Ucz się szybciej
Testy Fiszki Notatki
Zaloguj  

Twój wynik: Wanat Prezentacje

Analiza

Rozwiąż ponownie
Moja historia
Powtórka: Wybierz pytania
Wszystkie ({{dataStorage.userResults.answersTotal}})
Prawidłowe ({{dataStorage.userResults.answersGood}}) Do powtórki ({{dataStorage.userResults.answersRepeat}}) Błędne ({{dataStorage.userResults.answersBad}})
Pytanie 1
Co charakteryzuje model logitowy (regresję logistyczną) w kontekście uogólnionych modeli liniowych (GLMs)?
Zmienna objaśniana ma rozkład jednostajny.
Zmienna objaśniana ma rozkład dwumianowy.
Zmienna objaśniana ma rozkład Bernoulliego.
Zmienna objaśniana ma rozkład normalny.
Pytanie 2
Czym jest model nasycony (saturated model) 𝑆 w kontekście uogólnionych modeli liniowych (GLMs)?
Modelem, który jest niedopasowany do danych.
Modelem, który ma liczność parametrów równą liczbie obserwacji.
Modelem, który jest idealnie dopasowany do danych, gdzie funkcja logarytmu wiarygodności osiąga maksymalną wartość.
Modelem, który nie uwzględnia żadnych zmiennych objaśniających
Pytanie 3
Czym jest model zerowy (null model) 𝑀0 w kontekście uogólnionych modeli liniowych (GLMs)?
Modelem, który nie uwzględnia żadnych zmiennych ani wyrazu wolnego.
Modelem, w którym nie uwzględnia się zmiennych objaśniających, a jedynie estymuje się wyraz wolny.
Modelem, który nie uwzględnia zmiennej zależnej.
Modelem, w którym uwzględnia się wszystkie zmienne objaśniające.
Pytanie 4
Jaką naturę może mieć zmienna zależna w uogólnionym modelu liniowym?
ciągła
Dyskretna
Dyskretna, ciągła lub mieszana.
mieszana
Pytanie 5
Na jakich trzech elementach konstrukcyjnych opierają się uogólnione modele liniowe?
Komponent losowy, komponent systematyczny, funkcja wiążąca
Komponent deterministyczny, komponent stochastyczny, funkcja transformacji.
Komponent liniowy, komponent nieliniowy, funkcja regresji
Komponent zmienny, komponent losowy, funkcja predykcyjna.
Pytanie 6
Które założenia odnoszące się do próby i zmiennych w Uogólnionych Modelach Liniowych (GLMs) są poprawne?
Obserwacje w próbie powinny być statystycznie niezależne.
Zmienna zależna zawiera obserwacje niezależne od siebie i pochodzące z takiego samego rozkładu prawdopodobieństwa
Analizowana próba powinna być losowa
Analizowana próba powinna być dobrze zdefiniowana.
Pytanie 7
Czy wariancja zmiennej zależnej w modelach uogólnionych liniowych (GLMs) może być funkcją jej średniej?
Tak, wariancja może być funkcją jej średniej.
Tylko w przypadku modeli regresji logistycznej.
Tylko w przypadku modeli regresji liniowej.
Nie, wariancja zawsze musi być stała.
Pytanie 8
Jak można połączyć zmienną objaśnianą z liniową kombinacją zmiennych objaśniających w modelach uogólnionych liniowych (GLMs)?
Za pomocą funkcji nieliniowych (funkcji wiążących).
Za pomocą funkcji stałych.
Za pomocą funkcji liniowych.
Za pomocą funkcji kwadratowych.
Pytanie 9
Zmienna objaśniana może mieć rozkład należący do wykładniczej rodziny rozkładów
. normalny,
gamma, Poissona
Tweedie
dwumianowy,
Pytanie 10
Jakie modele są rozszerzeniem zwykłych modeli regresji?
Decision trees.
Generalized linear models (GLMs).
Support vector machines.
K-means clustering.
Pytanie 11
Jakie są kryteria oceny modelu w kontekście liniowego modelu regresji?
Mierniki dokładności prognoz ex post, AIC, współczynnik determinacji i skorygowany współczynnik determinacji.
Mierniki dokładności prognoz ex ante, BIC, współczynnik determinacji i skorygowany współczynnik determinacji.
Mierniki dokładności prognoz ex post, AIC, Kryterium Schwartza BIC i współczynnik determinacji.
Mierniki dokładności prognoz ex post, AIC, Kryterium Schwartza BIC, współczynnik determinacji i skorygowany współczynnik determinacji.
Pytanie 12
Dlaczego dokonuje się wyboru optymalnego modelu w kontekście liniowego modelu regresji?
Wszystkie powyższe.
W celu uzyskania najlepszych prognoz.
W celu uzyskania najlepszego opisu zależności między zmienną zależną a zmiennymi objaśniającymi.
W celu poprawy procesu estymacji parametrów.
Pytanie 13
Co zrobić w przypadku złego dopasowania w liniowym modelu regresji?
