Testy Fiszki Notatki

Zaloguj

Fiszki

Test 3 doświadczalnictwo

Test w formie fiszek

Ilość pytań: 29 Rozwiązywany: 458 razy

Celem analizy korelacji jest:

Opracowanie modelu opisującego relacje pomiędzy analizowanymi zmiennymi

Matematyczne opisanie relacji pomiędzy zmiennymi

Określenie siły związku pomiędzy zmiennymi

Opisanie zależności pomiędzy zmiennymi za pomocą równania matematycznego

Określenie siły związku pomiędzy zmiennymi

Celem analizy korelacji jest:

Opisanie zależności pomiędzy zmiennymi za pomocą równania matematycznego

Opracowanie modelu opisującego relacje pomiędzy analizowanymi zmiennymi

Żadna odpowiedź nie jest prawdziwa

Matematyczne opisanie relacji pomiędzy zmiennymi

Żadna odpowiedź nie jest prawdziwa

Celem analizy regresji jest

Stwierdzenie korelacji pomiędzy zmiennymi

Stwierdzenie występowania wzajemnego związku pomiędzy zmiennymi

Określenie siły związku pomiędzy zmiennymi

Opracowanie modelu opisującego relacje pomiędzy analizowanymi zmiennymi

Celem analizy regresji jest

Żadna odpowiedź nie jest prawdziwa

Określenie siły związku pomiędzy zmiennymi

Stwierdzenie korelacji pomiędzy zmiennymi

Stwierdzenie występowania wzajemnego związku pomiędzy zmiennymi

Żadna odpowiedź nie jest prawdziwa

Przy testowaniu istotności współczynnika korelacji hipoteza zerowa zakłada, że:

Współczynnik korelacji jest większy od zera

Współczynnik korelacji jest równy zero

Współczynnik korelacji jest różny od zera

Współczynnik korelacji jest istotny

Współczynnik korelacji jest równy zero

Wartość krytyczna współczynnika korelacji linowej Pearsona powyżej której współczynnik ten jest istotny zależy od:

Liczebności próby

Istotności badanej zależności

Zmienności korelowanych cech

Siły zależności pomiędzy analizowanymi zmiennymi

Liczebności próby

Współczynnik korelacji rang Spearmana stosuje się w przypadku:

Zależności z dużą liczbą przypadków odstających

Zmiennych o jednorodnych wariancjach

Zmiennych ciągłych o rozkładzie normalnym

Badania zależności więcej niż dwóch zmiennych ciągłych

Zależności z dużą liczbą przypadków odstających

Współczynnik korelacji rang Spearmana stosuje się w przypadku:

Badania zależności więcej niż dwóch zmiennych ciągłych

Zmiennych o jednorodnych wariancjach

Zależności krzywoliniowych

Zmiennych ciągłych o rozkładzie normalnym

Zależności krzywoliniowych

Współczynnik korelacji rang Spearmana stosuje się w przypadku:

Badania zależności więcej niż dwóch zmiennych ciągłych

Zależności nieliniowych

Zmiennych o jednorodnych wariancjach

Zmiennych ciągłych o rozkładzie normalnym

Zależności nieliniowych

Współczynnik korelacji rang Spearmana stosuje się w przypadku:

Badania zależności więcej niż dwóch zmiennych ciągłych

Badania korelacji pomiędzy zmiennymi jakościowymi

Zmiennych o jednorodnych wariancjach

Zmiennych ciągłych o rozkładzie normalnym

Badania korelacji pomiędzy zmiennymi jakościowymi

Całkowita zmienność zmiennej niezależnej Y obliczana jest na podstawie:

Sumy kwadratów różnic pomiędzy wartościami wyznaczonymi z równania oraz poszczególnymi wartościami Y

Sumy kwadratów różnic pomiędzy wartościami średnimi i modelowymi

Sumy kwadratów różnic pomiędzy poszczególnymi wartościami Y a wartościami średnimi

Sumy kwadratów różnic pomiędzy poszczególnymi wartościami Y a wartościami modelowymi

Sumy kwadratów różnic pomiędzy poszczególnymi wartościami Y a wartościami średnimi

Zmienność zmiennej niezależnej Y niewyjaśniona przez model obliczana jest na podstawie:

