गाइड से जुड़ी प्रश्नोत्तरी · मध्यम स्तर

बूटस्ट्रैप पुनः नमूनाकरण प्रश्नोत्तरी

पुन: नमूना किए गए साधनों और प्रतिशत-अंतराल उदाहरणों का उपयोग करके बूटस्ट्रैप नमूनाकरण, युग्मित मॉडल तुलना और अनिश्चितता सीमाओं का अभ्यास करें।

संबंधित मार्गदर्शक पथबूटस्ट्रैप पुनः नमूनाकरण
प्रश्न 1 का 8

कौन सी नमूनाकरण प्रक्रिया मूल अवलोकन 2, 4 और 9 के लिए सामान्य बूटस्ट्रैप नियम का पालन करती है?

प्रत्येक प्रश्न का पूर्वावलोकन करें8 प्रश्न

जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।

  1. कौन सी नमूनाकरण प्रक्रिया मूल अवलोकन 2, 4 और 9 के लिए सामान्य बूटस्ट्रैप नियम का पालन करती है?
    • तीन मूल प्रतियों में से प्रतिस्थापन के बिना दो अवलोकन बनाएं
    • 2, 2 और 9 जैसे नमूने की अनुमति देते हुए, प्रतिस्थापन के साथ तीन अवलोकन बनाएं
    • तीन मूल प्रतियों में से प्रतिस्थापन सहित चार अवलोकन बनाएं
    • प्रत्येक पुनरावृत्ति पर प्रतिस्थापन के बिना सभी तीन अवलोकन बनाएं
  2. कौन सा माध्य उदाहरणात्मक बूटस्ट्रैप नमूना 2, 2 और 9 से संबंधित है?
    • 5
    • 3
    • 4
    • 13 को तीन से विभाजित किया गया
  3. समान परीक्षण मामलों पर दो मॉडलों की तुलना करते समय, प्रत्येक पुन: नमूना इकाई में क्या एक साथ रहना चाहिए?
    • मामले के नतीजे और दोनों मॉडलों की भविष्यवाणियां
    • केवल दो मॉडलों के समग्र स्कोर
    • एक मामले से भविष्यवाणी और दूसरे से नतीजा
    • सभी सकारात्मक परिणाम उनकी भविष्यवाणियों के बिना
  4. कौन से समापन बिंदु वर्णित सरल दो-तरफा 95% प्रतिशत बूटस्ट्रैप अंतराल को परिभाषित करते हैं?
    • मूल प्रेक्षणों के 2.5वें और 97.5वें प्रतिशतक
    • बूटस्ट्रैप सांख्यिकी वितरण का 5वां और 95वां प्रतिशतक
    • बूटस्ट्रैप सांख्यिकी वितरण के 2.5वें और 97.5वें प्रतिशतक
    • बूटस्ट्रैप आँकड़ा वितरण का न्यूनतम और अधिकतम
  5. बूटस्ट्रैप पुनः नमूनों की संख्या बढ़ाने से मुख्य रूप से क्या कम होता है?
    • मूल नमूने में चयन पूर्वाग्रह
    • पुनः नमूनाकरण गणना में सिमुलेशन शोर
    • मूल अवलोकनों के बीच निर्भरता
    • पूरी तरह से गायब जनसंख्या समूह के कारण उत्पन्न अनिश्चितता
  6. प्रत्येक प्रतिभागी से कई रिकॉर्ड आते हैं। अध्ययन डिज़ाइन के लिए उपयुक्त होने पर कौन सा विकल्प उस समूहीकरण को बेहतर ढंग से दर्शाता है?
    • प्रतिभागियों पर विचार किए बिना प्रत्येक रिकॉर्ड का स्वतंत्र रूप से पुनः नमूनाकरण करें
    • प्रत्येक प्रतिभागी की व्यक्तिगत पंक्तियों को अलग-अलग पुनः नमूना बनाएँ और उन्हें स्वतंत्र लोगों के रूप में मानें
    • प्रत्येक प्रतिभागी को स्थिर रखें और प्रतिभागियों के बीच उनके रिकॉर्ड को बेतरतीब ढंग से पुन: असाइन करें
    • प्रतिभागियों को उनके संबंधित रिकॉर्ड के साथ फिर से नमूना दें
  7. एक निश्चित फिट मॉडल के लिए बूटस्ट्रैपिंग परीक्षण मामले स्वचालित रूप से किस अनिश्चितता का कारण नहीं बनते हैं?
    • पुनः प्रशिक्षण और मॉडल के चयन से भिन्नता
    • नमूना मूल्यांकन मामलों में भिन्नता
    • पुन:नमूनों में पुनर्गणना की गई मीट्रिक में भिन्नता
    • परिमित पुनरावृत्ति के कारण होने वाली सिमुलेशन भिन्नता
  8. जब मूल डेटासेट एक महत्वपूर्ण जनसंख्या समूह को बाहर कर देता है तो एक संकीर्ण बूटस्ट्रैप अंतराल अभी भी भ्रामक क्यों हो सकता है?
    • प्रत्येक बूटस्ट्रैप अंतराल मॉडल मेट्रिक्स के लिए अमान्य है
    • एक संकीर्ण अंतराल साबित करता है कि गायब समूह समान व्यवहार करता है
    • पुन: नमूनाकरण नमूने से अनुपस्थित स्थितियों के बारे में साक्ष्य प्रदान नहीं कर सकता है
    • प्रतिशतक विधि स्वचालित रूप से उस समूह के परिणामों का अनुमान लगाती है