Ejemplo de preguntas (de exámenes pasados) Nota: La respuesta correcta es seguida por. El código i - j se refiere a qué sección del texto se pretende abordar la pregunta. 1. Qué factores tienen en común las cinco técnicas de suavizado de datos presentadas en el capítulo tres A) Todos usan sólo observaciones pasadas de los datos. B) Todos fallan en predecir reversiones cíclicas en los datos. C) Todos suavizan el ruido a corto plazo promediando los datos. D) Todos los productos correlacionados en serie las previsiones. E) Todo lo anterior es correcto. 2. Un promedio móvil de tres puntos centrado simple de la variable de la serie temporal Xt viene dado por: A) (Xt-1 Xt-2 Xt-3) / 3. B) (Xt Xt - 1 Xt - 1) / 3. C) (Xt _ {1} Xt Xt - 1) / 3. D) Ninguna de las anteriores es correcta. 3. La suavización del promedio móvil puede conducir a una inferencia engañosa cuando se aplica a A) datos estacionarios. B) previsión de tendencia inversa en el mercado de valores. C) conjuntos de datos pequeños y limitados. D) grandes y abundantes conjuntos de datos. E) Ninguna de las anteriores es correcta. 4. Cuál de las siguientes no es correcta para elegir el tamaño apropiado de la constante de suavizado (a) en el modelo de suavizado exponencial simple A) Seleccione valores cercanos a cero si la serie tiene una gran variación aleatoria. B) Seleccione valores cercanos a uno si desea que los valores de pronóstico dependan fuertemente de los cambios recientes en los valores reales. C) Seleccione un valor que minimice RMSE. D) Seleccione un valor que maximice el error de cuadrado medio. E) Todo lo anterior es correcto. 5. La constante de suavizado (a) del modelo de suavizado exponencial simple A) debería tener un valor cercano a uno si los datos subyacentes son relativamente erráticos. B) debe tener un valor cercano a cero si los datos subyacentes son relativamente suaves. C) está más cerca de cero, mayor es la revisión en la previsión actual dado el error de pronóstico actual. D) está más cerca de uno, mayor es la revisión en el pronóstico actual dado el error de pronóstico actual. 6. El procedimiento de mínimos cuadrados minimiza la A) suma de los residuos. B) cuadrado del error máximo. C) suma de errores absolutos. D) suma de los residuos cuadrados. E) Ninguna de las anteriores es correcta. 7. Un residuo es A) la diferencia entre la media de Y condicional en X y la media incondicional. B) la diferencia entre la media de Y y su valor real. C) la diferencia entre la predicción de regresión de Y y su valor real. D) la diferencia entre la suma de errores cuadrados antes y después de X se utiliza para predecir Y. E) Ninguna de las anteriores es correcta. Se supone que las perturbaciones del modelo de regresión (errores de predicción) A) siguen una distribución de probabilidad normal. B) se supone que son independientes en el tiempo. C) se asume que promedian a cero. D) se puede estimar mediante residuos OLS. E) Todo lo anterior es correcto. 9. Los índices estacionales de ventas para el Black Lab Ski Resort son para enero 1.20 y diciembre .80. Si las ventas de diciembre para 1998 fueran 5.000, una estimación razonable de las ventas para enero de 1999 es: E) Ninguna de las anteriores es correcta. 10. Cuáles de las siguientes técnicas no se utilizan para resolver el problema de la autocorrelación? A) Modelos autorregresivos. B) Mejora de la especificación del modelo. C) Movimiento de suavizado promedio. D) Diferenciando primero los datos. E) Regresión usando cambios porcentuales. 11. Cuál de las siguientes no es una consecuencia de la correlación serial A) Las estimaciones de la pendiente de la OLS ahora son imparciales. B) Los intervalos de predicción OLS están sesgados. C) El R-cuadrado es menor que .5. D) Las estimaciones puntuales son imparciales. E) Ninguna de las anteriores es correcta. 12. La autocorrelación causa o causa: B) Correlación en serie. C) Regresión espuria. D) Regresión no lineal. E) Todo lo anterior es correcto. 13. Los intervalos de predicción exactos para la variable dependiente A) están arqueados alrededor de la línea de regresión estimada. B) Son lineales alrededor de la línea de regresión estimada. C) no tienen en cuenta la variabilidad de Y alrededor de la regresión de la muestra. D) no tienen en cuenta la aleatoriedad de la muestra. E) Ninguna de las anteriores es correcta. Problema corto Ejemplo 14. Un modelo de regresión lineal bivariante que relaciona los gastos de viaje interno (DTE) en función del ingreso per cápita (IPC) fue estimado como: DTE -9589.67 .953538 (IPC) DTE de previsión en el supuesto de que IPC será 14.750. Hacer el punto apropiado y estimaciones aproximadas del intervalo del 95 por ciento, asumiendo que la varianza estimada del error de la regresión era 2.077.230.38. La estimación puntual de DTE es: DTE -9589,67 .953538 (14.750) 4.475,02. El error estándar de la regresión es 1441,26, y el intervalo de confianza aproximado es: 4,475.02 plusmn (2) (1441,26) 4,475.02 plusmn 2882,52 P1592,50 lt DTE lt 7357,54 .95. B) Dado que el DTE real resultó ser 7.754 (millones), calcule el error porcentual en su pronóstico. Si el valor real de DTE es 7.754, el porcentaje de error en la previsión, basado en la estimación puntual de 4475.02, es 42.3. (7754 - 4475,02) / 7754,423. 15 Si se encuentra que los errores de pronóstico de un modelo de tipo ARIMA muestran correlación serial, este modelo A) no es un modelo de predicción adecuado. B) es un candidato para añadir otra variable explicativa. C) casi seguramente contiene estacionalidad. D) es un candidato para la regresión Cochrane-Orcutt. E) Todo lo anterior es correcto. 16. Los modelos de media móvil se describen mejor como A) promedios simples. B) promedios no ponderados. C) promedios ponderados de las series de ruido blanco. D) promedios ponderados de las variables aleatorias no normales. E) Ninguna de las anteriores es correcta. 17. Cuál de los siguientes patrones del correlograma de la función de autocorrelación parcial es inconsistente con un proceso de datos autorregresivo subyacente A) Declinación exponencial a cero. B) Cíclicamente declinando a cero. C) Positivo al principio, luego negativo y aumentando a cero. D) Negativo al principio, luego positivo y descendiendo a cero. E) Todo lo anterior es correcto. 18 La función de autocorrelación de una serie de tiempo muestra coeficientes significativamente diferentes de cero en los retornos 1 a 4. La función de autocorrelación parcial muestra un pico y monótonamente aumenta a cero a medida que aumenta la longitud. Tal serie puede ser modelada como un modelo. E) Ninguna de las anteriores es correcta. 19. Cuál de los siguientes no es un primer paso en el proceso de selección del modelo ARIMA A) Examine la función de autocorrelación de la serie cruda. B) Examinar la función de autocorrelación parcial de la serie cruda. C) Probar los datos de estacionariedad. D) Estimar un modelo ARIMA (1,1,1) para fines de referencia. E) Todo lo anterior es correcto. 20 Cuál es la hipótesis nula que se está probando utilizando la estadística Box-Pierce A) El conjunto de autocorrelaciones es conjuntamente igual a cero. B) El conjunto de autocorrelaciones no son conjuntamente iguales a cero. C) El conjunto de autocorrelaciones es conjuntamente igual a uno. D) El conjunto de autocorrelaciones no son conjuntamente iguales a uno. E) Todo lo anterior es incorrecto. 21. El propósito principal de combinar pronósticos es reducir B) el sesgo de pronóstico medio. C) error de pronóstico cuadrático medio. D) error de pronóstico absoluto medio. E) Todo lo anterior es correcto. 22. Cuál de las siguientes es una ventaja al usar el enfoque adaptativo para estimar los pesos óptimos en el proceso de combinación de pronósticos A) Los pesos cambian de un período a otro. B) Puede realizarse una prueba del sesgo del modelo de pronóstico combinado. C) Se utiliza la covarianza entre varianzas de error. D) Los pesos se eligen para maximizar la varianza del error de regresión. E) Todas las anteriores son correctas. Promedios de media Videos para ayudar a GCSE Los estudiantes de matemáticas aprenden acerca de los promedios móviles. Qué es un promedio móvil? Un promedio móvil es el promedio en un determinado intervalo dado. El intervalo dado cambia con el tiempo. Los promedios móviles nos permiten ver líneas de tendencia y variaciones estacionales. Promedios móviles, línea de tendencia y variación estacional Las estadísticas de GCSE ayudan al video a recorrer las ideas principales para calcular los promedios móviles de los datos de series temporales y cómo trazar y dibujar una línea de tendencia para calcular la variación estacional media para predecir los valores futuros. GCSE Módulo 1 Tema 09 Parte 1 Medias móviles GCSE Módulo 1 Tema 09 Parte 2 Examen Cuestión sobre las medias móviles Girar al formato de pantalla horizontal en un teléfono móvil o una pequeña tableta para utilizar el widget Mathway, un solucionador de problemas matemático gratuito que responde a sus preguntas con el paso Explicaciones paso a paso. Puede usar la calculadora gratuita Mathway y el solucionador de problemas a continuación para practicar Álgebra u otros temas de matemáticas. Pruebe los ejemplos dados, o escriba su propio problema y compruebe su respuesta con las explicaciones paso a paso. Bienvenido a Splunk Answers, un foro de QampA para que los usuarios encuentren respuestas a preguntas sobre cómo implementar, administrar y usar productos Splunk. Colaboradores de todos los antecedentes y niveles de experiencia vienen aquí para encontrar soluciones a sus problemas y para ayudar a otros usuarios de la comunidad Splunk con sus propias preguntas. Este rápido tutorial le ayudará a comenzar con las funciones clave para ayudarle a encontrar las respuestas que necesita. Recibirás 10 puntos de karma al finalizar con éxito. Bienvenido a Splunk Answers No es lo que buscabas Refinar tu búsqueda. Promedio móvil simple Tengo que crear un cronograma donde cada punto trazado es el promedio de la cuenta de eventos en los últimos 20 minutos. He visto sma5 (x) función, pero que se fija en el número o eventos, no un lapso de tiempo como me gustaría. 05-abr-2011 a las 15:08 73 3 3 6 A los que les gusta esto 1 Respuesta Si estoy siguiendo correctamente, quieres algo como: Di que ejecutas esa búsqueda en los últimos 60 minutos. Obtendrá 60 resultados, donde cada fila es un minuto. Y cada fila tiene un campo de tiempo, y un campo avgCount. El campo avgCount será el promedio de eventos por minuto, durante ese minuto y los 19 minutos anteriores. Estoy seguro de que hay un montón de maneras de hacer esto con comandos de eval condicional, y puede hacer un uso inteligente de la función perminute () en timechart. Sin embargo, este uso de timechart y streamstats parece bastante simple. Su respuesta Pregunta Acciones Stream Utilice este widget para ver el flujo de acciones de la pregunta. Obtener acciones Preguntó: 05 de abril 2011 a las 15:08 Visto: 4080 veces Última actualización: Apr 12, 11 Seguir esta pregunta 2 personas están siguiendo esta pregunta. Preguntado: 05 de abril 2011 a las 15:08 Visto: 4080 veces Última actualización: 12-abr-11 Preguntas Relacionadas Copyright copy 2005-2016 Splunk Inc. Todos los derechos reservados.
No comments:
Post a Comment