Sa prezentacija od parcijale 2 do kraja Flashcards Preview

Biometrika parcijala 2 pitanja+iz prezentacija u okvirima+Patologija zavrsni+Entomologija zavrsni > Sa prezentacija od parcijale 2 do kraja > Flashcards

Flashcards in Sa prezentacija od parcijale 2 do kraja Deck (36)
Loading flashcards...
1
Q

Podjela statistickih veza po matematickom obliku i po smjeru?

A

1 Po matematickom obliku na linearne i nelinearne.

2 Po smjeru rastuce i opadajuce

2
Q

Podjela statistickih veza po broju posmatranih varijabli?

A
  • Jednostavne i visestruke
3
Q

Kako se formulise linearni regresioni model?

A

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

4
Q

Kako se moze izvrsiti odredjivanje parametara linearne regresije?

A
  1. Metodom najmanjih kvadrata

2. Kovariranja nezavisne i zavisne varijable

5
Q

Na sta se metod najmanjih kvadrata odnosi?

A

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

6
Q

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

A

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

7
Q

Sta su reziduali?

A

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

8
Q

Sta je kovarijansa?

A

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

9
Q

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

A
  1. Linearni odnos zavisne i nezavisne varijable.
  2. Homogenost varijansi varijable
  3. Normalitet raspodjele velicina zavisne varijable.
10
Q

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

A
  1. Normalitet raspodjele podataka zavisne varijable ispituje se plotom nosmalnih vjerovatnoca,
  2. Linearitet i homogenost varijansi ispituju se dijagramom rasipanja tacaka.
11
Q

Sta je standardna greska linearne regresije?

A

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.

12
Q

Sta je rezidualna varijansa?

A

Varijansa neobjasnjenog dijela varijabiliteta se naziva rezidualna varijansa St2

13
Q

Koje mjere se koriste za jacinu linearnih korelacionih veza?

A
  1. Koeficijent determinacije

2. Koeficijent korelacije

14
Q

Sta se ocjenjuje koeficijentom korelacije?

A

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

15
Q

Sta je koeficijent varijacije regresionog modela?

A

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

16
Q

Sta je koeficijent determinacije?

A

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.

17
Q

Sta je determinacija po definiciji?

A

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

18
Q

U kom se rangu javlja koeficijent korelacije?

A
  • 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
19
Q

Koji su najvazniji nelinearni oblici regresionih modela?

A
  1. Polinomni regresioni model
  2. Hiperbolicni regresioni model
  3. Stepeni regresioni model
  4. Eksponencijalni regresioni model
20
Q

Kada primjenjujemo polinomni regresioni model?

A

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

21
Q

Kako se ocjenjuje uspjesnost regresionog modela?

A

Uspjesnost regresionog modela se ocjenjuje preko standardne greske regresije.

22
Q

Koji su pokazatelji jacine nelinearne regresione veze?

A
Determinacija p2 (ro na kvadrat)
Korelacioni index p (ro bez kvadrata)
23
Q

Kada koristimo hiperbolicni regresioni model?

A

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

24
Q

Kada koristimo stepeni regresioni model?

A

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

25
Q

Kada koristimo eksponencijalni regresioni model?

A

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

26
Q

Koje transformacije podataka daju dobre rezultate?

A
  1. Reciprocnom vrijednoscu
  2. Kvadratnim korijenom
  3. Logaritamska transformacija
  4. Eksponencijalna
  5. Multiplikativna
  6. S-oidna kriva
27
Q

Sta lineariziraju reciprocna, logaritamska i transformacija kvadratnim korijenom?

A

Lineariziraju nelinearni odnos sa zavisnom varijablom.

28
Q

Na sta uticu eksponencijalna, logaritamska i transformacija kvadratnim korijenom?

A

Na normalizaciju raspodjele i homogenost varijanse reziduala.

29
Q

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

A

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

30
Q

Sta se analizira u izboru regresionog modela

A
  1. Determinacija
  2. Koeficijent korelacije
  3. Standardna greska regresije
  4. Koeficijent varijacije procjene zavisne varijable.
31
Q

Sta vrsi visestruka linearna regresija?

A

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

32
Q

Koji su tipovi medjuzavisnosti prediktora kod visestruke regresije?

A
  1. Aditivna zavisnost (uticaj kvaliteta stanista i kolicine padavaina na zapreminu drvne mase)
  2. Supstitutivna zavisnost (uticaj debljine i visine na zapreminu stabala)
33
Q

Koji su to uvjeti za primjenu regresione analize?

A
  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.
34
Q

Kako se dobijaju neto regresioni modeli?

A

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)

35
Q

Kada se javlja poseban slucaj korelacije?

A
  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.
36
Q

Za sta se koristi spearmanov koeficijent korelacije ranga?

A

Za utvrdjivanje stepena povezanosti izmedju podataka skale ranga.