Question |
Answer |
Współczynnik kontyngencji C Pearsona można stosować start learning
|
|
do tablic wielodzielnych dowolnych wymiarów i dowolnej formY
|
|
|
Wnioskowanie statystyczne polega na: start learning
|
|
uogólnieniu wyników z próby losowej na całą populację generalną
|
|
|
Współczynnik koncentracji (kurtoza) mniejszy od 3 oznacza start learning
|
|
rozkład spłaszczony (platokurtyczny)
|
|
|
start learning
|
|
są to własności jednostek wchodzących w skład zbiorowości statystycznej
|
|
|
Przyrosty względne mogą przyjmować wartości: start learning
|
|
tylko rzeczywiste dodatnie
|
|
|
Wskaż poprawne stwierdzenia na temat błędu prognozy w oparciu o model trendu liniowego. Wybierz jedną lub więcej: start learning
|
|
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: start learning
|
|
aby suma kwadratów odchyleń wartości empirycznych od wartości teoretycznych była jak najmniejsza;
|
|
|
Współczynnik kontyngencji C Pearsona można stosować: Wybierz jedną lub więcej: start learning
|
|
do tablic wielodzielnych dowolnych wymiarów i dowolnej formy
|
|
|
. Wnioskowanie statystyczne polega na: Wybierz jedną lub więcej: start learning
|
|
uogólnieniu wyników z próby losowej na całą populację generalną
|
|
|
. Chcąc dokonać zmiany indeksów jednopodstawowych na łańcuchowe należy: Wybierz jedną lub więcej: start learning
|
|
każdy z indeksów jednopodstawowych dla okresu "t" podzielić przez indeks jednopodstawowy dla okresu "t-1"
|
|
|
. Szereg prosty (inaczej szczegółowy) to: Wybierz jedną lub więcej: start learning
|
|
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: start learning
|
|
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 start learning
|
|
|
|
|
Jeżeli współczynnik Czuprowa pomiędzy cechami x i y wynosi 0,85 stwierdzamy start learning
|
|
Silną zależność pomiędzy cechami x i y
|
|
|
Które z poniższych to miary zmienności? start learning
|
|
współczynnik zmienności, odchylenie ćwiartkowe, wariancja
|
|
|
Moment trzeci centralny przyjmuje tylko wartości: start learning
|
|
ze zbioru liczb rzeczywistych
|
|
|
Parametry strukturalne modelu regresji to: start learning
|
|
wyraz wolny i współczynnik regresji
|
|
|
Względną miarą dyspersji jest: start learning
|
|
b. współczynnik zmienności c. pozycyjny współczynnik zmienności
|
|
|
Współczynnik korelacji liniowej Pearsona stosujemy, gdy empiryczny rozrzut punktów na wykresie korelacyjnym układa się: start learning
|
|
tylko w postaci linii prostej
|
|
|
Reszta w analizie regresji: start learning
|
|
różnica między wartością empiryczną a wartością teoretyczną
|
|
|
W rozkładzie umiarkowanie asymetrycznym prawostronnie zachodzi następująca relacja: start learning
|
|
modalna<mediana< średnia arytmetyczna
|
|
|
Narodowy Spis Powszechny jest badaniem start learning
|
|
|
|
|
start learning
|
|
jest jedną z miar dyspersji
|
|
|
. Indeksy o podstawie stałej informują o: start learning
|
|
zmianie poziomu zjawiska w stosunku do okresu przyjętego za podstawę porównań
|
|
|
start learning
|
|
właściwość populacji generalnej
|
|
|
Indeks agregatowy ilości według formy Paaschego przyjmuje jako wagi start learning
|
|
b) ilości na poziomie z okresu podstawowego c) ceny na poziomie z okresu badanego d) ilości na poziomie z okresu badanego
|
|
|
średniookresowe tempo zmian start learning
|
|
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 start learning
|
|
|
|
|
start learning
|
|
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 start learning
|
|
|
|
|
Indeksy indywidualne służą do pomiaru: start learning
|
|
zmian poziomu zjawiska w czasie
|
|
|
. Zaznacz własności surowych wskaźników sezonowości: start learning
|
|
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 start learning
|
|
tylko rzeczywiste dodatnie
|
|
|
Dla szeregu prostego (szczegółowego) możemy wyliczyć start learning
|
|
miary pozycyjne i klasyczne
|
|
|
. Odchylenie standardowe jest to miara: start learning
|
|
|
|
|
. Współczynnik kierunkowy linii trendu interpretuje się jako: start learning
|
|
)przeciętną zmianę poziomu zjawiska z okresu na okres
|
|
|
. Które z wymienionych miar dyspersji są miarami bezwzględnymi start learning
|
|
odchylenie standardowe, wariancja
|
|
|
. Współczynnik korelacji liniowej Pearsona jest miarą start learning
|
|
kierunku i siły związku prostoliniowego dwóch cech
|
|
|
. Składnikami szeregu czasowego mogą być: start learning
|
|
a) wahania sezonowe b) trend c) składnik losowy(resztowy) d)wahania cykliczne
