Общая (ТSS), объясненная (ESS) и необъясненная (RSS) суммы квадратов отклонений находятся в следующих соотношениях
Вопрос посетителя
Метод Зарембки заключается в выборе между линейной и _моделями:
(*ответ*) логарифмической
показательной
квадратической
гиперболической
Метод наименьших квадратов — метод нахождения оценок параметров регрессии, основанный на минимизации _ квадратов остатков всех наблюдений
(*ответ*) суммы
произведения
разности
среднего арифметического
МНК дает_ для данной выборки значение коэффициента детерминации R2
(*ответ*) максимальное
минимальное
среднее
средневзвешенное
Множество наблюдений, составляющих часть генеральной совокупности, называется
(*ответ*) выборкой
оценкой
испытанием
графиком
Модель парной регрессии — _модель зависимости между двумя переменными
(*ответ*) линейная
экспоненциальная
логарифмическая
степенная
На экзамене в группе из 15 студентов 4 человека получили отличную оценку, 8 человек- оценку хорошо, 3 человека — оценку удовлетворительно. Средний бал по группе равен:
(*ответ*) 4,06
4,50
3,95
3,50
Невыполнение 2 и 3 условий Гаусса — Маркова, приводит к потере свойства_оценок
(*ответ*) эффективности
несмещенности
состоятельности
существенности
Нелинейная модель у = f(x), в которой возможна замена переменной z = g(x), приводящая получившуюся модель y = F(z) — к линейной, называется моделью, нелинейной по
(*ответ*) переменным
параметрам
случайному члену
способу представления
Необходимость применения специальных статистических методов для обработки экономической информации вызвана _ данных
(*ответ*) стохастической природой
большой размерностью
регулярной периодичностью
взаимозависимостью
Нижнее число степеней свободы F-cтатистики в случае парной регрессии равно
(*ответ*) n-2
n-1
n
n+1
Область принятия гипотезы — множество значений _, при попадании в которое принимается нулевая гипотеза
(*ответ*) оценок параметра
дисперсии оценок
стандартных отклонений
стандартных ошибок
Общая (ТSS), объясненная (ESS) и необъясненная (RSS) суммы квадратов отклонений находятся в следующих соотношениях
(*ответ*) TSS = RSS + ESS
TSS = RSS — ESS
RSS = TSS/ESS
ESS = TSS/RSS
Ответ эксперта
Метод Зарембки заключается в выборе между линейной и _моделями:
(*ответ*) логарифмической
показательной
квадратической
гиперболической
Метод наименьших квадратов — метод нахождения оценок параметров регрессии, основанный на минимизации _ квадратов остатков всех наблюдений
(*ответ*) суммы
произведения
разности
среднего арифметического
МНК дает_ для данной выборки значение коэффициента детерминации R2
(*ответ*) максимальное
минимальное
среднее
средневзвешенное
Множество наблюдений, составляющих часть генеральной совокупности, называется
(*ответ*) выборкой
оценкой
испытанием
графиком
Модель парной регрессии — _модель зависимости между двумя переменными
(*ответ*) линейная
экспоненциальная
логарифмическая
степенная
На экзамене в группе из 15 студентов 4 человека получили отличную оценку, 8 человек- оценку хорошо, 3 человека — оценку удовлетворительно. Средний бал по группе равен:
(*ответ*) 4,06
4,50
3,95
3,50
Невыполнение 2 и 3 условий Гаусса — Маркова, приводит к потере свойства_оценок
(*ответ*) эффективности
несмещенности
состоятельности
существенности
Нелинейная модель у = f(x), в которой возможна замена переменной z = g(x), приводящая получившуюся модель y = F(z) — к линейной, называется моделью, нелинейной по
(*ответ*) переменным
параметрам
случайному члену
способу представления
Необходимость применения специальных статистических методов для обработки экономической информации вызвана _ данных
(*ответ*) стохастической природой
большой размерностью
регулярной периодичностью
взаимозависимостью
Нижнее число степеней свободы F-cтатистики в случае парной регрессии равно
(*ответ*) n-2
n-1
n
n+1
Область принятия гипотезы — множество значений _, при попадании в которое принимается нулевая гипотеза
(*ответ*) оценок параметра
дисперсии оценок
стандартных отклонений
стандартных ошибок
Общая (ТSS), объясненная (ESS) и необъясненная (RSS) суммы квадратов отклонений находятся в следующих соотношениях
(*ответ*) TSS = RSS + ESS
TSS = RSS — ESS
RSS = TSS/ESS
ESS = TSS/RSS
