prvi dio Flashcards

1
Q

Tipovi uzorka?

A

Prost slučajan uzorak, Stratifikovan uzorak ,Uzorak skupina, Sistematski uzorak

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

Funkcija verodostojnost uzorka prekidnog tipa?

A

proizvod verovatnoća P(Xi)

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

Funkcija verodostojnost uzorka neprekidnog tipa?

A

proizvod funkcaija f(Xi)

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

Kakvu raspodelu ima uzorak izvučen iz populacije sa normalnom raspodelom?

A

Normalnu

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

Prost slučajan uzorak je skup od n nezavisnih slučajnih promenljivih koje imaju?

A

Istu raspodelu i to raspodelu populacije

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

Parametri osnovnog skupa su?

A

Konstante

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

Parametri opšteg skupa su promenljive koje zavise od?

A

Populacije

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

Statistika je?

A

Funkcija definisana na uzorku

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

Opšti statistički model?

A

F(Xi,Θi)

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

Statistika Z ima?

A

Normalnu raspodelu

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

Ukoliko posmatramo statistiku kao neku f-ju na uzorku važi sledeće?

A

Jedna ista statistika ima različite raspodele za različite populacije

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

Uzorak je?

A

Podskup statističkog skupa na čijim elementima merimo vrednost obeležja X

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

Statistički skup je populacija, a uzorak?

A

izabran podskup na kome se meri vrednost obeležja X je uzorak.

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

Očekivana vrednost sredine uzorka E(x) je

A

Jednaka očekivanoj vrednosti populacije X

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

Ako obeležje X ima normalnu raspodelu tada sredina uzorka izvučenog iz ove populacije ima?

A

Normalnu raspodelu

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

Sa povećanjem veličine uzorka, varijansa sredine uzorka ?

A

tezhi 0

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

Na osnovu CGT rešavaju se problemi

A

 Određivanje vreovatnoće da će sredina uzorka i sredina populacije razlikovati za manje od
zadatog broja
 Određivanje intervala oko sredine uzorka tako da da sa zadatom verovatnoćom tvrdimo da
će poopulacija biti u tom intervalu
 Određivanje obima uzorka za koji će se uz zadatu verovatnoću sredina uzorka i sredina
populacije razlikovati za manje od zadatog broja

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

Na osnovu CGT zaključujemo:

A

Za dovoljno veliko n sredina uzorka će imati približno normalnu raspodelu

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

Košijeva teorema

A

H manje G manje X

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

Sturgesovo pravilo

A

k=1+3.3logN

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
21
Q

Indeks

A

Količnik vrednosti obeležja X u trenutku t i vrednosti obeležja u nekom drugom

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
22
Q

Lančani indeks

A

Količnici vrednosti obeležja X u trenutku t i vrednosti obeležja u prethodnom trenutku
merenja t-1

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
23
Q

Bazni indeks

A

Posmatranje promene posmatranog obeležja u vremenskoj seriji u odnosu na jedan
trenutak merenja sa kojim podelimo

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
24
Q

Mo

A

je sredina intervala koja ima najveću frekvenciju

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
25
Q

Me

A

je vrednost obeležja x koji deli uređen statistički skup na dva dela

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
26
Q

Svi momenti su nepristrasni a varijansa je

A

negativno pristrasna

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
27
Q

Raspodela asimetrična u desno

A

nadvuceno x vece Me

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
28
Q

Raspodela asimetrična u levo

A

nadvuceno x manjeMe

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
29
Q

Šta je ocena:

A

Statistika definisana na uzorku

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
30
Q

Šta ne predstavlja ocenu:

A

β

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
31
Q

Opšti problem teorije ocenjivanja:

A

Na osnovu rezultata merenja obeležja X u uzorku, treba oceniti raspodelu obeležja na celoj
populaciji a zatim iz te raspodele ocenjivati I nepoznate parametre populacije

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
32
Q

Postupkom statističkog ocenjivanja dobijamo:

A

 Tačkaste ocene

 Intervalne ocene

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
33
Q

Dobru ocenu karakteriše:

A

Što manji varijabilitet

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
34
Q

Što je obim uzorka veći:

A

Preciznost ocene je veća

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
35
Q

Bićemo sigurni u tačnost zaključka ako nepoznati parameter na populaciji ocenimo:

A

Intervanlnom ocenom

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
36
Q

Poželjne osobine ocene parametra su:

A

 Nepristrasnost (Centriranost)
 Saglasnost
 Efikasnost

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
37
Q

Osobina ocene koja nije poželjna:

A

Što manja efikasnost

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
38
Q

Varijansa uzorka je:

A

Negativno pristrasna ocena varijanse populacije

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
39
Q

Optimalna ocena nepoznatog parametra populacije u klasi nepristrasnih ocena je:

A

Nepristrasna ocena sa minimalnom varijansom

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
40
Q

Srednja kvadratna greška ocene je:

A

Varijansa statistike koja predstavlja nepristrasnu ocenu

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
41
Q

Srednja kvadratna greška ocene je (razlika):

A

Očekivana vrednost kvadrata razlike između ocene parametra i prave vrednosti parametra

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
42
Q

Sa povećanjem uzorka srednja kvadratna greška se:

A

Smanjuje

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
43
Q

Da bi ocena jednog parametra bila bolja od ocene drugog parametra:

A

Mora imati manju srednju kvadratnu grešku

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
44
Q

Nepristrasna ocena je efikasnija od druge ako

A

ima manju standardnu grešku

45
Q

Efikasnost ocene nepoznatog parametra populacije je:

A

Količnik minimalne srednje kvadratne greške i srednje kvadratne greške ocene

46
Q

Efikasnost ocene se kreće između

A

0 i 1

47
Q

Asimptotska efikasnost ocene:

A

2/PI

48
Q

Koje metode spadaju u tačkaste ocene:

A

 Metoda maksimalne verodostojnosti

 Metoda najmanjih kvadrata

49
Q

Metoda maksimalne verodostojnosti se koristi za:

A

Izbor jedne vrednosti parametra modela (kao ocene tih parametara), ali tako da funkcija
verodostojnosti ima što je moguće veću vrednost

50
Q

Sa povećanjem nivoa poverenja

A

povećava se dužina intervala poverenja

51
Q

Sa povećanjem obima uzorka

A

smanjuje se dužina intervala poverenja

52
Q

Sturges-ово правило: k= 1+3.3logN.

A

У циљу одређивања оптималног броја k групних интервала за статистички скуп од N елемената

53
Q

sta je homoskedasticnost

A

varijansa je konstantna

54
Q

za sta se koristi metoda max verodostojnosti

A

izbor jedne vrednosti parametara modela

55
Q

kad je minimalna moc testa

A

m=m0 i 1-alfa=beta i 1-beta=alfa

56
Q

redosled testova

A

ks 2 uzorka -> mw/t-test -> ww

57
Q

testovi koji menjaju t-test

A

mw,ww,ks za 2

58
Q

sto je vrednost koef. determinacije bliza A

A

udeo objasnjenog i ukupnog varijabiliteta prema y je veci

59
Q

raspodela kod vlrm

A

n-k-1

60
Q

stae netacno

A

rangirani i kvalitativni podaci se rade iskljucivo parametarski

61
Q

ako izmedju x i y postoji determnisticka linerana veza,

A

koef determinacije ce imati vrednost 1

62
Q

indukcija?
dedukcija?
testiranje hipoteza?

A

63
Q

zamena za x2 test (test saglasnosti)

A

KS za 1 uzorak

64
Q

moc testa je najveca u zavinosti od

A

m>m0 i monotono rastuca

65
Q

statisticka obelezja mogu biti

A

kvalitativna i kvantitativna

66
Q

nepristrasnost ocene

A

ocekivana vrednost teta bar bude bas teta

67
Q

odakle se uzima interval pvoerenja

A

interval u kome se nepoznati parametar populacije nalazi sa odredjenom verovatnocom

68
Q

problem statistickog zakljucivanja

A

problem ocenjivanja

problem testiranja hipoteza

69
Q

prosta hipoteza

A

hipoteza koja se moze odnositi na samo jednu mogucu vrednost parametra ili samo jednu tacno odredjenu raspodelu

70
Q

nepristrasna ocena

A

cija je ocekivana vrednost jednaka bas toj vrednosti paramtra, i toe pozeljna osobina ocene

71
Q

uzorak potice iz 2dimenzionalne normalne raspodele, pretpostavka o nezavinosti obelezja ekvivalentna je

