Описательная статистика в MATLAB — бесплатный тест онлайн

Вопрос 1 из 25

Нужно реализовать действие: вычислить медиану данных x, устойчивую к единичному крупному выбросу. Какая запись соответствует условию на заявленных входах?

center = std(x); center = range(x); center = mean(x); center = mode(x); center = median(x);

Вопрос 2 из 25

Для темы «Центр распределения» в тесте «Описательная статистика в MATLAB» приведён дефектный блок. Какое замечание рецензента можно принять?

center = std(x);

Принять эту редакцию как полную замену текущего блока. На минимальном примере сопоставить форму выхода и два контрольных значения с независимым эталоном. Отдельно убедиться, что ближайшая неверная реализация этот контроль не проходит.center = median(x); Использовать показанный вариант вместо дефектного фрагмента. Сравнить результат с формулой на двух входах, где меняются ориентация данных и масштаб величин. Результат проверки оформить так, чтобы его можно было повторить без ручной подгонки.center = mode(x); Заменить исходный блок этой реализацией. После замены проверить обычный и граничный входы, заранее вычислив ожидаемый результат. В журнале проверки сохранить вход, ожидаемый результат и фактическое расхождение.center = mean(x); Внести показанную замену без изменения входного контракта. Добавить регрессионный пример, на котором исходная версия расходится с требованием по значению или размерности. Контрольный пример должен воспроизводиться на чистом запуске проекта.center = std(x); Переписать вычислительный шаг следующим образом. Перед принятием проверить предпосылки операции, форму результата и один численный инвариант. Допуск и критерий принятия зафиксировать до просмотра результата.center = range(x);

Вопрос 3 из 25

Ниже показано решение из темы «Центр распределения». Какой контроль отличит его от ближайшей ошибочной реализации?

\tilde x=x_{(\lceil n/2\rceil)}

center = median(x);

Выполнить расчёт с повышенной численной точностью и использовать совпадение округлённых значений как контроль темы «Центр распределения». Повторить вычисление в отдельной функции, сохранив ту же формулу, и сравнить два полученных ответа по теме «Центр распределения». На одном типичном наборе сверить размер, класс и отсутствие `NaN` или `Inf` в результате по теме «Центр распределения». Сравните среднее и медиану до и после добавления одного крупного значения; объясните изменение через формулы. Сравнить два близких входа и убедиться, что результат меняется плавно и без предупреждений в задаче по теме «Центр распределения».

Вопрос 4 из 25

Для действия «вычислить медиану данных x, устойчивую к единичному крупному выбросу» нужен независимый математический эталон. Какое выражение сохраняет смысл постановки?

\tilde x=x_{(\lceil n/2\rceil)}

\tilde x=x_{(\lceil m/2\rceil)}

\tilde x=y_{(\lceil n/2\rceil)}

\tilde x=x_{(\lceil n/4\rceil)}

\tilde z=x_{(\lceil n/2\rceil)}

Вопрос 5 из 25

Время отклика в основном около 100 мс, но один сбой дал 30 секунд. Требуется типичное значение для отчёта, а не оценка общего объёма. Какое действие даст проверяемый результат?

Показать медиану вместе с квартилями и отдельно отметить выброс; среднее оставить как дополнительную характеристику, если оно нужно. Увеличить число случайных запусков и оценивать устойчивость среднего результата в задаче по теме «Центр распределения». Сначала выбрать более быстрый вариант на рабочем наборе, после чего закрепить его вывод автоматическим тестом по теме «Центр распределения». Сохранить результат текущей версии как регрессионный эталон и расширить набор входов того же типа для темы «Центр распределения». Проверить форму, класс и конечность результата; при совпадении этих признаков продолжить расчёт по теме «Центр распределения».

Вопрос 6 из 25

В расчёте требуется вычислить выборочное стандартное отклонение столбцов матрицы X по первой размерности. Какая запись соответствует условию на заявленных входах?

s = std(X, 0, 1); s = mean(abs(X), 1); s = std(X, 1, 2); s = std(X(:), 0, 1); s = var(X, 0, 1);

Вопрос 7 из 25

Показанный код из темы «Разброс» не соответствует постановке. Какая редакция восстанавливает вычислительный договор?

s = std(X(:), 0, 1);

