…

1. график стандартизированных остатков представляется в виде непрерывной прямой;                 
2. график стандартизированных остатков имеет асимптоту;
3. нет правильного ответа.

Вопрос 5. Какие Вы знаете статистические критерии проверки гипотез?

1. критерий Голдфелда-Квандта, критерий Дарбина-Уотсона, критерий Жарка-Бера, критерий Бройша-Годфри, критерий Уайта;                             
2. Ядерная  оценка плотности, диаграмма «квантиль-квантиль», диаграмма плотности;
1. критерий Голдфелда-Квандта, критерий Дарбина-Уотсона, критерий Жарка-Бера, критерий Бройша-Годфри, критерий Уайта, ядерная  оценка плотности,
2. диаграмма «квантиль-квантиль», диаграмма плотности;
1. критерий Голдфелда-Квандта, критерий Дарбина-Уотсона, критерий Жарка-Бера, критерий Бройша-Годфри, критерий Уайта, диаграмма «квантиль-квантиль», диаграмма плотности.

Задание 28.

Вопрос 1. Какой статистический критерий проверки гипотез применяется, когда наблюдения производятся последовательно во времени, с равными интервалами, и график изменения остатков во времени указывает на наличие автокоррелированности случайных составляющих  модели наблюдений?

1. критерий Голдфелда-Квандта,
2. критерий Дарбина-Уотсона,                    
3. критерий Жарка-Бера,
4. критерий Бройша-Годфри,
5. критерий Уайта;

 Вопрос 2. Какой статистический критерий проверки гипотез используется в ряде пакетов статистического анализа данных (например, в EVIEWS) для проверки гипотезы некоррелированности ошибок в модели наблюдений

?

1. критерий Голдфелда-Квандта,
2. критерий Дарбина-Уотсона,                  
3. критерий Жарка-Бера,
4. критерий Бройша-Годфри,               
5. критерий Уайта;

Вопрос 3. Какой статистический критерий проверки гипотез используется в ряде пакетов статистического анализа данных (например, в EVIEWS) для проверки однородности дисперсий ошибок в модели наблюдений

?

1. критерий Голдфелда-Квандта,
2. критерий Дарбина-Уотсона,
3. критерий Жарка-Бера,
4. критерий Бройша-Годфри,
5. критерий Уайта.                

Вопрос 4. Какие процедуры используют для реализации критерия Голдфельда-Квандта?

1. наблюдения, насколько это возможно, упорядочивают в порядке предполагаемого возрастания дисперсий случайных ошибок;
2. отбрасывают  центральных наблюдений (для более надежного разделения групп с малыми и большими дисперсиями случайных ошибок), так что для дальнейшего анализа остается  наблюдений;
3. производят оценивание выбранной модели отдельно по первым  и по последним  наблюдениям;
4. вычисляют отношение  остаточных сумм квадратов, полученных при подборе модели по последним (остаточная сумма квадратов ) и по первым  (остаточная сумма квадратов ) наблюдениям;
5. наблюдения, насколько это возможно, упорядочивают в порядке предполагаемого возрастания дисперсий случайных ошибок; отбрасывают  центральных наблюдений (для более надежного разделения групп с малыми и большими дисперсиями случайных ошибок), так что для дальнейшего анализа остается  наблюдений; производят оценивание выбранной модели отдельно по первым  и по последним  наблюдениям; вычисляют отношение  остаточных сумм квадратов, полученных при подборе модели по последним (остаточная сумма квадратов ) и по первым  (остаточная сумма квадратов ) наблюдениям.              

Вопрос 5. Какой критерий должен быть применен в случае зависимости стандартизированных остатков от номера наблюдения, представленный на графике ?

1. критерий Голдфелда-Квандта,
2. критерий Дарбина-Уотсона,              
3. критерий Жарка-Бера,
4. критерий Бройша-Годфри,
5. критерий Уайта

Задание 29.

Вопрос 1. Для чего применяется метод наименьших взвешенных квадратов?

1. для уменьшения автокорреляции ошибки;
2. для уменьшения гетероскедастичности ошибки;             
3. для увеличения автокорреляции ошибки;
4. для увеличения гетероскедастичности ошибки;
5. нет правильного ответа.

 Вопрос 2. Что такое гетероскедастичность ошибки?

