Estadística computacional

Estadística computacional - اختبار

1. La estadística computacional és una branca de l'estadística que se centra en els mètodes i les tècniques per analitzar dades utilitzant eines i algorismes computacionals. Implica el desenvolupament i l'aplicació de models estadístics, simulacions i algorismes per analitzar i interpretar conjunts de dades complexos. L'estadística computacional té un paper crucial en diversos camps, com ara l'aprenentatge automàtic, la ciència de dades, la bioinformàtica i l'anàlisi d'imatges, proporcionant a investigadors i analistes les eines necessàries per extreure informació significativa de conjunts de dades grans i complexos. Combinant la teoria estadística amb tècniques de ciència de l'ordinador, l'estadística computacional permet als professionals analitzar les dades de manera eficient i precisa, explorar patrons i tendències, i prendre decisions informades basades en inferències estadístiques i models predictius.

A) El nivell de significància per acceptar la hipòtesi nul·la.
B) La mesura de la confiança en la hipòtesi nul·la.
C) La probabilitat d'obtenir resultats almenys tan extrems com els observats, donada la hipòtesi nul·la.
D) El paràmetre de la població que s'està provant.

2. Quina de les següents opcions és una prova estadística paramètrica?

A) Prova de Kruskal-Wallis
B) Prova t
C) Prova de Mann-Whitney U
D) Prova de Wilcoxon de rangs signats

3. Quin és l'objectiu de l'anàlisi de regressió en estadística?

A) Resumir dades categòriques.
B) Identificar valors atípics en un conjunt de dades.
C) Comprovar si hi ha diferències en les mitjanes.
D) Examinar la relació entre variables.

4. Què mesura el coeficient de correlació?

A) La intensitat i la direcció d'una relació lineal entre dues variables.
B) La dispersió de les dades.
C) La tendència central d'un conjunt de dades.
D) La variabilitat dins dels grups.

5. Quin és l'objectiu d'un interval de confiança en estadística?

A) Predir valors futurs.
B) Comparar dos grups independents.
C) Estimar l'interval dins del qual és probable que es trobi el paràmetre de la població.
D) Determinar la probabilitat que es produeixi un esdeveniment.

6. Quin tipus de tècnica de mostreig implica seleccionar aleatòriament subjectes d'una població?

A) Mostreig sistemàtic
B) Mostreig per grups
C) Mostreig per conveniència
D) Mostreig aleatori simple

7. Quina tècnica de regressió s'utilitza quan la variable dependent és binària?

A) Regressió de cresta.
B) Regressió lineal.
C) Regressió logística.
D) Regressió polinòmica.

8. Quin és el nivell de significació en les proves d'hipòtesis?

A) El nivell de confiança en l'hipòtesi alternativa.
B) La probabilitat de rebutjar la hipòtesi nul·la quan aquesta és, de fet, certa.
C) La mesura de correlació entre dues variables.
D) El marge d'error en la mitjana de la mostra.

9. Quina tècnica estadística s'utilitza per predir el valor d'una variable dependent basant-se en una o més variables independents?

A) Anàlisi de regressió.
B) Anàlisi de клаusters (agrupaments).
C) Anàlisi de sèries temporals.
D) Anàlisi factorial.

10. Quina prova estadística s'utilitza per determinar si hi ha una associació significativa entre dues variables categòriques?

A) Anàlisi de regressió.
B) Prova t.
C) ANOVA (anàlisi de variància).
D) Prova de chi-quadrat.

11. Quina és la diferència entre correlació i causalitat?

A) La correlació s'utilitza per a dades categòriques, mentre que la causalitat s'utilitza per a dades contínues.
B) La correlació mesura la força d'una relació, mentre que la causalitat mesura la direcció.
C) La correlació es refereix a relacions lineals, mentre que la causalitat es refereix a relacions no lineals.
D) La correlació indica una relació entre variables, mentre que la causalitat implica que una variable provoca un canvi en l'altra.

12. Quin és l'objectiu del Teorema del Límits Central en estadística?

A) Determinar la variabilitat dins dels grups.
B) Calcular l'abast d'un conjunt de dades.
C) Establir que la distribució de mostres de la mitjana de la mostra s'acosta a una distribució normal a mesura que augmenta la mida de la mostra.
D) Comparar dues mostres diferents.