|
|
|
start learning
|
|
. związek korelacyjny między 2 zmiennymi
|
|
|
. Oceniając wartość oszacowanego równania regresji zwracamy szczególną uwagę na: start learning
|
|
b) współczynnik determinacji c) współczynnik zmienności losowej d) błąd standardowy szacunku współczynnika regresji
|
|
|
Ochylenie standardowe składnika losowego to: start learning
|
|
b) odchylenie standardowe zmiennej y c) pierwiastek kwadratowy z wariancji resztowej
|
|
|
Współczynnik regresji przyjmuje wartości: start learning
|
|
|
|
|
Współczynnik kierunkowy regresji przyjmuje wartości: start learning
|
|
wartości ze zbioru liczb rzeczywistych
|
|
|
. Na co należy uważać wykorzystując w modelu regresji dane, gdzie jednostkami obserwacji jest czas (lata, kwartały miesiące) start learning
|
|
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: start learning
|
|
między dwoma cechami z wyłączeniem wpływu innych cech, d. między dwoma cechami
|
|
|
Składniki szeregu czasowego mogą być następujące start learning
|
|
trend, składnik sezonowy, wahania cykliczne, składnik losowy
|
|
|
Współczynnik korelacji Pearsona równa się 0,87 oznacza to: start learning
|
|
silną zależność wprost proporcjonalną
|
|
|
Nieliniowe funkcje regresji to start learning
|
|
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) start learning
|
|
|
|
|
Współczynnik zbieżności fi-kwadrat określa jaka część zmian wartości zmiennej objaśnianej y start learning
|
|
c) nie została wyjaśniona przez funkcję regresji d) nie zależy od zmienności zmiennych objaśniających
|
|
|
Pojęcie statystyka może być rozumiane jako: start learning
|
|
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: start learning
|
|
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 start learning
|
|
a) współczynnik zmienności zmiennej objaśniającej b) współczynnik zmienności zmiennych objaśniających
|
|
|
Dystrybuanta empiryczna to: start learning
|
|
skumulowane częstości empiryczne badanej cechy
|
|
|
W szeregu symetrycznym prawdziwa jest następująca relacja pomiędzy wartościami miar przeciętnych: start learning
|
|
c. dominanta=mediana=średnia
|
|
|
Wariancja wzrostu mierzonego w cm wyrażona jest w start learning
|
|
|
|
|
Indeksy jednopodstawowe informują o: start learning
|
|
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: start learning
|
|
odchylenia standardowe są identyczne, średnie muszą być równe
|
|
|
Indeksy łańcuchowe informują o: start learning
|
|
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 start learning
|
|
współczynnik determinacji
|
|
|
. Interpretując współczynnik koncentracji nazywany kurtozą: start learning
|
|
. porównujemy go do trójki czyli do wartości jaką przyjmuje w rozkładzie normalnym
|
|
|
Przyczyny głownie, działające na każdej zjawisko (składnik systematyczny) start learning
|
|
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: start learning
|
|
|
|
|
Agregatowy indeks cen według wartości formuły Laspeyresa przyjmuje jako wagi: start learning
|
|
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 start learning
|
|
aby jedna wartość pojawiała się najczęściej
|
|
|
Mediany nie można wyznaczyć dla szeregu: start learning
|
|
d. medianę można wyznaczyć dla każdego szeregu
|
|
|
Przyczyny główne, działające na każde zjawisko (składnik systematyczny): start learning
|
|
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: start learning
|
|
|
|
|
Wysoka wartość współczynnika determinacji jest warunkiem koniecznym, ale niewystarczającym dobroci modelu regresji. Liczą się także start learning
|
|
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 start learning
|
|
są abstrakcyjne i wrażliwe na wartości skrajne
|
|
|
Współczynnik determinacji R^2 określa jaka część zmian wartości zmiennej objaśnianej y start learning
|
|
została wyjaśniona przez funkcję regresji
|
|
|
start learning
|
|
a. nie zależy od wartośći skrajnych b. jest miarą dyspersji (zmienności)
|
|
|
Klasyczna metoda najmniejszych kwadratów znajduje zastosowanie do: start learning
|
|
szacowania parametrów linii trendu, szacowania parametrów linii regresji
|
|
|
Jeśli badane zjawisko przyjmuje tylko wartości dodatnie, to indeksy proste mogą przyjmować wartości: start learning
|
|
tylko rzeczywiste dodatnie
|
|
|
odchylenie standardowe składnika losowego to: start learning
|
|
b. odchylenie standardowe zmiennej y c. pierwiastek kwadratowy wariancji resztowej
|
|
|