Вопросы к тестам
Корреляция – это:
а) функция, позволяющая по величине одного корреляционно связанного признака вычислять средние значения другого;
б) взаимосвязь между признаками, заключается в изменении средней величины результативного признака в зависимости от значения фактора (факторов);
в) функция, позволяющая по величине одного функционально связанного признака вычислять средние значения другого.
Регрессия – это:
а) функция, позволяющая по величине одного корреляционно связанного признака вычислять средние значения другого;
б) взаимосвязь между признаками, заключается в изменении средней величины результативного признака в зависимости от значения фактора (факторов);
в) функция, позволяющая по величине одного функционально связанного признака вычислять средние значения другого.
Корреляция, регрессия парная это:
а) взаимосвязь
между несколькими признаками, один из
которых является результативным
признаком
,
другие факторными признаками
;
б) корреляция, регрессия между двумя признаками: результативным и факторным ;
в) функция, позволяющая по величине одного функционально связанного признака вычислять средние значения другого.
Корреляция, регрессия множественная это:
а) взаимосвязь между несколькими признаками, один из которых является результативным признаком , другие факторными признаками ;
б) корреляция, регрессия между двумя признаками: результативным и факторным ;
в) корреляция, регрессия между двумя функционально связанными признаками: результативным и факторным .
Модель парной регрессии имеет вид:
а)
;
б)
;
в)
.
Модель множественной регрессии имеет вид:
а) ;
б) ;
в)
.
Фактор, который будет использован в парной модели, должен отвечать следующим требованиям:
а) его влияние на результат можно пренебречь;
б) он должен находиться в функциональной зависимости с результатом;
в) его влияние на результат должно быть таким, что влиянием всех остальных факторов можно пренебречь.
В парной регрессии используются следующие виды функций:
а) все за исключением линейной;
б) все за исключением нелинейной;
в) линейная и нелинейные.
Выбор функции в модели парной регрессии может быть осуществлен следующими методами:
а) графический метод, аналитический и экспериментальный;
б) только аналитический метод;
в) только экспериментальный.
Графический метод выбора функции в модель парной регрессии:
а) опирается на изучение природы взаимосвязи между исследуемыми явлениями;
б) функция подбирается экспериментально через анализ качества побора функции, путем сравнения остаточной дисперсии рассчитанной для разных моделей;
в) заключается в построении и исследовании графика «корреляционное поле», на основании которого делается вывод о виде функции описывающей взаимосвязь между явлениями.
Аналитический метод выбора функции в модель парной регрессии:
а) опирается на изучение природы взаимосвязи между исследуемыми явлениями;
б) функция подбирается экспериментально через анализ качества побора функции, путем сравнения остаточной дисперсии рассчитанной для разных моделей;
в) заключается в построение и исследование графика «корреляционное поле», на основании которого делается вывод о виде функции описывающей взаимосвязь между явлениями.
Экспериментальный метод выбора функции в модель парной регрессии:
а) опирается на изучение природы взаимосвязи между исследуемыми явлениями;
б) функция подбирается экспериментально через анализ качества побора функции, путем сравнения остаточной дисперсии рассчитанной для разных моделей;
в) заключается в построение и исследование графика «корреляционное поле», на основании которого делается вывод о виде функции описывающей взаимосвязь между явлениями.
Расчет парной линейной регрессионной модели заключается в нахождении уравнения вида:
а)
;
б)
;
в)
.
Величина
в линейном уравнении регрессии
это:
а) случайная величина (возмущение, шум). Показывает влияние не учтенных в модели факторов, а также случайных ошибок;
б) коэффициент регрессии. Показывает, на сколько единиц, в среднем изменится результативный признак, если факторный признак увеличится на одну единицу;
в) это теоретическое
значение результативного признака
при
и только в этом случае имеет экономический
смысл, если
данный
параметр экономического смысла не
имеет.
Параметр в линейном уравнении регрессии
это:
а) случайная величина (возмущение, шум). Показывает влияние не учтенных в модели факторов, а также случайных ошибок;
б) коэффициент регрессии. Показывает, на сколько единиц, в среднем изменится результативный признак, если факторный признак увеличится на одну единицу;
в) это свободный
член уравнения регрессии, теоретическое
значение результативного признака
при
и только в этом случае имеет экономический
смысл, если
данный
параметр экономического смысла не
имеет.
