1.        

В регрессионном анализе для проверки того, является ли наблюдаемая взаимосвязь между откликом и факторами случайной или нет, используется

F-статистика

2.        

В регрессионном анализе для проверки значимости коэффициентов регрессии может использоваться

T-статистика

3.        

Суть регрессионного анализа

исследование зависимости отклика от факторов

4.        

Для аппроксимации данных полиномом 4-й степени необходимо определить

5 коэффициентов

5.        

Строится линейная модель, описывающая зависимость отклика от 4 факторов. Количество коэффициентов в модели равно

4

6.        

Строится линейная модель, описывающая зависимость отклика от 5 факторов. Количество коэффициентов в модели равно

5

7.        

Получена регрессионная модель, характеризующаяся коэффициентом детерминации R^2=1,00. Это позволяет сделать вывод о том, что

имеет место полное совпадение анализируемых данных с моделью

8.        

Получена регрессионная модель, характеризующаяся коэффициентом детерминации R^2=0,02. Это позволяет сделать вывод о том, что

данная модель неприменима для описания связи отклика с факторами, либо связь отсутствует

9.        

Имеется выборка 1, 5, 7, 14, 18, 5, 2, 12. Медиана выборки равна

6

10.   

Имеется выборка 1, 5, 7, 14, 18, 3, 5, 11. Мода выборки

равна 5

11.   

Имеется выборка 1, 3, 9, 14, 20, 5, 2, 12. 50-процентный квантиль выборки равен

7

12.   

Имеется выборка 1, 7, 5, 12, 22, 3, 2, 12. Справедливо утверждение

мода больше медианы

13.   

Знания, описывающие понятия и взаимосвязи в предметной области, называются

фактические

14.   

Знания, описывающие основы принятия решений в предметной области, называются

стратегические

15.   

Способы оперирования декларативными знаниями - это

процедурные знания

16.   

Однозначные рекомендации характерны для следующего типа знаний

жесткие

17.   

Знания о связях между признаками объектов называются

интенсиональные

18.   

Знания о последовательности действий пользователя, необходимых для отключения компьютера, следует отнести к

поверхностным знаниям

19.   

Пол респондента в социологической анкете - это

классификационный (номинальный) признак

20.   

Оценка на гос.экзамене - это

порядковый (ординальный) признак

21.   

В скоринговых данных имеется несколько признаков. К непрерывным количественным признакам следует отнести

месячный доход

22.   

В скоринговых данных имеется несколько признаков. К номинальным признакам следует отнести

семейный статус

23.   

Операции меньше / больше применимы к

порядковым признакам

24.   

Аналитический процесс исследования больших объемов данных с целью поиска характерных структур и значимых зависимостей называется

обнаружение знаний

25.   

Способ автоматизированного наполнения базы знаний ИИС посредством диалога эксперта и специальной программы называется

приобретение знаний

26.   

К общепринятым в теории ИИС стратегиям получения знаний НЕ относится

агрегирование знаний

27.   

Интеллектуальная информационная система состоит из

базы знаний, решателя и интеллектуального интерфейса

28.   

Интеллектуальные информационные технологии - это

технологии решения прикладных задач с помощью средств вычислительной техники и методов искусственного интеллекта

29.   

Коэффициент детерминированности (детерминации) R^2

может принимать значения от 0 до +1

30.   

Линейный тренд для зависимости y от t описывается формулой

y = b + at

31.   

Получена регрессионная модель, характеризующаяся коэффициентом детерминации R^2=0,77. Это позволяет сделать вывод о том, что

модель применима для описания зависимости отклика от факторов, связь достаточно сильная

32.   

Результатом работы программы See5 является

дерево решений или набор логических правил, применимые для распознавания классов

33.   

Результат процедуры усиления решения в программе See5 заключается в том, что

доля правильно распознанных объектов увеличивается за счет применения комплекса деревьев решений / нескольких наборов логических правил

34.   

Более корректную оценку качества работы дерева решений можно получить

исключив ошибки первого рода

35.   

Таблицы сопряженности при решении задач классификации служат для

анализа значимости признаков

36.   

Поля строк и столбцов в сводной таблице, построенной на базе OLAP-куба, называются

измерения

37.   

При построении OLAP-куба средствами MS Query МОЖНО воспользоваться агрегатной функцией

AVG

38.   

Поля данных в сводной таблице, построенной на базе OLAP-куба, называются

меры

39.   

В партии из 200 изделий 40 бракованных. С помощью решающего правила выявлено 10 бракованных, все остальные признаны годными. Какова общая точность правила?

25%

40.   

Строится компьютерная система медицинской диагностики. В базе данных - информация о 100 здоровых и 100 больных. Правило ставит диагноз "здоров" 90 здоровым и 20 больным, а диагноз "болен" - всем оставшимся. Какова специфичность правила (цель теста - выявление пациентов, нуждающихся в лечении)?

90%

41.   

Скоринговая система должна хорошо выявлять неблагонадёжных клиентов. Известно, что среди 150 предъявленных заявок - две трети было от благонадёжных соискателей. Система рекомендовала выдать кредит 80 клиентам, причем в 20 случаях эта рекомендация неверна, все остальные заявки отклонены. Какова оценка чувствительности реализованных в системе правил?

60%

42.   

Строится компьютерная система. В БД - информация о 120 здоровых и 80 больных. Правило ставит диагноз "здоров" 80 здоровым и 30 больным, а диагноз "болен" - всем оставшимся. Штраф за ошибку "назвать здорового больным" - 2 балла, штраф за противоположную ошибку - 3 балла. Подсчитайте суммарные потери.

170

43.   

Цель теста - выявить недобросовестных заёмщиков. Ситуацию, когда компьютерная система относит неблагонадежного клиента в группу Норма, следует признать

пропуском цели

44.   

Цель теста - выявить бракованные изделия. Ситуацию, когда компьютерная система объявляет годное изделие бракованным, следует признать

ложной тревогой

45.   

Доля случаев, когда правило даёт верный результат, относительно всех случаев его применения, называется

точностью

46.   

Компьютерный тест выявляет бракованные изделия. Отношение верно диагностированных бракованных изделий к их общему числу характеризует

чувствительность

47.   

При компьютерном скоринге решающее правило R идентифицировало PR потенциальных дефолтов и неправомерно отнесло к рискованным NR заявок. Точность правила R можно определить по формуле

1– NR /(PR + NR)

48.   

Компьютерный тест предназначен для выявления бракованных изделий. Всего представлено 100 изделий, из которых пятая часть бракованных. В ходе теста к бракованным отнесено 28 изделий, причем чувствительность теста составила 100%. Специфичность теста равна

90%

49.   

Компьютерный тест предназначен для выявления бракованных изделий. Всего представлено 100 изделий, из которых 40 бракованных. В ходе теста к нормальным отнесено 66 изделий, причем специфичность теста составила 90%. Чувствительность теста равна

70%

50.   

Компьютерный тест предназначен для выявления заявок на кредит, которые следует отклонить. Из поданных 100 заявок 10% было от неблагонадёжных клиентов. Штраф за гиподиагностику — 2 балла, за гипердиагностику — 1 балл. По результатам теста выявлены все неблагонадёжные клиенты, помимо этого отказ в кредите получили еще 30 клиентов. Справедлив вывод

тест неприемлем: по сравнению с ситуацией выдачи всех кредитов суммарные потери выросли

51.   

Компьютерный тест предназначен для выявления заявок на кредит, которые следует отклонить. Половина из поданных 100 заявок была от неблагонадёжных клиентов. Штраф за гиподиагностику — 3 балла, за гипердиагностику — 1 балл. По результатам теста выявлены все неблагонадёжные клиенты, помимо этого отказ в кредите получили еще 10 клиентов. Справедлив вывод

тест полезен: суммарные потери ниже априорных при любой базовой стратегии

52.   

Компьютерный тест предназначен для выявления заявок на кредит, которые следует отклонить. 40 из поданных 100 заявок были от неблагонадёжных клиентов. Штраф за гиподиагностику — 3 балла, за гипердиагностику — 2 балла. По результатам теста пропущено 10 сомнительных заявок, также отклонены 15 заявок от благонадёжных клиентов, по всем остальным заявкам принято правильное решение. Удельные потери составят

0,60 баллов

53.   

Было подано 300 заявок на кредит, из них две трети — от неблагонадёжных заёмщиков. При помощи компьютерного теста правильно идентифицировано 120 потенциальных невозвратов, а также ошибочно отклонена пятая часть заявок из тех, которые следовало удовлетворить. Чувствительность теста (цель - выявление неблагонадежных) составляет

60%

54.   

Было подано 300 заявок на кредит, из них шестая часть — от неблагонадёжных заёмщиков. При помощи компьютерного теста правильно идентифицировано 40 потенциальных невозвратов, а также ошибочно отклонено 20 заявок из тех, которые следовало удовлетворить. Общая точность теста составляет

80%

55.   

Было подано 400 заявок на кредит, из них 150 — от неблагонадёжных заёмщиков. При помощи компьютерного теста правильно идентифицировано 125 благонадежных заёмщиков, но при этом одобрена пятая часть тех заявок, которые следовало отклонить. Специфичность теста  (цель - выявление неблагонадежных)  составляет

50%

56.   

При прогнозировании невозврата банковского кредита гиподиагностикой следует признать решение

выдать кредит ненадёжному заёмщику

57.   

Стандартное отклонение  для выборки равно

корню из выборочной дисперсии

58.   

Имеется выборка 1, 5, 7, 14, 18, 2, 5, 12. Верхняя (75%) квартиль выборки равна

13

59.   

Имеется выборка 1, 6, 22, 15, 24, 2, 5, 12. Нижняя (25%) квартиль выборки равна

дисперсия выборки равна нулю

60.   

Выборка состоит из 5 одинаковых чисел. Справедливо утверждение

дисперсия выборки равна нулю

61.   

Следующий показатель среди перечисленных более устойчив к присутствию в выборке элементов с аномальными значениями (выбросов)

медиана