İLERİ ARAŞTIRMA TEKNİKLERi SORU BANKASI-4
Comprehensive Logistic Regression Quiz
Test your knowledge on logistic regression with our comprehensive quiz designed for students and professionals alike. This quiz features 44 detailed questions that cover a wide range of topics related to logistic regression, including its applications, advantages, and theoretical foundations.
Key Features:
- 44 Multiple Choice Questions
- Tests understanding of logistic regression concepts
- Ideal for students or professionals in statistics and data analysis
Aşağıdakilerden hangisi Lojistik regresyon modelindeki katsayısı bağımsız değişkenlerin kendi ayrım gücü arasındaki ilişki için faktör ağırlığını gösterir. .Regresyon ağırlığı veya diskriminant katsayısı ile benzerdir.
A) Lojistik katsayısı (Logisticcoefficient
B) Benzerlik değeri (Likelihoodvalue)
C) Sınıflandırma matrisi(Classificationmatrix
D) Üstel lojistik katsayısı(Exponentionallogisticcoefficient)
E) Yakalama oranı (Hit ratio)
Aşağıdakilerden hangisi Logit dönüşümü tarafından oluşturulan S şeklindeki eğri bir olayın olma olasılığını gösterir. S şekilli form lineer değildir, çünkü olayın olma ihtimali 0 ve 1 civarlarındadır asla bu sınırların dışına çıkamaz. Bu yüzden orta aralık lineer bileşenler içermesine rağmen ihtimaller alt ve üst olasılık sınırlarına yaklaştıkça düzelir bu sınırlarda asimptotik hale gelir
A) Lojistik katsayısı (Logisticcoefficient
B) Benzerlik değeri (Likelihoodvalue)
C) Sınıflandırma matrisi(Classificationmatrix
D) Lojistik regresyon (Logisticregression
E) Lojistik eğrisi(Logisticcurve)
Aşağıdakilerden hangisi İkili bağımlı değişkenin metrik olmadığı özel bir regresyon çeşididir. Bazı farklılıklar olmasına rağmen genel olarak lineer regresyonla benzerlikler sergiler.
A) Lojistik katsayısı (Logisticcoefficient
B) Benzerlik değeri (Likelihoodvalue)
C) Sınıflandırma matrisi(Classificationmatrix
D) Lojistik regresyon (Logisticregression
E) Lojistik eğrisi(Logisticcurve)
Aşağıdakilerden hangisi Lojistik regresyonun kesikli ikili bağımlı değişken değerlerinin, olayların olasılıklarının gösterildiği şekilli eğriye (lojistik eğrisine) dönüşümüdür
A) Logit dönüşümü (Logittransformation
B) Maksimum şans kriteri (Maximum chancecriterion
C) Metrik olmayan değişken (Nonmetricvariable)
D) Odds
E) Oransal şans yüzdesi (Proportionalchancecriterion
Aşağıdakilerden hangisi En büyük gruptaki cevaplandırmaların yüzdesiyle hesaplanan sınıflama matrisindeki tahmin doğruluğunun ölçümüdür
A) Logit dönüşümü (Logittransformation
B) Maksimum şans kriteri (Maximum chancecriterion
C) Metrik olmayan değişken (Nonmetricvariable)
D) Odds
E) Oransal şans yüzdesi (Proportionalchancecriterion
Aşağıdakilerden hangisi Değişkendeki değerlerin etiket olarak görev yaptığı, kimlik manasına geldiği ayrıca kategorik, sayısal olmayan, ikili kalite veya sınıflandırma değişkeni olan değişkenlerdir.
A) Logit dönüşümü (Logittransformation
B) Maksimum şans kriteri (Maximum chancecriterion
C) Metrik olmayan değişken (Nonmetricvariable)
D) Odds
E) Oransal şans yüzdesi (Proportionalchancecriterion
Aşağıdakilerden hangisi Lojistik regresyondabir olayın olmaihtimalinin(P), olayın olmama ihtimaline (1-p) oranıdır.
