STATYSTYKA 3

 0    76 フィッシュ    kasia719719
mp3をダウンロードする 印刷 遊びます 自分をチェック
 
質問 język polski 答え język polski
Współczynnik kontyngencji C Pearsona można stosować
学び始める
do tablic wielodzielnych dowolnych wymiarów i dowolnej formY
Wnioskowanie statystyczne polega na:
学び始める
uogólnieniu wyników z próby losowej na całą populację generalną
Współczynnik koncentracji (kurtoza) mniejszy od 3 oznacza
学び始める
rozkład spłaszczony (platokurtyczny)
cechy statystyczne
学び始める
są to własności jednostek wchodzących w skład zbiorowości statystycznej
Przyrosty względne mogą przyjmować wartości:
学び始める
tylko rzeczywiste dodatnie
Wskaż poprawne stwierdzenia na temat błędu prognozy w oparciu o model trendu liniowego. Wybierz jedną lub więcej:
学び始める
a. Zależy od odchylenia standardowego składnika resztowego. b. Tym większa jego wartość, Im dalszy jest horyzont prognozy
Funkcja kryterium Klasycznej Metody Najmniejszych Kwadratów określa następujący warunek: Wybierz jedną lub więcej:
学び始める
aby suma kwadratów odchyleń wartości empirycznych od wartości teoretycznych była jak najmniejsza;
Współczynnik kontyngencji C Pearsona można stosować: Wybierz jedną lub więcej:
学び始める
do tablic wielodzielnych dowolnych wymiarów i dowolnej formy
. Wnioskowanie statystyczne polega na: Wybierz jedną lub więcej:
学び始める
uogólnieniu wyników z próby losowej na całą populację generalną
. Chcąc dokonać zmiany indeksów jednopodstawowych na łańcuchowe należy: Wybierz jedną lub więcej:
学び始める
każdy z indeksów jednopodstawowych dla okresu "t" podzielić przez indeks jednopodstawowy dla okresu "t-1"
. Szereg prosty (inaczej szczegółowy) to: Wybierz jedną lub więcej:
学び始める
materiał statystyczny uporządkowany wyłącznie według wartości badanej cechy
Sprzedaż detaliczna w cenach stałych w latach 1981- 1983 charakteryzowała się następującymi łańcuchowymi indeksami dynamiki: 120%, 110%, 95%. Te wartości wskazują na to, że: Wybierz jedną lub więcej:
学び始める
a. poziom badanego zjawiska w roku 1983 jest wyższy niż w roku 1981, d. poziom badanego zjawiska w latach 1980-1983 wzrastał z roku na rok
Względna miara tendencji centralnej: Wybierz jedną lub więcej
学び始める
coś takiego nie istnieje
Jeżeli współczynnik Czuprowa pomiędzy cechami x i y wynosi 0,85 stwierdzamy
学び始める
Silną zależność pomiędzy cechami x i y
Które z poniższych to miary zmienności?
学び始める
współczynnik zmienności, odchylenie ćwiartkowe, wariancja
Moment trzeci centralny przyjmuje tylko wartości:
学び始める
ze zbioru liczb rzeczywistych
Parametry strukturalne modelu regresji to:
学び始める
wyraz wolny i współczynnik regresji
Względną miarą dyspersji jest:
学び始める
b. współczynnik zmienności c. pozycyjny współczynnik zmienności
Współczynnik korelacji liniowej Pearsona stosujemy, gdy empiryczny rozrzut punktów na wykresie korelacyjnym układa się:
学び始める
tylko w postaci linii prostej
Reszta w analizie regresji:
学び始める
różnica między wartością empiryczną a wartością teoretyczną
W rozkładzie umiarkowanie asymetrycznym prawostronnie zachodzi następująca relacja:
学び始める
modalna<mediana< średnia arytmetyczna
Narodowy Spis Powszechny jest badaniem
学び始める
okresowym
wariancja
学び始める
jest jedną z miar dyspersji
. Indeksy o podstawie stałej informują o:
学び始める
zmianie poziomu zjawiska w stosunku do okresu przyjętego za podstawę porównań
Cecha statystyczna to
学び始める
właściwość populacji generalnej
Indeks agregatowy ilości według formy Paaschego przyjmuje jako wagi
学び始める
b) ilości na poziomie z okresu podstawowego c) ceny na poziomie z okresu badanego d) ilości na poziomie z okresu badanego
średniookresowe tempo zmian
学び始める
