 |
по дисциплине 5217 «Эконометрика»
|
|
|
|
МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ
ПРИБОРОСТРОЕНИЯ И ИНФОРМАТИКИ
Кафедра ЭФ-2 «Экономические информационные системы»
УТВЕРЖДАЮ
Заведующий кафедрой ЭФ-2
_________________ Лагунова А.Д.
«____»_____________2012г.
Только для преподавателей по
специальностям подготовки
МЕТОДИЧЕСКИЕ УКАЗАНИЯ
ПО ПРОВЕДЕНИЮ ЗАЧЕТА
по дисциплине 5217 «Эконометрика»
Обсуждены на заседании кафедры
(предметно-методической секции)
«15»мая 2012 г.
Протокол № 11
МГУПИ – 2012 г.
1. Указания по проведению зачета:
К зачету по дисциплине допускаются студенты, присутствовавшие на лекциях и практических занятиях и предъявившие результаты решения задач.
2. Место проведения: Компьютерный класс кафедры ЭФ-2.
3. Порядок проведения зачета. Зачет по дисциплине проводится в форме тестирования или ответов по билетам (вопросы для билетов представлены в рабочей программе дисциплины). Для подготовки к тестированию следует предоставить студентам перечень контрольных вопросов.
4. Перечень контрольных вопросов:
1. Эконометрика, ее назначение. Вопросы, изучаемые в рамках данной дисциплины.
2. Случайная величина и ее характеристики.
3. Определение значений гистограммы, полигоны и кумуляты.
4. Определение значений дифференциального и интегрального закона распределения случайной величины.
5. Определение числовых характеристик случайной величины на основе дифференциального закона распределения.
6. Определение числовых характеристик случайной величины на основе исходного ряда ее значений.
7. Определение вероятности попадания значений случайной величины в заданный интервал
|
|
|
с помощью дифференциального и интегрального закона распределения.
8. Критерий согласия Пирсона при оценке соответствия эмпирического закона априори заданному теоретическому закону распределения.
9 Определение двумерного дифференциального закона распределения двух случайных величин.
10 Связь двухмерного с одномерными законами распределения случайных величин.
11 Случайные функции и их характеристики.
12 Стационарные и нестационарные случайные процессы. Свойство эргодичности для стационарных случайных процессов.
13 Ковариационная и корреляционная функция, их назначение. Связь между ковариационной и корреляционной функцией.
14 Преобразование Лапласа и его использование для временной функции.
15 Преобразование Лапласа и его использование для ковариационной функции.
16 Функциональная и корреляционная функция, их отличие.
17 Назначение корреляционного и дисперсионного анализа, область их использования.
18 Коэффициент линейной парной корреляции и область его значений.
19 Коэффициент линейной множественной корреляции и область его значений.
20 Корреляционное отношение и область его значений.
21 Парный и множественный регрессионный анализ.
22 Метод наименьших квадратов и его использование.
23 Теорема Гаусса- Маркова.
24 Выбор оптимальной функции из заданной совокупности функции.
25 Гомоскедастичность и гетероскедастичность временной функции. Обобщенный метод наименьших квадратов.
26 Множественный регрессионный анализ. Понятие мультиколленеарности. Требования к факторам, используемым в уравнении линейной множественной регрессии. Определение полноты исходной совокупности факторов.
27 Регрессионные зависимости с учетом временного лага. Метод Койка для определения значений параметров регрессии с распределенным лагом.
28 Использование значений автокорреляционной и взаимокорреляционной функции для определения значений параметров регрессии с распределенным лагом.
|
|
|
29 Критерий Дарбина-Уотсона и его назначение.
30 F – критерий для оценки значимости найденной регрессионной зависимости.
31 Определение значимости значений параметров, полученных в рамках корреляционно-регрессионного анализа.
32 Структурная и приведенная формы системы одновременных (взаимосвязанных) уравнений.
33 Идентифицированные, неидентифицированные и сверхидентифицированные уравнения в системе одновременных (взаимосвязанных) уравнений.
34 Косвенный и двухшаговый метод наименьших квадратов.
35 Методы сглаживания динамических рядов.