A) Logit dönüşümü (Logittransformation
B) Maksimum şans kriteri (Maximum chancecriterion
C) Metrik olmayan değişken (Nonmetricvariable)
D) Odds
E) Oransal şans yüzdesi (Proportionalchancecriterion
Aşağıdakilerden hangisi Tüm grup hacimlerini dikkate alarak sınıflandırma olasılıklarının ortalamasını hesaplayan, başarı oranı değerlendiren başka bir kriterdir
A) Logit dönüşümü (Logittransformation
B) Maksimum şans kriteri (Maximum chancecriterion
C) Metrik olmayan değişken (Nonmetricvariable)
D) PseudoR2
E) Oransal şans yüzdesi (Proportionalchancecriterion
Aşağıdakilerden hangisi lojistik regresyonda hesaplanan, tüm modelin çoklu regresyonda kullanılan R2 değeriyle karşılaştırılmasına imkan veren bir değerdir
A) Logit dönüşümü (Logittransformation
B) Maksimum şans kriteri (Maximum chancecriterion
C) Metrik olmayan değişken (Nonmetricvariable)
D) PseudoR2
E) Oransal şans yüzdesi (Proportionalchancecriterion
Aşağıdakilerden hangisi Diskriminant fonksiyonunu oluşturan iki veya daha fazla değişkenin toplamlarının ağırlıklarını gösteren lineer kombinasyondur
A) Logit dönüşümü (Logittransformation
B) Maksimum şans kriteri (Maximum chancecriterion
C) Metrik olmayan değişken (Nonmetricvariable)
D) Variate
E) Oransal şans yüzdesi (Proportionalchancecriterion
Aşağıdakilerden hangisi metrik bağımlı ölçülerin yerine ikili kategorik değişkenleri tahminlemek ve açıklamak için formüle edilmiş regresyonun özel bir formudur
A) Lojistik katsayısı
B) Benzerlik değeri
C) Sınıflandırma matrisi
D) Lojistik regresyon
E) Lojistik eğrisi
Aşağıdakilerden hangisi lojistik regrasyon için yanlıştır
Metrik bağımlı ölçülerin yerine ikili kategorik değişkenleri tahminlemek ve açıklamak için formüle edilmiş regresyonun özel bir formudur
Lojistik regresyon değişken formu çoklu regresyon değişkeniyle benzerdir.
Lojistik regresyon değişkeni, regresyon katsayıları gibi her tahmin edici değişken üzerinde göreli etkiyi gösteren tek çok değişkenli bir ilişki temsil eder
Lojistik regresyon, normallik gibi temel varsayımlar karşılanmadığında diskriminant analizine göre daha az etkilenme avantajına sahiptir
Lojistik regresyon tahminleme konusunda diskriminant analizi ne göre daha uygundur
Aşağıdakilerden hangisi tek metrik olmayan (ikili) bağımlı değişkenle bir grup metrik veya metrik olmayan bağısız değişkenler arasındaki ilişkiyi tahmin etmeye yarayan temel formdur
Lojistik regrasyon
Kümeleme
Diskriminant
Çoklu regrasyon
Faktör analizi
Aşağıdakilerden hangisi Yeni bir ürünün başarılı olup olmadığını, bir firmanın başarılı olup olamayacağını veya kişiye kredi onayı verilip verilmeyeceği gibi durumları tespit etmek için kullanılır.
Lojistik regrasyon
Kümeleme
Diskriminant
Çoklu regrasyon
Faktör analizi
Aşağıdakilerden hangisi diskriminant analiziyle birlikte bağımlı değişken kategorik (nonmetrik veya nominal), bağımsız değişkenler ise metrik veya nonmetrik olduğunda kullanılabilecek en uygun istatistiksel tekniktir.
Lojistik regrasyon
Kümeleme
Diskriminant
Çoklu regrasyon
Faktör analizi
Lojistik regresyon için yanlıştır
Lojistik regresyon kesin varsayımlarla karşılaşmaz ve bu varsayımlar sağlanmadığında daha dirençlidir
Varsayımlar sağlansa bile birçok araştırmacı lojistik regresyonu tercih eder çünkü çoklu regresyonla çok benzerdir.
Lojistik regresyon doğru istatistiksel testlere sahiptir
Metrik ve nonmetrik değişkenlere, lineer olmayan etkilere ve geniş ölçüde tanılayıcılığa benzer yaklaşımlar sergiler.
