แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบการสุ่มตัวอย่าง Bootstrap

ฝึกการสุ่มตัวอย่างบูตสแตรป การเปรียบเทียบแบบจำลองแบบคู่ และขีดจำกัดความไม่แน่นอนโดยใช้วิธีการสุ่มตัวอย่างใหม่และตัวอย่างช่วงเปอร์เซ็นไทล์

เส้นทางแนะนำที่เกี่ยวข้องการสุ่มตัวอย่าง Bootstrap
คำถาม 1 ของ 8

กระบวนการสุ่มตัวอย่างใดที่ทำตามกฎ bootstrap ปกติสำหรับสังเกตการณ์ต้นฉบับ 2, 4 และ 9?

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. กระบวนการสุ่มตัวอย่างใดที่ทำตามกฎ bootstrap ปกติสำหรับสังเกตการณ์ต้นฉบับ 2, 4 และ 9?
    • สุ่มสังเกตการณ์สองรายการโดยไม่ทำการแทนที่จากสังเกตการณ์ต้นฉบับสามรายการ
    • สุ่มสังเกตการณ์สามรายการโดยทำการแทนที่, อนุญาตให้มีตัวอย่างเช่น 2, 2 และ 9
    • สุ่มสังเกตการณ์สี่รายการโดยทำการแทนที่จากสังเกตการณ์ต้นฉบับสามรายการ
    • สุ่มสังเกตการณ์ทั้งสามรายการโดยไม่ทำการแทนที่ทุกครั้งของการทำซ้ำ
  2. ค่าเฉลี่ยใดเป็นส่วนหนึ่งของตัวอย่าง bootstrap ตัวอย่างเชิงอธิบาย 2, 2 และ 9?
    • 5
    • 3
    • 4
    • 13 หารด้วยสาม
  3. เมื่อเปรียบเทียบโมเดลสองตัวบนกรณีทดสอบเดียวกัน สิ่งใดต้องอยู่ร่วมกันในแต่ละหน่วยที่ทำการสุ่มใหม่?
    • ผลลัพธ์ของกรณีและการทำนายของทั้งสองโมเดล
    • คะแนนรวมของโมเดลสองตัวเท่านั้น
    • การทำนายจากกรณีหนึ่งและผลลัพธ์จากอีกกรณีหนึ่ง
    • ผลลัพธ์บวกทั้งหมดโดยไม่มีการทำนายของพวกเขา
  4. 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
  5. การเพิ่มจำนวนการสุ่ม bootstrap จะลดอะไรเป็นหลัก?
    • อคติการเลือกในตัวอย่างต้นฉบับ
    • เสียงรบกวนการจำลองในการคำนวณการสุ่มใหม่
    • ความขึ้นต่อกันระหว่างสังเกตการณ์ต้นฉบับ
    • ความไม่แน่นอนที่เกิดจากกลุ่มประชากรที่หายไปทั้งหมด
  6. หลายบันทึกมาจากผู้เข้าร่วมแต่ละคน การเลือกใดสะท้อนการจัดกลุ่มนั้นได้ดีกว่าเมื่อเหมาะสมกับการออกแบบการศึกษา?
    • สุ่มบันทึกทุกรายการอย่างอิสระโดยไม่พิจารณาผู้เข้าร่วม
    • สุ่มแถวของแต่ละผู้เข้าร่วมแยกกันและพิจารณาเป็นบุคคลอิสระ
    • Keep every participant fixed and randomly reassign their records across participants
    • Resample participants together with their associated records
  7. 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
  8. 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