गाइड से जुड़ी प्रश्नोत्तरी · मध्यम स्तर

सामान्यीकृत रैखिक मॉडल प्रश्नोत्तरी

GLM के प्रतिक्रिया परिवार, रैखिक भविष्यवक्ता और लिंक की पहचान करने का अभ्यास करें, और यह व्याख्या करें कि सामान्य विकल्प परिणाम के पैमाने पर कैसे मैप करते हैं।

संबंधित मार्गदर्शक पथसामान्यीकृत रैखिक मॉडल
प्रश्न 1 का 8

कौन से तीन तत्व यहां वर्णित मूल GLM संरचना को परिभाषित करते हैं?

प्रत्येक प्रश्न का पूर्वावलोकन करें8 प्रश्न

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

  1. कौन से तीन तत्व यहां वर्णित मूल GLM संरचना को परिभाषित करते हैं?
    • एक प्रतिक्रिया वितरण, रैखिक भविष्यवक्ता और लिंक फ़ंक्शन
    • एक प्रतिक्रिया वितरण, भविष्यवक्ता और गुणांक दंड; लिंक वैकल्पिक है
    • एक लिंक फ़ंक्शन और प्रतिक्रिया परिवार, जिसमें कोई व्यवस्थित भविष्यवक्ता घटक नहीं है
    • एक रैखिक भविष्यवक्ता और लिंक फ़ंक्शन जो एक साथ प्रतिक्रिया विचरण को परिभाषित करते हैं
  2. पहचान लिंक के साथ गॉसियन GLM में, सशर्त माध्य भविष्यवक्ता से कैसे संबंधित है?
    • यह भविष्यवक्ता का घातांक है
    • यह रैखिक भविष्यवक्ता के बराबर है
    • यह सदैव शून्य और एक के बीच होता है
    • यह भविष्यवक्ता का वर्ग है
  3. एक द्विपद GLM एक लॉगिट लिंक का उपयोग करता है। इसका रैखिक भविष्यवक्ता किस पैमाने का वर्णन करता है?
    • घटना का वर्गमूल
    • अपेक्षित घटना संख्या
    • लॉग ऑड्स
    • शून्य से एक रैंक
  4. एक लॉग लिंक वाला पॉइसन GLM सकारात्मक अपेक्षित गिनती क्यों उत्पन्न कर सकता है?
    • सकारात्मक माध्य पुनर्प्राप्त करने के लिए लॉग लिंक को सीधे अपेक्षित गणना पर लागू करें
    • एक पहचान लिंक का उपयोग करें और अनुमान के बाद नकारात्मक फिट किए गए साधनों को छोटा करें
    • भविष्यवक्ता के बजाय प्रेक्षित गणना का घातांक बनाएँ
    • रैखिक भविष्यवक्ता को घातांकित करने से एक सकारात्मक माध्य प्राप्त होता है
  5. प्रतिक्रिया परिवार परिणाम के स्वीकार्य मूल्यों से परे क्या निर्दिष्ट करता है?
    • भविष्यवक्ता-से-माध्य मैपिंग, जो लिंक द्वारा निर्दिष्ट है
    • चयनित परिवार से जुड़ा एक माध्य-विचरण संबंध
    • व्यवस्थित घटक में भविष्यवक्ता गुणांकों की संख्या
    • इनपुट सुविधाओं का रैखिक संयोजन, जो भविष्यवक्ता बनाता है
  6. बाइनरी इवेंट के लिए एक रैखिक भविष्यवक्ता लॉगिट लिंक के तहत शून्य है। व्युत्क्रम लिंक क्या संभावना उत्पन्न करता है?
    • 1
    • 0
    • 0.5
    • यह अपरिभाषित है
  7. काउंट-रेट GLM में, आमतौर पर ऑफ़सेट का उपयोग किसको दर्शाने के लिए किया जाता है?
    • एक अनुमानित एक्सपोज़र ढलान जो एक से स्वतंत्र रूप से भिन्न हो सकता है
    • एक ऑफसेट जो भविष्यवाणी के बाद परिणाम को कई गुना बढ़ा देता है
    • एक अवशिष्ट शब्द जो न देखे गए जोखिम को अवशोषित कर लेता है
    • एक निश्चित गुणांक के साथ ज्ञात एक्सपोज़र योगदान
  8. पॉइसन परिवार के साथ एक GLM उन गणनाओं के लिए फिट किया गया है जिनका सशर्त विचरण माध्य से काफी अधिक है। विश्लेषक को क्या करना चाहिए?
    • जांच करें कि क्या पॉइसन विचरण धारणा अपर्याप्त है
    • समान पारिवारिक धारणा को बरकरार रखते हुए पहचान की कड़ी बदलें
    • गॉसियन परिवार का उपयोग करें क्योंकि गिनती में व्यापक भिन्नता होती है
    • मान लें कि पॉइसन विचरण पर्याप्त है क्योंकि लक्ष्य पूर्णांक-मूल्यवान है