Главная /
Статистические методы анализа данных /
К каким последствиям может привести наличие мультиколлинеарности в линейной регрессионной модели?
К каким последствиям может привести наличие мультиколлинеарности в линейной регрессионной модели?
вопросПравильный ответ:
существенному изменению оценок регрессионных параметров при незначительном изменении матрицы плана
смещенности оценок параметров регрессии
большим дисперсиям оценок регрессионных параметров
Сложность вопроса
51
Сложность курса: Статистические методы анализа данных
64
Оценить вопрос
Комментарии:
Аноним
Я завалил зачёт, почему я не увидел данный сайт с решениями интуит в начале сессии
27 мар 2020
Аноним
Это было сложно
01 мар 2019
Другие ответы на вопросы из темы базы данных интуит.
-
#
МНК-оценка параметра
линейной регрессионной модели совпадает с оценкой максимального правдоподобия параметра
- # Погрешности наблюдений в модели однофакторного дисперсионного анализа должны удовлетворять следующим условиям:
-
#
Наблюдения
описываются моделью следующего вида
, где
-неизвестное общее среднее,
-отклонение от среднего, вызванное изменением уровня факторной переменной,
- погрешности с нулевым математическим ожиданием.
Контраст
параметров
в этой модели задан следующим образом
, где
.
Определенный таким образом контраст характеризует
- # Для проверки основной гипотезы в задаче однофакторного дисперсионного анализа применяют F-критерий и ранговый критерий Краскела-Уоллиса. Известно, что наблюдения имеют нормальное распределение, а число уровней фактора равно К. Чему равна в этом случае асимптотическая относительная эффективность по Питмену критерия Краскела- Уоллиса по отношению к F-критерию?
-
#
По двумерной выборке
, соответствующей некоторому распределению
, вычислен выборочный коэффициент корреляции
. Объем выборки n известен. Имея эту информацию, можно
линейной регрессионной модели совпадает с оценкой максимального правдоподобия параметра
описываются моделью следующего вида
, где
-неизвестное общее среднее,
-отклонение от среднего, вызванное изменением уровня факторной переменной,
- погрешности с нулевым математическим ожиданием.
Контраст
в этой модели задан следующим образом
, где
.
Определенный таким образом контраст характеризует
, соответствующей некоторому распределению
, вычислен выборочный коэффициент корреляции
. Объем выборки n известен. Имея эту информацию, можно