Тестовые задания


Калужский филиал Федерального государственного бюджетного образовательного учреждения высшего профессионального образования «РОССИЙСКАЯ АКАДЕМИЯ НАРОДНОГО ХОЗЯЙСТВА И ГОСУДАРСТВЕННОЙ СЛУЖБЫ при ПРЕЗИДЕНТЕ РОССИЙСКОЙ ФЕДЕРАЦИИ»
Кафедра естественнонаучных и математических дисциплин


Тестовые задания

  1. Какое поле корреляции подтверждает гипотезу об отсутствии какой-либо взаимосвязи?

  1. Какая линия парной регрессии лучше описывает фактические, наблюдаемые данные?

  1. Соединить стрелками значения коэффициента корреляции и их смысл

1) rYX = –0,94                              a) между Y и X отсутствует какая-либо связь
2) rYX = 0,215                              б) между Y и X линейная связь слабая
3) rYX = –0,65                              в) допущена ошибка в вычислениях
4) rYX = 1,02                               г) между Y и X линейная связь значительная, тесная
5) rYX = 0,006                              д) между Y и X линейная связь умеренная, средняя

  1. При построении уравнения линейной парной регрессии используется

а) метод наибольших квадратов
б) метод наименьших квадратов
в) метод наименьшего кратного
г) метод наилучших коэффициентов

  1. Среди предложенных моделей выделить линейные парные регрессионные модели

а) Y = 7,1 – 0.5X + є
б) Y = 10,3 X1 + 6 X2
в) Y = 1,2 X2 + є
г) Y =  –54,2 X + є
д) Y = 2,3 X

  1. Вариацию результативного признака Y, обусловленную вариацией фактора X оценивает

а) коэффициент детерминации R2
б) коэффициент эластичности Э
в) коэффициент корреляции rYX
г) коэффициент регрессии b1

  1. Основная идея МНК для построения уравнения регрессии:

а) сумма квадратов остатков минимизируется
б) сумма остатков минимизируется
в) сумма квадратов остатков максимизируется
г) сумма остатков максимизируется
д) сумма квадратов фактора минимизируется

  1. Суть МНК при построении уравнения и линии регрессии:

а) провести линию, соединяющую все точки фактических данных
б) провести ее через наиболее важные точки фактических данных
в) построить ее так, чтобы она прошла как можно ближе в среднем, в целом к фактическим данным

  1. Среди перечисленных условий выделить основные предпосылки МНК – условия Гаусса-Маркова

а) Гомоскедастичность
б) Дисперсия случайных отклонений равна нулю
в) Модель линейна относительно параметров
г) Автокорреляция
д) Случайные отклонения независимы от значений факторов
е) Математическое ожидание случайных отклонений равно нулю
ж) Случайные отклонения подчиняются нормальному закону распределения
з) Гетероскедастичность
и) Случайные отклонения независимы между собой

  1. Если выполнены основные предпосылки МНК – условия Гаусса-Маркова, то коэффициенты уравнения регрессии как оценки параметров модели обладают свойствами (среди перечисленных выделить необходимые):

а) несостоятельность
б) минимальность
в) несмещенность
г) вариативность
д) неэластичность
е) состоятельность
ж) эластичность
з) эффективность
и) смещенность

  1. Средняя ошибка аппроксимации А=30% свидетельствует

а) о не очень хорошем подборе модели к наблюдаемым данным, прогнозы по этой модели следует строить с осторожностью
б) о хорошем подборе модели к фактическим данным
в) о неудовлетворительном подборе модели
г) о том, что такую модель не следует применять для прогнозирования

  1. Если при построении уравнения регрессии получен коэффициент детерминации
    R2= 0,98

а) зависимость Y от Х слабая, незначительная, изменения результативного признака Y больше частью обусловлены случайными (или не включенными в модель) факторами
б) изменения результативного признака Y на 0,98% обусловлены изменениями фактора Х
в) изменения результативного признака Y на 98% обусловлены изменениями фактора Х
г) допущена ошибка в вычислениях
д) изменения результативного признака Y на 98% обусловлены случайными (или невключенными в модель) факторами

  1. Если при построении уравнения регрессии получено значение коэффициента эластичности Э= –15,3

а) при уменьшении фактора Х на 1% от своего среднего результативный признак Y увели-чится в среднем на 15,3% от своего среднего значения
б) допущена ошибка в вычислениях
в) при увеличении фактора Х на 1% от своего среднего результативный признак Y уменьшится в среднем на 1,53% от своего среднего значения

  1. Подчеркнуть «верно» или «неверно» каждое предложенное утверждение о причинах низкого качества модели:

а) нарушены предпосылки МНК                                             Верно Неверно
б) включены в модель незначимые, несущественные факторы                 Верно Неверно
в) выборка данных не репрезентативна                                    Верно Неверно
г) слишком мало данных наблюдения                                       Верно Неверно

  1. Подчеркнуть «верно» или «неверно» каждое предложенное утверждение

а) чем больше объем выборки, тем прогнозы по уравнению регрессии точнее Верно Неверно
б) чем больше разброс значений фактора в выборке, тем точнее будут прогнозы по уравнению регрессии    Верно Неверно
в) использование уравнения регрессии вне обследованной выборки приводит к большим погрешностям при прогнозировании Верно Неверно

  1. На сколько своих единиц измерения в среднем измениться результативный признак Y при изменении фактора Х на одну свою единицу измерения оценивает

а) коэффициент детерминации R2
б) коэффициент эластичности Э
в) коэффициент корреляции rYX
г) коэффициент регрессии b1

  1. Подчеркнуть «верно» или «неверно» каждое предложенное утверждение о причинах низкого качества модели:

а) неверна спецификация модели (модель нелинейна)                       Верно Неверно
б) включены в модель незначимые, несущественные факторы                 Верно Неверно
в) действительное отсутствие взаимосвязи между наблюдаемыми переменными Верно Неверно
г) слишком много данных наблюдения                                      Верно Неверно


После оплаты необходимо обязательно вернуться в магазин!