Wayground logo

Free Printable Worksheets

Font size

S
M
L
XL
Worksheets

Wybrane met.

Total questions: 54

Worksheet time: 27mins

Name
Class
Date
1.

Do wizualizacji zależności pomiędzy dwiema zmiennymi X i Y (np. wagą osoby i jej wzrostem) stosuje się:

a)

Wykres rozrzutu

b)

Wykres pudełkowy

c)

Histogram

2.

W programie R zbudowano model regresyjny - otrzymano następujące wyniki, która odpowiedź jest nieprawidłowa?

a)

Wszystkie parametry modelu są statystycznie istotne na poziomie co najmniej 0,05

b)

Model jest postaci:

y^ = 8,484 + 18,567 x1 + 12,599 x2 - 31, 663 x3

c)

Model w 99,97% wyjaśnia zmienność zmiennej objaśnianej

3.

Na podstawie analizy wykresu określ, które części ulegają awariom najrzadziej we wszystkich typach maszyn:

a)

silnik i łożysko stożkowe

b)

opona i tarcza hamulca

c)

wąż hydrauliczny i filtr powietrza

4.
a)

Wzrost poziomu technicznego uzbrojenia pracy o 1000 zł powoduje spadek wydajności pracy o 900 zł, przy założeniu, że liczba

zatrudnionych nie ulegnie zmianie.

b)

Wzrost poziomu technicznego uzbrojenia pracy o 1000 zł powoduje wzrost wydajności pracy o 4800 zł, przy założeniu, że liczba

zatrudnionych nie ulegnie zmianie.

c)

Wzrost liczby zatrudnionych o 1000 zł powoduje wzrost wydajności pracy o 900 zł, przy założeniu, że techniczne uzbrojenie pracy nie

ulegnie zmianie.

5.

Głębokie

uczenie

(Deep

learning)

to

a)

jedna z odmian sztucznej inteligencji (AI), podkategoria uczenia maszynowego – technika polegająca

na tworzeniu sieci neuronowych, których głównym zadaniem jest doskonalenie technik rozpoznawania głosu i przetwarzania naturalnego

języka.,

b)

interdyscyplinarna metoda naukowa która wywodzi się z dziedziny nauki i techniki, jaką jest

informatyka zajmująca się wizualizacją i wydobywaniem ukrytej „implicite” informacji z dużych zasobów informacyjnych (baz danych).,

c)

duża liczba danych, która wymaga zastosowania nowych technologii i architektur, tak by była możliwa ekstrakcja wartości

płynącej z tych danych poprzez uchwycenie i analizę procesu

6.

Eksploracja

danych

(Data

mining) to

a)

jedna z odmian sztucznej inteligencji (AI), podkategoria uczenia maszynowego – technika polegająca

na tworzeniu sieci neuronowych, których głównym zadaniem jest doskonalenie technik rozpoznawania głosu i przetwarzania naturalnego

języka.,

b)

interdyscyplinarna metoda naukowa która wywodzi się z dziedziny nauki i techniki, jaką jest

informatyka zajmująca się wizualizacją i wydobywaniem ukrytej „implicite” informacji z dużych zasobów informacyjnych (baz danych).,

c)

duża liczba danych, która wymaga zastosowania nowych technologii i architektur, tak by była możliwa ekstrakcja wartości

płynącej z tych danych poprzez uchwycenie i analizę procesu

7.

Big data to

a)

jedna z odmian sztucznej inteligencji (AI), podkategoria uczenia maszynowego – technika polegająca

na tworzeniu sieci neuronowych, których głównym zadaniem jest doskonalenie technik rozpoznawania głosu i przetwarzania naturalnego

języka.,

b)

interdyscyplinarna metoda naukowa która wywodzi się z dziedziny nauki i techniki, jaką jest

informatyka zajmująca się wizualizacją i wydobywaniem ukrytej „implicite” informacji z dużych zasobów informacyjnych (baz danych).,

c)

duża liczba danych, która wymaga zastosowania nowych technologii i architektur, tak by była możliwa ekstrakcja wartości

płynącej z tych danych poprzez uchwycenie i analizę procesu

8.
a)

Nie widać sezonowości, ale wyraźny trend spadkowy

b)

Widać silny trend rosnący z sezonowością

c)

Nie ma wyraźnego trendu w danych w tym okresie

9.
a)

Nie widać sezonowości, ale wyraźny trend spadkowy

b)

Widać silny trend rosnący z sezonowością

c)

Nie ma wyraźnego trendu w danych w tym okresie

10.
a)

Nie widać sezonowości, ale wyraźny trend spadkowy

b)

Widać silny trend rosnący z sezonowością

c)

Nie ma wyraźnego trendu w danych w tym okresie

11.