Параметр в линейном уравнении регрессии это:
а) случайная величина (возмущение, шум). Показывает влияние не учтенных в модели факторов, а также случайных ошибок;
б) коэффициент регрессии. Показывает, на сколько единиц, в среднем изменится результативный признак, если факторный признак увеличится на одну единицу;
в) это свободный
член уравнения регрессии, теоретическое
значение результативного признака
при
и только в этом случае имеет экономический
смысл, если
данный
параметр экономического смысла не
имеет.
МНК для расчета параметров уравнения регрессии дает систему уравнений:
а)
;
б)
;
в)
.
Для расчета параметров функции регрессии используют готовые уравнения:
а)
и
;
б)
и
;
в)
и
;.
Корреляционная таблица это:
а) таблица, в которой записываются частоты сочетаний результативного и факторного показателей;
б) таблица, в которой записываются частоты отношений результативного и факторного показателей;
в) таблица, в которой записываются частоты произведений результативного и факторного показателей.
Корреляционное поле это:
а) столбиковая диаграмма, характеризующая единицу наблюдения по одному признаку;
б) точечный график, характеризующий единицу наблюдения по двум точкам;
в) точечный график, характеризующий единицу наблюдения по двум признакам.
Интенсивность связи между двумя признаками, в случае линейной модели, показывает:
а) линейный коэффициент парной корреляции;
б) линейный график «корреляционное поле»;
в) линейная корреляционная таблица.
Линейный коэффициент парной корреляции
рассчитывается по формуле:
а)
;
б)
;
в)
.
Линейный коэффициент парной корреляции может принимать значения в интервале:
а) от 0 до 1;
б) от -1 до +1;
в) от -∞ до +∞.
Часть вариации результативного признака, которая сложилась под влиянием включенного в парную модель фактора, показывает:
а) линейный коэффициент парной корреляции;
б) линейный график «корреляционное поле»;
в) линейный коэффициент парной детерминации.
Линейный коэффициент парной детерминации рассчитывают:
а) извлекая квадратный корень из линейного коэффициента парной корреляции;
б)
;
в)
.
Линейный коэффициент парной детерминации может принимать значения в интервале:
а) от 0 до 1;
б) от -1 до +1;
в) от-∞ до +∞.
Оценка существенности уравнения парной линейной регрессии в целом проводится с помощью:
а) критерия Фишера;
б) критерия Боэля-Мориота;
в) критерия Стьюдента.
Фактическая величина F-критерия для парной линейной регрессии рассчитывается по формуле:
а)
;
б)
;
в)
.
Уравнение парной линейной регрессии признается статистически значимым если:
а) фактическое значение F-критерия меньше табличного;
б) фактическое значение F-критерия меньше табличного не менее чем в 2 раза;
в) фактическое значение F-критерия больше табличного.
Значимость параметров уравнения линейной регрессии и коэффициента корреляции проверяют при помощи:
а) критерия Тичера;
б) критерия Боэля-Мориота;
в) критерия Стьюдента.
Критерий Стьюдента для коэффициента регрессии рассчитывается как:
а)
;
б)
;
в)
.
Критерий Стьюдента для параметра рассчитывается как:
а)
;
б)
;
в)
.
Критерий Стьюдента для параметра рассчитывается как:
а)
;
б)
;
в)
или
.
Параметры уравнения и коэффициент корреляции при парной линейной регрессии признаются статистически значимыми если:
а) фактическое значение t-критерия больше табличного;
б) фактическое значение t-критерия меньше табличного не менее чем в 2 раза;
в) фактическое значение t-критерия меньше табличного.
Регрессиями нелинейными относительно включенного в модель факторного признака, но линейными относительно результативного признака являются:
а) степенная;
б) показательная;
в) полиномы разных степеней;
Регрессиями нелинейными относительно включенного в модель результативного признака, но линейными относительно факторного признака являются:
а) степенная;
б) равносторонняя гипербола;
в) полиномы разных степеней.