Iki grupludiskriminat analizine eşit değildir ve daha birçok duruma daha uygundur
1. Bağımlı değişkende grup üyelerini etkileyen bağımsız değişkeni tanımlamak 2. Belirleyici grup üyeleri için lojistik modele dayalı sınıflandırma sistemini kurmak 3. Çoklu regresyon analizi kurmak Lojistik regresyon yukarıdaki hangi araştırma hedefini göstermelidir.
1
2
3
1,2
1,2,3
1. özelliğini ve tahminini tamamen etkileyen ikili bağımlı değişkenin eşsiz doğası 2. birçok faktörden etkilenen örneklem boyutu 3. çoklu regrasyona benzer olması yukarıdakilerden hangisi Lojistik regresyonun araştırma tasarımını etkileyen eşsiz özelliktir
1
2
3
1,2
1,2,3
0 ve 1 ile bağlanan ilişkiyi tanımlamak lojistik regresyon da bağımlı ve bağımsız değişkenler arasındaki ilişkiyi anlatmak için aşağıdakilerden hangi eğriyi kullanır
Logaritmik eğri
İstatistik eğri
Matematiksel eğri
Pratiklik eğrisi
Lorenz eğrisi
Logit Değerinin Hesaplanması için yanlıştır
A) Logit odds’unlogaritmasıdır. (Logit = LogOdds)
B) Odds’unüst limiti olmamakla birlikte alt limiti 0’dır. Bu sorunun çözümü de logitdeğerinin hesaplanması ile mümkündür
C) Odds 1.0’den küçükse logitdeğeri negatif, büyükse pozitif olur. Odds oranının 1.0 olması durumunda ise (bu .50 olasılığa karşılık gelir), logit0 olur.
D) Ek olarak negatif değer ne kadar küçük olursa olsun, oddsdeğerinin antilogualınarak 0’dan büyük bir değere dönüşmesi sağlanabilir.
E) Odds logit in logaritmasıdır
Lojistik regresyonun çoklu regresyondan farkı nedir
A) Katsayıların yorumlanması
B) Katsayıların eşitlenmesi
C) Metrik değişkenler olması
D) Nonmetrik değişkenler olması
E) Hiçbiri
Çoklu regresyonda her katsayısının güvenirliliğini test etmek için ne kullanırız
A) t değeri
B) f değeri
C) odds değeri
D) logit katsayısı
E) Wald İstatistiği
Lojistik regresyon her katsayısının güvenirliliğini test etmek için ne kullanırız
A) t değeri
B) f değeri
C) odds değeri
D) logit katsayısı
E) Wald İstatistiği
1. Orijinal (Original) 2. Üstel (Exponentiated) 3. Logit(Odds’unLogu) 4. Odds Yukarıdakilerden hangisi Bağımlı değişkenin iki şekli ile bağımsız değişken arasındaki ilişkiyi farklı şekilde yansıtan lojistik katsayısıdır
1,2
3,4
1,2,3,4
2,3
1,2,3
Lojistik regrasyonda İlişkinin büyüklüğünün değerlendirilmesinde aşağıdakilerden hangisi çok daha kullanışlıdır
A) Orijinal (Original)
B) Üstel (Exponentiated)
C) Logit(Odds’unLogu)
D) Odds
E) Hiçbiri
Aşağıdakilerden hangisi doğrudan odds değerindeki değişmenin büyüklüğünü yansıtırlar
A) Orijinal katsayıları
B) Üstel katsayıları
C) Logit katsayıları
D) Odds değeri
E) Hiçbiri
Lojistik regrasyonun avantjlarından değildir
A) Diskriminant analizinin temel varsayımı olan gruplar arası varyans-kovaryans eşitsizliğinden daha az etkilenmesi,
B) Varyans-kovaryans eşitliği halinde, kategorik bağımsız değişkenler ele alındığında aylak değişkenlerin problem oluşturması,
C) Bu çoklu regresyona paralel amprik sonuçlar
D) Lojistik regresyonda tek bağımlı değişken olması
Metrik değişkenlerin açıklanması ve tahmin edilmesi bakımından şüphesiz en geniş anlamıyla kullanılan çok değişkenli analiz metodu hangisidir
A) Çoklu regresyon analizi
B) Lojistik regresyon
C) diskriminant analizi
D) Kümeleme
E) faktör analizi
Aşağıdakilerden hangisi bir kategorik bağımlı değişken ile birden fazla metrik bağımsız değişkenin arasındaki ilişkiyi açıklayan uygun istatiksel bir metotdur.
