Pytania i odpowiedzi

EE012021-2

Zebrane pytania i odpowiedzi do zestawu. .
Ilość pytań: 24 Rozwiązywany: 716 razy
Pytanie 1
𝐻1: 𝛽𝑖 =/ 0
Parametr 𝛽𝑖 jest statystycznie istotny
Pytanie 2
Wraz ze wzrostem wielkości dochodu g.d. wzrasta także wielkość wydatków g.d. na tran
jest to test dodatniości
Pytanie 3
Wielkość dochodu g.d. istotnie wpływa na wielkość wydatków g.d. na transport:
jest to test istotności parametru
Pytanie 4
W hipotezie Zdecydowanie się na którychś z wariantów jednostronnych musi być podyktowane jakimiś dodatkowymi przesłankami
prawda
Pytanie 5
Co do postaci hipotezy alternatywnej, w praktyce domyślnie przyjmuje się
dwustronny wariant testu
Pytanie 6
W hipotezie To o parametrach chcemy wnioskować ponieważ
nie znamy ich prawdziwych wartości
interesują nas, bo mówią o tej prawdziwej naturze modelowanego zjawiska, o tych prawdziwych zależnościach, które tylko częściowo są odzwierciedlone w informacji zawartej w (zawsze przecież ograniczonej) próbie i tym samym w oszacowaniach parametrów.
Pytanie 7
W hipotezie zerowej
zawsze jest/musi być znak równości
Pytanie 8
Testowaniu może
podlegać pojedynczy parametr (np. 𝛽1) lub pewna ich grupa;
Pytanie 9
Testowaniu zawsze podlega
układ dwóch wykluczających się wzajemnie hipotez
Pytanie 10
Do wnioskowania statystycznego Kluczowa jest tu więc relacja wartości oceny punktowej parametru od wartości błędu jej szacunku.
prawda
Pytanie 11
Błąd średnim szacunku stanowi przeciętną (in.: spodziewaną, oczekiwaną) różnicę pomiędzy prawdziwą (lecz nieznaną) wartością parametru 𝛽1 a jego oceną punktową 𝛽 ̂ 1
prawda
Pytanie 12
Ważna jest przede wszystkim niepewność związana z tą oceną (czyli tzw. niepewność estymacji). Ta mierzona jest
błędem średnim szacunku, 𝑑(𝛽 ̂ 1),
Pytanie 13
Do wnioskowania statystycznego o parametrach
nie wystarczą same ich oszacowania.
Pytanie 14
wnioskowanie statystyczne to formułowanie pewnych sądów (wniosków, zdań) o (z gruntu nieznanych) wartościach pewnych parametrów na podstawie ich oszacowań
prawda
Pytanie 15
do czego w praktyce można wykorzystać Klasyczny Model Normalnej Regresji Liniowej
wnioskowania statystycznego
Pytanie 16
to co odróżnia KMNRL (Klasyczny Model Normalnej Regresji Liniowej) od wprowadzonego wcześniej KMRL (Klasycznego Modelu Regresji Liniowej) to
dodatkowe założenie o normalności składnika losowego et
Pytanie 17
po drugie, duża liczba parametrów przyczynia się do zwiększenia “elastyczności” modelu
prawda
Pytanie 18
po pierwsze, wysoka liczba parametrów podlegających estymacji skutkuje znaczącym wzrostem jej
niepewności
Pytanie 19
włączając do modelu regresji kolejną, dowolną zmienną objaśniającą suma kwadratów reszt nie zmaleje
fałsz
Pytanie 20
Wszystkie cztery mierniki są oparte na sumie kwadratów reszt (SSE) – im jest ona niższa, tym na lepsze dopasowanie modelu one wskazuj
prawda
Pytanie 21
współczynnik zmienności resztowej,
jest wielkością niemianowaną
wyrażoną w procentach
Model jest tym lepiej dopasowany do danych, im niższa wartość Ve
Ve > 0 zawsze
10%< model bardzo dobrzre dopasowany do danych
30%< Ve model słabo dopasowany do danych
Pytanie 22
𝑦𝑡 oznacza zawsze zmienną objaśnianą tą może być
zmienna ekonomiczna
jej logarytm
Pytanie 23
zmienną objaśnianą jest
y
Pytanie 24
𝐻0: 𝛽𝑖 = 0
Parametr 𝛽𝑖 jest statystycznie nieistotny

Powiązane tematy

#ee012021