to średnia harmoniczna z indeksów łańcuchowych, h) mówi o przeciętnej zmianie danego zjawiska w czasie i) to średnia harmoniczna z indeksów łańcuchowych
Wariancja może przyjmować wartość
学び始める
dodatnie
Statystyka to nauka
学び始める
a) zajmująca się gromadzeniem i opracowywaniem masowych danych liczbowych b) o metodach badania prawidłowości występujących w zjawiskach masowych, która kładzie nacisk na analizę w celu ułatwienia procesu decyzyjnego
W obliczeniach, której z miar stosuje się poprawkę Sheppard
学び始める
odchylenia standardowego
Indeksy indywidualne służą do pomiaru:
学び始める
zmian poziomu zjawiska w czasie
. Zaznacz własności surowych wskaźników sezonowości:
学び始める
w przypadku modelu addytywnego wyrażone są w wartościach bezwzględnych,d) W przypadku modelu multiplikatywnego wyrażone są w wartościach względnych (%)
Jeżeli badane zjawisko przyjmuje wartości tylko dodatnie, to indeksy proste mogą
学び始める
tylko rzeczywiste dodatnie
Dla szeregu prostego (szczegółowego) możemy wyliczyć
学び始める
miary pozycyjne i klasyczne
. Odchylenie standardowe jest to miara:
学び始める
dyspersji
. Współczynnik kierunkowy linii trendu interpretuje się jako:
学び始める
)przeciętną zmianę poziomu zjawiska z okresu na okres
. Które z wymienionych miar dyspersji są miarami bezwzględnymi
学び始める
odchylenie standardowe, wariancja
. Współczynnik korelacji liniowej Pearsona jest miarą
学び始める
kierunku i siły związku prostoliniowego dwóch cech
. Składnikami szeregu czasowego mogą być:
学び始める
a) wahania sezonowe b) trend c) składnik losowy(resztowy) d)wahania cykliczne
korelacja cząstkowa to:
学び始める
. związek korelacyjny między 2 zmiennymi
. Oceniając wartość oszacowanego równania regresji zwracamy szczególną uwagę na:
学び始める
b) współczynnik determinacji c) współczynnik zmienności losowej d) błąd standardowy szacunku współczynnika regresji
Ochylenie standardowe składnika losowego to:
学び始める
b) odchylenie standardowe zmiennej y c) pierwiastek kwadratowy z wariancji resztowej
Współczynnik regresji przyjmuje wartości:
学び始める
z przedziału <-1,1>
Współczynnik kierunkowy regresji przyjmuje wartości:
学び始める
wartości ze zbioru liczb rzeczywistych
. Na co należy uważać wykorzystując w modelu regresji dane, gdzie jednostkami obserwacji jest czas (lata, kwartały miesiące)
学び始める
c) stwierdzane zależności są tylko pozorne, gdyż wiele zjawisk ekonomicznych i społecznych zależy od czasu (trend, zjawiska związane z inflacją)
Korelacja cząstkowa jest to współzależność:
学び始める
między dwoma cechami z wyłączeniem wpływu innych cech, d. między dwoma cechami
Składniki szeregu czasowego mogą być następujące
学び始める
trend, składnik sezonowy, wahania cykliczne, składnik losowy
Współczynnik korelacji Pearsona równa się 0,87 oznacza to:
学び始める
silną zależność wprost proporcjonalną
Nieliniowe funkcje regresji to
学び始める
a) parabola, hiperbola, wielomiany wyższych stopni, c) wielomiany wyższych stopni, funkcja potęgowa, funkcja logarytmiczna
. Która z poniższych relacji jest prawdziwa w szeregu o asymetrii lewostronnej (wybierz jedna lub więcej)
学び始める
Q3-Q2<Q2-Q1
Współczynnik zbieżności fi-kwadrat określa jaka część zmian wartości zmiennej objaśnianej y
学び始める
c) nie została wyjaśniona przez funkcję regresji d) nie zależy od zmienności zmiennych objaśniających
Pojęcie statystyka może być rozumiane jako:
学び始める
a. masa liczb opisująca pewne zjawiska b. "zestaw narzędzi: (parametry, wskaźniki lub współczynniki wykorzystywane do podsumowania zbiorów danych)
Współczynnik determinacji jest wykorzystywany do oceny jakości modelu regresji ma jednak tę zasadniczą wadę, że jego wielkość zależy od:
学び始める
