ТЕСТОВІ ЗАВДАННЯ
Економіко-математичне моделювання - це :
дослідження характеристик економічних систем, явищ і процесів на основі застосування засобів обчислювальної техніки ;
дослідження економічних систем, явищ і процесів на основі їх математичного моделювання ;
дослідження характеристик економічних систем, явищ і процесів шляхом їх спостереження і фіксації.
Економіко-математичне модель :
завжди виражає і описує тільки найсуттєвіші зв’язки між економічними об’єктами і їх характеристиками.
може описувати як суттєві так і несуттєві зв’язки між економічними об’єктами і їх характеристиками;
завжди виражає і описує тільки несуттєві зв’язки між економічними об’єктами і їх характеристиками, які не можна описати іншими методами.
Економетричні методи та моделі вивчають :
кількісні причинно-наслідкові взаємозв’язки економічних об’єктів і процесів;
якісні причинно-наслідкові взаємозв’язки економічних об’єктів і процесів;
як якісні так і кількісні причинно-наслідкові взаємозв’язки економічних об’єктів і процесів.
Економетричні методи та моделі використовуються :
виключно для прогнозування;
виключно для економіко-математичного аналізу;
як для прогнозування так і для економіко-математичного аналізу.
Регресія - це :
функціональна залежність між математичним сподівання (середнім) залежної змінної і незалежними змінними ;
статистична (стохастична) залежність між значенням залежної змінної і незалежними змінними ;
функціональна залежність між значенням залежної змінної і незалежними змінними .
Функція регресії описує :
функціональну залежність між математичним сподівання (середнім) залежної змінної і незалежними змінними ;
статистичну (стохастичну) залежність між значенням залежної змінної і незалежними змінними ;
функціональну залежність між значенням залежної змінної і незалежними змінними .
Модель регресії описує :
функціональну залежність між математичним сподівання (середнім) залежної змінної і незалежними змінними ;
статистичну (стохастичну) залежність між значенням залежної змінної і незалежними змінними ;
функціональну залежність між значенням залежної змінної і незалежними змінними .
Метою етапу специфікації економетричної моделі є :
перевірка якості побудованої вибіркової економетричної моделі;
визначення аналітичної форми рівняння регресії ;
оцінювання параметрів моделі .
Метою етапу параметризації економетричної моделі є :
перевірка якості побудованої вибіркової економетричної моделі;
визначення аналітичної форми рівняння регресії ;
оцінювання параметрів моделі .

Метою етапу верифікації економетричної моделі є :
перевірка якості побудованої вибіркової економетричної моделі;
визначення аналітичної форми рівняння регресії ;
оцінювання параметрів моделі .
Діаграма розсіювання - це:
лінія, що відображає зв’язок між незалежною і залежною змінними у парній регресії;
графік значень незалежної і залежної змінних;
лінія з нахилом b1 і перетином b0.
Критерій методу найменших квадратів має вигляд :
а) ; б) ; в) .
BLUE – оцінки, це :
ефективні і обґрунтовані оцінки ;
незміщені, ефективні і обґрунтовані оцінки ;
незміщені і ефективні оцінки .
Коефіцієнт кореляції у загальному випадку багатьох змінних вимірює:
загальну варіацію залежної змінної економетричної моделі ;
щільність лінійного зв’язку між залежною і незалежними змінними економетричної моделі ;
частину загальної варіацію залежної змінної, що пояснюється функцією регресії.
Коефіцієнт детермінації у загальному випадку багатьох змінних вимірює:
загальну варіацію залежної змінної економетричної моделі;
щільність лінійного зв’язку між залежною і незалежними змінною економетричної моделі ;
частину загальної варіацію залежної змінної, що пояснюється функцією регресією;
У функції регресії нахил дорівнює:
а) 0,34; б) 1,2; в) 1,2/0,34.
У функції регресії: перетин дорівнює:
а) 0,34; б) 1,2; в) 1,2/0,34.
Якщо для економетричної моделі парної лінійної регресії , то економетрична модель:
пояснює 80% варіації змінної x;
пояснює 80% варіації змінної y;
матиме нахил 0,80;
При перевірці статистичної значимості параметрів загальної лінійної економетричної моделі використовується:
а) F - статистика; б) ?2 - статистика; в) t – статистика .
