Twój wynik: Wanat Egzaminy I
Twój wynik
Wszystkie ({{dataStorage.userResults.answersTotal}})
Prawidłowe ({{dataStorage.userResults.answersGood}})
Błędne ({{dataStorage.userResults.answersBad}})
Pytanie 1
. Statystyka 𝐶𝑝 Mallowsa wykorzystywana jest:
w celu wyboru modelu o dobrych własnościach predykcyjnych
w celu określania obserwacji wpływowych
w celu badania istotności obserwacji wpływowych
Pytanie 2
W modelu regresji liniowej
reszty muszą mieć rozkład normalny o średniej zero i takiej samej wariancji
wszystkie zmienne objaśniające muszą być ilościowe
zmienna zależna musi mieć rozkład normalny
Pytanie 3
Wartość odchylenia rzeczywistych realizacji zmiennej prognozowanej od prognoz jest to:
ocena ex ante błędu prognoz
miernik dopasowania modelu do danych rzeczywistych
miernik ex post błędu prognoz
Pytanie 4
Narzędzia wykrycia zależności pomiędzy
interesującą nas zmienną objaśnianą (kilkoma zmiennymi
objaśnianymi) opisującą badane obiekty (jednostki) a
zbiorem innych zmiennych objaśniających (niezależnych,
predyktorów) też opisujących te obiekty
uczenie bez nadzoru
uczenie z nadzorem
modelowanie predykcyjne
Pytanie 5
. Odkrywania nietrywialnych zależności, schematów, wzorców, reguł w zbiorach danych to
uczenie z nadzorem
uczenie bez nadzoru
modelowanie predykcyjne
Pytanie 6
Zapoznanie się z istniejącą teorią dotyczącą modelowanego zjawisk oraz z poświęconymi mu dotychczasowymi badaniami to czynności realizowane
na następującym etapie budowy modelu predykcyjnego:
sformułowanie zadania prognostycznego
określenie kontekstu modelowania
analityczne przygotowanie danych
Pytanie 7
Reszty w poprawnie oszacowanego modelu liniowego
powinny:
mieć rozkład normalny być jednorodne i niezależne.
i niezależne.
mieć rozkład normalny
Pytanie 8
Uogólnione modele liniowe (ang. generalized linear models
– GLMs) są rozszerzeniem zwykłych modeli regresji
Zmienna objaśniana może być połączona z liniową kombinacją zmiennych objaśniających za pomocą funkcji nieliniowych (funkcji wiążących).
Wariancja zmiennej zależnej może być funkcją jej średniej (nie musi być stała).
Zmienna objaśniana może mieć rozkład należący do wykładniczej rodziny rozkładów (np. normalny, gamma, Poissona, dwumianowy, Tweedie)
Pytanie 9
⦁ Krzywą ROC można wykorzystać:
do ustalenia optymalnego punkt odcięcia
do oceny współliniowości zmiennych objaśniających
do ceny i porównywania między sobą modeli klasyfikacyjnych
Pytanie 10
⦁ W uogólnionym modelu liniowym (GLM) funkcja wiążąca łączy:
predyktor liniowy z wektorem parametrów modelu , ,...,
predyktor liniowy z kombinacją liniową średnich zmiennych niezależnych
predyktor liniowy z średnią zmiennej zależne
Pytanie 11
⦁ Dodanie do uogólnionego modelu liniowego (GLM) kolejnej zmiennej zależnej (regresora) skutkuje:
zwiększeniem dewiancji
zmniejszeniem dewiancji
zmniejszeniem lub zwiększeniem dewiancji (w zależności od tego, czy dodajemy zmienną jakościową, czy ilościową
Pytanie 12
⦁ Istotność parametrów modelu liniowego (każdego z osobna) sprawdzamy testem:
Studenta
Breuscha-Pagana
Durbina-Watsona
Pytanie 13
⦁ Sumę kwadratów reszt (RSS) nazywamy:
całkowitą zmiennością
zmiennością wyjaśnioną przez model
zmiennością niewyjaśnioną przez model
Pytanie 14
⦁ Element diagonalny macierzy daszkowej nazywamy:
standaryzowaną resztą modelu
miarą Cooka
wskaźnikiem wpływu (dźwignią
Pytanie 15
⦁ Średni błąd predykcji ex post (root mean square error, RMSE):
wskazuje, o ile przeciętnie wzrasta wartość zmiennej prognozowanej w porównaniu z "ostatnią" wartością rzeczywistą
mierzy, w jakim stopniu model wyjaśnia zmiany zmiennej prognozowanej w czasie
mierzy, o ile średnio odchylają się rzeczywiste realizacje zmiennej prognozowanej od obliczonych prognoz
Pytanie 16
⦁ Wartość odchylenia rzeczywistych realizacji zmiennej prognozowanej od obliczonych prognoz jest to:
miernik ex post błędu prognoz
ocena ex ante błędu prognoz
miernik dopasowania modelu do danych rzeczywistych
Pytanie 17
⦁ Określenie wymagania co do dopuszczalności i horyzontu prognozy zaliczamy do następującego etapu budowy modelu predykcyjnego:
sformułowania zadania prognostycznego
analitycznego przygotowania danych
określenia kontekstu modelowania
Pytanie 18
⦁ Uogólniony model liniowy o liczbie parametrów równej liczbie obserwacji nazywamy:
modelem Poissona
modelem nasyconym
modelem zerowym
Pytanie 19
k-krotna walidacja krzyżowa służy do:
określenia jakości modelu w trakcie jego uczenia
badania normalności reszt modelu
wyboru zmiennych objaśniających
Pytanie 20
Iloraz prawdopodobieństwa wystąpienia zdarzenia do prawdopodobieństwa jego niewystąpienia nazywamy
logitem
szansą wystąpienia A ()
modelem logitowym
Pytanie 21
⦁ Do elementów konstrukcyjnych uogólnionego modelu liniowego zaliczamy:
funkcję wiążącą
liniowy predyktor
wykładniczą rodzinę rozkładów
Pytanie 22
⦁ Modelem logitowym (regresją logistyczną) nazywamy uogólniony model liniowy (GLM), w którym zmienna objaśniana ma rozkład:
normalny
Poissona
Bernoulliego
Pytanie 23
⦁ Do mierników pomocnych w wyborze zmiennych objaśniających (predyktorów) zaliczamy:
wskaźnik wpływu
moc informacyjną zmiennej IV
wskaźnik WoE
Pytanie 24
Jednorodność wariancji modelu liniowego sprawdzamy testem:
Studenta
Breuscha-Pagana
Durbina-Watsona
Pytanie 25
Sumę kwadratów reszt (RSS) nazywamy:
całkowitą zmiennością
zmiennością niewyjaśnioną przez model
zmiennością wyjaśnioną przez model
Pytanie 26
Średni błąd predykcji ex post (root mean square error, RMSE):
mierzy, w jakim stopniu model wyjaśnia zmiany zmiennej prognozowanej w czasie
wskazuje, o ile przeciętnie wzrasta wartość zmiennej prognozowanej w porównaniu z "ostatnią" wartością rzeczywistą
mierzy, o ile średnio odchylają się rzeczywiste realizacje zmiennej prognozowanej od obliczonych prognoz
Pytanie 27
Określenie wymagania co do dopuszczalności i horyzontu prognozy zaliczamy do następującego etapu budowy modelu predykcyjnego:
sformułowania zadania prognostycznego
analitycznego przygotowania danych
określenia kontekstu modelowania
Pytanie 28
Modelem logitowym (regresją logistyczną) nazywamy uogólniony model liniowy (GLM), w którym zmienna objaśniana ma rozkład:
normalny
Poissona
Bernoulliego
Pytanie 29
W ubezpieczeniach uogólnione modele liniowe można wykorzystać w modelowaniu:
w taryfikacji
wysokości pojedynczej szkody
liczby szkód
Pytanie 30
k-krotna walidacja krzyżowa służy do:
wyboru zmiennych objaśniających
określenia jakości modelu w trakcie jego uczenia
badania normalności reszt modelu
Pytanie 31
Krzywą ROC można wykorzystać:
do ustalenia optymalnego punkt odcięcia
do oceny współliniowości zmiennych objaśniających
o ceny i porównywania między sobą modeli klasyfikacyjnych
Pytanie 32
Logarytm stosunku prawdopodobieństwa wystąpienia zdarzenia do prawdopodobieństwa jego niewystąpienia.
szansą wystąpienia A ()
logit
modelem logitowym
Pytanie 33
Iloraz prawdopodobieństwa wystąpienia zdarzenia do prawdopodobieństwa jego niewystąpienia nazywamy
modelem logitowym
logitem
szansą wystąpienia A ()
Pytanie 34
Wskaźnik ten określa siłę związku między zmienną niezależną a zmienną zależną poprzez obliczenie logarytmu stosunku prawdopodobieństw (iloraz szans) dla każdej kategorii zmiennej niezależnej w odniesieniu do bazowej kategorii.