Внести показанную замену без изменения входного контракта. На минимальном примере сопоставить форму выхода и два контрольных значения с независимым эталоном. Результат проверки оформить так, чтобы его можно было повторить без ручной подгонки.s = std(X, 0, 1); Использовать показанный вариант вместо дефектного фрагмента. После замены проверить обычный и граничный входы, заранее вычислив ожидаемый результат. Отдельно убедиться, что ближайшая неверная реализация этот контроль не проходит.s = std(X(:), 0, 1); Заменить исходный блок этой реализацией. Добавить регрессионный пример, на котором исходная версия расходится с требованием по значению или размерности. Допуск и критерий принятия зафиксировать до просмотра результата.s = mean(abs(X), 1); Принять эту редакцию как полную замену текущего блока. Перед принятием проверить предпосылки операции, форму результата и один численный инвариант. В журнале проверки сохранить вход, ожидаемый результат и фактическое расхождение.s = var(X, 0, 1); Переписать вычислительный шаг следующим образом. Сравнить результат с формулой на двух входах, где меняются ориентация данных и масштаб величин. Контрольный пример должен воспроизводиться на чистом запуске проекта.s = std(X, 1, 2);

Вопрос 8 из 25

Результат фрагмента по теме «Разброс» нужно принять перед включением в расчёт. Какая проверка даст независимое основание?

s=\sqrt{\frac{1}{n-1}\sum_{i=1}^n(x_i-\bar x)^2}

s = std(X, 0, 1);

На матрице 3×2 сравните `std(X,0,1)`, `std(X,0,2)` и `std(X(:))`, заранее предсказав формы. Проверить только один сводный показатель результата — сумму, среднее или норму — на двух обычных входах из темы «Разброс». Выполнить расчёт с повышенной численной точностью и использовать совпадение округлённых значений как контроль темы «Разброс». Запустить несколько случайных наборов одинакового масштаба и сопоставить время выполнения и форму результата для темы «Разброс». Увеличить размер входа и проверить ожидаемый рост времени и памяти, сохранив исходный способ вычисления по теме «Разброс».

Вопрос 9 из 25

Нужно формализовать операцию «вычислить выборочное стандартное отклонение столбцов матрицы X по первой размерности». Какое выражение сохраняет смысл постановки?

s=\sqrt{\frac{1}{n-1}\sum_{i=1}^m(x_i-\bar x)^2}

s=\sqrt{\frac{1}{m-1}\sum_{i=1}^n(x_i-\bar x)^2}

s=\sqrt{\frac{1}{n-1}\sum_{i=1}^n(y_i-\bar x)^2}

s=\sqrt{\frac{2}{n-1}\sum_{i=1}^n(x_i-\bar x)^2}

s=\sqrt{\frac{1}{n-1}\sum_{i=1}^n(x_i-\bar x)^2}

Вопрос 10 из 25

Каждый столбец — отдельный датчик. Текущий код сворачивает всю матрицу в один вектор и теряет различия каналов. Какой порядок работы не скроет причину ошибки?

Сравнить две реализации на одном типичном наборе и принять вариант с меньшим разбросом времени по теме «Разброс». Явно указать размерность и нормировку, затем проверить форму результата и один столбец ручным расчётом. Привести входные данные к ожидаемой форме и классу, затем повторить исходный фрагмент по теме «Разброс». Сначала выбрать более быстрый вариант на рабочем наборе, после чего закрепить его вывод автоматическим тестом по теме «Разброс». Ослабить допуск до уровня, при котором рабочий пример проходит, и использовать тот же порог для остальных данных по теме «Разброс».

Вопрос 11 из 25

На рецензию вынесена операция: получить 25-й, 50-й и 75-й процентили данных x. Какая запись соответствует условию на заявленных входах?

q = prctile(x, [0.25 0.5 0.75]); q = quartile(x); q = quantile(x, [0.25 0.5 0.75]); q = sort(x([0.25 0.5 0.75])); q = quantile(x, [25 50 75]);

Вопрос 12 из 25

Рецензент разбирает фрагмент по теме «Квантили» в тесте «Описательная статистика в MATLAB». Какой вариант исправляет саму операцию?

q = sort(x([0.25 0.5 0.75]));

Переписать вычислительный шаг следующим образом. После замены проверить обычный и граничный входы, заранее вычислив ожидаемый результат. Результат проверки оформить так, чтобы его можно было повторить без ручной подгонки.q = sort(x([0.25 0.5 0.75])); Использовать показанный вариант вместо дефектного фрагмента. Добавить регрессионный пример, на котором исходная версия расходится с требованием по значению или размерности. В журнале проверки сохранить вход, ожидаемый результат и фактическое расхождение.q = quartile(x); Принять эту редакцию как полную замену текущего блока. Сравнить результат с формулой на двух входах, где меняются ориентация данных и масштаб величин. Допуск и критерий принятия зафиксировать до просмотра результата.q = quantile(x, [0.25 0.5 0.75]); Внести показанную замену без изменения входного контракта. Перед принятием проверить предпосылки операции, форму результата и один численный инвариант. Отдельно убедиться, что ближайшая неверная реализация этот контроль не проходит.q = quantile(x, [25 50 75]); Заменить исходный блок этой реализацией. На минимальном примере сопоставить форму выхода и два контрольных значения с независимым эталоном. Контрольный пример должен воспроизводиться на чистом запуске проекта.q = prctile(x, [0.25 0.5 0.75]);

Вопрос 13 из 25

Для решения по теме «Квантили» выбирают контрольный опыт. Какой вариант проверяет смысл операции, а не внешние признаки результата?

