Soru 1 / 10
Çok Değişkenli Yöntemler ve Makine Öğrenmesi · İleri Düzey
Sonra bak
Bir araştırmada BF₁₀ = 4 bulunmuştur. Araştırmacı, önceki çalışmalara dayanarak H₁'i baştan H₀'a göre 4 kat daha az inandırıcı (önsel oran 1:4) kabul ediyorsa veriden sonra iki hipotezin sonsal oranı ne olur?
A H₁ lehine 4:1
B Yaklaşık 1:1
C H₀ lehine 16:1
D H₁ lehine 16:1
E H₀ lehine 4:1
Önceki
Seçimi kaldır
Sonraki
Soru 2 / 10
Çok Değişkenli Yöntemler ve Makine Öğrenmesi · İleri Düzey
Sonra bak
ChemReact verisi (rsm; n = 14), önemli faktörleri önceden belirlenmiş bir kimyasal tepkimede süre (Time) ve sıcaklık (Temp) için bloklu bir yanıt yüzeyi tasarımıyla toplanmıştır. Araştırmacı verimin (Yield) iki faktöre göre eğri yüzeyini modellemek ve verimi en yüksek yapan faktör birleşimini bulmak istiyor. En uygun analiz hangisidir?
A LOESS, iki açıklayıcılı yüzey düzgünleştirmesiyle
B Yanıt Yüzeyi Regresyonu, blok + tam ikinci dereceden yüzeyle
C Çoklu Doğrusal Regresyon, yalnız Time ve Temp doğrusal terimleriyle
D İki yönlü ANOVA, Time ve Temp kategorik faktör alınarak
E İki düzeyli faktöriyel tarama deneyi analizi, ana etkilerle
Önceki
Seçimi kaldır
Sonraki
Soru 3 / 10
Çok Değişkenli Yöntemler ve Makine Öğrenmesi · İleri Düzey
Sonra bak
GWR'de uyarlanır bantta Elle bant genişliği 49,46 girilip Bant seçim kriteri AICc'den CV'ye değiştirildiğinde ne olur?
A Bant 49'a yuvarlanır; CV ile en iyi bant ızgarada yeniden aranır
B Bant 50 komşuya yuvarlanır; ölçüt bandı etkilemez
C Değer 5 ile 159 dışında kaldığı için hata verilir
D Bant 49,46 olarak kullanılır; CV yeni bir bant seçer
E Bant 49 komşuya yuvarlanır; ölçüt bandı etkilemez
Önceki
Seçimi kaldır
Sonraki
Soru 4 / 10
Çok Değişkenli Yöntemler ve Makine Öğrenmesi · İleri Düzey
Sonra bak
Bayesci Doğrusal Regresyonda Bayes faktörü (JZS) açıkken önsel ölçeği medium'dan wide'a alındığında complaints + learning modelinde ne olur?
A BF10 değişmez; sonsal katsayılar daha geniş aralıklarla verilir
B BF10 417 938,6'ya çıkar; sonsal katsayılar değişmez
C BF10 207 271,9'dan 265 544,5'e çıkar; sonsal katsayılar değişmez
D BF10 315 512,9'a çıkar; sonsal katsayılar da büzülür
E BF10 azalır; sonsal katsayılar da sıfıra doğru belirgin biçimde büzülür
Önceki
Seçimi kaldır
Sonraki
Soru 5 / 10
Çok Değişkenli Yöntemler ve Makine Öğrenmesi · İleri Düzey
Sonra bak
Çoklu Atamada nhanes verisinde BayesianRidge motoruyla m = 5 iken bmi katsayısı 2,651 (SH 2,512, sd 14,08) bulunmuştur. m = 20 seçildiğinde sonuç hangisidir?
A 4,252 (SH 3,573, sd 7,62)
B 3,345 (SH 2,465, sd 12,39)
C 2,651 (SH 2,512, sd 14,08)
D 4,252 (SH 2,512, sd 14,08)
E 4,846 (SH 3,402, sd 9,03)
Önceki
Seçimi kaldır
Sonraki
Soru 6 / 10
Çok Değişkenli Yöntemler ve Makine Öğrenmesi · İleri Düzey
Sonra bak
Ağırlıklı en küçük kareler (WLS) kestiriminde ağırlıklar hata varyansıyla ters orantılı (wᵢ = 1/σᵢ²) seçildiğinde ne sağlanır?
