Sunteți pe pagina 1din 2

Alte aplicatii

1. În urma prelucrării datelor privind valoarea input-urilor (L, forţa de muncă; K, valoarea capitalului fix) şi a
output-urilor obţinute într-un anumit domeniu de activitate (Y, valoarea producţiei), s-a obţinut următoarea
Y X  1,1  L0,32  K 0,61
ecuaţie estimată de regresie: . Pentru exemplul dat, se poate considera că:

a) Producţia înregistrează o viteză mai redusă de variaţie în raport cu variaţia factorilor


b) Procesul de producţie s-a caracterizat printr-un randament de scară descrescător
c) Procesul de producţie s-a caracterizat printr-un randament de scară crescător
d) Creşterea cu 1% a forţei de muncă determină o creştere cu 0.32% a producţiei

2. Între două variabile economice s-a estimat un model de regresie de forma: Y  9  1,5 X  0,1X 2 . Au
loc afirmațiile:
 Nivelul maxim al variabilei dependente este atins pentru o valoare X = 7,5
 Nivelul mediu estimat al variabilei Y, atunci când variabila independentă este nulă, este de
-9 unități
 Nivelul minim al variabilei dependente este atins pentru o valoare X = 7,5

3. În demersul verificării ipotezelor formulate asupra erorilor unui model de regresie liniară simplă, se aplică
testul Glejer şi se obţin rezultatele din tabelul de mai jos.
Coefficientsa

Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta
1 (Constant) .637 .191
Timpul de verificare
.589 .078 .208
a automobilului (X)
a. Dependent Variable: Erori in marime absoluta

Cunoscând volumul eşantionului observat n  26 şi riscul admis   0,1 , se poate afirma că


a) există o legătură liniară semnificativă între erori în mărime absolută şi valorile variabilei
independente
b) erorile sunt heteroscedastice
c) erorile sunt homoscedastice

4. Elasticitatea cererii în raport cu preţul se poate estima cu ajutorul


 unui model log-liniar
 unui model semilogaritmic
 unui model putere

5. Între variabilele cost unitar şi nivelul producţiei există o legătură de tip


 log-liniar
 parabolic
 putere

6. Dacă norul de puncte rezultat prin reprezentarea grafică a variabilei X (X – variabila independenptă) și a
variabilei ln(Y) (Y – variabila dependentă) poate fi aproximativ printr-o dreaptă, modelul de regresie este:
 Hiperbolic
 Compound
 Putere

7. În modelul de tip putere, parametrul de regresie  0 este:


 Valoarea medie a lui Y atunci când X=1
 Valoarea medie a lui Y atunci când X=0
 Valoarea medie a lui X atunci când Y=0

8. În cazul unui model de regresie parabolic, parametrii modelului permit identificarea:


 Variației medii a variabilei dependente dacă variabila independentă variază cu o unitate
 Nivelului variabilei independente pentru care variabila dependentă ia o valoare
minimă/maximă
 Punctelor de inflexiune

9. Modelele semilogaritmice cu variabila dependenta logaritmată permit:


 Estimarea variației medii absolute a lui Y, la o creștere relativă a lui X cu o unitate
 Estimarea variației medii relative a lui Y, la creșterea relativă a lui X cu o unitate
 Estimarea variației medii relative a lui Y, la o creștere absolută a lui X cu o unitate

10. Ipoteza de normalitate a erorilor vizează:


a) legea de repartiţie normală a estimatorilor parametrilor modelului de regresie
b) independenţa variabilelor din model

c) proprietatea

 1 ~ N  1 ,  21 
11. Un model de regresie este homoscedastic dacă:
a) erorile de modelare sunt independente
b) varianţele erorilor de modelare sunt egale
c) erorile au dispersia cuprinsă în intervalui (0,1)

12. Validarea unui model de regresie presupune verificarea unor ipoteze, precum:
a) erorile sunt independente
b) erorile urmează o lege de repartiţie Fisher
c) erorile sunt homoscedastice
d) varianţa erorilor este egală cu zero

S-ar putea să vă placă și