Wskaznik WoE
moc informacyjną zmiennej IV
wskaźnik wpływu
Pytanie 35
Za pomocą tego miernika można dokonać rankingu zmiennych
objaśniających.
moc informacyjną zmiennej IV
wskaźnik wpływu
Wskaznik WoE
Pytanie 36
Uogólniony model liniowy o liczbie parametrów równej liczbie obserwacji nazywamy:
modelem zerowym
modelem Poissona
modelem nasyconym
Pytanie 37
Element diagonalny macierzy daszkowej nazywamy:
standaryzowaną resztą modelu
wskaźnikiem wpływu (dźwignią)
miarą Cooka
Pytanie 38
Przykładowe testy normalności:
Shapiro-Wilka
Jarque–Bera
Breuscha-Godfreya
Pytanie 39
Niezależności reszt modelu liniowego sprawdzamy testem:
Harrisona-McCabe
Breuscha-Godfreya
Durbina-Watsona
Pytanie 40
Jednorodność wariancji modelu liniowego sprawdzamy testem:
Harrisona-McCabe
Breuscha-Pagana
Goldfelda-Quandta
studenta
Pytanie 41
Sumę kwadratów reszt (RSS) nazywamy:
całkowitą zmiennością
zmiennością wyjaśnioną przez model
zmiennością niewyjaśnioną przez model
Pytanie 42
Średni błąd predykcji ex post (root mean square error, RMSE):
mierzy, o ile średnio odchylają się rzeczywiste realizacje zmiennej prognozowanej od obliczonych prognoz
mierzy, w jakim stopniu model wyjaśnia zmiany zmiennej prognozowanej w czasie
wskazuje, o ile przeciętnie wzrasta wartość zmiennej prognozowanej w porównaniu z "ostatnią" wartością rzeczywistą
Pytanie 43
Liniowy modelu regresji może być estymowany za pomocą:
metoda najmniejszych kwadratów
metody największej wiarygodności
metody eksperckiej
Pytanie 44
Dokonując wstępnego wyboru narzędzi modelowania predykcyjnego należy uwzględnić (między innymi) następujące czynniki:
specyfikę zadania predykcyjnego
właściwości różnych narzędzi modelowania predykcyjnego
rodzaj i zakres dostępnych danych statystycznych
Pytanie 45
Narzędzia wykrycia zależności pomiędzy zmiennymi opisującymi badane obiekty a prawdopodobieństwem zaistnienia lub poziomem pewnej zmiennej służą do:
uczenia bez nadzoru
modelowania predykcyjnego
eksploracji danych
Pytanie 46
Określenie wymagania co do dopuszczalności i horyzontu prognozy zaliczamy do następującego etapu budowy modelu predykcyjnego:
analitycznego przygotowania danych
sformułowania zadania prognostycznego
określenia kontekstu modelowania
Pytanie 47
Dodanie do uogólnionego modelu liniowego (GLM) kolejnej zmiennej zależnej (regresora) skutkuje:
większeniem dewiancji
zmniejszeniem lub zwiększeniem dewiancji (w zależności od tego, czy dodajemy zmienną jakościową, czy ilościową)
zmniejszeniem dewiancji
Pytanie 48
. Krzywą ROC można wykorzystać:
do ceny i porównywania między sobą modeli klasyfikacyjnych
do ustalenia optymalnego punkt odcięcia
do oceny współliniowości zmiennych objaśniających
Pytanie 49
W uogólnionym modelu liniowym (GLM) funkcja wiążąca łączy:
predyktor liniowy z kombinacją liniową średnich zmiennych niezależnych
predyktor liniowy z średnią zmiennej zależnej
predyktor liniowy z wektorem parametrów modelu 𝜷 = (𝛽0, 𝛽1,..., 𝛽𝑘)
Pytanie 50
Modelem zerowym nazywamy uogólniony model liniowy (GLM),
w którym nie uwzględnia się zmiennych objaśniających (regresorów)
o liczbie parametrów równej liczbie obserwacji
o największej dewiancji
Pytanie 51
W uogólnionym modelu liniowym (GLM)
wariancja zmiennej zależnej musi być stała
wariancja zmiennej zależnej może być dowolna
wariancja zmiennej zależnej może być funkcją jej średniej
Pytanie 52
Sumę kwadratów reszt (RSS) nazywamy:
zmiennością wyjaśnioną przez model
zmiennością niewyjaśnioną przez model
całkowitą zmiennością
Pytanie 53
Jakościowa zmienna objaśniająca przyjmująca wartości ze zbioru pięciu kategorii w liniowym modelu regresji jest kodowana za pomocą:
liczba zmiennych kodujących zleży od liczby obserwacji
czterech zmiennych zero-jedynkowych
pięciu zmiennych zero-jedynkowych
Pytanie 54
⦁ Dokonując wstępnego wyboru narzędzi modelowania predykcyjnego należy uwzględnić (między innymi) następujące czynniki:
specyfikę zadania predykcyjnego
rodzaj i zakres dostępnych danych statystycznych
właściwości różnych narzędzi modelowania predykcyjnego