Do prognozowania popytu niestabilnego i nieregularnego, mogącego przyjmować wartości

zerowe najlepiej zastosować

a)

Model ARIMA

b)

Model Holt’a-Winters’a

c)

Aproksymację Syntetos’a‑Boylan’a

12.

Gdy w danych występuje autokorelacja najlepiej do prognozowania zastosować

a)

Model ARIMA

b)

Model Holt’a-Winters’a

c)

Aproksymację Syntetos’a‑Boylan’a

13.

Do prognozowania szeregu czasowego, w którym występuje sezonowość najlepiej zastosować

a)

Model ARIMA

b)

Model Holt’a-Winters’a

c)

Aproksymację Syntetos’a‑Boylan’a

14.
a)

Wykres skrzypcowy

b)

Wykres rozrzutu

c)

Histogram

d)

Mapa cieplna

15.
a)

Wykres skrzypcowy

b)

Wykres rozrzutu

c)

Histogram

d)

Mapa cieplna

16.
a)

Wykres skrzypcowy

b)

Wykres rozrzutu

c)

Histogram

d)

Mapa cieplna

17.
a)

Wykres skrzypcowy

b)

Wykres rozrzutu

c)

Histogram

d)

Mapa cieplna

18.

Szeregi czasowe z trendami lub z sezonowością nie są stacjonarne

a)

Prawda

b)

Fałsz

19.

Kiedy budujemy model prognostyczny i sprawdzamy jego dokładność dla zbioru uczącego i testowego, to

a)

chcemy żeby dopasowanie modelu dla zbioru uczącego było znacznie wyższe niż dla zbioru testowego

b)

chcemy żeby dopasowanie modelu dla zbioru uczącego i testowego było zbliżone

c)

chcemy żeby dopasowanie modelu dla zbioru testowego było niższe niż dla zbioru uczącego

20.

Białym szumem nazywamy szeregi czasowe, które nie wykazują:

a)

Autokorelacji

b)

Losowości

c)

Regresji

21.
a)

Dodatnia zależność regresyjna

b)

Brak zależności regresyjnej

c)

Dodatnia zależność funkcyjna

22.
a)

Dodatnia zależność regresyjna

b)

Brak zależności regresyjnej

c)

Dodatnia zależność funkcyjna

23.
a)

Dodatnia zależność regresyjna

b)

Brak zależności regresyjnej

c)

Dodatnia zależność funkcyjna

24.

Które wykresy (dla których opóźnień lag 1 - lag 9) obrazują zależność silnie dodatnią, co odzwierciedla silną sezonowość danych?

a)

Dla opóźnień 4 i 8 - lag 4 i lag 8

b)

Dla opóźnień 2 i 6 - lag 2 i lag 6

c)

Dla opóźnień 3 i 7 - lag 3 i lag 7

25.

Proste wygładzanie wykładnicze (Simple exponential smoothing SES)

jest odpowiednie do prognozowania danych bez wyraźnego trendu lub wahań sezonowych

a)

Prawda

b)

Fałsz

26.

Który typ wykresu - oprócz mediany,

rozstępu międzykwartylowego ,

pierwszego i trzeciego kwartyla -

pokazuje również jak wyglądaestymator jądrowy

gęstości?

a)

Wykres skrzypcowy

b)

Histogram

c)

Wykres rozrzutu

27.

W modelu regresyjnym chcę uwzględnić sezonowe zmienne zero-jedynkowe reprezentujące miesiące. Ile takich zmiennych należy włączyć do modelu?

a)

11

b)

12

c)

1

28.

