Elméleti-kérdések-Vizsga PDF

Preview

Summary

Statisztika II:Két változó között mikor függvényszerű a kapcsolat?  Amikor a két változó közötti kapcsolatot véletlenszerű események zavarják.  Amikor a két változó közötti kapcsolat nem lineáris.  Amikor az egyik változó egyértelműen meghatározza a másikat.  Amikor a két változó közötti kapcsol...

Description

Statisztika II: Két változó között mikor függvényszerű a kapcsolat?  Amikor a két változó közötti kapcsolatot véletlenszerű események zavarják.  Amikor a két változó közötti kapcsolat nem lineáris.  Amikor az egyik változó egyértelműen meghatározza a másikat.  Amikor a két változó közötti kapcsolatot jellemző korrelációs együttható értéke legalább 0,5. Az elsőfajú hiba elkövetésének valószínűsége 10%.  A hamis nullhipotézist 10%-s tévedési valószínűséggel elvetjük.  Hamis munkahipotézist 10%-s valószínűséggel elfogadjuk.  A hamis munkahipotézist 10%-s tévedési valószínűséggel elvetjük.  Az igaz nullhipotézist 10%-s valószínűséggel elfogadjuk. Milyen VIF érték mutatja a nagyon erős multikollinearitást?  1 körüli érték.  0 körüli érték.  5 felett.  2 felett. A regresszió-analízisben a magyarázó változók…  nem sztochasztikus változók.  sztochasztikus változók.  ordinális változók.  nominális változók. Mikor számítjuk ki a Kendall-féle rangkorrelációt?  Csak akkor, ha mindkét változó skála típusú.  Nominális típusú adatok összefüggés vizsgálatakor.  Amikor legalább az egyik változó ordinális típusú.  Csak akkor, ha mindkét változó ordinális típusú. A regresszió-analízisben mit jelent a magyarázó változó együtthatója?  A regressziós egyenes tengelymetszetét.  A regressziós egyenes konfidencia intervallumát.  A regressziós egyenes hibáját.  A regressziós egyenes meredekségét. Mit csinál, ha a többszörös lineáris regresszió-analízisben az egyik magyarázó változó nem szignifikáns?  Semmit, mert ez azt jelenti, hogy a magyarázó változó jól magyarázza a függő változót.  Törlöm a modellből és készen vagyok az illesztéssel.  Semmit, közlöm az analízis eredményét.  Törlöm a modellből, és újból elvégzem az illesztést. A legkisebb négyzetek módszere…  a becsült értékek varianciáját minimalizálja.  a becsült értékek szórását minimalizálja.  becsült értékek négyzetösszegét minimalizálja.  a mért és becsült értékek különbségének négyzetösszegét minimalizálja. A regresszió-analízisben, ha az együttható konfidencia határa előjelet vált…  akkor a magyarázó változó egységnyi növekedése egy egységgel növeli a függő változó értékét.

  

akkor nullával egyenlő. akkor szignifikánsan eltér nullától. akkor a vizsgált paraméter nagyobb, mint a tengelymetszet értéke.

