แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ
แบบทดสอบการสุ่มตัวอย่าง Bootstrap
ฝึกการสุ่มตัวอย่างบูตสแตรป การเปรียบเทียบแบบจำลองแบบคู่ และขีดจำกัดความไม่แน่นอนโดยใช้วิธีการสุ่มตัวอย่างใหม่และตัวอย่างช่วงเปอร์เซ็นไทล์
คำถาม 1 ของ 8
กระบวนการสุ่มตัวอย่างใดที่ทำตามกฎ bootstrap ปกติสำหรับสังเกตการณ์ต้นฉบับ 2, 4 และ 9?
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- กระบวนการสุ่มตัวอย่างใดที่ทำตามกฎ bootstrap ปกติสำหรับสังเกตการณ์ต้นฉบับ 2, 4 และ 9?
- สุ่มสังเกตการณ์สองรายการโดยไม่ทำการแทนที่จากสังเกตการณ์ต้นฉบับสามรายการ
- สุ่มสังเกตการณ์สามรายการโดยทำการแทนที่, อนุญาตให้มีตัวอย่างเช่น 2, 2 และ 9
- สุ่มสังเกตการณ์สี่รายการโดยทำการแทนที่จากสังเกตการณ์ต้นฉบับสามรายการ
- สุ่มสังเกตการณ์ทั้งสามรายการโดยไม่ทำการแทนที่ทุกครั้งของการทำซ้ำ
- ค่าเฉลี่ยใดเป็นส่วนหนึ่งของตัวอย่าง bootstrap ตัวอย่างเชิงอธิบาย 2, 2 และ 9?
- 5
- 3
- 4
- 13 หารด้วยสาม
- เมื่อเปรียบเทียบโมเดลสองตัวบนกรณีทดสอบเดียวกัน สิ่งใดต้องอยู่ร่วมกันในแต่ละหน่วยที่ทำการสุ่มใหม่?
- ผลลัพธ์ของกรณีและการทำนายของทั้งสองโมเดล
- คะแนนรวมของโมเดลสองตัวเท่านั้น
- การทำนายจากกรณีหนึ่งและผลลัพธ์จากอีกกรณีหนึ่ง
- ผลลัพธ์บวกทั้งหมดโดยไม่มีการทำนายของพวกเขา
- จุดสิ้นสุดใดบ้างที่กำหนดช่วง bootstrap เปอร์เซ็นไทล์สองด้าน 95% ที่อธิบาย?
- เปอร์เซ็นไทล์ที่ 2.5 และ 97.5 ของสังเกตการณ์ต้นฉบับ
- เปอร์เซ็นไทล์ที่ 5 และ 95 ของการแจกแจงสถิติ bootstrap
- เปอร์เซ็นไทล์ที่ 2.5 และ 97.5 ของการแจกแจงสถิติ bootstrap
- ค่าต่ำสุดและค่าสูงสุดของการแจกแจงสถิติ bootstrap
- การเพิ่มจำนวนการสุ่ม bootstrap จะลดอะไรเป็นหลัก?
- อคติการเลือกในตัวอย่างต้นฉบับ
- เสียงรบกวนการจำลองในการคำนวณการสุ่มใหม่
- ความขึ้นต่อกันระหว่างสังเกตการณ์ต้นฉบับ
- ความไม่แน่นอนที่เกิดจากกลุ่มประชากรที่หายไปทั้งหมด
- หลายบันทึกมาจากผู้เข้าร่วมแต่ละคน การเลือกใดสะท้อนการจัดกลุ่มนั้นได้ดีกว่าเมื่อเหมาะสมกับการออกแบบการศึกษา?
- สุ่มบันทึกทุกรายการอย่างอิสระโดยไม่พิจารณาผู้เข้าร่วม
- สุ่มแถวของแต่ละผู้เข้าร่วมแยกกันและพิจารณาเป็นบุคคลอิสระ
- Keep every participant fixed and randomly reassign their records across participants
- Resample participants together with their associated records
- Bootstrapping test cases for one fixed fitted model does not automatically account for which uncertainty?
- Variation from retraining and selecting the model
- Variation in the sampled evaluation cases
- Variation in the recomputed metric across resamples
- Simulation variation caused by finite repetitions
- Why can a narrow bootstrap interval still be misleading when the original dataset excludes an important population group?
- Every bootstrap interval is invalid for model metrics
- A narrow interval proves the missing group behaves identically
- Resampling cannot supply evidence about conditions absent from the sample
- The percentile method automatically estimates that group's outcomes