1. это неоднородность дисперсий ошибок;            
2. это взаимозависимость ошибок;
3. это однородность дисперсий ошибок;
4. это взаимонезависимость ошибок;
5. нет правильного ответа.

Вопрос 3. Для какого количества значений вариант получения скорректированных на гетероскедастичность значений , предложенный Уайтом (White) и реализованный в ряде пакетов статистического анализа данных, гарантирует удовлетворительные свойства оценок?

1. при малом количестве измерений;
2. при большом количестве измерений;                         
3. количество измерений может быть любым;
4. количество измерений должно быть кратно числу независимых переменных;
5. нет правильного ответа.

Вопрос 4. Какие методы уменьшения гетероскедастичности Вы можете назвать?

1. включение дополнительной объясняющей переменной;
2. переход к логарифмам объясняемой переменной;
3. использование метода наименьших взвешенных квадратов;
4. все ответы верны;             
5. нет правильного ответа.

Вопрос 5. Что является результатом неоднородности дисперсий случайных ошибок в модели наблюдений?

1. смещение оценок математических ожиданий случайных ошибок;
2. смещение оценок дисперсий случайных ошибок;           
1. смещение оценок математических ожиданий случайных ошибок; смещение оценок дисперсий случайных ошибок;
2. смещение оценок математических ожиданий случайных ошибок, но несмещение оценок дисперсий случайных ошибок;
3. нет правильного ответа.

Задание 30.

Вопрос 1. Как записывается простейшая модель автокоррелированности ошибок?

1. где  , а  — независимые в совокупности случайные величины, имеющие одинаковое нормальное распределение ;
2.  где , а  — независимые в совокупности случайные величины, имеющие одинаковое нормальное распределение ;
3.  где , а  — независимые в совокупности случайные величины, имеющие одинаковое нормальное распределение ;                 
4.  где , а  — независимые в совокупности случайные величины, имеющие одинаковое нормальное распределение ;
5.  где , а  — независимые в совокупности случайные величины, имеющие одинаковое нормальное распределение .

 

 

 Вопрос 2. Если  гипотеза  соответствует независимости в совокупности случайных величин , то что будет альтернативой?

1.  соответствующая положительной автокоррелированности случайных величин  (т. е. тенденции преимущественного сохранения знака случайной ошибки при переходе от - го наблюдения к -му);      
2.  соответствующая отрицательной автокоррелированности случайных величин  (т. е. тенденции преимущественного сохранения знака случайной ошибки при переходе от - го наблюдения к -му);
3.  соответствующую положительной автокоррелированности случайных величин  (т. е. тенденции преимущественной перемены  знака случайной ошибки при переходе от - го наблюдения к -му);
4.  соответствующую отрицательной автокоррелированности случайных величин  (   т. е. тенденции преимущественной перемены  знака случайной ошибки при переходе от - го наблюдения к -му);
5. нет правильного ответа.

Вопрос 3. Какая модель авторегрессии используется в итерационной процедуре Кохрейна-Оркатта для преобразования модели, ошибки которой будут удовлетворять стандартным предположениям?

1. модель авторегрессии второго порядка: ;
2. модель авторегрессии третьего порядка: ;
3. модель авторегрессии первого порядка: ;            
4. модель авторегрессии го порядка: ;
5. все ответы верны, то есть любая из перечисленных моделей может использоваться.

Вопрос 4. Сколько раз уточняются оценки в процедуре Кохрейна-Оркатта?

1. 2 раза;
2. 3 раза;
3. 4 раза;
4. 5 раз;
5. до тех пор, пока в преобразованной модели не будет выраженной автокоррелированности остатков.   

Вопрос 5. Для каких моделей характерна положительная автокоррелированность ошибок?

1. в моделях, где отсутствуют какие бы то ни было серии остатков;
2. в моделях, где наблюдаются серии остатков, имеющих одинаковые знаки;                  
3. в моделях, где наблюдаются серии остатков, имеющих разные знаки;
4. все ответы верны;
5. нет правильного ответа.

Задание 31.

Вопрос 1. Какое чередование серий остатков не улавливается критерием Дарбина-Уотсона?

