Prost LRM Flashcards

1
Q

koeficijent korelacije

A

mera linearne zavisnosti izmedju dve varijable

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

ro je na

A

populaciji

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

r je na

A

uzorku

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

deterministicka veza

A

jednoj vrednosti x odg samo 1 tacno odredjena y

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

stohasticka veza

A

jednoj vrednosti x odg niz mogucih vrednosti sa odg verovatnocama

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

na cemu se zasniva MNK

A

na minimiziranju kvadrata odstupanja svih empirijskih tacaka od regresione linije

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

rezidual e

A

vertikalno odstupanje izmedju stvarne vrednosti Yi i ocenjene vrednosti, i ocena za epsilon i

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

pretpostavke MNK

A

linearnost u parametrima, slucajne greske teze nuli, slucajne greske nisu korelisane sa prediktorima, nema autokorelacije, homoskedastisnost, slucajne greske imaju normalnu raspodelu i x nije slucajna promenljiva (vrednosti su fiksirane)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

slucajne greske teze nuli znaci

A

da je ocekivana vrednost slucajnih gresaka nuka

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

slucajne greske nisu korelisane sa prediktorima znaci

A

da je Cov(epsiloni puta Xi)=0

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

homoskedastisnost je

A

varijansa slucajnih gresaka - slucajnih odstupanja je konstanta

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

nema autokorelacije znaci da

A

da izmedju bilo kojih vrednosti reziduala ne postoji zavisnost, cov(epsiloni puta epsilonj)=0

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

gauss-markova teorema

A

Ako linearni regresioni model zadovoljava ovih šest klasičnih pretpostavki, tada MNK daje nepristrasne ocene parametara a i b, koje imaju najmanju varijansu od svih mogućih linearnih ocena regresionih parametara.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

najbolja linearna nepristrasna ocena znaci

A

minimalna varijansa, tj najuza raspodela ocene

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

osobine ocena MNK

A

nepristrasnost, efikasnost, konzistentnost (kada N raste b se priblizava beti)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

varijansa regresije

A

srednje kvadratno odstupanje tacaka od prave (vertikalno odstupanje), koliko tacke odstupaju od prave toliko slucajne greske odstupaju od 0

17
Q

cime merimo kvalitet reprezentativnosti regresione linije

A

standardnom greskom regresije i koeficijentom determinacije

18
Q

standardna greska regresije

A

statisticka mera odstupanja empirijskih tacaka od regresione prave, apsolutna mera odstupanja empirijskih podataka od regresione prave

19
Q

koeficijent determinacije

A

relativna mera reprezentativnosti regresione linije, koliko je ucesce objasnjenog varijabiliteta u ukupnom, % varijabiliteta Y koji je objasnjen preko X

20
Q

beta je

A

koeficijent nagiba

21
Q

ako veza nije znacajna (nema povezanosti), beta je

22
Q

t-testom se testira

A

znacajnost pojedinacnih uticaja

23
Q

F-testom se testira

A

znacajnost celokupnog modela (ANOVA)

24
Q

objasnjeni izvor varijacija potice od

A

regresionog modela

25
neobjasnjeni izbor varijacija potice od
reziduala
26
da bismo korektno koristili LRM za predvidjanje, neophodno je da vazi
dobra reprezentativnost modela (r^2>0.5) i da je model statisticki znacajan (t i F test su se pokazali znacajnim)
27
zasto je IP za predvidjanje individualnih vrednosti siri?
jer zavisi od slucajne greske
28
ako je veza direktna, r i ocena b su
veci od nule
29
ako je veza inverzna, r i ocena b su
manji od nule
30
na osnovu dijagrama zavisnosti mozemo doneti zakljucak o tome
da li je veza linearna ili krivolinijska, stohasticka ili deterministicka, smer slaganja direktni ili inverzni, jacina veze
31
slucajno odstupanje epsilon i se javlja zbog
netacnosti u specifikaciji modela, gresaka u merenju observacija promenljivih Y i X i slucajnih elemenata svojstvenih svim pojavama sa prisutnim subjektivnim faktorom
32
SGR nastaje
zbog varijacija u vrednosti Xi, sto je moguce objasniti modelom i usled delovanja slucajne greske, sto nije
33
dijagram zavisnosti daje info o
eventualnom postojanju, obliku i jacini veze izmedju posmatranih podataka
34
kada je sve beta 0
kad je Y const za bilo koje X, kad izmedju posmatranih pojava ne postoji kvantitativna veza ni krivolinsjska funkcionalna veza
35
ako je beta 0, da li smemo koristiti ocenjenu regresionu liniju za predvidjanje
ne
36
koju raspodelu imaju slucajna greska i regresioni parametri a i b
normalnu