При перевірці статистичної значимості у цілому загальної лінійної економетричної моделі використовується:
а) F - статистика; б) ?2 – статистика . в) t – статистика .
Для загальної лінійної економетричної моделі інтервали довіри для параметрів моделі визначається як :
;
;
.
Якщо Вам потрібно визначити точне (з деякою ймовірністю) прогнозне середнє значення залежної змінної економетричної моделі, Ви будете будувати :
точковий прогноз для залежної змінної ;
інтервальний прогноз для індивідуального значення залежної змінної ;
інтервальний прогноз для математичного сподівання значення залежної змінної .
Якщо Вам потрібно визначити наближене прогнозне середнє значення залежної змінної економетричної моделі, Ви будете будувати :
точковий прогноз для залежної змінної ;
інтервальний прогноз для індивідуального значення залежної змінної ;
інтервальний прогноз для математичного сподівання значення залежної змінної .
Якщо Вам потрібно визначити точне (з деякою ймовірністю) прогнозне значення залежної змінної економетричної моделі , Ви будете будувати :
точковий прогноз для залежної змінної ;
інтервальний прогноз для індивідуального значення залежної змінної ;
інтервальний прогноз для математичного сподівання значення залежної змінної .
Інтервал довіри для параметру загальної лінійної економетричної моделі – це :
інтервал значень, які може приймати дійсний параметр теоретичної моделі з деякою наперед заданою ймовірністю (надійністю) ;
інтервал значень, які може приймати параметр вибіркової моделі з деякою наперед заданою ймовірністю (надійністю) ;
інтервал значень, які не може приймати дійсний параметр теоретичної моделі з деякою наперед заданою ймовірністю (надійністю) .
У загальній лінійній економетричні моделі кожен параметр характеризує:
загальний абсолютний вплив усіх пояснюючих змінних на залежну змінну ;
абсолютний вплив пояснюючої змінної xj на залежну за умови, що всі інші пояснюючі змінні залишаються незмінними ;
відносний вплив пояснюючої змінної xj на залежну за умови, що всі інші пояснюючі змінні залишаються незмінними .
За інших рівних умов, якщо ми збільшуємо кількість пояснюючих змінних у багатофакторній лінійній регресійній моделі :
R2 збільшується ;
R2 зменшується ;
R2 може або збільшитись, або зменшитись .
За інших рівних умов, якщо ми збільшуємо кількість незалежних змінних у багатофакторній лінійній регресійній моделі :
:
збільшується ;
зменшується ;
може або збільшитись, або зменшитись.
Оцінений коефіцієнт детермінації в основному використовується для :
перевірки адекватності моделі ;
для порівняння лінійних економетричних моделей з різним числом пояснюючих змінних при однаковій залежній змінній ;
для порівняння лінійних економетричних моделей з однаковим числом пояснюючих змінних при різних залежних змінних;
Для багатофакторної лінійної моделі з n спостереженями, m незалежними змінними і k параметрами розрахункове значення F – статистики визначається як :
;
;
.
Ступінь вільності ( для t-статистики при перевірці статистичної значимості параметрів загальної лінійної моделі і вибіркового коефіцієнта множинної кореляції, що має 3 незалежних змінних і оцінена на основі 35 спостережень, дорівнює :
3 ;
32 ;
31.
Ступінь вільності (1 F- статистики для багатофакторної лінійної економетричної моделі, що має 4 пояснюючих змінних і оцінена на основі 50 спостережень, дорівнює :
4 ;
3 ;
46 .
Ступінь вільності (2 F- статистики для багатофакторної лінійної економетричної моделі, що має 4 незалежних змінних і оцінена на основі 50 спостережень, дорівнює :
4 ;
46 ;
45.
За якою з наведених формул визначається вектор оцінок параметрів лінійної економетричної моделі:
B=(X'X)-1 (X'Y) ;
B=(X'X)' (X'Y) ;
B=(XX')-1 (X'Y).
У двохфакторній вибірковій лінійній моделі y=b0+b1x1+b2x2+e при збільшенні фактора х1 на 1 при незмінному значені х2 і додатному значенні b1 :
у збільшиться у середньому на величину b1 ;
у зменшиться у середньому на величину b1 ;
у збільшиться на величину b1 ;
Для визначення граничної ефективності впливу (абсолютного впливу) пояснюючих змінних на залежну у випадку багатофакторної лінійної економетричної моделі використовуються :
коефіцієнти регресії (параметри моделі) ;
часткові коефіцієнти еластичності ;
стандартизовані коефіцієнти регресії .