36 Модель экстраполяции тенденции, модель авторегерессии и многофакторная модель, используемые для получения прогнозных оценок.
37 Формула Бейеса и ее назначение. Модель прогнозирования, в основе которой лежит использования формулы Бейеса.
5. Варианты экзаменационных тестов:
1. Чем характеризуется случайная величина?
a) тем, что данная величина принимает различные значения при одинаковых условиях проведения опыта;
b) тем, что данная величина наблюдается при возникновении определенного события, возникающего случайным образом;
c) тем, что данная величина всегда принимает одно и то же значение;
d) тем, что значения данной величины зависят от времени;
2. Что откладывается по оси ординат гистограммы?
a) значения рассматриваемой случайной величины;
b) число попаданий значений случайной величины в заданные интервалы;
c) частота попаданий значений случайной величины в заданные интервалы;
d) значения интервалов гистограммы;
3. Какая из графических изображений обобщенных характеристик случайной величины характеризуется
ступенчатой функцией?
a) гистограмма;
b) полигона;
c) кумулята;
d) интегральный закон распределения случайной величины;
4. Какая из обобщенных характеристик случайной величины представляет собой накопленные значения полигоны?
a) гистограмма;
b) кумулята;
c) дифференциальный закон распределения;
d) интегральный закон распределения;
5. Чему соответствует вероятность попадания значения случайной величины в заданный интервал?
a) частоте их попадания в данный интервал;
|
|
|
b) числу их попаданий в данный интервал;
c) длительности заданного интервала;
d) числу значений исходного вариационного ряда;
6. Какой закон распределения случайной величины находится по гистограмме?
a) Дифференциальный;
b) Интегральный;
7. Какой закон распределения случайной величины находиться по кумуляте?
a) Дифференциальный;
b) Интегральный;
8. Каким показателем является число попаданий значений случайной величины в заданный интервал?
a) Абсолютным;
b) Относительным;
9. Каким показателем является частота попаданий значений случайной величины в заданный интервал?
a) Абсолютным;
b) Относительным;
10. Какая числовая характеристика относится к начальному моменту?
a) Математическое ожидание;
b) Дисперсия;
11. Какая числовая характеристика относится к центральному моменту?
a) Математическое ожидание;
b) Дисперсия;
12. Чему равняется корень квадратный из дисперсии?
a) Математическому ожиданию;
b) Среднеквадратичному отклонению;
c) Среднелинейному отклонению;
13. Какой показатель характеризует усредненную величину модуля отклонений значений случайной величины от средней?
a) Среднеквадратическое отклонение;
b) Среднелинейное отклонение;
c) Математическое ожидание;
d) Дисперсия;
14. Какой закон распределения строится на основе опытных данных?
a) Эмпирический;
b) Теоретический;
15. Что находится с помощью критерия согласия?
a) Соответствие заданного теоретического закона эмпирическому закону;
b) Соответствие средней величины математическому ожиданию;
c) Зависимость, связывающую между собой значения независимой и зависимой переменной;
d) значение коэффициента вариации случайной величины;
16. Какой закон распределения имеет функцию, отражающую связь между значениями случайной величины и вероятностью их появления?
a) Эмпирический;
b) Теоретический;
17. Каким является нормальный закон распределения?
a) теоретическим;
b) эмпирическим;
18. Какой метод используется при определении математического ожидания и дисперсии заданного теоретического закона распределения при использовании критерия согласия?
|
|
|
a) Метод наименьших квадратов;
b) Метод моментов;
c) Симплекс-метод;
d) Метод цепных подстановок;
19. Чем характеризуется случайная функция?
a) Наличием различных реализаций, отличающихся друг от друга и получаемых в результате различных опытов;
b) Наличием различных реализаций, не отличающихся друг от друга и получаемых в результате различных опытов;
c) Тем, что она получается при появлении определенного события, которое возникает случайным образом;
20. Какая из случайных функций обладает свойством эргодичности?
a) Стационарная;
b) Нестационарная;
c) Монотонно убывающая;
d) Монотонно возрастающая;
21. Какая функция характеризуется относительными значениями?
