Copy and Edit

Módszertan és statisztika vizsga ELTE MA/1

Description

Lasciate ogni speranza, voi,ch'entrant..
Buda Pest
Quiz by Buda Pest, updated more than 1 year ago
Buda Pest
Created by Buda Pest almost 6 years ago
383
1
0

Resource summary

Question 1

Question
A béta-súlyok alapján többszörös lineáris regresszió-elemzésben eldönthetjük, hogy két független változó közül melyiknek van nagyobb hatása a függő változóra.
Answer
  • True
  • False

Question 2

Question
Lépésenkénti regresszióban a 3. lépéstől a bevonási kritérium tesztelése előtt megnézzük, hogy nincs-e olyan korábban bevont változó, amelyet ki kell ejtenünk a modellből.
Answer
  • True
  • False

Question 3

Question
A logit a függő változó valószínűségének logaritmusa
Answer
  • True
  • False

Question 4

Question
Kanonikus korreláció elemzésben két változócsoport egymással erősen korreláló közös struktúráját keressük.
Answer
  • True
  • False

Question 5

Question
A diszkriminancia analízis feltétele, hogy a független változók diszkrétek legyenek.
Answer
  • True
  • False

Question 6

Question
Minél nagyobb a wilks-lambda, annál jobb a DA predikciós modellje.
Answer
  • True
  • False

Question 7

Question
A 2. főkomponens értéke sosem lehet nagyobb mint az első főkomponensé.
Answer
  • True
  • False

Question 8

Question
Klaszteranalízisben az a klaszter a homogénebb, amelynek a homogenitási együtthatója nagyobb.
Answer
  • True
  • False

Question 9

Question
Az EESS a klaszterek által megmagyarázott varianciaarány
Answer
  • True
  • False

Question 10

Question
PB jelzi, hogy átlagosan mennyivel távolabb vannak egymástól távol a külön klaszterbe, mint az egyazon klaszterbe tartozók
Answer
  • True
  • False

Question 11

Question
A rotáció általában megkönnyíti a FA értelmezését.
Answer
  • True
  • False

Question 12

Question
A maximum likelihood faktormodell nem veszi figyelembe a változókra specifikus egyedi részleteket.
Answer
  • True
  • False

Question 13

Question
Klaszteranalízisben az 1-nél nagyobb sajátértékű klasztereken szoktak relokációt végezni
Answer
  • True
  • False

Question 14

Question
Klaszteranalízisben a: Homogenitást, kohéziót mérik: EESS%,,HCátlag Szeparációt mérik: SC, XBmod, GDI24 Mindkettőt mérik: PB, CLdelta
Answer
  • True
  • False

Question 15

Question
A MORI (Measure of Relative Improvement) a kapott faktorstruktúra belső validitásának (internal validity) legfontosabb mutatója
Answer
  • True
  • False

Question 16

Question
A QC és MORI segítségével: -Megítélhetjük velük egy struktúra jóságát -Segítséget nyújthatnak a helyes klaszterszám megállapításához -Összehasonlíthatunk velük különböző algoritmusokat -Összehasonlíthatunk velük különböző klasztermegoldásokat (struktúrákat)
Answer
  • True
  • False

Question 17

Question
A KMO 0,75- ös értéke már jónak mondható.
Answer
  • True
  • False

Question 18

Question
A KMO értéke 0,5 alatt elfogadhatatlan
Answer
  • True
  • False

Question 19

Question
A nemhierarchikus klaszteranalízis egymásra épülő klasszifikációk rendszere, melyhez úgy jutunk, hogy lépésenként egyesítünk vagy felbontunk klasztereket.
Answer
  • True
  • False

Question 20

Question
A QC jelentése klaszter kvalifikációs mutató. Ilyenek az EESS és a homogenitási együttható.
Answer
  • True
  • False

Question 21

Question
Magyarázott varianciaarány MV% = nemlineáris determinációs együttható = eta-négyzet. e2 = Hatás variabilitás/Teljes variabilitás
Answer
  • True
  • False

Question 22

Question
Az ANOVA az összetartozó mintás T-próba általánosítása min. 3 csoportra.
Answer
  • True
  • False