Q(p)=\inf\{x:F(x)\ge p\}

q = quantile(x, [0.25 0.5 0.75]);

Сравнить два близких входа и убедиться, что результат меняется плавно и без предупреждений в задаче по теме «Квантили». Сравнить ответ с сохранённым выводом предыдущей версии на рабочем наборе данных по теме «Квантили». На небольшом отсортированном наборе сравните `quantile` и `prctile`; изучите, как интерполяция влияет на нечётные позиции. Проверить только один сводный показатель результата — сумму, среднее или норму — на двух обычных входах из темы «Квантили». Повторить вычисление в отдельной функции, сохранив ту же формулу, и сравнить два полученных ответа по теме «Квантили».

Вопрос 14 из 25

Перед реализацией требования «получить 25-й, 50-й и 75-й процентили данных x» записывают модель. Какое выражение сохраняет смысл постановки?

Q(p)=\inf\{x:F(x)\ge q\}

Q(q)=\inf\{x:F(x)\ge p\}

Q(p)=\inf\{x:F(x)\ge p\}

Q(p)=\inf\{x:F(y)\ge p\}

Q(p)=\inf\{y:F(x)\ge p\}

Вопрос 15 из 25

Отчёт передаёт числа 25, 50, 75 в `quantile`, получает ошибку диапазона и затем заменяет её ручным выбором индексов. Что следует сделать до принятия расчёта?

Использовать шкалу вероятностей для `quantile` либо процентную шкалу для `prctile`, явно указав соглашение в коде. Привести входные данные к ожидаемой форме и классу, затем повторить исходный фрагмент по теме «Квантили». Проверить форму, класс и конечность результата; при совпадении этих признаков продолжить расчёт по теме «Квантили». Снизить расход памяти текущего варианта и сравнить его с прежним результатом на сохранённых данных по теме «Квантили». Сохранить результат текущей версии как регрессионный эталон и расширить набор входов того же типа для темы «Квантили».

Вопрос 16 из 25

Условие задачи — вычислить среднее, игнорируя значения NaN, но не удаляя элементы из исходного массива. Какая запись соответствует условию на заявленных входах?

mu = mean(x ~= NaN); mu = sum(x) / length(~isnan(x)); mu = mean(x); mu = mean(x, "omitnan"); mu = mean(rmmissing(x), "includenan");

Вопрос 17 из 25

В расчёте по теме «Работа с NaN» обнаружено содержательное расхождение. Какую замену следует принять после проверки?

mu = mean(x ~= NaN);

Переписать вычислительный шаг следующим образом. Добавить регрессионный пример, на котором исходная версия расходится с требованием по значению или размерности. Отдельно убедиться, что ближайшая неверная реализация этот контроль не проходит.mu = mean(x); Использовать показанный вариант вместо дефектного фрагмента. На минимальном примере сопоставить форму выхода и два контрольных значения с независимым эталоном. Допуск и критерий принятия зафиксировать до просмотра результата.mu = mean(x ~= NaN); Принять эту редакцию как полную замену текущего блока. После замены проверить обычный и граничный входы, заранее вычислив ожидаемый результат. Контрольный пример должен воспроизводиться на чистом запуске проекта.mu = mean(rmmissing(x), "includenan"); Внести показанную замену без изменения входного контракта. Сравнить результат с формулой на двух входах, где меняются ориентация данных и масштаб величин. В журнале проверки сохранить вход, ожидаемый результат и фактическое расхождение.mu = sum(x) / length(~isnan(x)); Заменить исходный блок этой реализацией. Перед принятием проверить предпосылки операции, форму результата и один численный инвариант. Результат проверки оформить так, чтобы его можно было повторить без ручной подгонки.mu = mean(x, "omitnan");

Вопрос 18 из 25

Код по теме «Работа с NaN» проходит обычный пример. Какая проверка покажет, что вычислительный договор сохраняется и на неудобном входе?

\bar x=\frac{\sum_{i:x_i\not=NaN}x_i}{\#\{i:x_i\not=NaN\}}

mu = mean(x, "omitnan");

На одном типичном наборе сверить размер, класс и отсутствие `NaN` или `Inf` в результате по теме «Работа с NaN». Запустить несколько случайных наборов одинакового масштаба и сопоставить время выполнения и форму результата для темы «Работа с NaN». Выполнить расчёт с повышенной численной точностью и использовать совпадение округлённых значений как контроль темы «Работа с NaN». Повторить вычисление в отдельной функции, сохранив ту же формулу, и сравнить два полученных ответа по теме «Работа с NaN». Сравните исключение NaN, заполнение нулём и линейную интерполяцию на одном ряду; обсудите, когда каждый выбор искажает вывод.

