Теоретическая ковариация 2-ух случайных величин определяется как математическое ожидание_ отклонений этих

Теоретическая ковариация двух случайных величин определяется как математическое ожидание_ отклонений этих величин от их средних значений
(*ответ*) произведения
nbsp;суммы
nbsp;разности
nbsp;квадрата разности
Тест Бокса Кокса прямой компьютерный метод выбора превосходнейших значений _ модели в данных исследователем границах с данным шагом
(*ответ*) характеристик нелинейной
nbsp;характеристик линейной
nbsp;критериев оценки
nbsp;переменных нелинейной
Тест Фишера является
(*ответ*) однобоким
nbsp;двухсторонним
nbsp;многосторонним
nbsp;многокритериальным
Обычный способ меньших квадратов применяется для оценки характеристик ...
(*ответ*) классической линейной регрессионной модели
nbsp;линейной регрессионной модели с гетероскедастичностью в остатках
nbsp;линейной регрессионной модели с автокорреляцией в остатках
nbsp;нелинейной по характеристикам регрессионной модели
Третье условие Гаусса Маркова состоит в том, что cov(ui,uj) = 0, если
(*ответ*) i j
nbsp;i = j
nbsp;i = 1
nbsp;j = n
Укажите соответствие меж видом теста и областью его внедрения в линейной регрессии:
nbsp;t статистика lt; проверка догадки Н0: b = b0
nbsp;F тест lt; проверка догадки Н0: R2 = 0
nbsp;коэффициент корреляции рангов Спирмена lt; проверка 2-го условия аксиома Гаусса-Маркова
Укажите соответствие меж методом представления зависимой переменной y и выражением для var(y):
nbsp;y lt; var(y)
nbsp;y = v + w lt; var(v) + var w + 2cov(v, w)
nbsp;y = az lt; a2 var(z)
nbsp;y = a lt; 0
nbsp;y = v + a lt; var(v)
Укажите соответствие между критериями теории Гаусса-Маркова и их формальным выражением:
nbsp;математическое ожидание в каждом случайном наблюдении члена одинаково нулю lt; для хоть какого i Mui = 0
nbsp;дисперсия случайного члена в каждом наблюдении схожа lt; для хоть какого i M(ui Mui)2 = d2
nbsp;случайные члены регрессии самостоятельны меж собой lt; для всех i j cov(ui, uj) = 0
nbsp;случайный член регрессии и объясняющая переменная независимы lt; для хоть какого i cov(x, ui) = 0
Уравнение y = a + bx, где a и b оценки характеристик a и b, приобретенные в результате оценивания модели y = a + bx + u по данным подборки, называется уравнением
(*ответ*) линейной парной регрессии
nbsp;корреляции
nbsp;ковариации
nbsp;дисперсии
Установите соответствие меж обозначением переменной и ее заглавием в модели парной линейной регрессии у = а + bx + u:
nbsp;Переменная lt; заглавие
nbsp;y lt; зависимая переменная
nbsp;x lt; поясняющая переменная
nbsp;u lt; случайный член
Установите соответствия между качествами оценок и их признаками:
nbsp;оценка lt; признак
nbsp;несмещенная lt; математическое ожидание оценки совпадает с численным значением параметра
nbsp;действенная lt; оценка имеет меньшую дисперсию их всех оценок
nbsp;зажиточная lt; смещение и дисперсия устремляются к 0 при увеличении объема подборки