Question 23

Question
A trimmelés a szélsőséges értékek eltávolítását jelenti.
Answer
  • True
  • False

Question 24

Question
Klaszteranalízis során a hasonlóságot (távolságot) leggyakrabban az adatsorbeli értékek átlagos távolságával szokták mérni (Euklideszi távolság). Egy ilyen variáns az ASED (átlagos négyzetes eltérés, Average Squared Euclidian Distance).
Answer
  • True
  • False

Question 25

Question
Ward-féle módszer: Azt a két klasztert egyesítjük, amellyel az „összhiba” (azaz a klasztereken belüli négyzetes összegek összege = ESS) a legkisebb mértékben nő.
Answer
  • True
  • False

Question 26

Question
Log-lineáris elemzéssel diszkrét változók közti speciális kapcsolatokat tesztelhetünk.
Answer
  • True
  • False

Question 27

Question
A minimum távolságok módszere képes nem elliptikus formákat is feltárni, de érzékeny a „zaj”-ra és a kilógó értékekre. A maximum távolságok módszere kevésbé érzékeny a zajra/kilógó értékekre, de hajlamos a nagy klasztereket darabolni és globuláris (gömbszerű) alakzatokat kihozni.
Answer
  • True
  • False

Question 28

Question
Az átlagos távolság módszere és a Ward-módszer a legjobb klaszteranalízisi elemzések.
Answer
  • True
  • False

Question 29

Question
Jó klaszteranalízis általános sarokszámai: EESS% - legyen 0,65-nél nagyobb PB (Klaszter pontbiszeriális korreláció) – legyen legalább 0,30 SilCoef – legyen 0,50-nél nagyobb HCátlag – legyen 1-nél jóval kisebb HCmin-max – legyen 1 alatt
Answer
  • True
  • False

Question 30

Question
A K-központú hierarchikus klaszterelemzés ideális, ha a feltárandó valódi típusok arányai erősen különböznek.
Answer
  • True
  • False

Question 31

Question
A log-lineáris elemzést korrelációs mátrixokon szokás végezni.
Answer
  • True
  • False

Question 32

Question
Klaszteranalízisben a legközelebbi szomszéd módszerének alkalmazása azt jelenti, hogy mindig a két legközelebbi centroid klaszterét egyesítjük közös klaszterbe.
Answer
  • True
  • False

Question 33

Question
Többváltozós elemzésekben elvárt, hogy a személyek száma 3-5-ször akkora legyen, mint a változóké.
Answer
  • True
  • False

Question 34

Question
Hierarchikus klaszteranalízisben a legközelebbi szomszéd módszer alkalmazása azt jelenti, hogy mindig a két legközelebbi klaszterközéppontú klasztert egyesítjük a közös klaszterbe.
Answer
  • True
  • False

Question 35

Question
Kovariancia-analízisben korrigált mintaátlagokat hasonlítunk össze.
Answer
  • True
  • False

Question 36

Question
A log-lineáris elemzés egy sima khi2-próbás kapcsolatvizsgálat általánosítása.
Answer
  • True
  • False

Question 37

Question
Bináris logisztikus regresszióval ugyanarra a fő kérdésre kaphatunk választ mint egy megfelelő diszkriminanciaanalízissel.
Answer
  • True
  • False

Question 38

Question
A rotációk hatására hasonlóbbá válnak az egyes faktorok által megmagyarázott varianciák.
Answer
  • True
  • False

Question 39

Question
Regresszióban a konstans tag jelzi, hogy egységnyi megváltoztatásával milyen mértékben változik a függő változó.
Answer
  • True
  • False

Question 40

Question
Két szempont között a variancia analízisben (VA) akkor van interakció, ha közös hatásuk az egyedi hatások sima összege.
Answer
  • True
  • False

Question 41

Question
Ha az FA-ban egy input változó KMO-értéke 0,25 feletti, akkor a változó bevonható a faktormodellbe
Answer
  • True
  • False

Question 42

Question
A klaszteranalízis lényege, hogy eseteket vagy változókat páronkénti távolságaik alapján homogén csoportokba rendezünk
Answer
  • True
  • False

