Онлайн тесты на тему "Прикладной статистический анализ, итоговый и компетентностный тест - 8 семестр | МОИ (МТИ) [ID 60213]"

Тестовое задание на тему: Прикладной статистический анализ, итоговый и компетентностный тест - 8 семестр
Тест набрал 90 баллов, был выполнен на зачет. Отчёт набранных баллов предоставляю в демо работах.
В купленном тесте будут вопросы и ответы которые размещены ниже.
Так же могу выполнять данную работу индивидуально. Делайте индивидуальный заказ.

Описание работы

Итоговый тест

Систематическое отклонение характеристик выборки от характеристик генеральной совокупности — это … выборки
Для классификации объектов без естественного порядка по категориям используют … шкалу
Установите соответствие метода вычисления и его определения:
Установите соответствие между видом наблюдения и его характеристикой:
Установите соответствие между законом и его характерной особенностью:
Нормальное распределение описывает закон …
… — применяют для описания статистики малых выборок, в том числе при небольшом объеме выборки
… распределение — это частный случай нормального распределения, когда математическое ожидание (μ) равно 0, а стандартное отклонение (σ) — 1
Установите соответствие между законом распределения и его основными свойствами:
Установите соответствие между именем ученого с его вкладом в развитие статистической науки:
Для проверки гипотез о средних значениях, когда выборки независимые и нормально распределены, используют …
Уровень … в статистике — это величина, используемая для оценки истинности некоторого результата или гипотезы
Распределите этапы проверки гипотезы с использованием t-критерия в логической последовательности:
Расположите шаги проведения статистического вывода в хронологическом порядке:
Критерий … является непараметрическим аналогом t-теста для независимых выборок
L-критерий … Пейджа — это непараметрический статистический тест, разработанный для проверки гипотезы о наличии монотонного тренда в упорядоченном наборе выборок
Расположите шаги применения критерия знаковых рангов Вилкоксона для парных выборок в хронологическом порядке:
Критерий … используется для сравнения двух парных выборок
Расположите шаги оценки параметров распределения в хронологическом порядке:
Расположите в правильном порядке действия при проверке гипотезы о наличии корреляции:
Таблица … — это средство представления совместного распределения двух переменных, предназначенное для исследования связи между ними
Если корреляция между двумя переменными равна +0.85, то это означает, что между переменными …
Коэффициент корреляции применяется для …
Установите соответствие между типом корреляции и его особенностью:
Расположите в хронологическом порядке этапы расчета функции выживаемости в таблице выживаемости:
Расположите в правильном порядке этапы построения модели регрессии:
Установите соответствие между понятиями и их примерами:

