В каком диапазоне изменяется функция распределения F(х) случайный величины х?

1) -

2)

3) -

4)

Каким образом выражается плотность вероятности у(х) непрерывной случайной величины х через её функцию распределения F(х)?

1) у (х) = F'(х)

2) у (х) = F"(х)

3) у (х) = F (x) – F(0)

4) y (x) = F(x) dx

36. Чему равен несобственный интеграл в бесконечных пределах от плотности вероятности непрерывной случайной величины х т.е. ?

1) =0 3) =1

2) = + 4) =-1

Как определяется математическое ожидание непрерывной случайной величины х?

1) М(х)=

2) М(х)=

3) М(х)=

4) М(х)=

38. Как определяется дисперсия непрерывной случайной величины х, с математическим ожиданием М(х) = 0

1) Д (х) =

2) Д (х) =

3) Д (х) =

4) Д (х) =

Чему равно М(с), где с – константа?

1) М (с) = 0

2) М (с) = 2с

3) М (с) = с

4) М (с) = с²

Чему равно М (кх), где к – константа, а х - случайная величина?

1) М (кх) = 0

2) М (кх) = к² М(х)

3) М (кх) = М(х) /к

4) 1) М (кх) = к М(х)

41. Чему равно М (х+у), где х, у – случайные величины?

1) М (х+у) = М(х) + М(у)

2) М (х+у) = М(х) - М(у)

3) М (х+у) = 0

4) М (х+у) = М(х)² + 2М(х) М(у) + М(у)²

42. Чему равно М(х с), где х – случайная величина, с – константа?

1) М(х с)=М(х)

2) М(х с)=М(х)²

3) М(х с)=с

4) М(х с)=М(х) с

Чему равна Д(с), где с – постоянная величина?

1) Д(с) = с²

2) Д(с) = 0

3) Д(с) = - с²

4) Д(с) = с

Чему равна Д (кх), где к – константа, х – случайная величина?

1) Д(кх) = к Д(х)

2) Д(кх) = 0

3) Д(кх) = к³ Д(х)

4) Д(кх) = к² Д(х)

Чему равна Д(х) случайной величины х, если её математическое ожидание есть М(х)?

1) Д(х) = (М(х))²

2) Д(х) = М(х²) – М(х)

3) Д(х) = М(х²) – (М(х))²

4) Д(х) = (М(х²) – М(х))²

46. Чему равна Д(х+у) случайных величин х и у?

1) Д(х+у) = Д(х) + Д(у)

2) Д(х+у) = Д(х) - Д(у)

3) Д(х+у) = Д²(х) + Д²(у)

4) Д(х+у) = М((х+у)²) – М²(х+у)

Что означает мультиколлинеарность?

1) Мультиколлинеарность – это сильная коррелированность объясняемой переменной с одной из объясняющих переменных, входящих в уравнение регрессии.

2) Мультиколлинеарность – это отсутствие значимой корреляции между объясняемой переменной и объясняющими переменными, входящими в уравнение регрессии.

3) Мультиколлинеарность – это коррелированность двух или нескольких объясняющих переменных в уравнении регрессии.

4) Мультиколлинеарность – это отсутствие значимой корреляции между объясняющими переменными, входящими в уравнение регрессии.

К каким последствиям приводит мультикаллинеарность?

1) Никаким последствиям наличие мультикаллинеарности не приводит.

2) Приводит к незначительным последствиям, которые без ущерба для значимости уравнения регрессии можно проигнорировать.

3) МНК оценки модели не существуют.

4) МНК оценки имеют большие стандартные ошибки, в то время как модель является значимой.

Как можно избавиться от мультикаллинеарности?

1) Избавляться от нее нет необходимости, потому что она серьезных последствий не вызывает.

2) Исключить из модели все объясняющие переменные кроме одной.

3) Исключить из модели те объясняющие переменные, которые значимо коррелированны с оставляемыми в модели.

4) Исключить из модели объясняющую переменную наиболее сильно коррелированную с объясняемой переменной.

Что такое лаг?

1) Сдвиг τ, характеризующий опережающее воздействие объясняющей переменой на объясняемую.

2) Период времени τ, за который объясняемая переменная претерпевает определенные изменения.

3) Период времени τ, за который одна из объясняющих переменных претерпевает определенные изменения.

4) Сдвиг τ, характеризующий запаздывание в воздействию объясняющей переменной на объясняемую переменную.