a) ковариационная функция;
b) корреляционная функция;
c) регрессионная функция;
22. Чему равняется значение корреляционной функции в том случае, если интервал между рассматриваемыми значениями случайной функции равняется нулю?
a) единице;
b) нулю;
c) математическому ожиданию;
d) дисперсии;
23. Какая функция характеризует тесноту связи между значениями случайной функции, разделенными определенным интервалом величин?
a) Корреляционная функция;
b) Регрессионная функция;
c) Функция Лагранжа;
24. На что делятся значения ковариационной функции, чтобы получить соответствующие значения корреляционной функции?
a) на значение математического ожидания случайной функции;
b) на значение дисперсии случайной функции;
c) на значение дисперсии ковариационной функции;
d) на число значений случайной функции;
25. Для какой реализации случайной функции будет шире частотный сектор?
a) Для той, для которой корреляционная функция будет уже;
b) Для той, для которой корреляционная функция будет шире;
c) Для той, для которой максимальное значение корреляционной функции будет больше;
d) Для той, для которой максимальное значение корреляционной функции будет меньше;
26. Какой из методов предполагает линейность взаимосвязей?
a) Корреляционный;
b) Дисперсионный;
c) Метод моментов;
27. Какой метод анализа позволяет определять тесноту взаимосвязи между факторами?
a) Корреляционный;
b) Регрессионный;
c) Метод моментов;
28. Когда теснее связь между факторами?
a) Когда значение коэффициента линейной парной корреляции ближе к 0;
b) Когда значение коэффициента линейной парной корреляции ближе к 1;
c) Когда значение коэффициента линейной парной корреляции близко к 0,5;
d) Когда значение коэффициента линейной парной корреляции меньше – 1;
|
|
|
29. Когда наблюдается нелинейный характер взаимосвязей?
a) Когда значение коэффициента линейной парной корреляции находится в пределах от 0 до 1;
b) Когда значение коэффициента линейной парной корреляции находится в пределах от -1 до 0;
c) Когда значение коэффициента линейной парной корреляции больше 1 или меньше -1;
30. Когда теснее связь между факторами при одном и том же значении общей дисперсии?
a) Когда значение межгрупповой дисперсии больше;
b) Когда значение межгрупповой дисперсии меньше;
c) Когда значение межгрупповой дисперсии равняется отрицательной величине;
31. Когда используется обобщенный метод наименьших квадратов?
a) При наличии гетероскедастичности;
b) При наличии гомоскедастичности;
c) При наличии равенства межгрупповой общей дисперсии;
d) При наличии равенства межгрупповой средней внутригрупповой дисперсии;
32. Чем характеризуется гомоскедастичность?
a) тем, что дисперсия значений зависимой переменной, соответствующая различным значениям независимой переменной, является постоянной?
b) тем, что дисперсия значений зависимой переменной, соответствующая различным значениям независимой переменной, является переменной?
c) тем, что дисперсия значений независимой переменной равняется ее математическому ожиданию;
33. Чем характеризуется гетероскедастичность?
a) тем, что дисперсия значений зависимой переменной, соответствующая различным значениям независимой переменной, является постоянной?
b) тем, что дисперсия значений зависимой переменной, соответствующая различным значениям независимой переменной, является переменной?
c) тем, что дисперсия значений независимой переменной равняется ее математическому ожиданию;
34. Когда используется метод наименьших квадратов?
a) В корреляционном анализе;
b) В регрессионном анализе;
c) В дисперсионном анализе;
d) В методе цепных подстановок;
35. Что находится с помощью метода наименьших квадратов?
a) Аналитический вид взаимосвязи;
b) Неизвестные значения параметров заданной функции;
c) Значения математического ожидания зависимой переменной;
36. Какой закон распределения используется при оценке значимости значения коэффициента линейной парной корреляции?
a) закон распределения Стьюдента;
b) закон распределения Пуассона;
c) Нормальный закон распределения;
d) Равновероятный закон распределения;
37. Какой закон распределения используется при оценке значимости значение корреляционного отношения?
a) Закон распределения Стьюдента;
b) Закон распределения Фишера;
c) Нормальный закон распределения;
d) Равновероятный закон распределения;
38. Какие требования предъявляются к факторам в уравнении линейной множественной регрессии?
