دانلود نمونه سوالات رگرسیون 1404

توضیحات

دانلود نمونه سوالات رگرسیون 1404

در صورت بروز هرگونه مشکل در خرید و دانلود به ایتا یا واتساپ در قسمت تماس با ما سایت پیام دهید.

“” کامل ترین “”

نمونه سوال رگرسیون 1 با جواب

شامل ⇓

۲۰۰ سوال تستی با پاسخ رگرسیون

---

رگرسیون چیست؟

رگرسیون یا تحلیل رگرسیون در مدل‌های آماری یک فرایند آماری است که برای تخمین روابط بین متغیرها به کار می‌رود.

این روش شامل تکنیک‌های مختلفی برای مدل‌سازی و تحلیل متغیرهای خاص با تمرکز بر رابطه میان متغیر وابسته و یک یا چند متغیر مستقل است.

تحلیل رگرسیون به ویژه در درک این‌که چگونه مقدار متغیر وابسته با تغییر هرکدام از متغیرهای مستقل (در حالی که سایر متغیرهای مستقل ثابت باقی می‌مانند) تغییر می‌کند، کمک می‌کند.

رگرسیون بیشتر برای تخمین مقدار میانگین متغیر وابسته بر اساس متغیرهای مستقل مشخص شده استفاده می‌شود.

این تخمین معادل مقدار متوسط متغیر وابسته است زمانی که متغیرهای مستقل ثابت هستند.

کاربرد کمتر آن بر روی تخمین پارامترهای خاص توزیع شرطی متغیر وابسته به شرط ثابت بودن متغیر مستقل است.

در تمامی این موارد، هدف تخمین یک تابع از متغیرهای مستقل است که به آن تابع رگرسیون گفته می‌شود.

در تحلیل رگرسیون، توجه ویژه‌ای به پراکندگی متغیر وابسته در اطراف تابع رگرسیون می‌شود، که این پراکندگی می‌تواند توسط یک توزیع احتمال توضیح داده شود.

تحلیل رگرسیون به طور گسترده‌ای برای پیش‌بینی و همچنین برای بررسی روابط میان متغیرهای مستقل و وابسته و شکل این روابط به کار می‌رود.

در شرایط خاص، این تحلیل می‌تواند برای استنتاج روابط دقیق بین متغیرهای مستقل و وابسته مفید باشد، اما باید توجه داشت که این تحلیل ممکن است در برخی موارد به نتایج اشتباه منجر شود و احتیاط در این زمینه توصیه می‌شود.

تکنیک‌های مختلفی برای انجام تحلیل رگرسیون توسعه یافته‌اند.

روش‌های مشهور مانند رگرسیون خطی و حداقل مربعات که پارامتری هستند، در واقع تابع رگرسیون را با استفاده از تعدادی پارامتر ناشناخته از داده‌ها تخمین می‌زنند.

رگرسیون غیرپارامتری به روش‌هایی اطلاق می‌شود که به توابع رگرسیون اجازه می‌دهند در مجموعه‌ای از توابع با تعداد پارامترهای نامحدود قرار گیرند.

تحلیل رگرسیون به عنوان یک فن و تکنیک آماری برای بررسی و مدل‌سازی روابط میان متغیرها در بسیاری از حوزه‌ها از جمله مهندسی، فیزیک، اقتصاد، مدیریت، علوم زیستی، بیولوژی و علوم اجتماعی برای برآورد و پیش‌بینی مورد استفاده قرار می‌گیرد.

نمونه سوال رگرسیون خطی استخدامی 1404

قسمتی از دانلود نمونه سوالات رگرسیون 1404 در زیر آورده شده است⇓

سوال 1:

در یک مدل رگرسیونی خطی، اگر ضریب تعیین (R²) برابر 0.85 باشد، چه نتیجه‌ای می‌توان گرفت؟

• الف) 85 درصد از واریانس متغیر وابسته توسط مدل توضیح داده می‌شود.
• ب) 15 درصد از واریانس متغیر وابسته توسط مدل توضیح داده می‌شود.
• ج) مدل به هیچ وجه توانایی پیش‌بینی ندارد.
• د) ضریب تعیین برای این مدل قابل تفسیر نیست.

پاسخ: الف
85 درصد از واریانس متغیر وابسته توسط مدل توضیح داده می‌شود.

