База ответов ИНТУИТ

Статистические методы анализа данных

<<- Назад к вопросам

Признаки X и Y измерены в количественной шкале. Требуется выяснить, являются ли эти переменные независимыми. Для того чтобы решить эту задачу, можно

(Ответ считается верным, если отмечены все правильные варианты ответов.)
Варианты ответа
преобразовать обе переменные в номинальные переменные и применить критерий хи-квадрат(Верный ответ)
преобразовать обе переменные в порядковые переменные и применить ранговый критерий Спирмена(Верный ответ)
применить критерий Колмогорова-Смирнова
Похожие вопросы
Переменная X измерена в номинальной шкале, а переменная Y- в количественной шкале. Требуется выяснить, являются ли эти переменные независимыми. Для того чтобы решить эту задачу, можно
Признаки X и Y измерены в номинальной шкале. Какой критерий можно применить для проверки гипотезы о независимости этих признаков?
Переменная А измеряется в номинальной шкале и имеет 5 градаций, переменная В измеряется в номинальной шкале и имеет 2 градации. Для того чтобы выяснить, являются ли переменные А и В зависимыми, применяют критерий хи-квадрат. Какое число степеней свободы будет иметь статистика хи-квадрат в случае справедливости основной гипотезы?
Переменная А измеряется в номинальной шкале и имеет 6 градаций, переменная В измеряется в номинальной шкале и имеет 4 градации. Для того чтобы выяснить, являются ли переменные А и В зависимыми, применяют критерий хи-квадрат. Какое число степеней свободы будет иметь статистика хи-квадрат в случае справедливости основной гипотезы?
Переменная А измеряется в номинальной шкале и имеет 3 градаций, переменная В измеряется в номинальной шкале и имеет 2 градации. Для того чтобы выяснить, являются ли переменные А и В зависимыми, применяют критерий хи-квадрат. Какое число степеней свободы будет иметь статистика хи-квадрат в случае справедливости основной гипотезы?
Рассматривается модель следующего вида $Y=f(X)+\varepsilon$, в которой Y и X – наблюдаемые случайные величины, а \varepsilon - ненаблюдаемая случайная помеха с нулевым математическим ожиданием. Предполагается, что случайные величины X и $\varepsilon$ независимы. Корреляционным отношением переменной Y по X называют
Для двумерной гауссовской выборки $(X_{1},Y_{1}),...,(X_{15},Y_{15})$ вычислен выборочный коэффициент корреляции $\rho_{xy}$ . Какое распределение имеет статистика $\frac{\rho_{xy}}{\sqrt{1-\rho_{xy}^2}}\cdot \sqrt{13}$ в том случае, когда случайные величины X и Y независимы?
Для двумерной гауссовской выборки $(X_{1},Y_{1}),...,(X_{14},Y_{14})$ вычислен выборочный коэффициент корреляции $\rho_{xy}$ . Какое распределение имеет статистика $\frac{\rho_{xy}}{\sqrt{1-\rho_{xy}^2}}\cdot \sqrt{12}$ в том случае, когда случайные величины X и Y независимы?
Для двумерной гауссовской выборки $(X_{1},Y_{1}),...,(X_{12},Y_{12})$ вычислен выборочный коэффициент корреляции $\rho_{xy}$ . Какое распределение имеет статистика $\frac{\rho_{xy}}{\sqrt{1-\rho_{xy}^2}}\cdot \sqrt{10}$ в том случае, когда случайные величины X и Y независимы?
Наблюдения $X_{ij},j=1,2,3;i=1,...,n_{j}$ описываются моделью следующего вида $X_{ij}=\mu+\tau_{j}+\varepsilon_{ij}$, где$\mu$ -неизвестное общее среднее, $\tau_{j}$ -отклонение от среднего, вызванное изменением уровня факторной переменной, $\varepsilon_{ij}$ - погрешности с нулевым математическим ожиданием.Контраст $\theta$ параметров $\tau$ в этой модели задан следующим образом $\theta=\sum\limits_{j=1}^3 c_{j}\tau_{j}$, где $c_{1}=0,c_{2}=1,c_{3}=-1$.Определенный таким образом контраст характеризует