Mit jelent a regresszió-analízisben a becslés standard hibája?  A becsült értékek szórása.  A maradékok terjedelme.  A maradékok varianciája.  A maradékok szórása. Milyen mutatószámmal jellemezük a szélsőséges eseteket?  Mahalanobis-féle távolsággal.  Cook-távolsággal.  Shapiro-Wilk teszttel.  Gauss-távolsággal. A regresszió-analízisben mit nevezünk extrapolációnak?  Amikor a magyarázó változó terjedelmén belül becsülünk.  Amikor a magyarázó változó egy szórásnyi távolságán belül becsülünk.  Amikor a magyarázó változó terjedelmén kívül becsülünk.  Amikor a magyarázó változó 95%-os konfidencia intervallumán belül becsülünk. Melyik modell jobb?  Amelyiknek nagyobb az AIC értéke.  Amelyiknek nagyobb az R-négyzete.  Amelyiknek kisebb a korrigált R-négyzete.  Amelyiknek kisebb a standard hibája. Mitől függ az Akaike-féle információs kritérium (AIC) értéke?  A regresszió maradékaitól.  A megfigyelések számától.  Az illesztett modell maradékaitól és eloszlásától, valamint a paramétereinek számától.  Az illesztett modell maradékaitól és a paramétereinek számától. A standardizált regressziós modellben van tengelymetszet?  Nincs, mert a függő változó várható értéke nulla.  Nincs, mert nem állítjuk be a modellbe.  Van, mert tengelymetszetnek mindig lennie kell.  Van, mert a modell illesztése ezzel lesz a legpontosabb. A regresszió-analízisben mit jelent a tengelymetszet?  A magyarázó változó nulla értékénél ennyi a függő változó értéke.  Ennyivel nő a függő változó értéke a magyarázó változó egységnyi növekedésével.  Ennyivel változik a függő változó értéke a magyarázó változó egységnyi növekedésével.  A magyarázó változó egy szórásnyi értékénél ennyi a függő változó értéke. Mikor alkalmazható a Spearman-féle rangkorreláció?  Csak akkor, ha mindkét változó ordinális típusú.  Amikor legalább az egyik változó ordinális típusú.  Nominális típusú adatok összefüggés vizsgálatakor.  Csak akkor, ha mindkét változó skála típusú.

Többszörös lineáris regresszió-analízisben mivel teszteli a magyarázó változók szignifikanciáját?  Kolmogorov-Smirnov teszttel.  Khi-négyzet próbával.  t-próbával.  F-próbával. Mi a Kolmogorov-Smirnov teszt alternatív hipotézise?  A minta nem tér el szignifikánsan a normális eloszlástól.  A minta nem normális eloszlású.  A minta normális eloszlású.  A normális eloszlás és a minta közötti korreláció egy. Amikor a korrelációs együttható szignifikáns, …  a két változó között nagyon szoros függvényszerű kapcsolat van.  legtöbbször csak a két változó azonosan ingadozik, nincs szorosan vett ok és okozati kapcsolat közöttük.  mindig szorosan vett ok és okozati kapcsolat van a két változó között.  egyáltalán nincs kapcsolat a két változó között. Mi a törölt maradék fogalma?  Az a maradék, amikor az összes megfigyelést töröljük az egyenes becslésekor.  Az a maradék, amikor a megfigyelések 95%-a vesz részt az egyenes becslésében.  Az a maradék, amikor a megfigyelések fele nem vesz részt az egyenes becslésében.  Az a maradék, amikor az adott megfigyelés nem vesz részt az egyenesbecslésében. Mit jelent a regressziós egyenes konfidencia-intervalluma?  Az adatok elhelyezkedését adott valószínűség mellett.  Ez az intervallum tartalmazza a megfigyelések 95%-t.  Ez az intervallum tartalmazza a sokaság valódi regressziós egyenesét.  Ez az intervallum tartalmazza a megfigyelések 50%-t. Ha a Durbin-Watson teszt értéke nullához közelít,...  akkor nincs autokorreláció.  akkor negatív autokorreláció van.  akkor pozitív autokorreláció van.  ekkor nem lehet egyértelmű döntést hozni. Kétváltozós regresszió-analízisben az x-tengelyen …  a függő változó szerepel.  akár a független, akár a függő változó is szerepelhet.  a kiugró értékek szerepelnek.  a független változó szerepel. A regresszió-analízisben mivel teszteljük a modell paramétereit?  Korrelációs koefficienssel.  t-próbával.  F-próbával.  Khi-négyzet próbával. Melyik állítás igaz?  A Pearson-féle korrelációs együttható meghatározható a változók standardizált értékeinek mátrix szorzatával is.

