Prost LRM

Question 1

koeficijent korelacije

Answer 1

mera linearne zavisnosti izmedju dve varijable

Question 2

ro je na

Answer 2

populaciji

Question 3

r je na

Answer 3

uzorku

Question 4

deterministicka veza

Answer 4

jednoj vrednosti x odg samo 1 tacno odredjena y

Question 5

stohasticka veza

Answer 5

jednoj vrednosti x odg niz mogucih vrednosti sa odg verovatnocama

Question 6

na cemu se zasniva MNK

Answer 6

na minimiziranju kvadrata odstupanja svih empirijskih tacaka od regresione linije

Question 7

rezidual e

Answer 7

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

Question 8

pretpostavke MNK

Answer 8

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)

Question 9

slucajne greske teze nuli znaci

Answer 9

da je ocekivana vrednost slucajnih gresaka nuka

Question 10

slucajne greske nisu korelisane sa prediktorima znaci

Answer 10

da je Cov(epsiloni puta Xi)=0

Question 11

homoskedastisnost je

Answer 11

varijansa slucajnih gresaka - slucajnih odstupanja je konstanta

Question 12

nema autokorelacije znaci da

Answer 12

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

Question 13

gauss-markova teorema

Answer 13

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.

Question 14

najbolja linearna nepristrasna ocena znaci

Answer 14

minimalna varijansa, tj najuza raspodela ocene

Question 15

osobine ocena MNK

Answer 15

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

Question 16

varijansa regresije

Answer 16

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

Question 17

cime merimo kvalitet reprezentativnosti regresione linije

Answer 17

standardnom greskom regresije i koeficijentom determinacije

Question 18

standardna greska regresije

Answer 18

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

Question 19

koeficijent determinacije

Answer 19

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

Question 20

beta je

Answer 20

koeficijent nagiba

Question 21

ako veza nije znacajna (nema povezanosti), beta je

Answer 21

0

Question 22

t-testom se testira

Answer 22

znacajnost pojedinacnih uticaja

Question 23

F-testom se testira

Answer 23

znacajnost celokupnog modela (ANOVA)

Question 24

objasnjeni izvor varijacija potice od

Answer 24

regresionog modela

Question 25

neobjasnjeni izbor varijacija potice od

Answer 25

reziduala

Question 26

da bismo korektno koristili LRM za predvidjanje, neophodno je da vazi

Answer 26

dobra reprezentativnost modela (r^2>0.5) i da je model statisticki znacajan (t i F test su se pokazali znacajnim)

Question 27

zasto je IP za predvidjanje individualnih vrednosti siri?

Answer 27

jer zavisi od slucajne greske

Question 28

ako je veza direktna, r i ocena b su

Answer 28

veci od nule

Question 29

ako je veza inverzna, r i ocena b su

Answer 29

manji od nule

Question 30

na osnovu dijagrama zavisnosti mozemo doneti zakljucak o tome

Answer 30

da li je veza linearna ili krivolinijska, stohasticka ili deterministicka, smer slaganja direktni ili inverzni, jacina veze

Question 31

slucajno odstupanje epsilon i se javlja zbog

Answer 31

netacnosti u specifikaciji modela, gresaka u merenju observacija promenljivih Y i X i slucajnih elemenata svojstvenih svim pojavama sa prisutnim subjektivnim faktorom

Question 32

SGR nastaje

Answer 32

zbog varijacija u vrednosti Xi, sto je moguce objasniti modelom i usled delovanja slucajne greske, sto nije

Question 33

dijagram zavisnosti daje info o

Answer 33

eventualnom postojanju, obliku i jacini veze izmedju posmatranih podataka

Question 34

kada je sve beta 0

Answer 34

kad je Y const za bilo koje X, kad izmedju posmatranih pojava ne postoji kvantitativna veza ni krivolinsjska funkcionalna veza

Question 35

ako je beta 0, da li smemo koristiti ocenjenu regresionu liniju za predvidjanje

Answer 35

ne

Question 36

koju raspodelu imaju slucajna greska i regresioni parametri a i b

Answer 36

normalnu