Przekształcić zmienną objaśnianą za pomocą transformacji logarytmicznej lub innej z rodziny Boxa-Coxa.
Dodatkowo przekształcić zmienną objaśniającą za pomocą transformacji logarytmicznej lub innej z rodziny Boxa-Coxa.
Przeprowadzić analizę czynnikową w celu redukcji liczby zmiennych objaśniających.
Przekształcić zmienną niezależną za pomocą transformacji logarytmicznej lub innej z rodziny Boxa-Coxa.
Pytanie 14
Jaki jest cel testu Breuscha-Godfreya w kontekście liniowego modelu regresji?
Testuje normalność reszt.
Testuje liniowość modelu.
Testuje jednorodność wariancji.
Testuje istotność współczynników autokorelacji.
Pytanie 15
Jakie testy diagnostyczne można stosować do sprawdzenia liniowości modelu w kontekście liniowego modelu regresji?
Testy Harveya-Colliera, Rainbow i Ramseya RESET.
Testy homoskedastyczności, autokorelacji i heteroskedastycznośc
Testy Durbina-Watsona, Breuscha-Godfreya i Breuscha-Pagana.
Testy normalności reszt, jednorodności wariancji i niezależności reszt.
Pytanie 16
Jakie warunki powinny spełniać reszty w poprawnie oszacowanym liniowym modelu regresji?
Mieć rozkład jednostajny, być niezależne i zależne od siebie.
Być skoncentrowane wokół średniej, mieć rozkład jednorodny i być zależne.
Mieć rozkład normalny, być jednorodne i niezależne.
Nie mieć rozkładu określonego, być zależne i niezależne.
Pytanie 17
Jakie są dwie możliwe metody estymacji w liniowym modelu regresji?
Metoda maksymalnej precyzji (MMP) i metoda minimalnej wariancji (MMW).
Metoda bezwzględna (MB) i metoda względna (MW).
Metoda średniej arytmetycznej (MSA) i metoda mediany (MM).
Metoda najmniejszych kwadratów (MNK) i metoda największej wiarygodności (ML).
Pytanie 18
Jakie są dwa rodzaje mierników dokładności prognoz?
Mierniki dokładności ex ante i mierniki dokładności ex post.
Mierniki dokładności przyszłych i mierniki dokładności obecnych.
Mierniki dokładności retrospektywnych i mierniki dokładności
Mierniki dokładności a priori i mierniki dokładności a posteriori.
Pytanie 19
Na podstawie podanego tekstu, jakie umiejętności są istotne w modelowaniu predykcyjnym?
Tylko matematyka i statystyka
Tylko informatyka.
Wiedza dziedzinowa na temat aktualnego problemu biznesowego oraz krytyczne myślenie.
Matematyka, statystyka i informatyka.
Pytanie 20
Dlaczego dobre umiejętności komunikacyjne są istotne w prezentacji uzyskanych wyników modelowania predykcyjnego?
Ponieważ modele predykcyjne są zawsze skomplikowane i wymagają szczegółowych wyjaśnień.
Ponieważ interesariusze muszą zrozumieć modele predykcyjne, aby zaufać im i właściwie je wykorzystać.
Ponieważ modele predykcyjne nie mają żadnych ograniczeń, więc ważne jest wyjaśnienie wszystkich aspektów.
Ponieważ modele predykcyjne są łatwe do zrozumienia, dlatego ważne jest przekazanie jak największej ilości szczegółów.
Pytanie 21
Na podstawie podanego tekstu, które z poniższych stwierdzeń dotyczy podstawowych zagadnień modelowania predykcyjnego?
Przechowywanie w chmurze i przetwarzanie w chmurze.
Nowa technologia do przechowywania i zarządzania danymi.
Zmniejszenie kosztów przechowywania danych.
Wszystkie powyższe.
Pytanie 22
Na podstawie podanego tekstu, jak długo biznes używa podstawowych technik modelowania predykcyjnego, takich jak regresja logistyczna?
Od ostatnich kilku lat.
Od kilku dziesięcioleci.
Od lat, ale nie dziesięcioleci.
Od niedawna, zaledwie kilka lat temu.
Pytanie 23
Czym jest modelowanie predykcyjne (analityka predykcyjna)?
Wyłącznie wykorzystaniem informacji przyszłych do podejmowania decyzji.
Analizą zbiorów danych w celu zidentyfikowania istotnych relacji i lepszego przewidywania wyników.
Przewidywaniem wyników bez oparcia na danych historycznych.
Analizą zbiorów danych w celu zrozumienia przeszłych relacji.
Pytanie 24
Co jest celem modeli regresji w przypadku problemu regresji?
Przewidywanie wyniku zmiennej ilościowej.
Generowanie nowych danych.
Przewidywanie wyniku zmiennej jakościowej (kategorii).
Redukcja wymiaru danych.
Pytanie 25
Co jest celem modeli klasyfikacji w przypadku problemu klasyfikacji?
Przewidywanie wyniku zmiennej jakościowej (kategorii).
