Sa prezentacija od parcijale 2 do kraja

Question 1

Podjela statistickih veza po matematickom obliku i po smjeru?

Answer 1

1 Po matematickom obliku na linearne i nelinearne.

2 Po smjeru rastuce i opadajuce

Question 2

Podjela statistickih veza po broju posmatranih varijabli?

Answer 2

• Jednostavne i visestruke

Question 3

Kako se formulise linearni regresioni model?

Answer 3

-Grafickim putem se ustanovi tendencija linearnog oblika veze izmedju dvije pojave predstavljene podskupom od n elemenata te tako dobijamo linearni regresioni model

Question 4

Kako se moze izvrsiti odredjivanje parametara linearne regresije?

Answer 4

1. Metodom najmanjih kvadrata

2. Kovariranja nezavisne i zavisne varijable

Question 5

Na sta se metod najmanjih kvadrata odnosi?

Answer 5

Odnosi se na odredjivanje parametara linearne regresije gdje je suma udaljenosti promatranih velicina zavisne pojave od procjenjenih velicina minimalna.

Question 6

Kada se dobija sistem normalnih jednacina za izracunavanje parametara b0 i b1?

Answer 6

Kada se izvrsi sumiranje i transformacija gornjih jednakosti dobijamo sistem normalnih jednacina za izracunavanje parametara b0 i b1

Question 7

Sta su reziduali?

Answer 7

Reziduali su pojedinacna odstupanja velicina Ye od procjenjenih velicina po regresionom modelu Ye=bo+b1Xe.

Question 8

Sta je kovarijansa?

Answer 8

Kovarijansa je prosjecni proizvod odstupanja velicina varijabli od njihovih aritmetickih sredina.

Question 9

Koja su 3 uvjeta potrebna za efikasno zakljucivanje o dobijenom linearnom regresionom modelu?

Answer 9

1. Linearni odnos zavisne i nezavisne varijable.
2. Homogenost varijansi varijable
3. Normalitet raspodjele velicina zavisne varijable.

Question 10

Cime se ispituje normalitet raspodjele podataka zavisne varijable i linearitet i homogenost varijansi?

Answer 10

1. Normalitet raspodjele podataka zavisne varijable ispituje se plotom nosmalnih vjerovatnoca,
2. Linearitet i homogenost varijansi ispituju se dijagramom rasipanja tacaka.

Question 11

Sta je standardna greska linearne regresije?

Answer 11

Greska procjene regresionim modelom zove se standardna greska regresije. Standardna greska linearne regresije je prosjecno odstupanje mjerenih velicina zavisne varijable od njihovih procjenjenih velicina koje se nalaze na liniji izravnanja.

Question 12

Sta je rezidualna varijansa?

Answer 12

Varijansa neobjasnjenog dijela varijabiliteta se naziva rezidualna varijansa St2

Question 13

Koje mjere se koriste za jacinu linearnih korelacionih veza?

Answer 13

1. Koeficijent determinacije

2. Koeficijent korelacije

Question 14

Sta se ocjenjuje koeficijentom korelacije?

Answer 14

Stepen medjuzavisnosti varijabli ocjenjuje se koeficijentom korelacije
Vazan je aspekt analize, dobija se kao kvadratni korijen iz determinacije
r=korijen iz r2

Question 15

Sta je koeficijent varijacije regresionog modela?

Answer 15

Koeficijent varijacije regresionog modela koristi se kao relativni pokazatelj kvaliteta procjene.

Question 16

Sta je koeficijent determinacije?

Answer 16

Determinacija r2 predstavlja udio u varijabilitetu zavisne varijable koji je objasnjen linearnom vezom. Povezanost se moze ocijeniti preko odnosa dijela varijabilnosti objesnjene regresionim modelom, rezidualne varijanse i ukupne varijabilnosti.

Question 17

Sta je determinacija po definiciji?

Answer 17

Determinacija je kolicnik objasnjenog i ukupnog varijabiliteta zavisne varijable. Tumaci se u procentima pa se dobivena vrijednost mnozi sa 100

Question 18

U kom se rangu javlja koeficijent korelacije?

Answer 18

• 1<=r<=1
• Ako je r pozitivan broj porast jedne varijable izaziva porast druge varijable
• Ako je r negativan suprotno
• Ako je r=0 radi se o funkcionalnoj vezi i svi podaci se nalaze na pravcu

Question 19

Koji su najvazniji nelinearni oblici regresionih modela?