سوال 2:

در یک مدل رگرسیونی، اگر مقادیر پیش‌بینی شده برای متغیر وابسته کمتر از مقادیر واقعی باشند، چه نوع خطای رگرسیون رخ داده است؟

• الف) خطای مثبت
• ب) خطای منفی
• ج) خطای استاندارد
• د) خطای حداقل مربعات

پاسخ: ب
اگر مقادیر پیش‌بینی شده کمتر از مقادیر واقعی باشند، خطای منفی رخ داده است.

سوال 3:

در رگرسیون خطی، کدام یک از گزینه‌های زیر درست است؟

• الف) تابع رگرسیون همیشه خطی است.
• ب) تابع رگرسیون ممکن است غیرخطی باشد.
• ج) متغیر وابسته باید همواره عددی باشد.
• د) هیچ‌کدام

پاسخ: الف
در رگرسیون خطی، تابع رگرسیون همیشه خطی است.

سوال 4:

چه چیزی در تحلیل رگرسیون به عنوان “بیش‌برازش” (Overfitting) شناخته می‌شود؟

• الف) مدل بسیار پیچیده است و برای داده‌های آموزشی عالی عمل می‌کند، اما روی داده‌های جدید عملکرد ضعیفی دارد.
• ب) مدل خیلی ساده است و نمی‌تواند الگوهای پیچیده را شبیه‌سازی کند.
• ج) مدل به درستی پارامترهای داده‌ها را تخمین نمی‌زند.
• د) مدل هیچ ارتباطی بین متغیرها نشان نمی‌دهد.

پاسخ: الف
بیش‌برازش زمانی اتفاق می‌افتد که مدل پیچیده است و روی داده‌های آموزشی خوب عمل می‌کند، اما عملکرد ضعیفی روی داده‌های جدید دارد.

سوال 5:

در رگرسیون خطی، اگر ضریب رگرسیون برابر با 0.5 باشد، چه معنایی دارد؟

• الف) افزایش یک واحد در متغیر مستقل باعث افزایش 0.5 واحد در متغیر وابسته می‌شود.
• ب) هر 0.5 واحد تغییر در متغیر وابسته، باعث تغییر یک واحدی در متغیر مستقل می‌شود.
• ج) هیچ رابطه‌ای بین متغیرها وجود ندارد.
• د) مدل مناسب نیست.

پاسخ: الف
افزایش یک واحد در متغیر مستقل باعث افزایش 0.5 واحد در متغیر وابسته می‌شود.

سوال 6:

کدام یک از موارد زیر در تحلیل رگرسیون به عنوان “متغیر مستقل” شناخته می‌شود؟

• الف) متغیری که می‌خواهیم پیش‌بینی کنیم.
• ب) متغیری که برای پیش‌بینی از آن استفاده می‌کنیم.
• ج) متغیری که در مدل تغییر نمی‌کند.
• د) هیچ‌کدام

پاسخ: ب
متغیر مستقل آن چیزی است که برای پیش‌بینی از آن استفاده می‌کنیم.

سوال 7:

در رگرسیون خطی، اگر خطای مدل در اطراف خط رگرسیون به طور یکنواخت توزیع شده باشد، چه نتیجه‌ای می‌گیریم؟

• الف) مدل رگرسیون به درستی برازش داده شده است.
• ب) مدل به درستی رابطه بین متغیرها را شبیه‌سازی نمی‌کند.
• ج) متغیرهای مستقل باید تغییر کنند.
• د) هیچ‌کدام

پاسخ: الف
اگر خطاها به طور یکنواخت توزیع شوند، مدل رگرسیون به درستی برازش داده شده است.

سوال 8:

در رگرسیون چندگانه، چه اتفاقی می‌افتد اگر متغیرهای مستقل با هم همبستگی بالایی داشته باشند؟

• الف) مدل به دقت پیش‌بینی نمی‌کند.
• ب) مشکل هم‌خطی چندگانه ایجاد می‌شود.
• ج) دقت پیش‌بینی مدل افزایش می‌یابد.
• د) هیچ‌کدام

پاسخ: ب
وجود همبستگی بالای بین متغیرهای مستقل می‌تواند باعث بروز مشکل هم‌خطی چندگانه (Multicollinearity) شود.