1. когда за положительными остатками следуют положительные же;
2. когда за положительными остатками следуют отрицательные остатки;
3. когда за положительными остатками с равным успехом следуют как положительные, так и отрицательные;         
4. когда за отрицательными остатками следуют отрицательные же остатки;
5. нет правильного ответа.

Вопрос 2. Какой критерий улавливает такую коррелированность, когда за положительными остатками с равным успехом следуют как положительные, так и отрицательные?

1. критерий Бройша-Годфри;                     
2. критерий Дарбина-Уотсона;
3. критерий Уайта;
4. критерий Фишера;
5. нет правильного ответа.

Вопрос 3. Что нужно делать для учета построенной моделью связи фактора сезонности для прогнозирования?

1. перейти к логарифму объясняемой переменной;
2. включить дополнительную объясняющую переменную;
3. использовать метод наименьших взвешенных квадратов;
4. ввести фиктивные переменные;                  
5. нет правильного ответа.

Вопрос 4. Какие из перечисленных данных относятся к агрегированным?

1. объединение наблюдений, относящихся к различным полам (мужчины и женщины),
2. объединение наблюдений, относящихся к различным возрастным, языковым и социальным группам,
3. объединение наблюдений, относящихся к различным периодам времени;
4. все ответы верны;      
5. агрегированные данные отсутствуют.

Вопрос 5. Как называется такой тип моделей  ?

1. двухфазная линейная регрессия;              
2. двухфазная квадратичная регрессия;
3. однофазная линейная регрессия;
4. линейная регрессия;
5.  нет правильного ответа.

Задание 32.

Вопрос 1. Какая компонента характеризует временной ряд?

1. трендовая;
2. циклическая;
3. случайная;
4. трендовая, случайная;
5. трендовая, циклическая, случайная.            

Вопрос 2. Что такое временной ряд?

1. временной ряд это линейная регрессионная модель с одной зависимой и одной независимой переменными;
1. временным рядом называют серию числовых величин различной природы, полученных через регулярные промежутки времени;
2. временным рядом называют серию числовых величин одной природы, полученных через регулярные промежутки времени;                        
3. временным рядом называют серию числовых величин одной природы, полученных через нерегулярные промежутки времени;
4. нет правильного ответа.

Вопрос 3. Как формулируется основное положение, на котором базируется использование временных рядов для прогнозирования?

1. факторы, влияющие на отклик изучаемой системы, действовали некоторым образом в прошлом;
2. факторы, влияющие на отклик изучаемой системы, действую в настоящем;
3. ожидается, что замеченные факторы будут действовать в будущем;
1. факторы, влияющие на отклик изучаемой системы, действовали некоторым образом в прошлом; факторы, влияющие на отклик изучаемой системы, действую в настоящем; ожидается, что замеченные факторы будут действовать в будущем;    
2. факторы, влияющие на отклик изучаемой системы, действовали некоторым образом в прошлом;  факторы, влияющие на отклик изучаемой системы, действую в настоящем.

Вопрос 4. Как записывается классическая мультипликативная модель временного ряда, если Y_i - значение отклика, а T_i, C_i, S_i, I_i - соответственно значения трендовой, циклической, сезонной и нерегулярной компонент в любой точке ряда?

1. Y_i = T_i * C_i * S_i  + I_i,
2. Y_i = T_i  +  C_i  +  S_i  +  I_i,
3. Y_i = T_i * C_i * S_i * I_i,                   
4. Y_i = ( T_i + C_i + S_i ) * I_i,
5. Y_i = (T_i * C_i ) + ( S_i * I_i).

Вопрос 5. Какая компонента временного ряда объясняет отклонения от тренда с периодичностью от 2 до 10 лет?

1. трендовая;
2. циклическая;    
3. сезонная;
4. нерегулярная;
5. общая.

Задание 33.

Вопрос 1. Какая компонента временного ряда определяет короткопериодические колебания, связанные именно с изменениями внутригодовой активности, и повторяющиеся через более или менее фиксированные моменты времени?

1. трендовая;
2. циклическая;  
3. сезонная;             
4. нерегулярная;
5. общая.

 Вопрос 2. Какая компонента временного ряда вызывает отклонения от хода отклика, определяемого другими составляющими?

1. трендовая;
2. циклическая;  
3. сезонная;                 
4. нерегулярная;
5. общая.

Вопрос 3. Что является основной целью сглаживания ряда?