Для визначення відносного впливу пояснюючих змінних на залежну у випадку багатофакторної лінійної економетричної моделі використовуються :
коефіцієнти регресії (параметри моделі) ;
часткові коефіцієнти еластичності;
стандартизовані коефіцієнти регресії.
Для визначення сили впливу пояснюючих змінних на залежну у випадку багатофакторної лінійної економетричної моделі використовуються :
коефіцієнти регресії (параметри моделі) ;
часткові коефіцієнти еластичності;
стандартизовані коефіцієнти регресії.
Кореляційна матриця у випадку множинної лінійної регресії – це :
матриця, елементами якої є часткові коефіцієнти кореляції ;
матриця, елементами якої є коефіцієнти парної кореляції ;
матриця, елементами якої є дисперсії і коваріації залишків .
Дисперсійно-коваріаційна матриця оцінок параметрів моделі у випадку множинної лінійної регресії – це :
матриця, елементами якої є дисперсії і коваріації параметрів вибіркової моделі ;
матриця, елементами якої є часткові коефіцієнти кореляції ;
матриця, елементами якої є дисперсії і коваріації залишків .
Економетрична модель називається узагальненою, якщо :
у ній виконуються усі припущення класичного лінійного регресійного аналізу ;
вона є моделлю загальної рівноваги ;
у ній порушується принаймні хоча б одне з припущень стосовно відсутності мультиколінеарності, гетероскедастичності і автокореляції залишків.
Мультиколінеарність означає, що :
між двома чи більше пояснюючими змінними моделі існує лінійний функціональний або тісний кореляційний зв’язок ;
дисперсія випадкової складової моделі не є сталою величиною ;
залишки моделі корелюють між собою .
Гетероскедастичність означає, що :
між двома чи більше незалежними змінними моделі існує лінійний функціональний або тісний кореляційний зв’язок ;
дисперсія випадкової складової моделі не є сталою величиною ;
залишки моделі корелюють між собою .
Гомоскедастичність означає, що :
дисперсія випадкової складової моделі не є сталою величиною ;
дисперсія випадкової складової моделі є сталою величиною ;
залишки моделі корелюють між собою .
Автокореляція залишків означає, що :
між двома чи більше незалежними змінними моделі існує лінійний функціональний або тісний кореляційний зв’язок ;
дисперсія випадкової складової моделі не є сталою величиною ;
залишки моделі корелюють між собою .
У випадку мультиколінеарності маємо :
оцінки параметрів моделі із зміщенням ;
неефективні оцінки параметрів моделі ;
необґрунтовані оцінки параметрів моделі .
У випадку гетероскедастичності маємо :
оцінки параметрів моделі із зміщенням ;
неефективні оцінки параметрів моделі ;
необґрунтовані оцінки параметрів моделі .
У випадку автокореляції залишків маємо :
оцінки параметрів моделі із зміщенням ;
неефективні оцінки параметрів моделі ;
необґрунтовані оцінки параметрів моделі .
Що з наведеного нижче не є ознаками мультиколінеарності :
близьке до нуля значення визначника кореляційної матриці незалежних змінних моделі ;
близьке до одиниці значення визначника кореляційної матриці незалежних змінних моделі ;
високе значення коефіцієнтів парної кореляції між незалежними змінними моделі .
Який з наведених нижче тестів використовується для тестування мультиколінеарності:
тест Фаррара – Глобера ;
тест Дарбіна – Уотсона ;
тест Голдфелда – Квондта .
Що з наведеного нижче не відноситься до засобів і шляхів усунення мультиколінеарності :
вилучення змінної (або змінних ) з моделі ;
зменшення числа спостережень ;
збільшення числа спостережень .
Який з наведених нижче тестів не використовується для тестування наявності гетероскедастичності :
тест Глейсера ;
тест Фаррара – Глобера ;
тест Голдфелда – Квондта .
Параметри економетричної моделі у випадку гетероскедастичності знаходяться за залежністю :
;
;
.
