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