A) Test edilen popülasyon parametresi B) Sıfır hipotezinin doğru olduğu varsayıldığında, en az gözlenen sonuçlar kadar uç sonuçlar elde etme olasılığı C) Sıfır hipotezini kabul etmek için anlamlılık düzeyi D) Sıfır hipotezine duyulan güvenin ölçüsü
A) Kruskal-Wallis testi B) Wilcoxon işaretli sıralar testi C) t-testi D) Mann-Whitney U testi
A) Kategorik verileri özetlemek için B) Bir veri kümesindeki aykırı değerleri belirlemek için C) Ortalamalardaki farklılıkları test etmek için D) Değişkenler arasındaki ilişkiyi incelemek için
A) Gruplar içindeki değişkenlik B) Bir veri kümesinin merkezi eğilimi C) Verilerin yayılımı D) İki değişken arasındaki doğrusal ilişkinin gücü ve yönü
A) Bir olayın gerçekleşme olasılığını belirlemek için B) Gelecekteki veri noktalarını tahmin etmek için C) Popülasyon parametresinin düşebileceği aralığı tahmin etmek için D) İki bağımsız grubu karşılaştırmak için
A) Küme örneklemesi B) Uygunluk örneklemesi C) Sistematik örnekleme D) Basit rastgele örnekleme
A) Normalleştirme. B) Özellik mühendisliği. C) Aykırı değer tespiti. D) İmputasyon.
A) Regresyon analizi. B) Faktör analizi. C) Küme analizi. D) Zaman serisi analizi.
A) Doğrusal regresyon. B) Lojistik regresyon. C) Ridge regresyonu. D) Polinom regresyonu.
A) Alternatif hipoteze duyulan güven düzeyi B) Gerçekte doğru olduğunda sıfır hipotezini reddetme olasılığı C) İki değişken arasındaki korelasyon ölçüsü D) Örneklem ortalamasındaki hata payı
A) T-testi. B) Ki-kare testi. C) Regresyon analizi. D) ANOVA.
A) T-testi B) Ki-kare testi C) Regresyon analizi D) ANOVA
A) Korelasyon değişkenler arasında bir ilişki olduğunu gösterirken, nedensellik bir değişkenin diğerinde değişikliğe neden olduğunu ifade eder B) Korelasyon doğrusal ilişkileri ifade ederken, nedensellik doğrusal olmayan ilişkileri ifade eder C) Korelasyon kategorik veriler için kullanılırken, nedensellik sürekli veriler için kullanılır D) Korelasyon bir ilişkinin gücünü ölçerken, nedensellik yönünü ölçer
A) Bir veri kümesinin aralığını hesaplamak için B) Gruplar içindeki değişkenliği belirlemek için C) Örneklem büyüklüğü arttıkça örneklem ortalamasının örneklem dağılımının normal dağılıma yaklaştığını belirtmek için D) İki farklı örneği karşılaştırmak için
A) Bir deneydeki sonucu tahmin eden bir ifade B) Araştırmacının doğru olduğuna inandığı hipotez C) Tek kuyruklu test kullanılarak test edilen hipotez D) Belirtilen popülasyonlar arasında önemli bir fark olmadığına dair bir ifade
A) John Tukey B) Carlo Lauro C) William Sealy Gosset D) RAND Corporation
A) İstatistiksel analizlerde bilgisayar kullanımından kaçınmak. B) Pratik uygulaması olmayan yeni matematiksel teoriler geliştirmek. C) Sadece küçük örneklem boyutlarına odaklanmak. D) Ham veriyi, yoğun bilgisayar kullanımı gerektiren yöntemlerle bilgiye dönüştürmek.
A) Monte Carlo yöntemi simülasyonu B) Markov zinciri Monte Carlo yöntemleri C) Yapay sinir ağları D) Çekirdek yoğunluk tahmini
A) John Tukey'nin "jackknife" yöntemi B) Monte Carlo simülasyon cihazı C) ERNIE D) RAND Corporation tabloları
A) Markov zinciri Monte Carlo yöntemleri. B) Yapay sinir ağları. C) Jackknife yöntemi. D) Çekirdek yoğunluk tahmini.
A) Bayes güncellemesi B) Optimizasyon C) Olasılık dağılımından örnekler üretme D) Sayısal integral alma
A) Bir olasılık yoğunluk fonksiyonu B) Bir olasılık fonksiyonu C) Rastgele bir örneklem D) Bir hata fonksiyonu
A) En büyük olasılık tahmini B) Markov Zinciri Monte Carlo C) Bootstrap yöntemi D) Monte Carlo yöntemi
A) Kesin analitik çözümler B) Olasılık dağılımından rastgele örnekler üretme C) Optimizasyon D) Sayısal integral alma
A) Sadece veri bilimi alanında. B) Sadece sosyal veri bilimi alanında. C) Tamamen hesaplamalı dilbilim alanında. D) Ekonometri.
A) Uluslararası Dilbilim Derneği. B) Uluslararası İstatistiksel Hesaplama Derneği. C) Dünya Sağlık Örgütü. D) Amerikan Tıp Birliği.
A) Hesaplamalı fizik. B) Mutfak sanatları. C) Klasik müzik besteciliği. D) Geleneksel resim teknikleri. |