a) Они должны быть зависимы между собой;
b) Они должны быть независимы между собой;
c) Значения их математического ожидания должны отличаться друг от друга;
d) Значения их дисперсии должны отличаться друг от друга;
39. Что определяет собой критерий Дарбина – Уотсона?
a) Коррелированость остатков;
b) Связь между межгрупповой и общей дисперсией случайной величины;
c) Соответствие заданного теоретического закона распределения случайной величины полученному эмпирическому закону;
d) Связь между математическим ожиданием и дисперсией случайной величины;
40. Что означает высокая коррелированность остатков, полученных с помощью критерия Дарбина-
Уотсона?
a) Что функция, используемая в регрессионном анализе, отражает объективно существующую связь между факторами;
b) Что функция, используемая в регрессионном анализе, не отражает объективно существующую связь между факторами;
c) Что полученная ковариационная и корреляционная функция характеризуется только положительными значениями;
41. Какая целевая функция может использоваться при выборе наиболее предпочтительной функции, описывающей линию регрессии?
a) целевую функцию метода наименьших квадратов;
b) целевую функцию линейного программирования;
c) целевую функцию метода моментов;
41. Какая зависимость существует между дисперсией и значением коэффициента, используемого в обобщенном методе наименьших квадратов?
a) чем больше значение дисперсии, тем больше значение данного коэффициента;
b) чем больше значение дисперсии, тем меньше значение данного коэффициента;
c) значения этих показателей между собой не связаны;
42. Какая дисперсия больше?
a) Факторная;
b) Общая;
c) Остаточная;
43. Какие переменные являются независимыми?
a) Эндогенные;
b) Экзогенные;
44. Какие переменные являются зависимыми?
a) Эндогенные;
b) Экзогенные;
45. Когда невозможно однозначное решение системы одновременных (приведенных) уравнений. Когда они:
a) Идентифицированы;
b) Не идентифицированы;
c) Сверхидентифицированы;
46. При идентифицированности системы одновременных (Взаимосвязанных) уравнений какой метод используется?
a) Косвенный метод наименьших квадратов;
b) Двух шаговый метод наименьших квадратов;
c) Обобщенный метод наименьших квадратов;
d) Метод моментов;
47. Когда используется двухшаговый метод наименьших квадратов?
a) Когда система одновременных (приведенных) уравнений идентифицирована;
b) Когда система одновременных (приведенных) уравнений сверхидентифицирована;
c) Когда система одновременных (приведенных) уравнений неидентифицирована;
48. Когда число неизвестных параметров в структурной модели меньше числа параметров приведенной модели системы одновременных уравнений, что тогда имеем?
a) идентифицированную систему одновременных уравнений;
b) сверхидентифицированную систему одновременных уравнений;
c) неидентифицируемую систему одновременных уравнений;
49. Существует ли в правой части одновременных (Взаимосвязанных) уравнений для их структурной формы эндогенные переменные?
a) Да;
b) Нет;
50. Существует ли в правой части одновременных (Взаимосвязанных) уравнений для их приведенной формы эндогенные переменные?
a) Да;
b) Нет;
51. Какие переменные находятся в правой части одновременных (взаимосвязанных) уравнений для их структурной формы?
a) Эндогенные переменные;
b) Экзогенные переменные;
c) Экзогенные и эндогенные переменные;
52. Какие переменные находятся в правой части одновременных (взаимосвязанных) уравнений для их приведенной формы?
a) Эндогенные переменные;
b) Экзогенные переменные;
c) Экзогенные и эндогенные переменные;
53. Если два отдельно взятых фактора уравнения линейной множественной регрессии коррелированны между собой, то что нужно сделать?
a) Оставить эти два фактора в уравнении;
b) Один из факторов оставить в уравнении, а другой фактор исключить из уравнения;
c) Оба фактора исключить из уравнения;
54. Если два отдельно взятых фактора уравнения линейной множественной регрессии не коррелированны между собой, то что нужно сделать?