Question 43

Question
A maximum likelihood faktoranalízisben ugyanannyi faktorral a változók varianciájának nagyobb hányadát tudjuk megmagyarázni, mint egy ugyanazon változókon végrehajtott főkomponensanalízisben
Answer
  • True
  • False

Question 44

Question
Két szempont között a VA-ban akkor van interakció, ha a két szempont szoros közvetlen kapcsolatban van.
Answer
  • True
  • False

Question 45

Question
A Ward-féle módszernél két klaszter távolságát a klaszterek centroidjainak távolságával definiáljuk.
Answer
  • True
  • False

Question 46

Question
Többszörös lineáris regresszióban a többszörös korrelációs együttható négyzete a regresszió standard hibája.
Answer
  • True
  • False

Question 47

Question
Többszörös lineáris regressziónál a hibatagok korrelálhatnak egymással
Answer
  • True
  • False

Question 48

Question
Többszörös lineáris regressziónál a multikollinearitás kizárása akkor lehetséges, ha két független változó közti korrelációs együttható nem haladja meg a 0,7-es, míg a determinációs együttható: 0,5-ös értéket.
Answer
  • True
  • False

Question 49

Question
A Bx regresszió együttható értéke azt mutatja meg, hogy az X független változó értékét 1 egységgel megnövelve az Y függő változó értéke várhatóan hogyan változik.
Answer
  • True
  • False

Question 50

Question
A diszkriminanciaanalízis fő célja egy olyan predikciós szabály megalkotása, amellyel kvantitatív változók értékeiből bejósolható egy kvalitatív változó értéke.
Answer
  • True
  • False

Question 51

Question
Lépésenkénti regresszióanalízisben a független változóval kiszámított parciális vagy szemiparciális alapján döntünk az egyenletbe való beválasztásról.
Answer
  • True
  • False

Question 52

Question
A Wilks-lambda szoros kapcsolatban van a megmagyarázott varianciával.
Answer
  • True
  • False

Question 53

Question
A béta-súlyok alapján többszörös lineáris regresszió-elemzésben eldönthetjük, hogy két független változó közül melyiknek van nagyobb hatása a függő változóra.
Answer
  • True
  • False

Question 54

Question
A legkisebb négyzetes regresszió kritériuma, hogy minimális legyen a regressziós becslés és a függő változó közti átlagos négyzetes eltérés.
Answer
  • True
  • False

Question 55

Question
A konfigurációelemzés (CFA) sok, kevés értékű változó értékkombinációinak feltárására alkalmas.
Answer
  • True
  • False

Question 56

Question
Stepwise elemzésnél történhet beléptetés és kiléptetés is.
Answer
  • True
  • False

Question 57

Question
A Wilks-lambda a megmagyarázott variancia.
Answer
  • True
  • False

Question 58

Question
A parciális korrelációs együttható lehet nagyobb mint 1.
Answer
  • True
  • False

Question 59

Question
A determinációs együttható a korrelációs együtthatónál mindig kisebb.
Answer
  • True
  • False

Question 60

Question
Klaszteranalízisben az 1-nél nagyobb sajátértékű klasztereken szoktak relokációt végezni.
Answer
  • True
  • False

Question 61

Question
Az agglomeratív hierarchikus klaszteranalízis minden lépésében egyesítünk két klasztert, amelyek valamilyen értelemben egymáshoz a legközelebb vannak.
Answer
  • True
  • False

Question 62

Question
A Ward-féle módszer egy speciális nemhierarchikus klaszteranalízis.
Answer
  • True
  • False

Question 63

Question
A kovarianciaanalízis lényege, hogy a szempontváltozók közti interakciókat ki lehet vele mutatni.
Answer
  • True
  • False

Question 64

Question
A kovariancia-analízisnek nem feltétele a szóráshomogenitás.
Answer
  • True
  • False

Question 65

Question
A kovariancia-elemzés során lényegében parciálást alkalmazunk.
Answer
  • True
  • False

Question 66

Question
A kovariancia-analízisben a vizsgált változóknak (a csoportosító változót is beleértve) normál eloszlásúaknak kell lenniük.
Answer
  • True
  • False

