Pytania i odpowiedzi (1 / 2)
MSP 3 dobosz
1.
Czy w przypadku drastycznego niespełnienia założenia homoscedastyyczności współczynnik R w kwadracie stanowi wiarygodny parametr oceny modelu regresji?
tak
2.
wartości próbkowej macierzy kowariancji współczynników regresji wykorzystywane są do testowania hipotezy dotyczącej:
istotności współczynników regresji
3.
Statystyka Durbin-Watsona jest proporcjonalna do sumy kwadratów różnic między:
kolejnymi błędami obserwacji
4.
czy współczynniki a i b modelu regresji y(x)=ax^b mozna wyznaczyć z udziałem regresji liniowej?
TAK
5.
Czy zależność postaci: y(x)=1/(exp(a+bx)) można reprezentować modelem regresji liniowej
mozna, jak najbardziej
6.
Statystyczną miarą istotności modelu regresji jest iloraz:
wariancji modelu do wariancji błędów,
7.
Czy punkt wpływowy może być punktem odstającym ?
TAK
8.
Ile statystyk testowych służy do oceny istotności współczynników regresji?
2
9.
Który z wymienionych parametrów nie służy do oceny adekwatności modelu
DW
10.
Wyznaczenie współczynników regresji wymaga spełnienia następujących założeń:
możliwość odwrócenia macierzy informacyjnej (xTx).
11.
Przedział predykcji jest to przedział ufności dla
przewidywanej obserwacji
12.
Statystycznie wykorzystywaną miarą istotności modelu regresji jest stosunek (podaj korzystając z parametrów: MSE , SSE , MSM , SSM , MST , SST: param1 / param2
MSM / MSE
13.
Przedział ufności dla regresji jest najmniejszy w punkcie
x=x(.)
14.
Współczynnik R2 informuje:
jaki udział w całkowitej zmienności wyników ma zmienność wywołana regresją.
15.
Reszta standaryzowana wykorzystywana jest do wyznaczania:
punktów odstających
16.
Przedział predykcji jest to przedział ufności dla
przewidywanej obserwacji y
17.
Wyznaczenie współczynników regresji wymaga spełnienia następujących założeń:
możliwość odwrócenia macierzy informacyjnej (xTx).
18.
Wyznaczenie współczynników regresji wymaga spełnienia następujących założeń:
możliwość odwrócenia macierzy obserwacji.