13. En la prova d'hipòtesis estadística, què és la hipòtesi nul·la?

A) Una afirmació que prediu un resultat en un experiment.
B) La hipòtesi que es posa a prova mitjançant una prova d'una sola cua.
C) Una afirmació que indica que no hi ha una diferència significativa entre les poblacions especificades.
D) La hipòtesi en què el investigador creu que és certa.

14. Quina tècnica estadística s'utilitza per gestionar els valors perduts en un conjunt de dades?

A) Normalització.
B) Enginyeria de característiques.
C) Imputació.
D) Detecció de valors atípics.

15. Quina prova estadística s'hauria d'utilitzar per comparar les mitjanes de més de dos grups independents?

A) Prova t
B) Prova del qui quadrat
C) ANOVA
D) Anàlisi de regressió

16. Qui va proposar una distinció entre 'computació estadística' i 'estadística computacional'?

A) Carlo Lauro
B) William Sealy Gosset
C) RAND Corporation
D) John Tukey

17. Quin és un dels objectius principals de l'estadística computacional?

A) Centrar-se exclusivament en mides de mostra petites.
B) Evitar l'ús d'ordinadors en l'anàlisi estadística.
C) Transformar les dades brutes en coneixement utilitzant mètodes intensius en càlcul.
D) Desenvolupar noves teories matemàtiques sense aplicació pràctica.

18. Quin mètode va utilitzar William Sealy Gosset que va conduir al descobriment de la distribució t de Student?

A) Xarxes neuronals artificials
B) Simulació del mètode de Monte Carlo
C) Mètodes de Monte Carlo amb cadenes de Markov
D) Estimació de la densitat del nucli

19. Quina és una de les dispositius conegudes que generen números aleatoris per determinar els guanyadors de la loteria?

A) Dispositiu de simulació de Monte Carlo
B) Mètode del 'jackknife' de John Tukey
C) Taules de la RAND Corporation
D) ERNIE

20. Quin mètode va desenvolupar John Tukey el 1958?

A) El mètode del 'jackknife'.
B) Estimació de la densitat del nucli.
C) Mètodes de Monte Carlo amb cadenes de Markov.
D) Xarxes neuronals artificials.

21. En quines de les següents classes de problemes els mètodes de Monte Carlo no s'utilitzen habitualment?

A) Actualització bayesiana
B) Optimització
C) Generació de mostres a partir d'una distribució de probabilitat
D) Integració numèrica

22. Què es maximitza en l'estimació de la màxima probabilitat per ajustar les dades observades sota un model estadístic?

A) Una funció de densitat de probabilitat.
B) Una funció de probabilitat.
C) Una funció d'error.
D) Una mostra aleatòria.

23. Quin mètode es basa en maximitzar una funció de probabilitat?

A) Mètode de Monte Carlo amb cadenes de Markov
B) Mètode de Monte Carlo
C) Mètode Bootstrap
D) Estimació de la màxima versemblança

24. Quina d'aquestes opcions NO és una aplicació típica dels mètodes de Monte Carlo?

A) Optimització
B) Generació de mostres a partir d'una distribució de probabilitat
C) Integració numèrica
D) Solucions analítiques exactes

25. En quins àmbits es pot aplicar l'estadística computacional?

A) Estrictament dins de la lingüística computacional.
B) En econometria.
C) Només en ciència de dades.
D) Exclusivament en ciència de dades socials.

26. Quina associació està dedicada a la computació estadística?

A) Societat Internacional de Lingüística.
B) Associació Americana de Metges.
C) Associació Internacional per a la Computació Estadística.
D) Organització Mundial de la Salut.

27. Quina és una àrea d'aplicació comuna per a l'estadística computacional?

A) Composició de música clàssica.
B) Física computacional.
C) Arts culinàries.
D) Tècniques tradicionals de pintura.

تم إنشاؤها باستخدام That Quiz — موقع إنشاء الاختبارات والدرجات في الرياضيات والمواد الأخرى.