  

A Pearson-féle korrelációs együttható mértékegysége megegyezik a változók mértékegységének szorzatával. A Pearson-féle korrelációs együttható csak a kovarianciából határozható meg. A Pearson-féle korrelációs együttható meghatározható a változók standardizált értékeinek skaláris szorzatával is.

Mit jelent a kereszt validálás (cross-validation) fogalma?  A mintát kétfelé osztjuk és két modellt alkotunk. Ezek közül a jobbikat választjuk ki.  A validációt többször is megismételjük.  Különböző adatokon végezzük el a regressziós modell illesztését és a validációt.  A teljes mintát k-számú véletlen mintára osztjuk. A k számú illesztett modell közül választjuk ki a „legjobbat”. Igaz nullhipotézis téves elvetése.  Elsőfajú hiba.  A statisztikai próba ereje.  A statisztikai próba tévedése.  Másodfajú hiba. Mit neveznek Box-Tidwell transzformációnak?  A magyarázó változók transzformációját, ha nem teljesül a lineáris kapcsolat a regresszióanalízisben.  A függő változó transzformációját, ha nem teljesül a regresszió-analízisben a normális eloszlás feltétele.  A függő változó transzformációját, ha multikollinearitás lép fel.  A független változó transzformációját, ha nem teljesül a regresszió-analízisben a normális eloszlás feltétele. Mit jelent a homoszkedasztikusság fogalma?  A hiba varianciája állandó a független változók függvényében.  A hiba varianciája állandó a függő változók függvényében.  A hiba varianciája függ a becsült értékektől.  A hiba varianciája állandó a becsült értékek függvényében. Mi a hatványhalmaz regresszió?  Olyan nem lineáris regresszió, ahol a függő változók hatványai szerepelnek.  Az olyan regresszió, amiben a magyarázó változók hatványai szerepelnek.  A parabolikus regresszió-analízis.  Amikor a magyarázó változók összes részhalmazaira regresszió-analízist készítünk. Mi a parciális autokorreláció?  Idősoroknál egy változó saját értékeivel vett lineáris összefüggése, amikor kiszűrjük az előző időpontok befolyásoló hatását.  Idősoroknál egy változó saját késleltetett értékeivel vett lineáris összefüggése, amikor kiszűrjük az előző időpontok befolyásoló hatását.  Idősoroknál egy változó saját késleltetett értékeivel vett lineáris összefüggése, amikor kiszűrjük a többi változó befolyásoló hatását.  Idősoroknál egy változó saját értékeivel vett lineáris összefüggése, amikor kiszűrjük a többi változó befolyásoló hatását. Mit nevezünk „regresszió törő” megfigyelésnek?  Amivel nem lehet regressziót számítani.

  

A tengelymetszet előtti megfigyeléseket, amelyek kétfelé törik a regressziós egyenest. Amelyeknek a legkisebb a varianciájuk. Aminek a maradéka szignifikánsan eltér a többi megfigyelés maradékától.