Формула расчета параболы второго порядка имеет вид:
а)
;
б)
;
в)
Формула расчета равносторонней гиперболы имеет вид:
а) ;
б) ;
в)
;
Формула расчета степенной функции имеет вид:
а) ;
б) ;
в) ;
Формула расчета показательной функции имеет вид:
а)
;
б) ;
в) ;
Формула расчета экспоненциальной функции имеет вид:
а) ;
б) ;
в) ;
Линеаризацию регрессии параболы второго порядка проводят заменяя переменные:
а)
;
б)
;
в)
;
Линеаризацию степенной функции проводят логарифмированием:
а)
;
б)
;
в)
;
Линеаризацию показательной функции проводят логарифмированием:
а) ;
б) ;
в) ;
Коэффициент средней эластичности показывает:
а) на сколько единиц изменится величина результативного признака, если величина включенного в модель фактора увеличится на один процент;
б) на сколько процентов изменится величина результативного признака, если величина включенного в модель фактора увеличится на одну единицу;
в) на сколько процентов изменится величина результативного признака, если величина включенного в модель фактора увеличится на один процент.
Коэффициент средней эластичности для парной линейной регрессии рассчитывается как:
а)
;
б)
;
в)
.
Коэффициент средней эластичности для уравнения регрессии параболы второго порядка рассчитывается как:
а) ;
б) ;
в) .
Коэффициент средней эластичности для уравнения регрессии равносторонней гиперболы рассчитывается как:
а)
;
б)
;
в)
.
Коэффициент средней эластичности для уравнения степенной регрессии рассчитывается как:
а)
;
б)
;
в)
.
Коэффициент средней эластичности для уравнения показательной регрессии рассчитывается как:
а)
;
б) ;
в)
.
Индекс парной нелинейной корреляции показывает:
а) тесноту взаимосвязи между результативным и факторным показателями;
б) направление взаимосвязи между результативным и факторным показателями;
в) направление взаимосвязи между факторным и результативным показателями.
Индекс парной нелинейной корреляции может принимать значения в интервале:
а) от 0 до 1;
б) от -1 до +1;
в) от-∞ до +∞.
Индекс парной нелинейной корреляции рассчитывается по формуле:
а)
;
б)
;
в)
.
Индекс парной нелинейной детерминации показывает:
а) тесноту взаимосвязи между результативным и факторным показателями;
б) направление взаимосвязи между результативным и факторным показателями;
в) долю вариации результативного признака, обусловленную влиянием включенного в модель фактора.
Индекс парной нелинейной детерминации рассчитывается по формуле:
а)
;
б)
;
в)
.
Оценка существенности уравнения парной нелинейной регрессии в целом проводится с помощью:
а) критерия Боэля-Мориота;
б) критерия Фишера;
в) критерия Стьюдента.
Общая формула фактической величины F-критерия для парной нелинейной регрессии рассчитывается по формуле:
а)
;
б)
;
в)
.
Уравнение парной нелинейной регрессии признается статистически значимым если:
а) фактическое значение F-критерия меньше табличного;
б) фактическое значение F-критерия меньше табличного не менее чем в 2 раза;
в) фактическое значение F-критерия больше табличного.
Расчет величины фактического значения F-критерия для степенной и показательной функций регрессии производится по формуле:
а)
;
б)
;
в)
.
Расчет величины фактического значения F-критерия для функции регрессии параболы второго порядка производится по формуле:
а) ;
б) ;
в)
.
Значимость параметров нелинейной функции регрессии и индекса корреляции проверяют при помощи:
а) критерия Тичера;
б) критерия Боэля-Мориота;
в) критерия Стьюдента.
Для расчета средней ошибки аппроксимации используют формулу:
а)
;
б)
;
в)
.
Доверительный интервал для уравнения регрессии имеет вид:
а)
;
б)
;
в)
.
Стандартное отклонение для расчета предельной ошибки
рассчитывается как:
а)
;
б)
;
в)
.
Доверительный интервал для индивидуальных значений
при
имеет вид:
а)
;
б)
;
в)
.
Стандартное отклонение для расчета предельной ошибки индивидуальных значений при рассчитывается как:
а)
;
б)
;
в)
.
Доверительный интервал для свободного члена уравнения регрессии имеет вид:
а)
;
б)
;
в)
.
Стандартное отклонение для расчета предельной ошибки свободного члена уравнения регрессии рассчитывается как:
а) ;
б) ;
в) .
Доверительный интервал для коэффициента регрессии имеет вид:
а)
;
б)
;
в)
.
Стандартное отклонение для расчета предельной ошибки коэффициента регрессии рассчитывается как:
а) ;
б) ;
в)
.