a) Оставить эти два фактора в уравнении;
b) Один из факторов оставить в уравнении, а другой фактор исключить из уравнения;
c) Оба фактора исключить из уравнения;
55. Какой из коррелированных между собой факторов следует исключить из уравнения линейной множественной регрессии?
a) Тот, который сильнее коррелирован с результирующим показателем;
b) Тот, который слабее коррелирован с результирующим показателем;
56. Какая модель, используемая при прогнозировании, учитывает связь между разными значениями переменной?
a) Модель авторегрессии;
b) Модель экстраполяции тенденции;
c) Многофакторная модель;
57. В основе какой модели прогнозирования лежит использование уравнения линейной множественной регрессии?
a) Модель авторегрессии;
b) Модель экстраполяции тенденции;
c) Многофакторная модель;
58. В основе какой модели прогнозирования лежит использование линейной парной регрессии?
a) Модель авторегрессии;
b) Модель экстраполяции тенденции;
c) Многофакторная модель;
59. В каком случае используется прямое преобразование Лапласа?
a) при определении частотных характеристик временной функции;
b) при определении степени взаимосвязи между двумя различными временными функциями;
c) при определении функции взаимосвязи между двумя факторами;
60. Что требуется для определения прогнозных значений результирующего показателя с помощью многофакторной модели?
a) Определение значений параметров;
b) Определение прогнозных значений факторов;
c) Определение значений параметров и прогнозных значений факторов;
61. В каком случае используется метод Койка?
a) Для определения коррелированности остатков;
b) Для определения значимости полученного значения коэффициента множественной линейной корреляции;
c) Для определения значений параметров регрессионной зависимости с распределенным лагом;
62. Для чего используется формула Бейеса?
a) Для определения значений параметров регрессионной зависимости;
b) Для определения апостериорной вероятности принятых гипотез;
c) Для определения значений параметров регрессионной зависимости с распределенным лагом;
63. Какая модель прогнозирования позволяет найти прогнозную интервальную оценку?
a) Модель экстраполяции тенденции;
b) Многофакторная модель;
c) Модель, основанная на использовании формулы Бейеса;
64. Как находится спектральная плотность случайной функции?
a) С помощью преобразования Лапласа ковариационной функции;
b) С помощью дифференцирования функции Лагранжа;
c) С помощью метода Койка;
65. Что характеризует собой спектральная плотность случайной функции?
a) Изменение математического ожидания случайной функции во времени;
b) Изменение дисперсии случайной функции по времени;
c) Распределение дисперсии случайной функции по частотам;
66. Какой метод используется для определения значений параметров системы одновременных (взаимосвязанных) уравнений при условии, что данная модель является идентифицируемой?
a) Обобщенный метод наименьших квадратов;
b) Косвенный метод наименьших квадратов;
c) Двухшаговый метод наименьших квадратов;
67. Какой метод используется для определения значений параметров системы одновременных (взаимосвязанных) уравнений при условии, что данная модель является сверхидентифицируемой?
a) Обобщенный метод наименьших квадратов;
b) Косвенный метод наименьших квадратов;
c) Двухшаговый метод наименьших квадратов;
67. Какой критерий используется для оценки значимости параметров нелинейной регрессии?
a) F – критерий;
b) Критерий Дарбина-Уотсона;
c) Критерий согласия Пирсона;
68. С помощью какого метода оценивается колебательный характер рассматриваемых временных рядов?
a) С помощью метода наименьших квадратов;
b) С помощью разложения временной функции в ряд Фурье;
c) С помощью метода Койка;
69. Как осуществляется оценка значений параметров приведенной модели системы одновременных (взаимосвязанных) уравнений?
a) С помощью преобразования Лапласа;
b) С помощью метода наименьших квадратов;
c) С помощью критерия согласия Пирсона;
70. В какой модели в правой части находятся эндогенные переменные?
a) В структурной модели системы одновременных (взаимосвязанных) уравнений;
b) В приведенной модели системы одновременных (взаимосвязанных) уравнений;
c) В уравнении линейной множественной регрессии;
Указания разработаны:
к.т.н., профессор Дмитриев Я.В., к.т.н. Зуев А.С.
«___»_________2012 г.
|
|
|