Answer 19

1. Polinomni regresioni model
2. Hiperbolicni regresioni model
3. Stepeni regresioni model
4. Eksponencijalni regresioni model

Question 20

Kada primjenjujemo polinomni regresioni model?

Answer 20

Polinomni regresioni mode primjenjujemo kada oblak rasipanja tacaka pokazuje slicnost sa kvadratnom, kubnom ili funkcijom viseg stepena.

Question 21

Kako se ocjenjuje uspjesnost regresionog modela?

Answer 21

Uspjesnost regresionog modela se ocjenjuje preko standardne greske regresije.

Question 22

Koji su pokazatelji jacine nelinearne regresione veze?

Answer 22

Determinacija p2 (ro na kvadrat)
Korelacioni index p (ro bez kvadrata)

Question 23

Kada koristimo hiperbolicni regresioni model?

Answer 23

Hiperbolicni regresioni model koristimo ako oblak rasipanja tacaka poprima oblik hiperbole.

Question 24

Kada koristimo stepeni regresioni model?

Answer 24

Kada oblak rasipanja ima slicnost s oblicima stepena funkcije koristi se stepeni regresioni model.

Question 25

Kada koristimo eksponencijalni regresioni model?

Answer 25

Koristimo ga kada imamo u prvom intervalu najveci broj stabala, te da se s povecanjem prsnih promjera stabala njihov broj smanjuje.

Question 26

Koje transformacije podataka daju dobre rezultate?

Answer 26

1. Reciprocnom vrijednoscu
2. Kvadratnim korijenom
3. Logaritamska transformacija
4. Eksponencijalna
5. Multiplikativna
6. S-oidna kriva

Question 27

Sta lineariziraju reciprocna, logaritamska i transformacija kvadratnim korijenom?

Answer 27

Lineariziraju nelinearni odnos sa zavisnom varijablom.

Question 28

Na sta uticu eksponencijalna, logaritamska i transformacija kvadratnim korijenom?

Answer 28

Na normalizaciju raspodjele i homogenost varijanse reziduala.

Question 29

Na sta uticu dvostruka reciprocna, multiplikativna transformacija i
s-oidna kriva?

Answer 29

Uticu na nezavisnu varijablu, linearizirajuci nelinearan odnos, dok transformisuci zavisnu varijablu doprinose normalizaciji i homogenosti reziduala.

Question 30

Sta se analizira u izboru regresionog modela

Answer 30

1. Determinacija
2. Koeficijent korelacije
3. Standardna greska regresije
4. Koeficijent varijacije procjene zavisne varijable.

Question 31

Sta vrsi visestruka linearna regresija?

Answer 31

Uticaj vise nezavisnih varijabli na jednu zavisnu varijablu radi smanjenja neobjasnjenog dijela variranja zavisne varijable.

Question 32

Koji su tipovi medjuzavisnosti prediktora kod visestruke regresije?

Answer 32

1. Aditivna zavisnost (uticaj kvaliteta stanista i kolicine padavaina na zapreminu drvne mase)
2. Supstitutivna zavisnost (uticaj debljine i visine na zapreminu stabala)

Question 33

Koji su to uvjeti za primjenu regresione analize?

Answer 33

1. Prediktori moraju biti medjusobno nezavisni,
2. Raspodjele nezavisnih varijabli trebaju slijediti normalnu raspodjelu
3. Varijanse nezavisne i zavisne varijable trebaju biti homogene,
4. Uticaj nezavisne varijable treba biti priblizno linearan na zavisnu varijablu.

Question 34

Kako se dobijaju neto regresioni modeli?

Answer 34

Neto regresioni modeli se dobijaju tako da se u visestrukom regresionom modelu nezavisno promjenljiva za koju se trazi model neto regresije pusti da varira a ostale nezavisne uzmu u prosjeku (zadrze nepromjenjene)

Question 35

Kada se javlja poseban slucaj korelacije?

Answer 35

1. Za korelaciju nizova koji ne sadrze brojne velicine nego samo brojeve koji iskazuju rang (ocjene),
2. Kada podaci varijabli ne slijede normalnu raspodjelu,
3. U slučaju kad je potrebno brzo izracunati pribliznu jacinu korelacione veze
4. Za racunanje korelacione veze na osnovu malih uzoraka.

Question 36

Za sta se koristi spearmanov koeficijent korelacije ranga?

Answer 36

Za utvrdjivanje stepena povezanosti izmedju podataka skale ranga.