Question 67

Question
A kovariancia-analízis olyan VA, melynek során egy vagy több kvantitatív változó hatását kiszűrve teszteljük a VA szempontváltozóinak a hatását a VA függő változójára.
Answer
  • True
  • False

Question 68

Question
A kanonikus korrelációk lényegében megmagyarázott varianciák.
Answer
  • True
  • False

Question 69

Question
Főkomponensanalízisben Varimax rotáció után a főkomponensek nem feltétlenül lesznek korrelálatlanok
Answer
  • True
  • False

Question 70

Question
A varimax rotációval maximalizáljuk a faktorok által megmagyarázott összvarianciát.
Answer
  • True
  • False

Question 71

Question
A Levene-próbának fontos alkalmazási feltétele a szóráshomogenitás.
Answer
  • True
  • False

Question 72

Question
Két normális együttes eloszlású változó között lehet U alakú kapcsolat is.
Answer
  • True
  • False

Question 73

Question
A Varianciaanalízisban 2 szempont között akkor van interakció, ha a két szempont szoros korrelációban van.
Answer
  • True
  • False

Question 74

Question
A VA-nak nagy minták esetén nem fontos feltétele a szóráshomogenitás és a normalitás.
Answer
  • True
  • False

Question 75

Question
A Wilks lambda szoros kapcsolatban van a megmagyarázott varianciával.
Answer
  • True
  • False

Question 76

Question
Ha a VA-ban a szóráshomogenitás sérül, akkor például a Games-Howell-féle eljárás alkalmazható a szintátlagok páronkénti összehasonlítására.
Answer
  • True
  • False

Question 77

Question
Szignifikáns VA esetén utótesztekkel értékelhetjük a szintátlagok páronkénti különbségeit.
Answer
  • True
  • False

Question 78

Question
A faktoranalízis nem foglalkozik a kilógó esetekkel, ezeket kihagyja
Answer
  • True
  • False

Question 79

Question
A faktorsúlymátrix a faktorok és az eredeti változók közti korrelációk táblázata.
Answer
  • True
  • False

Question 80

Question
A diszkriminancia-analízis abban a lényeges momentumban különbözik a többszörös lineáris regresszió módszerétől, hogy a függő változó a DA-ban jellemzően kvalitatív, a TLR-ben pedig kvantitatív.
Answer
  • True
  • False

Question 81

Question
A diszkriminancia-analízis egyik alkalmazási feltétele, hogy teljesüljön a szóráshomogenitás feltétele.
Answer
  • True
  • False

Question 82

Question
Lépésenkénti regresszióanalízisben a függő változóval kiszámított parciális korrelációk alapján dönthetünk az egyenletbe való beválasztásról.
Answer
  • True
  • False

Question 83

Question
A többszörös lineáris regresszió alkalmazási feltétele, hogy az input változók függetlenek legyenek egymástól.
Answer
  • True
  • False

Question 84

Question
A többszörös lineáris regresszió összefoglaló táblázatában a t-értékek melletti p(SIG) értékek jelzik, hogy egy-egy független változó elméleti átlaga különbözik-e 0-tól.
Answer
  • True
  • False

Question 85

Question
A többszörös lineáris regrssziónak feltétele a csoportok szórósának egyenlősége.
Answer
  • True
  • False

Question 86

Question
Bináris logisztikus regresszióban az alkalmazás feltételei gyengébbek, mint lineáris regresszió elemzésnél.
Answer
  • True
  • False

Question 87

Question
Kétféle alap forgatás ismeretes: ortogonális és ferde forgatás
Answer
  • True
  • False

Question 88

Question
Az ortogonális forgatások a varimax, quartimax, equamax és promax.
Answer
  • True
  • False

Question 89

Question
Az Equamax a Varimax és a Quartimax módszer kombinációja. Minimalizálja az egy-egy faktoron erősen súlyozódó változók és egyben az egy-egy változóval magasan korreláló faktorok számát.
Answer
  • True
  • False

Question 90

Question
Direkt oblimin esetén egy delta paraméter segítségével szabályozhatók a faktorok.
Answer
  • True
  • False

