Итоговый тест по математическому моделированию
Оценка: 22,00 из 30,00 (73,33%)
Средняя ошибка аппроксимации – это:
На рисунке изображена - ...
Если линейный коэффициент корреляции rxy= -0,91, то теснота связи между Y и Х по шкале Чеддока:
Устранение мультиколлинеарности, в первую очередь, необходимо для:
Рассчитайте. Дано уравнение зависимости оборота розничной торговли от времени Yt = 20,23 + 2,98*t. Прогнозное значение оборота розничной торговли на 2 квартал следующего года равно (ответ округлите до сотых долей)...
При прогнозировании на основе уравнении тренда, прогнозируемый показатель является функцией от:
Даны коэффициенты автокорреляции r1 = 0,935 и r2 = 0,751, следовательно:
Парная показательная регрессия имеет вид:
Прогноз социально-экономического развития на долгосрочную перспективу разрабатывается на:
Соответствие между принципами экономического прогнозирования и их характеристикой:
Соответствие между видом предсказания и предуказания и определением:
Дана модель с распределенным лагом Yt = 15 + 2xt- 4xt-1 + 5xt-2. Краткосрочный мультипликатор для нее равен:
Соответствие между значением линейного коэффициента корреляции и характеристиками связи:
Коэффициент детерминации между товарооборотом и доходами населения равен 0,81. Коэффициент корреляции равен:
Прямая зависимость между факторным и результативным признаками устанавливается, если:
...– это модель в виде математической функции, выражающая зависимость уровней ряда динамики от фактора времени
Соответствие между условием F критерия Фишера и характеристикой вывода:
Что представляет собой вершина в графе «Дерева целей»
Если линейный коэффициент корреляции rxy= 0,11, то теснота связи между Y и Х по шкале Чеддока:
Предопределенные переменные, влияющие на эндогенные переменные, но не зависящие от них называются:
Средняя ошибка аппроксимации =0,25%; F-критерий Фишера Fтабл= 4,96 и Fфакт=2,56; r2 = 0,71. Следовательно, качество модели:
Графическое изображение уравнения линейной регрессии:
Дана матрица частных и парных коэффициентов корреляции. Мультиколлинеарными факторами являются:
Коэффициент корреляции рассчитывается для оценки:
Парная линейная регрессия имеет вид
Вклад первого лага (w1) в модель с распределенным лагом
Коэффициент автокорреляции характеризует:
Экономический смысл модели Y = 23,15 – 0,26 * Xi заключается
Попарная корреляционная зависимость между факторами – это:
Коэффициент автокорреляции 1-го порядка равен 0,76.Полученное значение свидетельствует о зависимости уровней ряда t и t-1: