Twój wynik: Wanat Prezentacje
Twój wynik
Wszystkie ({{dataStorage.userResults.answersTotal}})
Prawidłowe ({{dataStorage.userResults.answersGood}})
Błędne ({{dataStorage.userResults.answersBad}})
Pytanie 1
Co charakteryzuje model logitowy (regresję logistyczną) w kontekście uogólnionych modeli liniowych (GLMs)?
Zmienna objaśniana ma rozkład normalny.
Zmienna objaśniana ma rozkład dwumianowy.
Zmienna objaśniana ma rozkład Bernoulliego.
Zmienna objaśniana ma rozkład jednostajny.
Pytanie 2
Czym jest model nasycony (saturated model) 𝑆 w kontekście uogólnionych modeli liniowych (GLMs)?
Modelem, który ma liczność parametrów równą liczbie obserwacji.
Modelem, który jest idealnie dopasowany do danych, gdzie funkcja logarytmu wiarygodności osiąga maksymalną wartość.
Modelem, który jest niedopasowany do danych.
Modelem, który nie uwzględnia żadnych zmiennych objaśniających
Pytanie 3
Czym jest model zerowy (null model) 𝑀0 w kontekście uogólnionych modeli liniowych (GLMs)?
Modelem, w którym uwzględnia się wszystkie zmienne objaśniające.
Modelem, w którym nie uwzględnia się zmiennych objaśniających, a jedynie estymuje się wyraz wolny.
Modelem, który nie uwzględnia zmiennej zależnej.
Modelem, który nie uwzględnia żadnych zmiennych ani wyrazu wolnego.
Pytanie 4
Jaką naturę może mieć zmienna zależna w uogólnionym modelu liniowym?
mieszana
ciągła
Dyskretna, ciągła lub mieszana.
Dyskretna
Pytanie 5
Na jakich trzech elementach konstrukcyjnych opierają się uogólnione modele liniowe?
Komponent deterministyczny, komponent stochastyczny, funkcja transformacji.
Komponent liniowy, komponent nieliniowy, funkcja regresji
Komponent zmienny, komponent losowy, funkcja predykcyjna.
Komponent losowy, komponent systematyczny, funkcja wiążąca
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 liniowych.
Za pomocą funkcji stałych.
Za pomocą funkcji kwadratowych.
Za pomocą funkcji nieliniowych (funkcji wiążących).
Pytanie 9
Zmienna objaśniana może mieć rozkład należący do
wykładniczej rodziny rozkładów
dwumianowy,
. normalny,
Tweedie
gamma, Poissona
Pytanie 10
Jakie modele są rozszerzeniem zwykłych modeli regresji?
Decision trees.
Support vector machines.
K-means clustering.
Generalized linear models (GLMs).
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 post, AIC, Kryterium Schwartza BIC i współczynnik determinacji.
Mierniki dokładności prognoz ex post, AIC, Kryterium Schwartza BIC, współczynnik determinacji i skorygowany współczynnik determinacji.
Mierniki dokładności prognoz ex ante, BIC, współczynnik determinacji i skorygowany współczynnik determinacji.
Pytanie 12
Dlaczego dokonuje się wyboru optymalnego modelu w kontekście liniowego modelu regresji?
W celu uzyskania najlepszego opisu zależności między zmienną zależną a zmiennymi objaśniającymi.
W celu uzyskania najlepszych prognoz.
Wszystkie powyższe.
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.
Przeprowadzić analizę czynnikową w celu redukcji liczby zmiennych objaśniających.
Przekształcić zmienną niezależną za pomocą transformacji logarytmicznej lub innej z rodziny Boxa-Coxa.
Dodatkowo przekształcić zmienną objaśniającą za pomocą transformacji logarytmicznej lub innej z rodziny Boxa-Coxa.
Pytanie 14
Jaki jest cel testu Breuscha-Godfreya w kontekście liniowego modelu regresji?
Testuje liniowość modelu.
Testuje istotność współczynników autokorelacji.
Testuje normalność reszt.
Testuje jednorodność wariancji.
Pytanie 15
Jakie testy diagnostyczne można stosować do sprawdzenia liniowości modelu w kontekście liniowego modelu regresji?
Testy homoskedastyczności, autokorelacji i heteroskedastycznośc
Testy normalności reszt, jednorodności wariancji i niezależności reszt.
Testy Harveya-Colliera, Rainbow i Ramseya RESET.
Testy Durbina-Watsona, Breuscha-Godfreya i Breuscha-Pagana.
Pytanie 16
Jakie warunki powinny spełniać reszty w poprawnie oszacowanym liniowym modelu regresji?
Być skoncentrowane wokół średniej, mieć rozkład jednorodny i być zależne.
Mieć rozkład normalny, być jednorodne i niezależne.
Mieć rozkład jednostajny, być niezależne i zależne od siebie.
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 najmniejszych kwadratów (MNK) i metoda największej wiarygodności (ML).
Metoda bezwzględna (MB) i metoda względna (MW).
Metoda średniej arytmetycznej (MSA) i metoda mediany (MM).
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
Wiedza dziedzinowa na temat aktualnego problemu biznesowego oraz krytyczne myślenie.
Tylko informatyka.
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.
Zmniejszenie kosztów przechowywania danych.
Wszystkie powyższe.
Nowa technologia do przechowywania i zarządzania danymi.
Pytanie 22
Na podstawie podanego tekstu, jak długo biznes używa podstawowych technik modelowania predykcyjnego, takich jak regresja logistyczna?