سوال 9:

در تحلیل رگرسیون، برای بررسی اینکه آیا مدل به طور کلی مناسب است یا نه، از کدام تست استفاده می‌کنیم؟

• الف) تست t
• ب) تست F
• ج) تست p
• د) تست χ²

پاسخ: ب
برای بررسی مناسب بودن مدل رگرسیون از تست F استفاده می‌شود.

سوال 10:

در رگرسیون غیرپارامتری، هدف چیست؟

• الف) تخمین تابع رگرسیون بدون فرضیات خاص در مورد شکل آن.
• ب) تخمین پارامترهای ناشناخته مدل.
• ج) استفاده از تابع رگرسیون خطی.
• د) هیچ‌کدام

پاسخ: الف
هدف در رگرسیون غیرپارامتری، تخمین تابع رگرسیون بدون فرضیات خاص در مورد شکل آن است.

دانلود نمونه سوال رگرسیون خطی با جواب جدید

قسمتی از دانلود نمونه سوالات رگرسیون 1404 در زیر آورده شده است⇓

سوال 11:

کدام یک از موارد زیر می‌تواند نشان‌دهنده وجود هم‌خطی چندگانه در یک مدل رگرسیون باشد؟

• الف) مقادیر پیش‌بینی شده به طور معناداری از مقادیر واقعی کمترند.
• ب) همبستگی بالای بین متغیرهای مستقل.
• ج) خطای مدل به طور یکنواخت توزیع نمی‌شود.
• د) هیچ‌کدام

پاسخ: ب
وجود همبستگی بالا بین متغیرهای مستقل نشان‌دهنده هم‌خطی چندگانه است.

سوال 12:

در رگرسیون خطی، اگر مقادیر متغیر مستقل به طور کامل در متغیر وابسته تاثیرگذار باشند، مدل رگرسیون چه ویژگی‌ای خواهد داشت؟

• الف) خطای مدل صفر خواهد بود.
• ب) مدل نمی‌تواند پیش‌بینی کند.
• ج) ضریب تعیین (R²) برابر با صفر خواهد بود.
• د) مدل به بهترین نحو می‌تواند پیش‌بینی کند.

پاسخ: الف
اگر مقادیر متغیر مستقل به طور کامل در متغیر وابسته تاثیرگذار باشند، خطای مدل صفر خواهد بود.

سوال 13:

در رگرسیون چندگانه، اگر ضریب β1 برای متغیر مستقل X1 برابر 0 باشد، چه نتیجه‌ای می‌گیریم؟

• الف) متغیر X1 هیچ تاثیری بر متغیر وابسته ندارد.
• ب) متغیر X1 بیشترین تاثیر را بر متغیر وابسته دارد.
• ج) مدل به هیچ وجه به متغیر X1 نیاز ندارد.
• د) مقدار متغیر X1 در پیش‌بینی متغیر وابسته به هیچ وجه اهمیتی ندارد.

پاسخ: الف
اگر ضریب β1 برای متغیر مستقل X1 برابر با صفر باشد، به این معنی است که متغیر X1 هیچ تاثیری بر متغیر وابسته ندارد.

سوال 14:

در یک مدل رگرسیونی خطی، اگر R² برابر با 0.70 باشد، به این معنی است که:

• الف) 70 درصد از واریانس متغیر وابسته توسط مدل توضیح داده شده است.
• ب) 30 درصد از واریانس متغیر وابسته توسط مدل توضیح داده شده است.
• ج) مدل به طور کامل متغیر وابسته را توضیح می‌دهد.
• د) هیچ‌کدام

پاسخ: الف
R² برابر با 0.70 به این معنی است که 70 درصد از واریانس متغیر وابسته توسط مدل توضیح داده شده است.

سوال 15:

در رگرسیون غیرپارامتری، انتخاب تابع رگرسیون بر اساس چه چیزی انجام می‌شود؟

• الف) تعداد پارامترهای مدل
• ب) داده‌ها و رفتار تابع
• ج) فرضیات خاص در مورد تابع رگرسیون
• د) مدل‌های مختلف خطی

پاسخ: ب
در رگرسیون غیرپارامتری، انتخاب تابع رگرسیون بر اساس داده‌ها و رفتار تابع انجام می‌شود.

نمونه سوال رگرسیون با جواب ۱۴۰۴