Przewidywanie wyniku zmiennej ilościowej.
Redukcja wymiaru danych.
Generowanie nowych danych.
Pytanie 26
W ramach uczenia nadzorowanego można wyróżnić dwa podstawowe podzbiory modeli:
Modele hierarchiczne i modele niehierarchiczne grupowania.
Modele klasyfikacji i modele regresji.
Modele analizy skupień i modele redukcji wymiaru.
Modele klastrowania i modele analizy czynnikowej.
Pytanie 27
Co charakteryzuje uczenie z nadzorem w kontekście predykcji?
Analityk nie korzysta z danych, ale analizuje wyłącznie zmienne objaśniające.
Analityk nie korzysta z żadnych danych, a jedynie przewiduje wyniki na podstawie doświadczenia.
Analityk korzysta z danych, w których znane są wartości zmiennych objaśniających.
Analityk korzysta z danych, w których znane są wartości zmiennej odpowiedzi (zależnej).
Pytanie 28
Jaki jest celem modeli redukcji wymiaru?
Zmniejszenie liczby rozważanych zmiennych
Pogrupowanie danych w podobne kategorie lub skupienia.
Generowanie nowych danych.
Przewidywanie wyników.
Pytanie 29
Co jest celem modeli analizy skupień?
Generowanie nowych danych.
Pogrupowanie danych w podobne kategorie lub skupienia.
Redukcja wymiaru danych.
Przewidywanie wyników.
Pytanie 30
W ramach uczenia nienadzorowanego istnieją dwa podstawowe podzbiory modeli:
Modele drzew decyzyjnych i modele sieci neuronowych.
Modele analizy skupień i modele redukcji wymiaru.
Modele predykcyjne i modele oparte na regułach.
Modele regresji i modele klasyfikacji.
Pytanie 31
Do metody predekcji w której analityk nie próbuje przewidzieć określonego wyniku ale raczej stara się odkryć ukrytą strukturę lub atrybut danych należy
predykcja
wszystkie z wymienionych
eksploracja
dedukcja
Pytanie 32
Metodą uczenia z nadzorem służy
dedukcja
wszystkie z wymienionych
predykcja
eksploracja
Pytanie 33
Metodą uczenia bez nadzoru służy
dedukcja
wszystkie z wymienionych
eksploracja
predykcja
Pytanie 34
𝑴𝑺𝑺 to
𝑐𝑎ł𝑘𝑜𝑤𝑖𝑡𝑎 𝑧𝑚𝑖𝑒𝑛𝑛𝑜ść
𝑧𝑚𝑖𝑒𝑛𝑛𝑜ść 𝑛𝑖𝑒 𝑤𝑦𝑗𝑎ś𝑛𝑖𝑛𝑎 𝑝𝑟𝑧𝑒𝑧 𝑚𝑜𝑑𝑒l
𝑧𝑚𝑖𝑒𝑛𝑛𝑜ść 𝑤𝑦𝑗𝑎ś𝑛𝑖𝑛𝑎 𝑝𝑟𝑧𝑒𝑧 𝑚𝑜𝑑𝑒l
Pytanie 35
R𝑺𝑺 𝑠𝑢𝑚𝑎 𝑘𝑤𝑎𝑑𝑟𝑎𝑡ó𝑤 𝑟𝑒𝑠𝑧𝑠�
𝑧𝑚𝑖𝑒𝑛𝑛𝑜ść 𝑛𝑖𝑒 𝑤𝑦𝑗𝑎ś𝑛𝑖𝑛𝑎 𝑝𝑟𝑧𝑒𝑧 𝑚𝑜𝑑𝑒l
𝑐𝑎ł𝑘𝑜𝑤𝑖𝑡𝑎 𝑧𝑚𝑖𝑒𝑛𝑛𝑜ść
𝑧𝑚𝑖𝑒𝑛𝑛𝑜ść 𝑤𝑦𝑗𝑎ś𝑛𝑖𝑛𝑎 𝑝𝑟𝑧𝑒𝑧 𝑚𝑜𝑑𝑒l
Pytanie 36
TSS 𝑐𝑎ł𝑘𝑜𝑤𝑖𝑡𝑎 𝑠𝑢𝑚𝑎 𝑘𝑤𝑎𝑑𝑟𝑎𝑡ó to
𝑧𝑚𝑖𝑒𝑛𝑛𝑜ść 𝑛𝑖𝑒 𝑤𝑦𝑗𝑎ś𝑛𝑖𝑛𝑎 𝑝𝑟𝑧𝑒𝑧 𝑚𝑜𝑑𝑒l
(𝑧𝑚𝑖𝑒𝑛𝑛𝑜ść 𝑤𝑦𝑗𝑎ś𝑛𝑖𝑛𝑎 𝑝𝑟𝑧𝑒𝑧 𝑚𝑜𝑑𝑒l
𝑐𝑎ł𝑘𝑜𝑤𝑖𝑡𝑎 𝑧𝑚𝑖𝑒𝑛𝑛𝑜ść