Question 91

Question
A ferde forgatások Direkt oblimin és a Promax.
Answer
  • True
  • False

Question 92

Question
A legjobb faktorsúlyok 0,5 körüliek.
Answer
  • True
  • False

Question 93

Question
Kommunalitás: amit egy változó varianciájából a faktorok együtt magyaráznak.
Answer
  • True
  • False

Question 94

Question
EFA-t használunk ha már van egy alapismeretünk a modellről és CFA-t ha új struktúrákat akarunk találni.
Answer
  • True
  • False

Question 95

Question
A szfericitási feltétel, hogy a függő változók összes páronkénti különbsége legyen egyforma elméleti szórású
Answer
  • True
  • False

Question 96

Question
Főkomponensanalízisben Equamax rotáció után a főkomponensek nem feltétlenül lesznek korrelálatlanok
Answer
  • True
  • False

Question 97

Question
A többváltozós elemzésekben jónak mondható, ha a személyek száma 10-szerese a változók számának
Answer
  • True
  • False

Question 98

Question
Az agglomeretív hierarchikus KA során minden lépésben felbontunk két klasztert
Answer
  • True
  • False

Question 99

Question
Logit az odds logaritmusa
Answer
  • True
  • False

Question 100

Question
A szfericitás feltétele a független mintás VA-nak
Answer
  • True
  • False

Question 101

Question
Az RMSEA a CFA lényeges mutatója
Answer
  • True
  • False

Question 102

Question
Promax forgatásnál a faktorok nem korrelálnak egymással.
Answer
  • True
  • False

Question 103

Question
A scree-ploton a faktorok kommunalitását láthatjuk
Answer
  • True
  • False

Question 104

Question
A classification table a jövő heti lottó nyerőszámokat tartalmazza
Answer
  • True
  • False

Question 105

Question
A VA populációk vagy változók varianciáját hasonlítja össze.
Answer
  • True
  • False

Question 106

Question
TLR alapfeltétele, hogy a független változók ne korreláljanak egymással
Answer
  • True
  • False

Question 107

Question
Faktoranalízisben legalább 3-5 változó kell ahhoz, hogy egy érvényes faktort lehessen képezni belőlük.
Answer
  • True
  • False

Question 108

Question
A faktortöltés a korrelációs együttható a változó és a faktor között, ami a közös faktor hatását mutatja a mért változóra.
Answer
  • True
  • False

Question 109

Question
A maximum likelihood módszer az adatok normális esetén használható legjobb módszer.
Answer
  • True
  • False

Question 110

Question
A faktortöltések utalnak a faktornak a mért változóra való hatásának erejére és irányára
Answer
  • True
  • False

Question 111

Question
Egyváltozós statisztikai elemzésekben (EVS-ben) a VA az a módszercsalád, melynek segítségével csoportok és változók átlagait összehasonlíthatjuk. Itt a hangsúly az ugyanakkoraság, egyformaság, homogenitás tesztelésén van. TVS-ben a VA elemzéseinek hangsúlya azon van, hogy a kategoriális független változók együtt hogyan hatnak egy vagy több kvantitatív változó nagyságszintjére (átlagára).
Answer
  • True
  • False

Question 112

Question
A VA és a kovarianciaanalízis alkalmazásának két általános feltétele van: a függő változó(k) normalitása és a szóráshomogenitás
Answer
  • True
  • False

Question 113

Question
Faktorsúlynak (factor loading) a független változó és a faktor közti korrelációt nevezzük
Answer
  • True
  • False

Question 114

Question
A Klaszter-analízisben a centroid 1-1 klaszter átlagvektora.
Answer
  • True
  • False

Question 115

Question
A Főkomponens-analízis elsődleges célja kevés komponenssel sok változót helyettesíteni
Answer
  • True
  • False

Question 116

Question
A SCREE PLOT megmutatja, hogy hány faktort kell elforgatnunk
Answer
  • True
  • False

Question 117

Question
Ha egy változó KMO-ja 50 % feletti, minden esetben bevonható a faktorelemzésbe.
Answer
  • True
  • False

Question 118

Question
A kommunalitás a változóknak a többi változóval lefedett közös részét mutatja.
Answer
  • True
  • False