b) liczby obserwacji (im większa liczebność, tym większy współczynnik)
Wskaż, które z poniższych mierników nie są przydatne do oceny jakości dopasowania funkcji regresji do danych empirycznych
学び始める
a) współczynnik zmienności zmiennej objaśniającej b) współczynnik zmienności zmiennych objaśniających
Dystrybuanta empiryczna to:
学び始める
skumulowane częstości empiryczne badanej cechy
W szeregu symetrycznym prawdziwa jest następująca relacja pomiędzy wartościami miar przeciętnych:
学び始める
c. dominanta=mediana=średnia
Wariancja wzrostu mierzonego w cm wyrażona jest w
学び始める
cm^2
Indeksy jednopodstawowe informują o:
学び始める
b. bezwzglęnej zmianie poziomu zjawiska w stosunku do okresu przyjętego za podstawę, d. względnej zmianie poziomu zjawiska w stosunku do okresu przyjętego za podstawę
Jeśli rozstępy w dwóch próbkach są identyczne to:
学び始める
odchylenia standardowe są identyczne, średnie muszą być równe
Indeksy łańcuchowe informują o:
学び始める
względnej zmienie poziomu zjawiska w stosunku do okresu poprzedniego, c. bezwlględnej zmienie poziomu zjawiska w stosunku do okresu poprzedniego
Do miar jakości modelu regresji liniowej zaliczamy
学び始める
współczynnik determinacji
. Interpretując współczynnik koncentracji nazywany kurtozą:
学び始める
. porównujemy go do trójki czyli do wartości jaką przyjmuje w rozkładzie normalnym
Przyczyny głownie, działające na każdej zjawisko (składnik systematyczny)
学び始める
a. powodują powstanie prawidłowości b. mają charakter wewnętrzny Fc. są wspólne wszystkim jednostkom badanej zbiorowości d. działają w sposób trwały i ukierunkowany
Współczynnik korelacji liniowej Pearsona jest miernikiem zależności:
学び始める
cech ilościowych
Agregatowy indeks cen według wartości formuły Laspeyresa przyjmuje jako wagi:
学び始める
b. ceny na poziomie z okresu badanego c. ilość na poziomie z okresu podstawowego d. ceny na poziomie z okresu podstawowego
Wyznaczenie dominanty w szeregu rozdzielczym punktowym wymaga
学び始める
aby jedna wartość pojawiała się najczęściej
Mediany nie można wyznaczyć dla szeregu:
学び始める
d. medianę można wyznaczyć dla każdego szeregu
Przyczyny główne, działające na każde zjawisko (składnik systematyczny):
学び始める
a. mają charakter wewnętrzny b. powodują powstanie prawidłowości c. są wspólne wszystkim jednostkom badanej zbiorowości d. działają w sposób trwały i ukierunkowany
Dobroć dopasowania funkcji regresji do danych empirycznych jest tym lepsza im współczynnik zbieżności (indeterminacji) jest:
学び始める
bliższy zeru
Wysoka wartość współczynnika determinacji jest warunkiem koniecznym, ale niewystarczającym dobroci modelu regresji. Liczą się także
学び始める
a) względne małe standardowe błędy szacunku,d) mała wartość współczynnika zmienności resztowej
. Średnie klasyczne (w tym średnia arytmecztyna) charakteryzują się następującymi własnościami: a. dobrze nadają się do badania ziorowości niejednorodnej
学び始める
są abstrakcyjne i wrażliwe na wartości skrajne
Współczynnik determinacji R^2 określa jaka część zmian wartości zmiennej objaśnianej y
学び始める
została wyjaśniona przez funkcję regresji
odchylenie ćwiartkowe
学び始める
a. nie zależy od wartośći skrajnych b. jest miarą dyspersji (zmienności)
Klasyczna metoda najmniejszych kwadratów znajduje zastosowanie do:
学び始める
szacowania parametrów linii trendu, szacowania parametrów linii regresji
Jeśli badane zjawisko przyjmuje tylko wartości dodatnie, to indeksy proste mogą przyjmować wartości:
学び始める
tylko rzeczywiste dodatnie
odchylenie standardowe składnika losowego to:
学び始める
b. odchylenie standardowe zmiennej y c. pierwiastek kwadratowy wariancji resztowej

コメントを投稿するにはログインする必要があります。