Fiszki

EE012021-2

Test w formie fiszek .
Ilość pytań: 24 Rozwiązywany: 735 razy
𝐻1: 𝛽𝑖 =/ 0
Parametr 𝛽𝑖 jest statystycznie istotny
Parametr 𝛽𝑖 jest statystycznie nieistotny
Parametr 𝛽𝑖 jest statystycznie istotny
Wraz ze wzrostem wielkości dochodu g.d. wzrasta także wielkość wydatków g.d. na tran
jest to test dodatniości
jest to test istotności parametru
jest to test dodatniości
Wielkość dochodu g.d. istotnie wpływa na wielkość wydatków g.d. na transport:
jest to test dodatniości
jest to test istotności parametru
jest to test istotności parametru
W hipotezie Zdecydowanie się na którychś z wariantów jednostronnych musi być podyktowane jakimiś dodatkowymi przesłankami
prawda
fałśz
prawda
Co do postaci hipotezy alternatywnej, w praktyce domyślnie przyjmuje się
dwustronny wariant testu
jednostronny wariant testu
dwustronny wariant testu
W hipotezie To o parametrach chcemy wnioskować ponieważ
nie znamy ich prawdziwych wartości
interesują nas, bo mówią o tej prawdziwej naturze modelowanego zjawiska, o tych prawdziwych zależnościach, które tylko częściowo są odzwierciedlone w informacji zawartej w (zawsze przecież ograniczonej) próbie i tym samym w oszacowaniach parametrów.
znamy ( ich prawdziwych wartości i chcemy je potwierdzić
nie znamy ich prawdziwych wartości
interesują nas, bo mówią o tej prawdziwej naturze modelowanego zjawiska, o tych prawdziwych zależnościach, które tylko częściowo są odzwierciedlone w informacji zawartej w (zawsze przecież ograniczonej) próbie i tym samym w oszacowaniach parametrów.
W hipotezie zerowej
może lecz nie musi być znak równości
zawsze jest/musi być znak równości
Błędny byłby zapis np. 𝐻0:𝛽 ̂ 𝑖 = 𝛽𝑖 ∗
występują parametry (bez daszka), a NIE ich oceny (te z daszkiem).
zawsze jest/musi być znak równości
Testowaniu może
podlegać pojedynczy parametr (np. 𝛽1) lub pewna ich grupa;
podlegać tylko pojedynczy parametr
podlegać tylko pewna ich grupa;
podlegać pojedynczy parametr (np. 𝛽1) lub pewna ich grupa;
Testowaniu zawsze podlega
układ trzech wykluczających się wzajemnie hipotez
układ dwóch wykluczających się wzajemnie hipotez
jedna hipoteza którą należy potwierdzić
układ dwóch wykluczających się wzajemnie hipotez
Do wnioskowania statystycznego Kluczowa jest tu więc relacja wartości oceny punktowej parametru od wartości błędu jej szacunku.
fałśz
prawda
prawda
Błąd średnim szacunku stanowi przeciętną (in.: spodziewaną, oczekiwaną) różnicę pomiędzy prawdziwą (lecz nieznaną) wartością parametru 𝛽1 a jego oceną punktową 𝛽 ̂ 1
fałsz
prawda
prawda
Ważna jest przede wszystkim niepewność związana z tą oceną (czyli tzw. niepewność estymacji). Ta mierzona jest
błędem średnim szacunku, 𝑑(𝛽 ̂ 1),
odchyleniem standardowym
wariancja
błędem średnim szacunku, 𝑑(𝛽 ̂ 1),
Do wnioskowania statystycznego o parametrach
nie wystarczą same ich oszacowania.
wystarczą same ich oszacowania.
nie wystarczą same ich oszacowania.
wnioskowanie statystyczne to formułowanie pewnych sądów (wniosków, zdań) o (z gruntu nieznanych) wartościach pewnych parametrów na podstawie ich oszacowań
prawda
fałsz
prawda
do czego w praktyce można wykorzystać Klasyczny Model Normalnej Regresji Liniowej
wnioskowania statystycznego
prognozowania
wnioskowania praktycznego
wnioskowania statystycznego
to co odróżnia KMNRL (Klasyczny Model Normalnej Regresji Liniowej) od wprowadzonego wcześniej KMRL (Klasycznego Modelu Regresji Liniowej) to
dodatkowe założenie o normalności składnika nielosowego et
dodatkowe założenie o normalności składnika losowego et
dodatkowe założenie o normalności składnika losowego et
po drugie, duża liczba parametrów przyczynia się do zwiększenia “elastyczności” modelu
fałsz
prawda
prawda
po pierwsze, wysoka liczba parametrów podlegających estymacji skutkuje znaczącym wzrostem jej
niepewności
pewnosci
niepewności
włączając do modelu regresji kolejną, dowolną zmienną objaśniającą suma kwadratów reszt nie zmaleje
prawda
fałsz
fałsz
Wszystkie cztery mierniki są oparte na sumie kwadratów reszt (SSE) – im jest ona niższa, tym na lepsze dopasowanie modelu one wskazuj
prawda
fałsz
prawda
współczynnik zmienności resztowej,
Ve > 0 zawsze
10%< model bardzo dobrzre dopasowany do danych
jest wielkością niemianowaną
wyrażoną w procentach
Model jest tym lepiej dopasowany do danych, im niższa wartość Ve
jest wielkością mianowaną
30%< Ve model słabo dopasowany do danych
Ve > 0 zawsze
10%< model bardzo dobrzre dopasowany do danych
jest wielkością niemianowaną
wyrażoną w procentach
Model jest tym lepiej dopasowany do danych, im niższa wartość Ve
30%< Ve model słabo dopasowany do danych
𝑦𝑡 oznacza zawsze zmienną objaśnianą tą może być
jej pirewiastek
jej potęga
jej logarytm
zmienna ekonomiczna
jej logarytm
zmienna ekonomiczna
zmienną objaśnianą jest
y
Epsilon
Beta
x
y
𝐻0: 𝛽𝑖 = 0
Parametr 𝛽𝑖 jest statystycznie nieistotny
Parametr 𝛽𝑖 jest statystycznie istotny
Parametr 𝛽𝑖 jest statystycznie nieistotny

Powiązane tematy

#ee012021

Inne tryby