Sumy kwadratów wartości modelowych

Sumy kwadratów różnic pomiędzy wartościami średnimi i modelowymi

Sumy kwadratów różnic poszczególnych wartości Y od wartości średnich

Sumy kwadratów różnic pomiędzy obserwowanymi wartościami Y a wartościami modelowymi

Zmienność zmiennej niezależnej Y wyjaśniona przez model jest obliczana na podstawie:

Sumy kwadratów różnic pomiędzy wartościami średnimi i modelowymi

Sumy kwadratów różnic poszczególnych wartości Y od wartości średnich

Sumy kwadratów różnic pomiędzy wartościami wyznaczonymi z równania oraz poszczególnymi wartościami Y

Sumy kwadratów różnic pomiędzy obserwowanymi wartościami Y a wartościami modelowymi

Sumy kwadratów różnic pomiędzy wartościami średnimi i modelowymi

Współczynnik determinacji informuje:

Jaka część zmienności została wyjaśniona przez model

Jaka część zmienności nie została wyjaśniona przez model

Czy obserwowana korelacja jest dodatnia czy ujemna

Czy zmienne objaśniające są ze sobą skorelowane

Jaka część zmienności została wyjaśniona przez model

Pomiędzy zmiennością całkowitą (SST), wyjaśnioną przez modeli (SSR) i nie wyjaśnioną przez model (SSE) zachodzi relacja:

SSR=SST+SSE

SSE=SST+SSR

SST=SSR+SSE

SST=SSR-SSE

SST=SSR+SSE

Współczynnik determinacji oblicza się na podstawie:

Różnicy pomiędzy zmiennością całkowitą (SST) zmiennością wyjaśnioną przez model regresji (SSR)

Ilorazu zmienności wyjaśnionej przez model regresji (SSR) i zmienności całkowitej (SST)

Sumy zmienności wyjaśnionej przez model regresji (SSR) i zmienności niewyjaśnionej przez model regresji (SSE)

Ilorazu zmienności niewyjaśnionej przez model regresji (SSE) i zmienności całkowitej (SST)

Ilorazu zmienności wyjaśnionej przez model regresji (SSR) i zmienności całkowitej (SST)

Wartości resztowe modeli regresyjnych oblicza się:

Na podstawie różnicy pomiędzy obserwowanymi wartościami zmiennej zależnej Y a wartością średnią Y

Na podstawie różnicy wartości obserwowanych zmiennej zależnej Y i wartości tej zmiennej wyznaczonych przez model

Na podstawie sumy kwadratów różnic poszczególnych wartości Y od wartości średnich

Na podstawie sumy kwadratów różnic pomiędzy modelowymi wartościami zmiennej zależnej Y a wartością średnią Y

Na podstawie różnicy wartości obserwowanych zmiennej zależnej Y i wartości tej zmiennej wyznaczonych przez model

Heteroskedastyczność reszt modelu regresji polega na

Jednorodnym rozkładzie wartości resztowych względem wartości przewidywanych

Jednorodności wariancji resztowych w całym zakresie wartości przewidywanych

Symetryczności rozkładu wartości resztowych względem przewidywanych

Niejednorodnym rozkładzie wartości resztowych względem wartości przewidywanych

Homoskedastyczność reszt modelu regresji polega na

Asymetryczności rozkładu wartości resztowych względem przewidywanych

Braku rozkładu normalnego reszt

Niejednorodnym rozkładzie wartości resztowych względem wartości przewidywanych – niejednorodności wariancji

Jednorodnym rozkładzie wartości resztowych względem wartości przewidywanych - jednorodności

Przy testowaniu istotności modelu regresji testowana jest hipoteza zerowa zakładająca, że:

Zmienność wyjaśniona przez model (SSR) jest równa 0 (H0: SSR=0)

Zmienność wyjaśniona przez model (SSR) jest większa od 0 (H0: SSR>0)

Zmienność niewyjaśniona przez model (SSE) jest równa 0 (H0: SSE=0)

Zmienność niewyjaśniona przez model (SSE) jest większa od 0 (H0: SSE>0)

Zmienność wyjaśniona przez model (SSR) jest równa 0 (H0: SSR=0)

Pokaż kolejne pytania

Powiązane tematy

Inne tryby

Nauka Test Powtórzenie