База ответов ИНТУИТ

Статистические методы анализа данных

<<- Назад к вопросам

Вектор показателей $(X_1,...,X_k)$ требуется наилучшим образом описать вектором общих факторов $(F_1,...,F_m)$ размерности $m < k$. Новые показатели $F_1,...,F_m$ должны удовлетворять следующему условию

(Отметьте один правильный вариант ответа.)
Варианты ответа
$DX_i=DF_j$, при $i=1,…,m$
$\rho(F_i,X_j)=0$ при $i\ne j$
$\rho(F_i,F_j)=0$ при $i\ne j$ (Верный ответ)
Похожие вопросы
Вектор показателей $X=(X_1,…,X_k)^T$ представлен в виде $\check X=A\cdot F+\varepsilon$,где F- вектор общих факторов размерности $m < k$, $\varepsilon$ - вектор случайных погрешностей размерности k, А - матрица нагрузок размерности $k\times m$. Элементы $a_ij$,>$i=1,…,k$>$j=1,…,m$ матрицы А - это
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 $c_{1}=1,c_{2}=-1,c_{3}=0$.Определенный таким образом контраст характеризует
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 $c_{1}=1,c_{2}=0,c_{3}=-1$.Определенный таким образом контраст характеризует
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
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
Рассматривается модель линейной регрессии $Y_i=\phi(X_i,\theta_1,...,\theta_p)+\varepsilon_i$, $i=1,…,n$, где $\varepsilon_i$ - ненаблюдаемые центрированные погрешности, имеющие плотность распределения $f(x)$. Для оценивания неизвестных параметров $\theta_1,...,\theta_p $ применен ранговый метод. Величины дисперсий $D\theta_1,...,D\theta_p $, полученных R-оценок, зависят от
Рассматривается модель линейной регрессии $Y_i=\phi(X_i,\theta_1,...,\theta_p)+\varepsilon_i$, $i=1,…,n$, где $\varepsilon_i$ - ненаблюдаемые центрированные погрешности, имеющие плотность распределения $f(x)$. Для оценивания неизвестных параметров $\theta_1,...,\theta_p $ применен метод наименьших квадратов (МНК). Величины дисперсий $D\theta_1,...,D\theta_p $, полученных МНК-оценок, зависят от
Рассматривается модель линейной регрессии $Y_i=\phi(X_i,\theta_1,...,\theta_p)+\varepsilon_i$, $i=1,…,n$, где $\varepsilon_i$ - ненаблюдаемые центрированные погрешности, имеющие плотность распределения $f(x)$. Для оценивания неизвестных параметров $\theta_1,...,\theta_p $ применен метод наименьших модулей (МНМ). Величины дисперсий $D\theta_1,...,D\theta_p $, полученных МНМ-оценок, зависят от
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?
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?