1. выделение трендовой компоненты ряда;               
2. выделение циклической компоненты ряда;
3. выделение сезонной компоненты ряда;
4. выделение случайной компоненты ряда;
5. нет правильного ответа.

Вопрос 4. Что такое скользящее среднее порядка L?

1. временной ряд, состоящий из средних арифметических L соседних значений Y_i, по первой половине всех возможных значений времени;
2. временной ряд, состоящий из средних арифметических L соседних значений Y_i, по второй половине всех возможных значений времени;
3. регрессия по времени;
1. временной ряд, состоящий из средних арифметических L соседних значений Y_i, по всем возможным значениям времени;        
2. нет правильного ответа.

Вопрос 5. Какова формула для MA_i – значение скользящего среднего по L-точечной схеме в i-ом элементе ряда?

1. ;
2. ;                
3. MAi = T_i * C_i * S_i  + I_i
4. 4.        MAi = T_i * C_i * S_i * I_i

5. нет правильного ответа.

Задание 34.

Вопрос 1. Расположите в порядке возрастания степень сглаживания 3-точечной, 5-точечной и 7-точечной схем сглаживания.

1. 3-х, 5-ти, 7-ми;            
2. 7-ми, 5-ти, 3-х;
3. 5-ти, 3-х, 7-ми;
4. 3-х, 7-ми, 5-ти;
5. 7-ми, 3-х, 5-ти.

Вопрос 2. Для каких типов производств характерно отсутствие сколько-нибудь значимого тренда при выраженной циклической компоненте?

1. для устоявшихся производств,
2. для производств не испытывающих революционных изменений в технологиях;
3. для производств выходящих на стабильный консервативный рынок;
1. для устоявшихся производств, для производств не испытывающих революционных изменений в технологиях, для производств выходящих на стабильный консервативный рынок;                   
2. нет правильного ответа.

Вопрос 3. Какое из утверждений является истинным?

1. В методе скользящих средних при расчете не учитывается влияние наблюдений, отстоящих более чем на      (L - 1) / 2 периодов от рассматриваемого.
2. При экспоненциальном сглаживании учитываются все предшествующие наблюдения.
1. При экспоненциальном сглаживании - предыдущее значения учитываются с максимальным весом, предшествующее ему - с несколько меньшим.
2. Самое "старое" наблюдение при экспоненциальном сглаживании  влияет на результат с минимальным статистическим весом.
3. Все утверждения истинны.              

Вопрос 4. Как записывается формула расчета отклика (зависимой переменной) временного ряда при экспоненциальном сглаживании?

1. ;                
2. ;
3. ;
4. ;
5. все формулы верны, но для временных рядов различной природы.

Вопрос 5. Как связаны между собой коэффициент W экспоненциального сглаживания временного ряда с интервалом L скользящего среднего ряда?

1. W = L ;
2. W = 2 / L;
3. W = 1/ (L + 1);
4. W = 2 / (L + 1);                
5. W = 1 / (L + 2).

Задание 35.

Вопрос 1. Как записывается простейшая квадратичная модель регрессии?

1.               
2. нет правильного ответа.

Вопрос 2. Какая зависимость между откликом и независимой переменной наиболее приемлема в случае постоянного ускорения процесса роста показателя (отклика)?

1.                    
2. нет правильного ответа;
3. все ответы правильны.

Вопрос 3. Какие прогнозные модели временных рядов учитывают и недавнее, и давно прошедшее состояние моделируемой системы с постоянным весовым фактором?

1. регрессионные;             
2. экспоненциальное сглаживание;
3. скользящее среднее;
4. степенная зависимость между переменными;
5. нет правильного ответа.

Вопрос 4. Какие модели учитывают цикличность временного ряда?

1. регрессионные;
2. экспоненциальное сглаживание;
3. скользящее среднее;
4. степенная зависимость между переменными;
5. нет правильного ответа.             

Вопрос 5.  Какая компонента временного ряда имеет следующие характеристики: систематическая, отражает общую устойчивую долговременную тенденцию, возникает из-за изменения в технологии и(или) численности населения, имеет продолжительность в несколько лет?

1. тренд;            
2. циклическая компонента;
3. сезонная компонента;
4. нерегулярная компонента;
5. все ответы неверны.

и т.д.