Stosuje się w celu doprowadzenia do bezwymiarowości zmiennych, a

ponadto do zbliżonych rzędów wielkości obserwacji. Nadrzędnym celem

jest doprowadzenie zmiennych do porównywalności.

a)

normalizacja

b)

klasyfikacja

c)

techniki uczenia nienadzorowanego (unsupervised learning)

d)

regresja

e)

techniki uczenia nadzorowanego (supervised learning)

29.

Celem zagadnień z tej kategorii jest przydzielenie rozpatrywanego

przypadku do jednej ze zdefiniowanych wcześniej klas. W każdym z

powyższych przypadków na wyjściu wymagana jest

pojedyncza zmienna nominalna. Najczęściej rozważane zagadnienia mają

charakter dwustanowy (0/1), chociaż problemy wielostanowe również są

często rozpatrywane.

a)

normalizacja

b)

klasyfikacja

c)

techniki uczenia nienadzorowanego (unsupervised learning)

d)

regresja

e)

techniki uczenia nadzorowanego (supervised learning)

30.

Brak jest etykiet obiektów, nie ma także zbioru uczącego. Techniki te

starają się sformułować model (modele) wiedzy najlepiej pasujące do

obserwowanych danych

a)

normalizacja

b)

klasyfikacja

c)

techniki uczenia nienadzorowanego (unsupervised learning)

d)

regresja

e)

techniki uczenia nadzorowanego (supervised learning)

31.

Celem jest prognozowanie wartości (zwykle ciągłej) określonej zmiennej.

W tym przypadku na wyjściu sieci wymagana jest pojedyncza zmienna

numeryczna.

a)

normalizacja

b)

klasyfikacja

c)

techniki uczenia nienadzorowanego (unsupervised learning)

d)

regresja

e)

techniki uczenia nadzorowanego (supervised learning)

32.

Wykorzystują zbiory danych, w których każdy obiekt posiada etykietę

przypisującą go do jednej z predefiniowanych klas. Na podstawie zbioru

uczącego budowany jest model, za pomocą którego można odróżnić

obiekty należące do różnych klas

a)

normalizacja

b)

klasyfikacja

c)

techniki uczenia nienadzorowanego (unsupervised learning)

d)

regresja

e)

techniki uczenia nadzorowanego (supervised learning)

33.

Wnioskowanie o stanie badanego obiektu technicznego, zjawiska lub procesu na podstawie modelu oraz informacji dotyczących przeszłości i

przyszłości - to definicja:

a)

Modelu regresyjnego

b)

Analizy danych

c)

Prognozowania

34.

Mierzy liniową zależność między opóźnionymi wartościami szeregu czasowego:

a)

Autokorelacja

b)

Biały szum

c)

Regresja

35.

Model przyczynowy

a)

model z predyktorami (zmiennymi niezależnymi, objaśniającymi)

b)

bazuje na przeszłych wartościach zmiennej prognozowanej

c)

model z predyktorami, który jednocześnie bazuje na przeszłych wartościach zmiennej prognozowanej

36.

Model szeregu czasowego

a)

model z predyktorami (zmiennymi niezależnymi, objaśniającymi)

b)

bazuje na przeszłych wartościach zmiennej prognozowanej

c)

model z predyktorami, który jednocześnie bazuje na przeszłych wartościach zmiennej prognozowanej

37.

Model mieszany (hybrydowy)

a)

model z predyktorami (zmiennymi niezależnymi, objaśniającymi)

b)

bazuje na przeszłych wartościach zmiennej prognozowanej

c)

model z predyktorami, który jednocześnie bazuje na przeszłych wartościach zmiennej prognozowanej

38.

Test Dickey'a-Fullera (test ADF) przeprowadza się w celu określenia czy:

a)

parametr modelu jest statystycznie istotny

b)

występuje autokorelacja składnika losowego

c)

szereg czasowy jest stacjonarny

39.

występuje, gdy na szereg czasowy wpływają czynniki takie jak pora roku lub dzień tygodnia. Ma ma zawsze stałą i znaną

częstotliwość

a)

sezonowość

b)

trend

c)

cykl

40.

występuje, gdy można zaobserwować długoterminowy wzrost lub spadek danych

a)

sezonowość

b)

trend

c)

cykl

41.

występuje, gdy dane wzrastają i opadają, ale nie mają stałej częstotliwości. Wahania te są zwykle spowodowane

warunkami ekonomicznymi. Czas trwania tych wahań wynosi zwykle co najmniej 2 lata

a)

sezonowość

b)

trend

c)

cykl

42.

