A) Die Anzahl der Terme im Polynom. B) Der Koeffizient des höchstwertigen Terms. C) Die höchste Potenz der Variablen im Polynom. D) Die Summe der Potenzen aller Terme des Polynoms.
A) Ermittlung der genauen Werte von Datenpunkten. B) Manipulation von Daten, um sie an ein bestimmtes Muster anzupassen. C) Schätzung von Werten zwischen bekannten Datenpunkten. D) Ignorieren von Datenausreißern für mehr Genauigkeit.
A) Minimierung der Summe der quadratischen Differenzen zwischen den Datenpunkten und der Näherungsfunktion. B) Maximierung der Ausreißer in den Daten. C) Genaues Anpassen der Datenpunkte. D) Verwendung des Medians anstelle des Mittelwerts.
A) Weierstraß-Approximationstheorem B) Rolls Theorem C) Bolzano's Zwischenwertsatz (Intermediate Value Theorem) D) Cauchy's Mittelwert-Theorem
A) Die Annäherung liefert exakte Werte, während die Interpolation Schätzungen liefert. B) Bei der Interpolation werden alle Datenpunkte berücksichtigt, bei der Approximation nicht. C) Die Interpolation ist weniger genau als die Approximation. D) Die Interpolation wird für diskrete Daten verwendet, während die Approximation für kontinuierliche Daten gilt.
A) Es handelt sich um stückweise Polynomfunktionen, die für die Interpolation verwendet werden. B) Sie sind rationale Funktionen, die für die Fehleranalyse verwendet werden. C) Es handelt sich um Exponentialfunktionen, die für die Annäherung der kleinsten Quadrate verwendet werden. D) Es handelt sich um trigonometrische Funktionen, die zur Datenglättung verwendet werden.
A) Die Summe aller berechneten Fehler in der Approximation. B) Die Anzahl der Datenpunkte in der Approximation. C) Die Differenz zwischen der tatsächlichen Funktion und ihrer Näherung. D) Das Fehlen von Fehlern bei der Annäherung.
A) Dies erhöht die Komplexität des Angleichungsmodells. B) Ausreißern in den Daten wird mehr Gewicht beigemessen. C) Sie verhindert eine Überanpassung und verbessert die Generalisierung der Annäherung. D) Dadurch wird mehr Rauschen in die Daten eingebracht, was die Genauigkeit erhöht.
A) Sie können Funktionen mit mehreren Variablen und Interaktionen verarbeiten. B) Sie benötigen weniger Datenpunkte für genaue Ergebnisse. C) Sie beschränken sich auf lineare Näherungen. D) Sie sind weniger rechenintensiv als univariate Verfahren. |