A) Çoklu regresyon analiz
B) Lojistik regresyon
C) diskriminant analizi
D) kümeleme
E) faktör analizi
Bir nesnenin (insan, firma veya ürün gibi) bağlı olduğu grubun açıklanması durumlarında hangisi kullanılır
A) çoklu regresyon analizi
B) Diskriminant analizi
C) Lojistik regrasyon
D) Korelasyon
E) Çoklu diskriminant analizi
Diskriminant Analizinde Hedef Belirlenmesi için hangisi yanlıştır
A) Ne analiz edilmek isteniyorsa o belirlenir
B) Diskriminant analizinin metrik olmayan veya kategorik bağımsız değişken belirlenir
C) Bağımlı değişkenin kaç gruptan oluştuğu belirlenir. Bağımlı değişken bazen iyi- kötü gibi iki gruplu (dichotomous) bazen de ikiden fazla gruplu (multichotomous) olabilir
D) Diskriminant analizi, her bir grubun kendine özgü olması gerektiğini ve dolayısıyla bağımsız değişkenler aracılığıyla oluşturulan diskriminant fonksiyonunun bağımlı değişken kategorilerini maksimum şekilde birbirinden ayırdığını varsayar.
E) Diskriminant analizinin metrik olmayan veya kategorik bağımlı değişken belirlenir
Diskriminant Analizinde Bağımsız Değişkenin Belirlenmesi için hangisi yanlıştır
A) Bağımlı değişken belirlendikten sonra, analizde hangi bağımsız değişkenlerin kullanılacağı belirlenir.
B) Bağımsız değişkenler iki şekilde belirlenir.
C) Birinci metot, araştırmanın konusu ile ilgili daha önce yapılmış araştırmalardan faydalanarak gerçekleştirilir.
D) İkinci metot ise herhangi bir ön çalışma ve araştırma gerektirmeden sezgi veya öngörü ile bağımsız değişkenlerin tesbit edilmesidir.
E) Her iki yöntemle de belirlenen bağımsız değişkenlerin başarılı olması, bağımlı değişken gruplarını birbirinden net bir şekilde ayırıp ayıramamasına bağlı değildir.
Diskriminant Analizinde Örneklem Büyüklüğünün Belirlenmesi için hangisi doğrudur
A) Diskriminant Analizi, diğer çok değişkenli tekniklerde olduğu gibi analiz edilen örneklem büyüklüğünden etkilenir.
B) Örneklem büyüklüğünün çok az olması hata oranının artmasına neden olur.
C) Birçok araştırma, her bir bağımsız değişken için 20 adet gözlem yapılmasını tavsiye eder. Bu durum pratik olarak biraz zor olduğundan, araştırmalarda her bir bağımsız değişken için en az 5 adet gözlem kullanılmalıdır.
D) Hepsi
Diskriminant Analizinde Örneklem Grubunun Bölünmesi için hangisi yanlıştır
A) Diskriminant analizinde, örneklem grubu üç alt gruba bölünür.
B) Bu alt gruplardan ilki, analiz örneğidir (analysis sample). Analiz örneği, diskriminant fonksiyonunun belirlenmesi için kullanılır.
C) İkinci alt grup ise, doğrulama örneğidir (holdout sample). Holdout sample, diskriminant fonksiyonunun test edilmesi için kullanılır.
D) Fonksiyonun test edilmesi veya doğrulanmasına, ayrık örneklem doğrulaması (split sample validation) veya çapraz geçerlilik (cross validation) de denir
E) Diskriminant analizinde, örneklem grubu iki alt gruba bölünür.
