Задача обработки экспериментальных данных?

1. Заключается в изучении усредненного закона поведения каждой из величин в зависимости от значений другой величины, а также тесноты взаимосвязи между ними.

2. Заключается в графическом представлении искомой функциональной зависимости, т.е. в построении гистограммы, полигона распределения и кумулятивной линии, описывающих результаты эксперимента.

3. Заключается в графическом представлении искомой функциональной зависимости, т.е. в подборе графика, описывающего результаты эксперимента.

4. Заключается в аналитическом представлении искомой функциональной зависимости, т.е. в подборе формулы, описывающей результаты эксперимента.

Регрессионный анализ?

1. Исследует поведение величины Х в зависимости от другой величины У.

2. Изучает усредненный закон поведения каждой из величин в зависимости от значений другой величины, а также тесноту взаимосвязи между ними.

3. Дает возможность получить математическую модель исследования – уравнение, аналитическое представление функциональной зависимости одной величины У от другой величины Х.

4. Интерпретирует математическую модель исследования – уравнение, аналитическое представление функциональной зависимости одной величины У от другой величины Х.

 

Корреляционный анализ?

1. Интерпретирует математическую модель исследования – уравнение, аналитическое представление функциональной зависимости одной величины У от другой величины Х.

2. Изучает усредненный закон поведения каждой из величин в зависимости от значений другой величины, а также тесноту взаимосвязи между ними.

3. Исследует поведение величины Х в зависимости от другой величины У.

4. Дает возможность получить математическую модель исследования – уравнение, аналитическое представление функциональной зависимости одной величины У от другой величины Х.

Взаимосвязь регрессии и корреляции?

1. Через угловые коэффициенты прямой и обратной регрессии и коэффициент корреляции.

2. Через коэффициенты конкордации и корреляции.

3. Через свободные члены уравнений прямой и обратной регрессии и коэффициент корреляции.

4. Через коэффициенты корреляции и вариации.

 

Суть МНК (метода наименьших квадратов)?

1. Сумма квадратов коэффициентов регрессии и корреляции должна быть минимальной.

2. Сумма квадратов отклонений вдоль выбранной оси координат от экспериментальных точек до линии регрессии должна быть минимальной.

3. Среднее квадратичное отклонение должно быть минимальным.

4. Сумма квадратов отклонений от выбранной оси координат до экспериментальных точек должна быть минимальной.

 

Отличие прямой и обратной регрессии?

1. Свободные члены уравнения: для прямой регрессии – отрезок по оси абсцисс; для обратной – по оси ординат; угловой коэффициент: для прямой регрессии – угол к оси ординат, для обратной – к оси абсцисс.

2. Свободные члены уравнения: для прямой регрессии – отрезок по оси абсцисс; для обратной – по оси ординат; угловой коэффициент: для прямой регрессии – угол к оси абсцисс, для обратной – к оси ординат.

3. Свободные члены уравнения: для прямой регрессии – отрезок по оси ординат; для обратной – по оси абсцисс; угловой коэффициент: для прямой регрессии – угол к оси ординат, для обратной – к оси абсцисс.

4. Свободные члены уравнения: для прямой регрессии – отрезок по оси ординат; для обратной – по оси абсцисс; угловой коэффициент: для прямой регрессии – угол к оси абсцисс, для обратной – к оси ординат.

 

В какой точке пересекаются линии прямой и обратной регрессии?

1. В центре массива экспериментальных данных: Х_{ср .} и У_{ср .}

2. В точке минимальной тесноты взаимосвязи.

3. В начале координат.

4. В точке максимальной тесноты взаимосвязи.

 

Как оценивается статистическая значимость

Коэффициентов регрессии и корреляции?

1. С помощью критерия Пирсона. 2. С помощью критерия Фишера.

3. С помощью критерия Стьюдента. 4. С помощью критерия Кохрена.

Как оценивается адекватность уравнения?

1. С помощью критерия Стьюдента. 2. С помощью критерия Пирсона.

3. С помощью критерия Фишера. 4. С помощью критерия Кохрена.

Как взаимосвязаны коэффициент корреляции и коэффициенты регрессии?

1. r² = b_1(ух) b_1(ху); 2. r² = b_0(ух) b_0(ху); 3. r² = b_1(ух) b_0(ху); 4. r² = b_1(ух) + b_1(ху).

Чему равен угловой коэффициент прямой регрессии?

1. Отношению прилежащего катета к противолежащему.

2. Отношению прилежащего катета к гипотенузе.

3. Отношению противолежащего катета к гипотенузе.

4. Отношению противолежащего катета к прилежащему.