Який з наведених нижче тестів використовується для тестування наявності автокореляції залишків :
тест Фаррара – Глобера ;
тест Дарбіна – Уотсона ;
тест Голдфелда – Квондта .
Параметри економетричної моделі у випадку автокореляції залишків знаходяться за залежністю :
;
;
.
Для оцінювання параметрів моделі у випадку гетероскедастичності використовується :
1 МНК ;
Метод Ейткена ;
Метод Дарбіна .
Для оцінювання параметрів моделі з автокорельованими залишками використовується :
1 МНК ;
2 МНК ;
Метод Ейткена .
Дистрибутивно – лагова модель – це :
модель динаміки, яка у якості лагових змінних містить тільки залежну змінну моделі ;
модель динаміки, яка у якості лагових змінних містить тільки пояснюючі змінні моделі ;
модель динаміки, яка у якості лагових змінних містить як пояснюючі так і залежну змінні моделі .
Авторегресійна модель – це :
модель динаміки, яка у якості лагових змінних містить тільки залежну змінну моделі ;
модель динаміки, яка у якості лагових змінних містить тільки пояснюючі змінні моделі ;
модель динаміки, яка у якості лагових змінних містить як пояснюючі так і залежну змінні моделі .
Для тестування автокореляції залишків в авторегресійних моделях використовується :
тест Дарбіна-Уотсона на основі статистичного критерію DW ;
тест Дарбіна на основі h - критерію ;
тест фон Неймана .
Оптимізаційні методи та моделі використовується :
для прогнозування значень економічних показників;
для обґрунтування оптимальних рішень в сфері управління та планування;
для економіко-математичного аналізу причинно-наслідкових зв’язків між економічними показниками.
Оптимізаційні задачі, для яких критерій оптимальності має вигляд цільової функції є предметом :
економетрії;
математичної економіки;
математичного програмування.
Математична модель будь-якої задачі математичного програмування включає:
цільову функцію і систему обмежень;
тільки цільову функцію і умови невід’ємності розв’язку;
тільки обмеження на шукані невідомі оптимізаційної задачі.
У результаті розв’язання задачі математичного програмування необхідно визначити:
тільки значення цільової функції;
оптимальний план і фактичні значення правих частин обмежень задачі;
оптимальний план і значення цільової функції.
Якщо функція мети прямої задачі прямує до максимуму то функція мети двоїстої задачі прямує до:
мінімуму
максимуму
до нуля
Якщо система обмежень прямої задачі лінійного програмування містить 4 рівняння і 3 невідомі величини то двоїста задача має :
3 рівняння і 4 невідомі величини
7 рівнянь і 4 невідомі величини
4 рівняння і 3 невідомі величини
У двоїстій задачі лінійного програмування невідомими є :
двоїсті оцінки ресурсів
витрати на виготовлення одиниці продукції
ціни реалізації продукції
Функція мети задачі лінійного програмування є:
завжди лінійною
може бути і нелінійною
квазілінійною
Оптимальним є розв’язок задачі лінійного програмування у якій функція мети набуває
екстремального значення
середньозваженого значення
деякого конкретного наперед заданого значення
Симплекс-метод це :
метод визначення оптимального плану задачі лінійного програмування
метод побудови опорного плану транспортної задачі
метод побудови системи обмежень
Значення цільової функції двоїстої задачі лінійного програмування :
завжди дорівнює значенню цільової функції прямої задачі
може бути більше значення функції мети прямої задачі
може бути менше значення функції мети прямої задачі
Кожному обмеженню прямої задачі відповідає:
змінна двоїстої задачі
обмеження двоїстої задачі
коефіцієнт цільової функції двоїстої задачі
Кількість невідомих двоїстої задачі дорівнює:
кількості обмежень прямої задачі
кількості невідомих прямої задачі
кількості коефіцієнтів при невідомих цільової функції прямої задачі
Кожній змінній прямої задачі відповідає:
обмеження двоїстої задачі
змінна двоїстої задачі
коефіцієнт цільової функції двоїстої задачі
Кількість обмежень двоїстої задачі дорівнює:
кількості невідомих прямої задачі
кількості коефіцієнтів при невідомих у цільовій функції прямої задачі
кількості обмежень прямої задачі
Коефіцієнтами при змінних у цільовій функції двоїстої задачі є :
праві частини системи обмежень прямої задачі