Компетентностный тест

Компания «CloudSecure» предоставляет услуги облачного хранения данных. Команда аналитиков изучает статистику использования дискового пространства клиентами. Аналитики собрали следующие данные (в гигабайтах) о размере занимаемого дискового пространства для 10 случайных клиентов:
[10, 15, 12, 25, 18, 15, 16, 14, 10, 20]
Аналитики хотят проанализировать распределение данных, чтобы понять, насколько равномерно клиенты используют дисковое пространство. С этой целью они вычислили Среднее значение и Медиану.
Какие значения получили аналитики соответственно для Среднего значения и Медианы?
Команда разработчиков программного обеспечения (ПО) проводит нагрузочное тестирование нового веб-приложения. Цель тестирования — оценить производительность приложения при различных уровнях нагрузки (количестве одновременных пользователей). Важным параметром является время отклика сервера на запросы пользователей (в миллисекундах). Было проведено множество экспериментов, в результате которых были получены данные о времени отклика при различных сценариях нагрузки.
После сбора данных команда аналитиков должна выбрать подходящие законы распределения для моделирования и анализа времени отклика. Предполагается, что время отклика зависит от многих факторов, включая задержки в сети, загрузку сервера, сложность запросов и другие случайные процессы.
Аналитики рассматривают несколько вариантов распределений.
Какой закон распределения наиболее вероятно будет полезен для моделирования и анализа времени отклика сервера в данной ситуации?
Компания «CloudSpeed» предоставляет услуги облачного хостинга. Один из ключевых показателей, за которым они следят, — это время отклика серверов на запросы пользователей (в миллисекундах). Компания обнаружила, что время отклика серверов в их сети в целом стабильно, но иногда случаются небольшие отклонения.
Аналитик компании заметил, что если взять большое количество измерений времени отклика, то они группируются вокруг среднего значения, при этом отклонения от среднего примерно одинаково вероятны в обе стороны. Он также построил гистограмму времени отклика и увидел, что она имеет форму колокола.
С помощью какого закона распределения можно наиболее точно охарактеризовать время отклика серверов в сети «CloudSpeed»?
Команда разработчиков мобильного приложения «FitLife» обновила алгоритм подсчета шагов. После обновления они хотят узнать, увеличилось ли в среднем количество шагов, которые пользователи приложения делают за день.
Для этого они провели эксперимент. Случайным образом выбрали 50 пользователей и в течение недели собирали данные о количестве шагов. До обновления среднее количество шагов, которые делали пользователи, составляло 7000 шагов в день. После обновления среднее количество шагов в тестовой выборке составило 7200 шагов в день. Стандартное отклонение в выборке после обновления составило 1000 шагов.
Команда разработчиков хочет провести статистический тест, чтобы понять, является ли разница между средним количеством шагов до и после обновления статистически значимой или она возникла случайно. Они планируют использовать одновыборочный t-тест.
Какую нулевую гипотезу (H0) должна сформулировать команда разработчиков для своего t-теста?
Компания «WebScale» занимается оптимизацией веб-сайтов. Они провели A/B-тестирование нового дизайна главной страницы своего сайта. Посетители сайта были случайным образом разделены на две группы:
• группа A: Видела старый дизайн;
• группа B: Видела новый дизайн.
Основной метрикой для оценки успешности нового дизайна является коэффициент конверсии: процент посетителей, совершивших целевое действие (например, покупку, регистрацию).
После двух недель тестирования были получены следующие результаты:
• группа A (старый дизайн): Коэффициент конверсии = 3 %;
• группа B (новый дизайн): Коэффициент конверсии = 4 %.
Аналитик хочет выяснить, является ли увеличение коэффициента конверсии статистически значимым или это просто случайное колебание. Он планирует использовать статистический тест для сравнения двух долей (коэффициентов конверсии).
Какую альтернативную гипотезу (H1) должен сформулировать аналитик, если он хочет доказать, что новый дизайн увеличивает коэффициент конверсии?
Компания «CodeCraft» разрабатывает новую поисковую систему. Чтобы оценить удобство использования, они провели тестирование. Пять добровольцев использовали старую версию поисковика, а затем пять других добровольцев использовали новую версию. Тестируемым нужно было выполнить несколько заданий по поиску информации. Время, затраченное на выполнение заданий (в секундах), было измерено для каждой версии поисковика.
Поскольку время выполнения заданий не всегда подчиняется нормальному распределению (может быть искажено, например, из-за внешних факторов), аналитик решил использовать непараметрический статистический тест для сравнения двух групп.
Полученные результаты тестирования:
Старая версия: 30, 45, 60, 35, 50
Новая версия: 25, 38, 55, 32, 40
Какой непараметрический критерий наиболее подойдет для сравнения двух независимых выборок (старая и новая версии) в данной ситуации?
1. Компания предоставляет услуги хостинга. Аналитики компании хотят понять, как связаны между собой два важных показателя.
2. «Загрузка ЦП (использование процессора): процент времени, которое процессор сервера тратит на обработку задач».
3. «Время отклика (Response Time): время, которое требуется серверу для ответа на запрос пользователя (в миллисекундах)».
Аналитики собрали данные об использовании процессора и времени отклика за несколько дней. Они подозревают, что чем выше загрузка процессора, тем больше времени требуется для ответа на запросы (то есть время отклика). Они хотят использовать корреляционный анализ, чтобы проверить эту гипотезу.
Какой коэффициент корреляции следует использовать, чтобы оценить взаимосвязь между загрузкой ЦП и временем отклика?
В компании «SmartAds» анализируют эффективность рекламных кампаний. Они заметили, что чем больше денег тратится на рекламу (бюджет), тем больше новых пользователей приходит на их сайт.
Аналитик хочет узнать, насколько сильно связаны потраченная сумма (бюджет) и количество новых пользователей.
Какой коэффициент корреляции лучше всего использовать для измерения связи между бюджетом рекламной кампании и количеством новых пользователей?
Компания разрабатывает программное обеспечение (ПО) для управления проектами. Они внедрили новую систему лицензирования, которая предусматривает пробный период использования ПО. Компания хочет проанализировать, как долго пользователи используют пробную версию ПО, прежде чем принять решение о покупке лицензии.
Аналитики собирают данные о пользователях, которые зарегистрировались для пробной версии. Они фиксируют:
Время использования: количество дней, в течение которых пользователь использовал пробную версию.
Статус: покупка лицензии (1) или отказ от использования (0) (цензурированные данные). Если пользователь купил лицензию, это означает, что он «пережил» определенный период. Если пользователь отказался, это означает, что он «выбыл» из исследования.
Аналитики используют таблицы выживаемости для анализа этих данных. Они хотят оценить вероятность того, что пользователь продолжит использовать пробную версию в течение определенного времени.
Что представляет собой «функция выживаемости» (Survival Function) в контексте этого анализа?