A

HO(ro ili (p)=0)

72
Q

ks test za 1 uzorak spada u testove

A

testove saglasnosti

73
Q

efikasnost teta bar ocene teta parametra

A

kolicnik minimalne srednje kvadratne greske i sredjnje kvadratne greske ocene

74
Q

x ima normalnu spljostenos, 2. pirsonov koeficijent

A

je 3

75
Q

koeficijent varijacije

A

st dev / aritm sredine * 100

76
Q

t test je alternativa

A

man witni

77
Q

prost slucajni uzorak velicine n je

A

skup od n nezavisnih slucajnih promenljivih, koje imaju istu raspodelu i ta raspodela je i raspodela populacije

78
Q

srednje kvadratna greska ocene je

A

razlika izmedju ocene parametara i prave vrednosti parametra

79
Q

opt ocena parametra m je

A

x bar

80
Q

kod man vitnija nulta je

A

obe populacije imaju istu raspodelu - oba uzorka iz iste populacije

81
Q

kod testiranja hipoteze o varijansi

A

DO najvise interesuje, da l je varijansa veca od neke unapred odredjene vrednosti

82
Q

prost linearni regeresioni model se sastoji od

A

jedne zavisne i jedne kontrolisane

83
Q

normalna raspodela kod koje je ocekivana vrednost populacije 0 a varijanse 1

A

standardizovana normalna raspodela

84
Q

iz raspodele apsolutnih frekvencija, kumulativne su

A

sve freq za prethodnog intervala se saberu

85
Q

kod KS sa 2 uzorka h0 glasi

A

2 nezavisna uzorka su izvucena iz iste populacije

86
Q

CGT

A

87
Q

h0 ZA test koraka za 1 uzorak je

A

x1…xn je slucajan

88
Q

koeficijent determinacije vrednosti od

A

[0,1]

89
Q

u testiranju hipoteza za pojedinacne parametre beta,

visestruki regresioni model koristi se stat

A

studentove raspodele sa n-k-1 ss

90
Q

paramteraski provera nezavisnosti ss i raspodela

A

studentova n-2 ss

91
Q

u prostom LRM, parametri dodeljeni primenom metodde najmanjih kvadrata… imaju

A

normalnu raspodelu

92
Q

pokazatelj kvaliteta regresionog modela

A

koeficijent determinacije

93
Q

u lrm kao ocena slucajnih odstupanja EPSILONi koriste se

A

reziduali ei

94
Q

P bar, ili ocena nepoznate proporcije vrvtnoce P je

A

nepristrasna ocena

95
Q

sve sredine su

A

nepristrasne ocene

96
Q

sa povecanjem velicine uzorka, n tezi beskonacno

A

sredina uzorka tezi m

97
Q

za zadati nivo poverenja, duzina itnervala poverenja za ocekivanu vrednost m je

A

direktno proporcionalna velicini uzorka

98
Q

obicni momenti uzorka su

A

nepristrasne ocene obicnih momenta populacije

99
Q

ako X na populaciji ima normalnu raspodelu, tad su sredina i varijansa uzorka

A

nezavisne statistike

100
Q

sredina uzorka je nepristrasna ocena

A

ocekivanoj vrednosti populacije

101
Q

Statisticko testiranje hipoteza

A

teorija utvrdjivanja kriterijuma donosenja odluka na osnovu statistickih podataka i primenom metoda statisticke analize

102
Q

paramtersski tesovi

A

na osnovu osobina populacije donosimo zakljucke o osobinama uzorka izvucenih iz takve raspodele, poredimo rezultate sa zakljuckom i donosimo odluku

103
Q

testiranje hipoteze

A

postupak za proveru hipoteze na osnovu uzorka

104
Q

parametarski se odnosi na

neparametarski se odnosi na

A

odredjene parametre populacije

raspodelu koje obelezje ima

105
Q

Slozene hipoteze

A

proveravaju vise razlcitih slucajeva

106
Q

H0 je uvek

A

prosta hipoteza

107
Q

S na 2 je 0 ako

A

sve vrednosti u uzorku su iste

108
Q

sto je pristrasnost veca

A

to su i razlike vece

109
Q

sto je srednje kvadratna greska blizu 0

A

to je ocena efikasnija