Quiz collegato alla guida · Medio Livello

Quiz sul ricampionamento Bootstrap

Esercitati con il campionamento bootstrap, i confronti di modelli accoppiati e i limiti di incertezza utilizzando medie ricampionate ed esempi di intervalli percentili.

Percorsi guida correlatiRicampionamento Bootstrap
Domanda 1 di 8

Quale procedura di campionamento segue la regola ordinaria del bootstrap per le osservazioni originali 2, 4 e 9?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. Quale procedura di campionamento segue la regola ordinaria del bootstrap per le osservazioni originali 2, 4 e 9?
    • Disegna due osservazioni senza sostituzione dalle tre originali
    • Disegna tre osservazioni con sostituzione, consentendo un campione come 2, 2 e 9
    • Disegna quattro osservazioni con sostituzione dalle tre originali
    • Disegna tutte e tre le osservazioni senza reinserirle ad ogni ripetizione
  2. Quale media appartiene al campione illustrativo bootstrap 2, 2 e 9?
    • 5
    • 3
    • 4
    • 13 diviso per tre
  3. Quando si confrontano due modelli su casi di test identici, cosa deve rimanere insieme in ciascuna unità ricampionata?
    • L'esito del caso e le previsioni di entrambi i modelli
    • Solo i punteggi complessivi dei due modelli
    • Una previsione da un caso e un risultato da un altro
    • Tutti esiti positivi senza i loro pronostici
  4. Quali endpoint definiscono il semplice intervallo di bootstrap percentile bilaterale al 95% descritto?
    • Il 2,5 e il 97,5 percentile delle osservazioni originali
    • Il 5° e il 95° percentile della distribuzione statistica bootstrap
    • Il 2,5 e il 97,5 percentile della distribuzione statistica bootstrap
    • Il minimo e il massimo della distribuzione statistica bootstrap
  5. Cosa riduce principalmente l'aumento del numero di campioni bootstrap?
    • Distorsione da selezione nel campione originale
    • Rumore di simulazione nel calcolo del ricampionamento
    • Dipendenza tra le osservazioni originali
    • Incertezza causata da un gruppo di popolazione completamente scomparso
  6. Diversi record provengono da ciascun partecipante. Quale scelta riflette meglio quel raggruppamento quando appropriato al disegno dello studio?
    • Ricampiona ogni record in modo indipendente senza considerare i partecipanti
    • Ricampionare le singole righe di ciascun partecipante separatamente e trattarle come persone indipendenti
    • Mantieni fisso ogni partecipante e riassegna in modo casuale i record tra i partecipanti
    • Ricampiona i partecipanti insieme ai record associati
  7. Il bootstrap dei casi di test per un modello con adattamento fisso non tiene automaticamente conto di quale incertezza?
    • Variazione dalla riqualificazione e dalla selezione del modello
    • Variazione nei casi di valutazione campionati
    • Variazione nella metrica ricalcolata tra i campioni
    • Variazione della simulazione causata da ripetizioni finite
  8. Perché un intervallo di bootstrap ristretto può essere ancora fuorviante quando il set di dati originale esclude un importante gruppo di popolazione?
    • Ogni intervallo di bootstrap non è valido per i parametri del modello
    • Un intervallo ristretto dimostra che il gruppo mancante si comporta in modo identico
    • Il ricampionamento non può fornire prove di condizioni assenti dal campione
    • Il metodo percentile stima automaticamente i risultati di quel gruppo