时间不长，专注一小段就有用。（　）
解析：这一表述符合越练越会的基本原理。
28
判断：敢问为什么的小朋友更容易学到新东西。（　）
解析：这一表述符合好奇与提问的基本原理。
29
关于「可能世界语义学」的判定规则与步骤，下列表述正确的是？
解析：这一步是可能世界语义学判定过程的关键环节：可能：至少在一个可及的可能世界中为真。
30
下列表述中，描述的是「全概率公式」而不是「贝叶斯公式」的是？
解析：「全概率公式」与「贝叶斯公式」同属概率基础，但前者强调：若完备事件组划分样本空间，则任一事件的概率可由各组加权求和得到。
换一批