Diskriminant fonksiyonunun türetilmesi için ilk görev nedir
A) tahmin metodunun (estimation method) belirlenmesidir
B) formulun belirlenmsei
C) analizin belirlenmesi
D) deneyin belirlenmesi
E) gözlem metodunun belirlenmesi
Aşağıdakilerden hangisi (Simultaneous estimation) araştırmacı göz önüne aldığı bütün bağımsız değişkenlerin hepsini analiz içine dahil eder ve dolayısıyla her bir bağımsız değişkenin, bağımlı değişkeni sınıflandırma gücünü (discriminating power) göz ardı eder. Bu tahminde, diskriminant fonksiyonu bütün bağımsız değişkenleri analize dahil ederek hesaplanır
A) Eşzamanlı Tahmin (Simultaneous Estimation)
B) Aşamalı Tahmin (Stepwise Estimation)
C) Ardışık tahmin
D) Zincirleme tahmin
E) Zamanlı tahmin
Aşağıdakilerden hangisi analize giren her bir bağımsız değişkenin, diskriminant gücü (sınıflandırma gücü) önceliğine göre teker teker analize dahil edilmesi ile ilgili bir metotdur.
A) Eşzamanlı Tahmin (Simultaneous Estimation)
B) Aşamalı Tahmin (Stepwise Estimation)
C) Ardışık tahmin
D) Zincirleme tahmin
E) Zamanlı tahmin
Aşamalı Tahmin için hangisi yanlıştır
A) Bu metot, değişkenlerin eklenip çıkarılması ile bir dizi proseslerle yapılır.
B) Öncelikle en iyi sınıflandırma gücü olan bağımlı değişken seçilir
C) İlk seçilen değişken, geri kalan diğer bağımsız değişkenlerin her biri ile eşlenir ve ilk değişkenle kombinasyon olarak sınıflandırma gücünü en iyi sağlayan değişken seçilir.
D) Bu sürece devam edilir. Her bir değişken seçildikten sonra, bir önceki seçilen değişken kalan değişken listesinden kaldırılır.
E) Aşamalı tahmin metodu ile araştırmacı sınıflandıma gücü olmayan bağımsız değişkenleri bertaraf eder ve indirgenmiş bir bağımsız değişken kümesi elde eder.
Eş zamanlı tahmin için diskriminant fonksiyonunun sınıflandırma gücünü ölçmek için aşağıdakilerden hangisi kullanılmaz
A) Wilks' lambda
B) Hotelling izi (Hotelling's trace)
C) Pillai kriteri (Pillai's criterion)
D) T değeri
Diskriminant Fonksiyonunun Değerlendirilmesinde Ağırlık merkezlerinin farklılığının istatistiksel olarak anlamlı olup olmaması aşağıdakilerden hangisi ile ölçülür
A) Wilks' lambda
B) Hotelling izi (Hotelling's trace)
C) Pillai kriteri (Pillai's criterion)
D) Mahalanobis D2
Aşağıdakilerden hangisi Diskriminant fonksiyonu tarafından doğru bir şekilde sınıflandırılan nesnelerin yüzde oranı olarak ifade edilir
Yakalama Başarı Oranı (Hit Ratio)
Sınıflandırma Matrisi
Optimal Kesme Değeri
Odds değeri
T değeri
Yakalama başarı oranının, kabul edilebilir olması için tesadüfi başarı oranının en az yüzde kaç kadar daha büyük olması gerekmektedir.
90
75
25
50
Tesadüfi modelle karşılaştırıldığında Sınıflandırma matrisinin gücünü ölçen istatiksel teste ne denir
Press's Q istatistik değeri
Yakalama Başarı Oranı (Hit Ratio)
Optimal Kesme Değeri
Odds değeri
T değeri
Aşağıdakilerden hangisi Diskriminant fonksiyonundaki lineer denklemi oluşturan herbir bağımsız değişken önündeki katsayıların mutlak değerine denir ve bu büyüklük o değişkenin sınıflandırma gücünü gösterir
Diskriminant ağırlığı
Diskriminant hafifliği
üstel katsayı
Orijinal katsayı
Odds değeri
{"name":"İLERİ ARAŞTIRMA TEKNİKLERi SORU BANKASI-4", "url":"https://www.quiz-maker.com/QPREVIEW","txt":"Test your knowledge on logistic regression with our comprehensive quiz designed for students and professionals alike. This quiz features 44 detailed questions that cover a wide range of topics related to logistic regression, including its applications, advantages, and theoretical foundations.Key Features:44 Multiple Choice QuestionsTests understanding of logistic regression conceptsIdeal for students or professionals in statistics and data analysis","img":"https:/images/course1.png"}