引導式測驗 · 中等 等級

分位數迴歸測驗

透過交付和服務時間範例練習條件百分位數、彈珠損失計算和預測間隔覆蓋率。

相關引導路徑分位數迴歸
問題 1 的 8

交付模型估計有條件的第 90 個百分位數。哪種解釋與連續結果和良好估計模型的指南相符?

預覽每個問題8 問題

當您參加測驗時,就會出現答案和解釋。

  1. 交付模型估計有條件的第 90 個百分位數。哪種解釋與連續結果和良好估計模型的指南相符?
    • 該估計值是可比交付中最慢 10% 的平均值
    • 大約 90% 的可比較結果低於或等於該值
    • 90% 的單一包裹的估算準確無誤
    • 模型的參數有 90% 的機率是正確的
  2. 在分位數 0.9 處,預測 10 後的結果為 12。適用哪種彈珠損失?
    • 0.2
    • 2.0
    • 0.9
    • 1.8
  3. 為什麼擬合高分位數比擬合中位數更有利於更高的估計值?
    • 低於預測會比同等規模的過高預測受到更大的懲罰
    • 所有錯誤都會受到相同的平方懲罰
    • 此模型丟棄所有低於中位數的結果
    • 目標值乘以分位數
  4. 第 10 個和第 90 個條件百分位數形成哪個名目中心區間?
    • 90% 間隔
    • 10% 間隔
    • 80% 間隔
    • 100% 間隔
  5. 模型名義上的 80% 區間僅涵蓋 60% 的保留結果。得出以下哪個結論?
    • 訓練損失保證覆蓋,所以評估必須忽略
    • 觀察到的覆蓋率低於名目目標
    • 該區間自動成為平均值的置信區間
    • 標稱間隔應包含每個保留的結果
  6. 兩個單獨擬合的分位數模型預測上限低於下限。出現了哪一個問題?
    • 完美校準
    • 均值回歸
    • 過度覆蓋
    • 分位數交叉
  7. 在第 50 個百分位處,彈珠損失如何使正殘差和負殘差的權重相等?
    • 同樣,產生一半的絕對誤差
    • 正殘差獲得兩倍的權重
    • 負殘差獲得兩倍的權重
    • 求平均值前均先平方
  8. 經理需要一個未來服務時間的範圍。為什麼估計平均值的置信區間可能不合適?
    • 當樣本很大時,它描述了未來 80% 的中心結果
    • 它直接測量各個未來服務時間之間的變化
    • 它涉及估計參數的不確定性,而不是未來結果的分佈
    • 它保證為每個未來的客戶群提供相同的覆蓋範圍