A Gözlemler, evrende temsil ettikleri kişi sayısına göre ağırlıklanır ve tasarıma dayalı hata elde edilir.
B Tüm gözlemler eşit önem kazanır ve hata varyansı sabit varsayılır.
C Katsayılar sıfıra doğru büzülerek değişken seçimi yapılır.
D Aykırı gözlemlerin etkisi sıfırlanır ve kestiricinin kırılma noktası %50'ye yükselir.
E Daha kesin gözlemler tahmine daha çok katkı yapar ve kestirimler en verimli hâle gelir.
Önceki
Seçimi kaldır
Sonraki
Soru 7 / 10
Çok Değişkenli Yöntemler ve Makine Öğrenmesi · İleri Düzey
Sonra bak
Yol Analizinde paralel modelde ML ile χ²(1) = 21,4258'dir. Kestirim yöntemi MLM (Satorra-Bentler) seçildiğinde sonuç hangisidir?
A χ² = 18,3521, c = 1,0000
B Ölçekli χ² = 19,6876, c = 1,0883
C Ölçekli χ² = 23,3172, c = 0,9189
D Ölçekli χ² = 21,4258, c = 1,0883
E Ölçekli χ² = 24,3466, c = 0,8800
Önceki
Seçimi kaldır
Sonraki
Soru 8 / 10
Çok Değişkenli Yöntemler ve Makine Öğrenmesi · İleri Düzey
Sonra bak
En küçük kovaryans determinantı (MCD) tahmincisi sağlam konum ve kovaryans tahminini nasıl elde eder?
A Kovaryans determinantı en küçük olan h gözlemlik alt kümeyi, yani en sıkı çekirdeği kullanır.
B Her değişkeni ayrı ayrı uçlardan kırpıp kalan değerlerin ortalamasını alır.
C Tüm gözlemlerin ortalama ve kovaryansını alıp uç değerleri sonradan siler.
D Kovaryans matrisinin en büyük özdeğerine yüklenen gözlemleri seçip kullanır.
E Her değişkenin medyanını alır ve kovaryans matrisini köşegeni varyanslardan oluşan birim matris kabul eder.
Önceki
Seçimi kaldır
Sonraki
Soru 9 / 10
Çok Değişkenli Yöntemler ve Makine Öğrenmesi · İleri Düzey
Sonra bak
Tobit Regresyonda Affairs verisinde Sol kesim L = 0 iken 451 gözlem sol sansürlüdür ve rating katsayısı -2.2850'dir. Sol kesim -1 girilirse ne olur?
A y <= -1 olan gözlem olmadığından model sansürsüz kurulur
B Sansürlü sayısı iki katına çıkar ve rating -2.2070 olur
C 451 gözlem sansürlü kalır; sınır yalnız etiketi değiştirir
D Sıfır değerleri sağ sansürlü sayılır, rating -2.2850 kalır
E Analiz negatif sınırı kabul etmez ve hata verir
Önceki
Seçimi kaldır
Sonraki
Soru 10 / 10
Çok Değişkenli Yöntemler ve Makine Öğrenmesi · İleri Düzey
Sonra bak
Georgia'nın 159 ilçesiyle GWR kurulacaktır. İlçelerin büyüklüğü ve yoğunluğu eyalet içinde çok farklıdır: bazı bölgelerde ilçeler küçük ve sık, bazılarında büyük ve seyrektir. Araştırmacı her yerel regresyonun benzer sayıda ilçeye dayanmasını istiyor. Hangi ayar seçilmelidir?
A Bandwidth tipi Adaptive (k komşu); bant yoğunluğa göre daralıp genişler
B Bandwidth tipi Fixed; her yerde aynı yarıçap eşit sayıda ilçeyi kapsar ve dengeler
C Bant seçim kriteri BIC; her konumdaki ilçe sayısını sabitler
D Kernel Boxcar; bant içindeki tüm ilçelere eşit ağırlık verilir
E Model MGWR; her ilçe yerel regresyonu için kendi bandını seçer
Önceki
Seçimi kaldır
Sonraki