Mit nevezünk többszörös lineáris regresszió-analízisnek?  Amikor egy függő változót több magyarázó változóval írunk le.  Amikor egy függő változót egy magyarázó változóval írunk le.  Amikor több függő változót egy magyarázó változóval írunk le.  Amikor több függő változót több magyarázó változóval írunk le. Mi az elsőfajú hiba fogalma?  Hamis munkahipotézis elfogadása.  A hamis nullhipotézis téves elvetése.  Az igaz nullhipotézis téves elvetése.  Igaz munkahipotézis téves elvetése. Mit neveznek Box-Cox transzformációnak?  A független változók transzformációját, ha multikollinearitás lép fel.  A függő változó transzformációját, ha nem teljesül a regresszió-analízisben a normális eloszlás feltétele.  A független változó transzformációját, ha nem teljesül a regresszió-analízisben a normális eloszlás feltétele.  A függő változó transzformációját, ha multikollinearitás lép fel. Mikor nincs multikollinearitás a szintetikus mutató szerint?  Ha a magyarázó változók determinációs együtthatóinak összege kétszerese a többszörös determinációs együttható értékének.  Ha a többszörös determinációs együttható értéke 0.  Ha a többszörös determinációs együttható értéke 1.  Ha a magyarázó változók determinációs együtthatóinak összege megegyezik a többszörös determinációs együttható értékével. Mi történik, ha a szignifikancia-szintet 5%-ról 10%-ra emeljük?  Csökken az elsőfajú és a másodfajú hiba elkövetésének valószínűsége.  Csökken az elsőfajú és nő a másodfajú hiba elkövetésének valószínűsége.  Nő az elsőfajú és a másodfajú hiba elkövetésének valószínűsége.  Nő az elsőfajú és csökken a másodfajú hiba elkövetésének valószínűsége. Mi a Durbin-Watson teszt alternatív hipotézise?  A hibatagok függetlenek a becsült értéktől.  A hibatagok autokorrelálnak.  A hibatagok között nincs autokorreláció.  A hibatagok függetlenek a magyarázó változóktól. Nullhipotézis esetén a Durbin-Watson teszt várható értéke:  1  4  2  0 A VIF meghatározható a magyarázó változók korrelációs mátrixának inverzéből?  Igen, a főátló elemei.

  

Igen, az inverz mátrix determinánsa. Nem, mert csak a többszörös determinációs együtthatóból lehet meghatározni. Nem, mert a korrelációs mátrix nem invertálható.

Mit csinál, ha a regresszió-analízisben nem teljesül a normális eloszlás feltétele ?  Semmit, közlöm az analízis eredményét.  Transzformálom a függő változót.  Törlöm a függő változót.  Transzformálom a független változókat. Mikor számítjuk ki a korrelációs indexet?  Amikor két korrelációs együttható hányadosára vagyunk kíváncsiak.  Amikor a két változó közötti kapcsolat nem lineáris.  Amikor a korrelációs koefficiens szignifikáns.  Amikor a két változó között nincs kapcsolat. A regressziós modell validálása:  A hibatagok függetlenek, nulla várható értékű normális eloszlású, homoszkedasztikus.  A hibatagok függetlenek, nulla várható értékű normális eloszlású, homoszkedasztikus, sorrendjük kötött.  A független változó értékei függetlenek, nulla várható értékű normális eloszlású, homoszkedasztikus.  A függő változó értékei függetlenek, nulla várható értékű normális eloszlású, homoszkedasztikus. Létezik egyetlen "legjobb" modell mérőszám?  Igen, az AIC. Minél nagyobb az értéke, annál jobb a modell.  Nem, mert a végső modell kiválasztása a becslési pontosság és az egyszerűség kompromisszuma.  Nem, mert nem lehet megalkotni a „legjobb” modellt.  Igen, a korrigált R-négyzet. Minél kisebb az értéke, annál jobb a modell. A regresszió-analízisben mi a variancia-analízis nullhipotézise?  A regresszió és a hiba varianciája megegyezik.  A mért adatok és a hiba varianciája megegyezik.  A regresszió és a hiba varianciájának hányadosa nulla.  A mért és becsült adatok varianciája megegyezik. Mivel méri az elsőrendű autokorrelációt?  Shapiro-Wilk teszttel.  Breusch-Pagan teszttel.  Durbin-Watson teszttel.  Box-Cox teszttel. Az OLS regresszió megalkotója.  Wiliam Sealy Grosset  Student  Carl Friedrich Gauss  Fisher A Pearson-féle korrelációs együttható értéke milyen eloszlású?  A nullhipotézis esetén Student-féle, n-1 szabadságfokkal.  A nullhipotézis esetén Student-féle, n-2 szabadságfokkal.  A nullhipotézis esetén standard normális eloszlást, n-1 szabadságfokkal.



A nullhipotézis esetén standard normális eloszlást, n-2 szabadságfokkal.

A regresszió-analízisben a független változó együtthatójának mértékegysége.  Nincs mértékegysége, mert ez egy standardizált paraméter.  A függő változó mértékegysége osztva a független változó mértékegységével.  Megegyezik a független változó mértékegységével.  Megegyezik a függő változó mértékegységével. Multikollinearitáskor...  a magyarázó változók VIF értékei alacsonyak.  a magyarázó változók lineárisan nem függetlenek.  a magyarázó változók többszörös R-négyzete alacsony.  a magyarázó változók lineárisan függetlenek. A regresszió-analízisben mit jelent, ha az együttható t-próbája nem szignifikáns?  A vizsgált paraméter nagyobb, mint a tengelymetszet értéke.  Az együttható értéke szignifikánsan nem tér el nullától.  Az együttható értéke szignifikánsan eltér a nullától.  A paraméter létezik, alkalmas az előrejelzésre. A regresszió-analízisben az ajánlott legkisebb megfigyelések száma.  10  3  100  30 Hogyan számítjuk a korrelációs indexet?  A regresszió és az összesen eltérés-négyzetösszeg hányadosaként.  A hiba és az összesen eltérés-négyzetösszeg összegeként.  A Pearson-féle korrelációs együttható korrigálásával.  A regresszió és a hiba eltérés-négyzetösszeg hányadosaként. Mi történik multikollinearitás esetén?  A regressziós együtthatók standard hibái csökkenek.  Teljesül a regresszió-analízis alkalmazhatósági feltétele.  A regressziós együtthatók standard hibái megnőnek.  A becslés torzítatlan lesz. Két változó független egymástól, …  ha az egyik változásából nem lehet következtetni a másik változására.  amikor a két változó közötti kapcsolat nem lineáris.  ha a korrelációs együttható abszolút értéke 1.  ha a kapcsolatot „véletlenszerű” események zavarják. A lépésenkénti regresszió-analízisben mit jelent a "backward" technika?  Amikor az első lépésben a magyarázó változók felét vonom be a modellbe, és lépésenként próbálkozom a többivel.  Amikor az első lépésben az összes magyarázó változót bevonom a modellbe, és lépésenként kettesével hagyom ki őket, ha szükséges.  Amikor az első lépésben az összes magyarázó változót bevonom a modellbe, és lépésenként hagyom ki őket, ha szükséges.



Amikor az első lépésben csak egy magyarázó változót vonok be a modellbe, és lépésenként próbálkozom a többivel.