Question 119

Question
A FA a változókon végzett klaszteranalízis.
Answer
  • True
  • False

Question 120

Question
A főkomponensek elforgatásával nőhet az össz-megmagyarázott variancia értéke.
Answer
  • True
  • False

Question 121

Question
A kanonikus korreláció lényegében a megmagyarázott varianciát jelenti.
Answer
  • True
  • False

Question 122

Question
DA-nak nem feltétele a szóráshomogenitás
Answer
  • True
  • False

Question 123

Question
A Scree-plot azt mutatja meg, hogy mely faktorokat kell kiemelnünk.
Answer
  • True
  • False

Question 124

Question
A BLR fókusza a p valószínűség; odds(p)-re és logit(p)-re azért van szükség, hogy a TLR függő változója matematikailag kezelhető eloszlású legyen.
Answer
  • True
  • False

Question 125

Question
A következő esetekben érdemes BLR-t választani DA helyett: A független változók (X-ek) együttes eloszlása nem többdimenziós normális Az X-ek között kategoriálisak is vannak A függő változónál a p valószínűség (binárisnál p = P(1)) egyedi, nem normális eloszláson alapul Az X-ek között nem lineáris kapcsolatok is feltételezhetők
Answer
  • True
  • False

Question 126

Question
Minimum annyi főkomponens készíthető, ahány input változó van.
Answer
  • True
  • False

Question 127

Question
Ha van nulla sajátérték is FKA-ban, akkor azt mondjuk, hogy a korrelációs mátrix szinguláris. Ilyenkor fellép a multikollinearitás (változók közti túl erős lineáris összefüggés)
Answer
  • True
  • False

Question 128

Question
Leggyakrabban az 1-nél nagyobb sajátértékű főkomponenseket tartjuk meg és a megtartott főkomponensek jónak mondhatók, ha az általuk magyarázott összvariancia-arány meghaladja a 70%-ot: MV% > 0,70.
Answer
  • True
  • False

Question 129

Question
A kommunalitások megmutatják, hogy egy-egy input változót a megtartott főkomponensek milyen arányban magyaráznak (a főkomponensek által a változóból magyarázott varianciaarány)
Answer
  • True
  • False

Question 130

Question
0,5-ös kommunalitás alatt „kilóg” a változó a főkomponensek által képviselt modellből.
Answer
  • True
  • False

Question 131

Question
Forgatás után a faktorok által magyarázott összvariancia megváltozik de egyes faktorok által magyarázott varianciák nem.
Answer
  • True
  • False

Question 132

Question
Az FKA alkalmazási feltételei: Mintanagyság , Linearitás , Interkorrelációk
Answer
  • True
  • False

Question 133

Question
Ha a változók közös része elhanyagolható, nincs értelme EFA-t végrehajtani.
Answer
  • True
  • False

Question 134

Question
Ha Bartlett erősen szignifikáns, nincs értelme EFA-t csinálni.
Answer
  • True
  • False

Question 135

Question
FKA: változók összinformációját faktorizálja míg FA: csak a változók közös információját faktorizálja, tehát figyelmen kívül hagyja aváltozók azon információját, amelyek egyediek, más változóval nem mutatnak átfedést
Answer
  • True
  • False

Question 136

Question
Lejtődiagram: faktorok összefüggéseinek meghatározása grafikus módszerrel:
Answer
  • True
  • False
Show full summary Hide full summary

Want to create your own Quizzes for free with GoConqr? Learn more.

Similar

To Kill a Mockingbird- Quotes for Scout (Jean Louise)
poppysullivan0
Computing
Ben Leader
Formula for Physics IGCSE edexcel
amayagn
AS Pure Core 1 Maths (AQA)
jamesmikecampbell
The First, Second, Third and Fourth Crusades
adam.melling
Virtue Ethics Edexcel A Level
fstok
Edexcel Additional Science Chemistry Topics 1+2
Amy Lashkari
'Love and Relationships' Poem Themes
Lindis Dixon
CCNA Security 210-260 IINS - Exam 1
Mike M
Chapter 16: The Cold War
Becca Strobbe
ОБЖ2
хомяк убийца
Browse Library