Test serii

a)

wykorzystuje się do badania losowości składnika losowego

b)

wykorzystuje się do badania normalności składnika losowego

c)

wykorzystuje się do badania stałości wariancji składnika losowego

43.

Test Shapiro-Wilka

a)

wykorzystuje się do badania losowości składnika losowego

b)

wykorzystuje się do badania normalności składnika losowego

c)

wykorzystuje się do badania stałości wariancji składnika losowego

44.

Test Goldfelda-Quandta

a)

wykorzystuje się do badania losowości składnika losowego

b)

wykorzystuje się do badania normalności składnika losowego

c)

wykorzystuje się do badania stałości wariancji składnika losowego

45.

W R został zbudowany model regresyjny i otrzymano wyniki przedstawione poniżej. Model ten w 73,55 % wyjaśnia zmienność zmiennej objaśnianej

a)

Prawda

b)

Fałsz

46.

Budujesz model służący do prognozowania gatunków kwiatów. Na podstawie analizy poniższych wykresów wybierz, które dwie zmienne będą najlepszymi predyktorami?

a)

Petal Length & Petal Width

b)

Sepal Length & Sepal Width

c)

Petal Length & Sepal Width

47.
a)

Jeżeli wartość maszyn i urządzeń wzrośnie o 1000 zł, to można się spodziewać spadku produkcji przedsiębiorstwa przeciętnie o 650 złpod warunkiem, że wydajność pracy nie zmieni się

b)

Jeżeli wydajność pracy wrośnie o 1000 zł, to przeciętny wzrost produkcji powinien wynieść 6,6 tys. zł pod warunkiem, że wartośćmaszyn i urządzeń nie zmieni się

c)

Jeżeli wydajność pracy wrośnie o 1000 zł, to przeciętny spadek produkcji powinien wynieść 6,6 tys. zł pod warunkiem, że wartośćmaszyn i urządzeń nie zmieni się

48.
a)

Sieć Kohonena (samoorganizująca mapa SOM)

b)

Metoda wektorów nośnych SVM

c)

Drzewo decyzyjne

49.
a)

Sieć Kohonena (samoorganizująca mapa SOM)

b)

Metoda wektorów nośnych SVM

c)

Drzewo decyzyjne

50.
a)

Sieć Kohonena (samoorganizująca mapa SOM)

b)

Metoda wektorów nośnych SVM

c)

Drzewo decyzyjne

51.

W R został zbudowany model regresyjny i otrzymano wyniki przedstawione poniżej. Oszacowana wartość wyrazu wolnego wynosi 5.146516.

a)

Prawda

b)

Fałsz

52.

Który wykres przedstawia rozkład liczności dla wybranej zmiennej?

a)

Wykres pudełkowy

b)

Histogram

c)

Wykres rozrzutu

53.
a)

Zielony- szereg stacjonarny

Czerwony- szereg niestacjonarny

b)

Czerwony- szereg stacjonarny

Zielony- szereg niestacjonarny

54.

W R został zbudowany model regresyjny i otrzymano wyniki przedstawione poniżej. Jaką informację niesie liczba zaznaczona na czerwono?

a)

Oszacowana wartość parametru stojącego przy zmiennej x1 różni

się średnio o 0,033032 od jego nieznanej wartości rzeczywistej.

b)

Oszacowana wartość parametru stojącego przy zmiennej x1 wynosi 0,033032

c)

Jeżeli zmienna x1 wzrośnie o 1 jednostkę, to można sądzić, że y wzrośnie średnio o 0,033032 jednostek, przy założeniu, że wartośćpozostałych zmiennych nie ulegnie zmianie

Similar Resources on Wayground

Anime-quiz

50 questions

Anime-quiz

quiz

Worksheet

•

1st - 11th Grade

arkusz maturalny pp

53 questions

arkusz maturalny pp

quiz

Worksheet

•

1st Grade - University