A korrigált R-négyzetnél mivel korrigáljuk az R-négyzet értékét?  Az összesen és a regresszió szabadságfokának hányadosával.  Az összesen és a maradék szabadságfokának hányadosával.  Az maradék és a regresszió szabadságfokának hányadosával.  Az összesen és a regresszió szabadságfokának összegével. Melyik állítás igaz?  A VIF minimális értékét az 1-et akkor veszi fel, amikor az adott magyarázó változó nem korrelál a többivel.  A VIF másik neve toleranciamutató.  A VIF 5-nél nagyobb értéket akkor vesz fel, amikor az adott magyarázó változó nem korrelál a többivel.  A VIF minimális értékét az 1-et akkor veszi fel, amikor az adott magyarázó változó lineárisan függ a többitől. Hogyan számítjuk ki a Spearman-féle rangkorrelációt?  Az eredeti alapadatok különbségének négyzetéből.  A rangszámok különbségének négyzetéből.  A rangszámok eltérés-négyzetösszegéből.  Az eredeti alapadatok eltérés-négyzetösszegéből. Mit jelent a multikollinearitás fogalma?  A magyarázó változók között lineáris függőség van.  A magyarázó változók lineárisan függetlenek.  A függő változó és magyarázó változók között lineáris kapcsolat van.  A függő változót csak több magyarázó változóval tudjuk leírni. A Pearson-féle korrelációs együttható értéke…  -1 és 1 között lehet, amelynek a konfidencia intervalluma nullához közelítve egyre aszimmetrikusabb.  0 és 1 között lehet, amelynek a konfidencia intervalluma 1-hez közelítve egyre szimmetrikusabb.  -1 és 1 között lehet, amelynek a konfidencia intervalluma abszolút értékben 1-hez közelítve egyre szimmetrikusabb.  -1 és 1 között lehet, amelynek a konfidencia intervalluma abszolút értékben 1-hez közelítve egyre aszimmetrikusabb. Az elsőfajú hiba elkövetésének valószínűsége 5%.  A hamis nullhipotézist 5%-s tévedési valószínűséggel elvetjük.  Az igaz nullhipotézist 5%-s valószínűséggel elfogadjuk.  Az igaz nullhipotézist 5%-s tévedési valószínűséggel elvetjük.  Az igaz munkahipotézist 5%-s tévedési valószínűséggel elvetjük. A regresszió-analízisben mit nevezünk kiugró értéknek?  A függő változó egyik értéke a középértékétől nagyon messze esik.  A független változó extrém nagy értékét.  A magyarázó változó egyik esete a középértékétől nagyon messze esik.  A tengelymetszet utáni megfigyeléseket. A regresszió-analízisben mi mutatja a magyarázó változók relatív jelentőségét?

   

A standardizált regressziós együtthatók. A determinációs koefficiensek. A korrelációs koefficiensek. A regressziós együtthatók.

A regresszió-analízisben hogyan számítjuk az F-próbát?  Az összesen MS és az MSE hányadosaként.  A regresszió MS és az MSE hányadosaként.  A függő változó varianciáját osztom a független változó varianciájával.  A regresszió MS és az összesen MS hányadosaként. Mi a Mahalanobis-féle távolság?  A standardizált érték négyzete.  A terjedelem négyzete.  Megegyezik a standardizált értékkel.  Az átlagtól vett eltérések négyzete. Milyen tesztet használ a maradékok autokorrelációjának kimutatásához?  Durbin-Watson tesztet.  F-próbát.  Box-Cox tesztet.  Breusch-Pagan tesztet. Az elsőfajú hiba elkövetésének valószínűsége 1%.  Az igaz nullhipotézist 1%-s valószínűséggel elfogadjuk.  A hamis nullhipotézist 1%-s tévedési valószínűséggel elvetjük.  A hamis munkahipotézist 1%-s tévedési valószínűséggel elvetjük.  A hamis munkahipotézist 1%-s valószínűséggel elfogadjuk. Mit mutat a VIF?  A maradékok varianciája hányszorosa annak, ami a multikollinearitás hiányakor lenne.  A magyarázó változó becsült együtthatója hányszorosa annak, ami a multikollinearitás hiányakor lenne.  A maradékok standard hibája hányszorosa annak, ami a multikollinearitás hiányakor lenne.  A magyarázó változó becsült együtthatójának varianciája hányszorosa annak, ami a multikollinearitás hiányakor lenne. A k-szoros kereszt-validáció során...  a teljes mintát k-számú véletlen mintára osztjuk. A k számú alminták egy csoportja a validációt, a maradék k-1 csoportok kombinációja a modell optimalizálását szolgálja.  a regressziós-modellt k-szor illesztjük.  a teljes mintát k-számú véletlen mintára osztjuk. A k számú alminták egy csoportja a modell optimalizálását, a maradék k-1 csoportok kombinációja a validálást szolgálja.  a validációt k-szor ismételjük meg. A regresszió-analízisben mit nevezünk szélsőséges esetnek?  A tengelymetszet előtti megfigyeléseket.  A függő változó extrém nagy értékét.  A függő változó egyik értéke a középértékétől nagyon messze esik.  A magyarázó változó egyik esete a középértékétől nagyon messze esik. ...