A) Der zu prüfende Populationsparameter
B) Die Wahrscheinlichkeit, Ergebnisse zu erhalten, die mindestens so extrem sind wie die beobachteten Ergebnisse, wenn die Nullhypothese wahr ist
C) Das Signifikanzniveau für die Annahme der Nullhypothese
D) Das Maß des Vertrauens in die Nullhypothese

A) t-test
B) Mann-Whitney-U-Test
C) Wilcoxon-Signature-Rank-Test
D) Kruskal-Wallis-Test

A) Untersuchung der Beziehung zwischen den Variablen
B) So identifizieren Sie Ausreißer in einem Datensatz
C) Test auf Unterschiede in den Mittelwerten
D) Zusammenfassen kategorischer Daten

A) Die zentrale Tendenz eines Datensatzes
B) Die Stärke und Richtung einer linearen Beziehung zwischen zwei Variablen
C) Die Variabilität innerhalb der Gruppen
D) Die Streuung der Daten

A) So bestimmen Sie die Wahrscheinlichkeit des Eintretens eines Ereignisses
B) Schätzung des Bereichs, in den der Populationsparameter wahrscheinlich fällt
C) Zum Vergleich zweier unabhängiger Gruppen
D) Vorhersage zukünftiger Datenpunkte

A) Cluster-Stichproben
B) Bequemlichkeitsstichproben
C) Einfache Zufallsstichproben
D) Systematische Probenahme

A) Die Fehlermarge beim Stichprobenmittelwert
B) Die Wahrscheinlichkeit, dass die Nullhypothese abgelehnt wird, wenn sie tatsächlich wahr ist
C) Der Grad des Vertrauens in die Alternativhypothese
D) Das Maß der Korrelation zwischen zwei Variablen

A) Chi-Quadrat-Test
B) T-Test
C) ANOVA
D) Regressionsanalyse

A) Erkennung von Ausreißern.
B) Anrechnung.
C) Normalisierung.
D) Feature Engineering.

A) Die Korrelation misst die Stärke einer Beziehung, während die Kausalität die Richtung angibt.
B) Korrelation bezieht sich auf lineare Beziehungen, während Kausalität sich auf nicht-lineare Beziehungen bezieht.
C) Korrelation weist auf eine Beziehung zwischen Variablen hin, während Kausalität bedeutet, dass eine Variable eine Veränderung in der anderen verursacht.
D) Die Korrelation wird für kategoriale Daten verwendet, während die Kausalität für kontinuierliche Daten verwendet wird.

A) Logistische Regression.
B) Polynomiale Regression.
C) Lineare Regression.
D) Ridge-Regression.

A) Die Hypothese, von der der Forscher glaubt, dass sie wahr ist
B) Die Hypothese, die mit einem einseitigen Test geprüft wird
C) Eine Aussage, dass es keinen signifikanten Unterschied zwischen bestimmten Populationen gibt
D) Eine Aussage, die ein Ergebnis eines Experiments vorhersagt

A) Chi-Quadrat-Test.
B) ANOVA.
C) T-Test.
D) Regressionsanalyse.

A) Zeitreihenanalyse.
B) Regressionsanalyse.
C) Cluster-Analyse.
D) Faktorenanalyse.

A) Bestimmung der Variabilität innerhalb der Gruppen
B) So berechnen Sie den Bereich eines Datensatzes
C) Zum Vergleich zweier unterschiedlicher Proben
D) Feststellung, dass sich die Stichprobenverteilung des Stichprobenmittelwerts mit zunehmendem Stichprobenumfang einer Normalverteilung annähert

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

A) Der ausschließliche Fokus auf kleine Stichprobengrößen.
B) Der Verzicht auf den Einsatz von Computern bei der statistischen Analyse.
C) Die Entwicklung neuer mathematischer Theorien ohne praktische Anwendung.
D) Die Umwandlung von Rohdaten in Wissen unter Verwendung von computerintensiven Methoden.

A) Monte-Carlo-Simulationsverfahren
B) Markov-Ketten-Monte-Carlo-Methoden
C) Schätzung der Kernel-Dichte
D) Künstliche neuronale Netze

A) ERNIE
B) Tabellen des RAND Corporation
C) Monte-Carlo-Simulationsgerät
D) John Tukey's Jackknife-Methode

A) Markov-Ketten-Monte-Carlo-Methoden.
B) Die Jackknife-Methode.
C) Künstliche neuronale Netze.
D) Kernel-Dichteschätzung.

A) Optimierung
B) Bayesianische Aktualisierung
C) Numerische Integration
D) Generierung von Zufallszahlen aus einer Wahrscheinlichkeitsverteilung

A) Eine Fehlerfunktion
B) Eine Likelihood-Funktion
C) Eine Wahrscheinlichkeitsdichtefunktion
D) Eine Stichprobe

A) Maximum-Likelihood-Schätzung
B) Markov-Ketten-Monte-Carlo-Methode
C) Monte-Carlo-Methode
D) Bootstrap-Methode

A) Generierung von Zufallszahlen aus einer Wahrscheinlichkeitsverteilung
B) Exakte analytische Lösungen
C) Optimierung
D) Numerische Integration

A) In der Ökonometrie.
B) Nur in der Datenwissenschaft.
C) Streng genommen nur in der computationalen Linguistik.
D) Ausschließlich in der sozialwissenschaftlichen Datenanalyse.

A) Amerikanische Ärztekammer.
B) Weltgesundheitsorganisation.
C) Internationale Vereinigung für statistische Datenverarbeitung.
D) Internationale Gesellschaft für Linguistik.

A) Computationalphysik.
B) Komposition klassischer Musik.
C) Kulinarische Künste.
D) Traditionelle Maltechniken.