Mmstat3:Statistik I&II/Regression/Multiple Choice

Aus MM*Stat

Wechseln zu: Navigation, Suche

Regression

Regressionsanalyse • Lineares Regressionsmodell • Schätzung der Regressionsparameter • Güte der Regression • Multiple Choice • Video • Aufgaben • Lösungen
Abhängige Variable • Bestimmtheit der Regression • Bestimmtheitsmaß • Einfache lineare Regressionsfunktion • Endogene Variable • Erklärende Variable • Erklärte Variable • Exogene Variable • Linearer Regressionskoeffizient • Methode der kleinsten Quadrate (Regression) • Multiple lineare Regression • Regressand • Regressionsfunktion • Regressionsgerade • Regressionskonstante • Regressionsparameter • Regressor • Regresswert • Residuum • Restgröße • Unabhängige Variable

Multiple Choice Aufgaben

<quiz display="simple"> Welche der folgenden Aussagen über die mit der Methode der kleinsten Quadrate geschätzten Regressionsgeraden sind richtig? | typ="[]" } - Die geschätzte Gerade minimiert die Summe der quadratischen Abweichungen der -Werte von den -Werten. - Die geschätzte Gerade hat immer eine Steigung, die zwischen -1 und +1 liegt. + Die geschätzte Gerade geht stets durch den Punkt .

{Welche Aussagen über die Residuen einer linearen Kleinste-Quadrate Regression treffen zu? | typ="[]" } - Die Quadratsumme der Residuen ist gleich Null. + Die Summe der Residuen ist stets Null. - Die Residuen sind die Abweichungen der -Werte von der geschätzten Geraden.

{Welche Schlussfolgerungen können Sie aus einem negativen Regressionskoeffizienten ziehen? | typ="[]" } - Die meisten -Werte liegen unterhalb der Geraden. + Wenn man erhöht, dann verändert sich im Mittel in die entgegengesetzte Richtung. - Das Bestimmtheitsmass ist niedriger als möglich.

{Welche der folgenden Ausagen sind Eigenschaften der Methode der kleinsten Quadrate? | typ="[]" } - Wenn der grösste -Wert verzehnfacht wird, dann wird die Methode der kleinsten Quadrate dadurch nicht beeinflusst. + Die Methode der kleinsten Quadrate passt die Gerade so an, dass das Bestimmtheitsmaß maximiert wird. - Die Methode der kleinsten Quadrate minimiert die Summe der absoluten Abweichungen der -Werte von der Geraden.

{Welche Interpretation des im linearen Regressionsmodell ist richtig? | typ="[]" } - ist das durchschnittliche Niveau von wenn . + Erhöht man um eine Einheit, dann erhöht sich im Durchschnitt um .

{Welche der folgenden Rechtfertigungen für ein lineares Regressionsmodell sind zutreffend? | typ="[]" } - Das lineare Modell ist das einzige, das mit der Methode der kleinsten Quadrate geschätzt werden kann. - Fast alle Zusammenhänge in der Natur sind linear. + Das lineare Modell lässt sich einfach schätzen und interpretieren.

{Welche Interpretation hat ein Bestimmtsheitmaß von ? | typ="[]" } - Die Varianz von beträgt 0,7. + Die geschätzte Gerade erklärt 70% der Variation von . - 70% der Punkte liegen auf der geschätzten Geraden. </quiz>