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.
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.
- 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
- Quale media appartiene al campione illustrativo bootstrap 2, 2 e 9?
- 5
- 3
- 4
- 13 diviso per tre
- 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
- 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
- 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
- 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
- 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
- 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