 

Коэффициент корреляции?

1. Представляет собой размерную величину, значение и знак которой характеризуют направление и величину взаимосвязи между У и Х. Этот знак (+ или -) соответствует знаку углового коэффициента регрессии.

2. Представляет собой без размерную величину, значение и знак которой характеризуют направление и величину взаимосвязи между У и Х. Этот знак (+ или -) соответствует знаку углового коэффициента регрессии.

3. Представляет собой без размерную величину, значение и знак которой характеризуют направление и величину взаимосвязи между У и Х. Этот знак (+ или -) не соответствует знаку углового коэффициента регрессии.

4. Представляет собой размерную величину, значение которой характеризует направление и величину взаимосвязи между У и Х. Этот знак (+ или -) соответствует знаку свободного члена уравнения регрессии.

Метод группировок?

1. Наиболее простой, определяется только свободный коэффициент уравнения регрессии.

2. Наиболее сложный, определяется только свободный член уравнения регрессии.

3. Наиболее сложный, определяется только угловой коэффициент уравнения регрессии.

4. Наиболее простой, определяется только угловой член уравнения регрессии.

 

Адекватность уравнения?

1. Характеризует его способность предсказывать результаты последующих опытов, оценивается по критерию Фишера.

2. Характеризует его способность предсказывать результаты последующих опытов, оценивается по критерию Стьюдента.

3. Характеризует его способность угадывать результаты последующих опытов, оценивается по критерию Пирсона.

4. Характеризует его способность предсказывать результаты последующих опытов, оценивается по критерию Вилкоксона.

Ортогональная регрессия?

1. Минимальна сумма квадратов отклонений экспериментальных точек к линии регрессии параллельно оси ординат.

2. Минимальна сумма квадратов отклонений экспериментальных точек к линии регрессии параллельно оси абсцисс.

3. Минимальна сумма квадратов отклонений экспериментальных точек перпендикулярно к линии регрессии.

4. Максимальна сумма квадратов отклонений экспериментальных точек перпендикулярно к линии регрессии.

Критерий Пирсона?

1. Применяется для оценки ротатабельности матрицы планирования эксперимента при проверке однородности построчных дисперсий - дисперсий параллельных опытов.

2. Критерий значимости, устанавливающий существенность расхождений между теоретической и фактической частотами, можно применять для проверки согласия с любым законом распределения.

3. Это отношение дисперсий, применяется для оценки адекватности уравнений и т.п.

4. Это нормированное отклонение нормально распределенной случайной величины от центра группирования, статистика малых выборок; применяют для определения доверительных интервалов, оценки статистической значимости коэффициентов регрессии, корреляции и т.д.

Критерий Фишера?

1. Это нормированное отклонение нормально распределенной случайной величины от центра группирования, статистика малых выборок; применяют для определения доверительных интервалов, оценки статистической значимости коэффициентов регрессии, корреляции и т.д.

2. Применяется для оценки ротатабельности матрицы планирования эксперимента при проверке однородности построчных дисперсий - дисперсий параллельных опытов.

3. Критерий значимости, устанавливающий существенность расхождений между теоретической и фактической частотами, можно применять для проверки согласия с любым законом распределения.

4. Это отношение дисперсий, применяется для оценки адекватности уравнений и т.п.

Критерий Стьюдента?

1. Критерий значимости, устанавливающий существенность расхождений между теоретической и фактической частотами, можно применять для проверки согласия с любым законом распределения.

2. Применяется для оценки ротатабельности матрицы планирования эксперимента при проверке однородности построчных дисперсий - дисперсий параллельных опытов.

3. Это нормированное отклонение нормально распределенной случайной величины от центра группирования, статистика малых выборок; применяют для определения доверительных интервалов, оценки статистической значимости коэффициентов регрессии, корреляции и т.д.

4. Это отношение дисперсий, применяется для оценки а декватности уравнений и т.п.

 

Критерий Кохрена?

1. Применяется для оценки ротатабельности матрицы планирования эксперимента при проверке однородности построчных дисперсий - дисперсий параллельных опытов.

2. Это отношение дисперсий, применяется для оценки адекватности уравнений и т.п.

3. Критерий значимости, устанавливающий существенность расхождений между теоретической и фактической частотами, можно применять для проверки согласия с любым законом распределения.

4. Это нормированное отклонение нормально распределенной случайной величины от центра группирования, статистика малых выборок; применяют для определения доверительных интервалов, оценки статистической значимости коэффициентов регрессии, корреляции и т.д.

 

⇐ Предыдущая12345Следующая ⇒

Поделиться:

Воспользуйтесь поиском по сайту: