Социально-экономическая статистика и эконометрика/exam questions: различия между версиями

Материал из Поле цифровой дидактики
Следующая правка →
Новая страница: «== Понятия и темы == # Типы переменных Вопрос: Объясните понятие категориальной переменной в отличие от количественной. #* Категориальная переменная разбивает объекты на группы (классы, категории) и не имеет числового смысла #* В модели Simple Economy «богатст...»
 
Нет описания правки
Строка 34: Строка 34:
#* Доля вариации зависимой переменной, которая объясняется нашей моделью
#* Доля вариации зависимой переменной, которая объясняется нашей моделью
#*
#*
# Множественная регрессия
# [[Множественная регрессия]]
#* Модель, где на результат влияет не один, а несколько факторов одновременно
#*
#*
# Временные ряды, понятие [[тренд]]а
#* основная, долгосрочная тенденция изменения показателя
#*
#*
#  
# Временные ряды, понятие сезонности
#* Регулярные, повторяющиеся колебания внутри года, связанные с временами года
#*
#*
# Статистика населения - понятия естественного и механического движения населения
#*
#*
#*
#  
# Статистика труда - понятие рабочей силы
#*
#*
#*
#*
#  
# [[Метод Монте-Карло]]
#*  Метод решения задач с помощью множества случайных экспериментов
#*  CODAP, [[NetLogo]]
# Статистические гипотезы - понятие нулевой гипотезы
#* гипотеза «по умолчанию»: эффекта нет, разницы нет
#*
#*
# P-значение - [[p-value]]
#* Вероятность получить такие же данные (или еще более выраженные) случайно, если на самом деле эффекта нет
#* p-value < 0.05, - слишком маловероятно, чтобы быть совпадением
# [[Дескриптивный анализ]] - выброс в данных
#*
#*
#
#*
#*
# Описательные статистики и форма распределения -  как соотносятся между собой среднее арифметическое, медиана и мода в случае асимметричного распределения
#*
#* Распределение богатства в модели [[Simple Economy]]: горб слева, хвост справа
# [[Центральная предельная теорема]]
#* средние большого количества независимых случайных величин всегда стремятся к нормальному распределению, какой бы формы ни были сами величины
#*
#*
# [[Парная регрессия]] + [[гетероскедастичность]]
#* Ситуация, когда разброс ошибок (остатков) модели непостоянен — он меняется (например, растет) с ростом переменной X.
#*
# [[Множественная регрессия]] [[мультиколлинеарность]]
#* факторы дублируют друг друга (например, «возраст» и «стаж»). Модель не может понять, какой именно из факторов влияет на Y. Коэффициенты становятся неустойчивыми и могут менять знаки.
#*
# Выбросы и влиятельные наблюдения
#* Выброс — это точка далеко от облака данных (большая ошибка). Влиятельное наблюдение (рычаг) — точка, которая находится далеко от центра по оси X и «притягивает» линию регрессии к себе
#*
# Корреляция, причинность и смещения - Ложная корреляция
#* связь между X и Y вызвана не их взаимодействием, а влиянием третьей, скрытой переменной Z на оба фактора
#*
# [[Парадокс Симпсона]]
#* Если одна группа численно доминирует или имеет совершенно другие базовые показатели, объединение данных искажает выводы
#*
# Автокорреляция
#*  Это корреляция ряда с самим собой, но со сдвигом во времени. Означает инерцию процесса
#*
# Объясните механизм возникновения неравенства (распределения Больцмана-Гиббса) в модели Simple Economy
#* Деньги аккумулируются у везучих, формируя [[степенной закон]] распределения
#*
== Практические вопросы ==
== Практические вопросы ==

Версия от 21:37, 27 ноября 2025

Понятия и темы

  1. Типы переменных Вопрос: Объясните понятие категориальной переменной в отличие от количественной.
    • Категориальная переменная разбивает объекты на группы (классы, категории) и не имеет числового смысла
    • В модели Simple Economy «богатство» агента — количественная, а «цвет» агента или «состояние» (работает/ищет) — категориальная
  2. Средние величины - медиана, мода
    • Медиана — это «середина» ряда данных, половина значений меньше неё, половина больше
    • Мода
  3. Показатели вариации - дисперсия
    • Это мера разброса данных. Показывает, насколько сильно значения в среднем отклоняются от «центра» (среднего)
    • В Simple Economy: разрыв между бедными и богатыми
  4. Показатели вариации - коэффициент вариации
    • относительная мера разброса (в процентах) - сравнивать разброс величин с разным масштабом
  5. Гистограмма распределения
    • Это график, показывающий, как часто встречаются разные значения переменной. Позволяет увидеть форму распределения (симметричное или скошенное)
    • см. CODAP: гистограмма роста студентов.
  6. Диаграмма рассеяния (Scatter Plot)
    • График, где каждая точка — это одно наблюдение с координатами X и Y.
    • CODAP
  7. Корреляция
    • Cогласованность изменений двух величин
    • Продажи мороженого и количество солнечных ожогов коррелируют
  8. Коэффициент корреляции
    • Число от -1 до 1, показывающее силу линейной связи. 1 — строгая прямая связь, -1 — строгая обратная, 0 — связи нет
  9. Парная линейная регрессия
    • Мы строим математическую модель (прямую линию), которая лучше всего описывает зависимость одной переменной от другой. Мы пытаемся предсказать Y, зная X.
    • Линия тренда в CODAP.
  10. Метод наименьших квадратов
    • Способ провести линию так, чтобы сумма квадратов расстояний (ошибок) от всех точек до этой линии была минимальной
    • CODAP
  11. Коэффициента детерминации (R-квадрат)
    • Доля вариации зависимой переменной, которая объясняется нашей моделью
  12. Множественная регрессия
    • Модель, где на результат влияет не один, а несколько факторов одновременно
  13. Временные ряды, понятие тренда
    • основная, долгосрочная тенденция изменения показателя
  14. Временные ряды, понятие сезонности
    • Регулярные, повторяющиеся колебания внутри года, связанные с временами года
  15. Статистика населения - понятия естественного и механического движения населения
  16. Статистика труда - понятие рабочей силы
  17. Метод Монте-Карло
    • Метод решения задач с помощью множества случайных экспериментов
    • CODAP, NetLogo
  18. Статистические гипотезы - понятие нулевой гипотезы
    • гипотеза «по умолчанию»: эффекта нет, разницы нет
  19. P-значение - p-value
    • Вероятность получить такие же данные (или еще более выраженные) случайно, если на самом деле эффекта нет
    • p-value < 0.05, - слишком маловероятно, чтобы быть совпадением
  20. Дескриптивный анализ - выброс в данных
  21. Описательные статистики и форма распределения - как соотносятся между собой среднее арифметическое, медиана и мода в случае асимметричного распределения
    • Распределение богатства в модели Simple Economy: горб слева, хвост справа
  22. Центральная предельная теорема
    • средние большого количества независимых случайных величин всегда стремятся к нормальному распределению, какой бы формы ни были сами величины
  23. Парная регрессия + гетероскедастичность
    • Ситуация, когда разброс ошибок (остатков) модели непостоянен — он меняется (например, растет) с ростом переменной X.
  24. Множественная регрессия мультиколлинеарность
    • факторы дублируют друг друга (например, «возраст» и «стаж»). Модель не может понять, какой именно из факторов влияет на Y. Коэффициенты становятся неустойчивыми и могут менять знаки.
  25. Выбросы и влиятельные наблюдения
    • Выброс — это точка далеко от облака данных (большая ошибка). Влиятельное наблюдение (рычаг) — точка, которая находится далеко от центра по оси X и «притягивает» линию регрессии к себе
  26. Корреляция, причинность и смещения - Ложная корреляция
    • связь между X и Y вызвана не их взаимодействием, а влиянием третьей, скрытой переменной Z на оба фактора
  27. Парадокс Симпсона
    • Если одна группа численно доминирует или имеет совершенно другие базовые показатели, объединение данных искажает выводы
  28. Автокорреляция
    • Это корреляция ряда с самим собой, но со сдвигом во времени. Означает инерцию процесса
  29. Объясните механизм возникновения неравенства (распределения Больцмана-Гиббса) в модели Simple Economy




Практические вопросы

Источник — http://digida.mgpu.ru/index.php?title=Социально-экономическая_статистика_и_эконометрика/exam_questions&oldid=35806