Od lat, ale nie dziesięcioleci.
Od ostatnich kilku lat.
Od kilku dziesięcioleci.
Od niedawna, zaledwie kilka lat temu.
Pytanie 23
Czym jest modelowanie predykcyjne (analityka predykcyjna)?
Analizą zbiorów danych w celu zidentyfikowania istotnych relacji i lepszego przewidywania wyników.
Wyłącznie wykorzystaniem informacji przyszłych do podejmowania decyzji.
Analizą zbiorów danych w celu zrozumienia przeszłych relacji.
Przewidywaniem wyników bez oparcia na danych historycznych.
Pytanie 24
Co jest celem modeli regresji w przypadku problemu regresji?
Przewidywanie wyniku zmiennej ilościowej.
Przewidywanie wyniku zmiennej jakościowej (kategorii).
Generowanie nowych danych.
Redukcja wymiaru danych.
Pytanie 25
Co jest celem modeli klasyfikacji w przypadku problemu klasyfikacji?
Redukcja wymiaru danych.
Generowanie nowych danych.
Przewidywanie wyniku zmiennej ilościowej.
Przewidywanie wyniku zmiennej jakościowej (kategorii).
Pytanie 26
W ramach uczenia nadzorowanego można wyróżnić dwa
podstawowe podzbiory modeli:
Modele analizy skupień i modele redukcji wymiaru.
Modele klastrowania i modele analizy czynnikowej.
Modele hierarchiczne i modele niehierarchiczne grupowania.
Modele klasyfikacji i modele regresji.
Pytanie 27
Co charakteryzuje uczenie z nadzorem w kontekście predykcji?
Analityk korzysta z danych, w których znane są wartości zmiennej odpowiedzi (zależnej).
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 nie korzysta z danych, ale analizuje wyłącznie zmienne objaśniające.
Pytanie 28
Jaki jest celem modeli redukcji wymiaru?
Pogrupowanie danych w podobne kategorie lub skupienia.
Generowanie nowych danych.
Przewidywanie wyników.
Zmniejszenie liczby rozważanych zmiennych
Pytanie 29
Co jest celem modeli analizy skupień?
Przewidywanie wyników.
Generowanie nowych danych.
Redukcja wymiaru danych.
Pogrupowanie danych w podobne kategorie lub skupienia.
Pytanie 30
W ramach uczenia nienadzorowanego istnieją dwa
podstawowe podzbiory modeli:
Modele analizy skupień i modele redukcji wymiaru.
Modele regresji i modele klasyfikacji.
Modele drzew decyzyjnych i modele sieci neuronowych.
Modele predykcyjne i modele oparte na regułach.
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
wszystkie z wymienionych
dedukcja
eksploracja
predykcja
Pytanie 33
Metodą uczenia bez nadzoru służy
dedukcja
wszystkie z wymienionych
predykcja
eksploracja
Pytanie 34
𝑴𝑺𝑺 to
𝑧𝑚𝑖𝑒𝑛𝑛𝑜ść 𝑤𝑦𝑗𝑎ś𝑛𝑖𝑛𝑎 𝑝𝑟𝑧𝑒𝑧 𝑚𝑜𝑑𝑒l
𝑧𝑚𝑖𝑒𝑛𝑛𝑜ść 𝑛𝑖𝑒 𝑤𝑦𝑗𝑎ś𝑛𝑖𝑛𝑎 𝑝𝑟𝑧𝑒𝑧 𝑚𝑜𝑑𝑒l
𝑐𝑎ł𝑘𝑜𝑤𝑖𝑡𝑎 𝑧𝑚𝑖𝑒𝑛𝑛𝑜ść
Pytanie 35
R𝑺𝑺
𝑠𝑢𝑚𝑎 𝑘𝑤𝑎𝑑𝑟𝑎𝑡ó𝑤
𝑟𝑒𝑠𝑧𝑠�
𝑐𝑎ł𝑘𝑜𝑤𝑖𝑡𝑎 𝑧𝑚𝑖𝑒𝑛𝑛𝑜ść
𝑧𝑚𝑖𝑒𝑛𝑛𝑜ść 𝑤𝑦𝑗𝑎ś𝑛𝑖𝑛𝑎 𝑝𝑟𝑧𝑒𝑧 𝑚𝑜𝑑𝑒l
𝑧𝑚𝑖𝑒𝑛𝑛𝑜ść 𝑛𝑖𝑒 𝑤𝑦𝑗𝑎ś𝑛𝑖𝑛𝑎 𝑝𝑟𝑧𝑒𝑧 𝑚𝑜𝑑𝑒l
Pytanie 36
TSS 𝑐𝑎ł𝑘𝑜𝑤𝑖𝑡𝑎
𝑠𝑢𝑚𝑎 𝑘𝑤𝑎𝑑𝑟𝑎𝑡ó to
𝑐𝑎ł𝑘𝑜𝑤𝑖𝑡𝑎 𝑧𝑚𝑖𝑒𝑛𝑛𝑜ść
𝑧𝑚𝑖𝑒𝑛𝑛𝑜ść 𝑛𝑖𝑒 𝑤𝑦𝑗𝑎ś𝑛𝑖𝑛𝑎 𝑝𝑟𝑧𝑒𝑧 𝑚𝑜𝑑𝑒l
(𝑧𝑚𝑖𝑒𝑛𝑛𝑜ść 𝑤𝑦𝑗𝑎ś𝑛𝑖𝑛𝑎 𝑝𝑟𝑧𝑒𝑧 𝑚𝑜𝑑𝑒l