коефіцієнти при змінних у цільовій функції прямої задачі
норми витрат ресурсів на одиницю продукції
Матриця коефіцієнтів при змінних у системи обмежень двоїстої задачі є :
оберненою до матриці коефіцієнтів при змінних системи обмежень прямої задачі
транспонованою до матриці коефіцієнтів при змінних системи обмежень прямої задачі
одиничною
Якщо двоїста оцінка деякого ресурсу більша нуля то такий ресурс :
є дефіцитним
є недефіцитним
може бути як дефіцитним, так і недефіцитним
Якщо двоїста оцінка деякого ресурсу дорівнює нулю то такий ресурс :
є дефіцитним
є недефіцитним
може бути як дефіцитним, так і недефіцитним
Величина двоїстої оцінки показує
наскільки збільшиться значення цільової функції якщо запас ресурсу збільшиться на одну одиницю
наскільки зменшиться значення цільової функції якщо запас ресурсу збільшиться на одну одиницю
наскільки збільшиться значення цільової функції якщо запас ресурсу зменшиться на одну умовну одиницю
Аналіз чутливості розв’язку задачі лінійного програмування виконується для:
визначення стійкості оптимального розв’язку до можливої зміни правих частин обмежень задачі
визначення стійкості оптимального розв’язку до можливої зміни усіх параметрів задачі
визначення стійкості оптимального розв’язку до можливої зміни коефіцієнтів при невідомих у цільовій функції
Функція мети транспортної задачі :
мінімізує вартість перевезень
мінімізує загальну кількість перевезень
мінімізує кількість споживачів і постачальників
Транспортна задача є закритою коли :
обсяг запасів у постачальників дорівнює обсягу потреб споживачів
обсяг запасів у постачальників перевищує потреби споживачів
обсяг запасів у постачальників є меншим за потреби споживачів
Фіктивного постачальника у транспортній задачі вводять у випадку коли :
сумарні потреби споживачів перевищують запаси у постачальників
сумарні запаси постачальників перевищують потреби споживачів
в обох наведених випадках
Фіктивного споживача у транспортній задачі вводять у випадку
сумарні потреби споживачів перевищують запаси у постачальників
сумарні запаси постачальників перевищують потреби споживачів
в обох наведених випадках
У транспортній задачі обсяг запасів фіктивного постачальника розраховують як :
різницю між обсягом загальних потреб і запасів
різницю між обсягом загальних запасів і потреб
добуток обсягів загальних потреб і запасів
У транспортній задачі обсяг запасів фіктивного споживача розраховують як :
різницю між обсягом загальних потреб і запасів
різницю між обсягом загальних запасів і потреб
добуток обсягів загальних потреб і запасів
Одним із методів побудови опорного плану транспортної задачі є :
метод мінімального елементу
двоїстий сімплекс-метод
метод штучного базису
У транспортній задачі матриця тарифів перевезень є:
завжди наперед заданою
її потрібно визначити в процесі розв’язання транспортної задачі
вона визначається тільки після розв’язання транспортної задачі
Система обмежень транспортної задачі встановлює :
обмеження на запаси вантажу і потреби у ньому
обмеження на запаси, потреби, тарифи, кількість споживачів
обмеження на маршрути перевезень
Для розв’язання транспортної задачі необхідно і достатньо :
щоб модель транспортної задачі була відкритою
щоб модель транспортної задачі була закритою
модель транспортної задачі може бути як закритою, так і відкритою
Оптимальним є рішення транспортної задачі у якому цільова функція :
досягає мінімального значення
досягає максимального значення
дорівнює нулю
Функція мети транспортної задачі є :
лінійною
нелінійною
квазілінійною
Задача цілочислового програмування - це задача математичного програмування, у якій:
змінні задачі можуть приймати тільки цілочислові значення
змінні задачі можуть бути як цілими так і нецілими числами
змінні задачі можуть приймати тільки дробові значення
Область допустимих розв’язків цілочислової задачі лінійного програмування представляє собою:
опуклий багатогранник
дискретну множину
або опуклий багатогранник або дискретну множину в залежності від специфіки задачі
Який з наведених методів не відноситься до методів розв’язання цілочислової задачі лінійного програмування:
метод Гоморі
метод потенціалів
метод гілок і меж