Вопрос 19 из 25

Проверка кода для задачи «вычислить среднее, игнорируя значения NaN, но не удаляя элементы из исходного массива» опирается на формулу. Какое выражение сохраняет смысл постановки?

\bar z=\frac{\sum_{i:x_i\not=NaN}x_i}{\#\{i:x_i\not=NaN\}}

\bar x=\frac{\sum_{i:x_i\not=NaN}y_i}{\#\{i:x_i\not=NaN\}}

\bar x=\frac{\sum_{i:x_i\not=NaN}x_i}{\#\{i:x_i\not=NaN\}}

\bar x=\frac{\sum_{i:y_i\not=NaN}x_i}{\#\{i:x_i\not=NaN\}}

\bar y=\frac{\sum_{i:x_i\not=NaN}x_i}{\#\{i:x_i\not=NaN\}}

Вопрос 20 из 25

Пропуск означает отсутствие измерения, а не ноль. Замена NaN нулями заметно занижает среднее. Какое решение оставит независимый критерий проверки?

Выбрать явную политику пропусков, использовать `omitnan` и отдельно сообщать число использованных наблюдений. Увеличить число случайных запусков и оценивать устойчивость среднего результата в задаче по теме «Работа с NaN». Ослабить допуск до уровня, при котором рабочий пример проходит, и использовать тот же порог для остальных данных по теме «Работа с NaN». Сохранить результат текущей версии как регрессионный эталон и расширить набор входов того же типа для темы «Работа с NaN». Сначала выбрать более быстрый вариант на рабочем наборе, после чего закрепить его вывод автоматическим тестом по теме «Работа с NaN».

Вопрос 21 из 25

Фрагмент должен получить одно значение среднего для всех элементов массива A независимо от числа размерностей. Какая запись соответствует условию на заявленных входах?

mu = mean(A, 0); mu = mean(size(A)); mu = mean(A, "all"); mu = sum(A) / length(A); mu = mean(A);

Вопрос 22 из 25

Ниже приведена неудачная реализация из темы «Пограничные случаи». Какая редакция возвращает требуемый результат и оставляет независимый контроль?

mu = sum(A) / length(A);

Переписать вычислительный шаг следующим образом. На минимальном примере сопоставить форму выхода и два контрольных значения с независимым эталоном. В журнале проверки сохранить вход, ожидаемый результат и фактическое расхождение.mu = sum(A) / length(A); Заменить исходный блок этой реализацией. Сравнить результат с формулой на двух входах, где меняются ориентация данных и масштаб величин. Отдельно убедиться, что ближайшая неверная реализация этот контроль не проходит.mu = mean(A, 0); Использовать показанный вариант вместо дефектного фрагмента. Перед принятием проверить предпосылки операции, форму результата и один численный инвариант. Контрольный пример должен воспроизводиться на чистом запуске проекта.mu = mean(size(A)); Принять эту редакцию как полную замену текущего блока. Добавить регрессионный пример, на котором исходная версия расходится с требованием по значению или размерности. Результат проверки оформить так, чтобы его можно было повторить без ручной подгонки.mu = mean(A); Внести показанную замену без изменения входного контракта. После замены проверить обычный и граничный входы, заранее вычислив ожидаемый результат. Допуск и критерий принятия зафиксировать до просмотра результата.mu = mean(A, "all");

Вопрос 23 из 25

Перед рецензентом рабочий фрагмент по теме «Пограничные случаи». Как проверить его так, чтобы близкая подмена не прошла вместе с ним?

\mu=\frac{1}{\operatorname{numel}(A)}\sum_{i}A_i

mu = mean(A, "all");

Сравнить ответ с сохранённым выводом предыдущей версии на рабочем наборе данных по теме «Пограничные случаи». Запустить несколько случайных наборов одинакового масштаба и сопоставить время выполнения и форму результата для темы «Пограничные случаи». Для вектора, матрицы и массива 2×3×4 заранее определите результат `mean(A)` и `mean(A,"all")`. Увеличить размер входа и проверить ожидаемый рост времени и памяти, сохранив исходный способ вычисления по теме «Пограничные случаи». Проверить только один сводный показатель результата — сумму, среднее или норму — на двух обычных входах из темы «Пограничные случаи».

Вопрос 24 из 25

Математическая запись должна описывать действие «получить одно значение среднего для всех элементов массива A независимо от числа размерностей». Какое выражение сохраняет смысл постановки?

\mu=\frac{1}{\operatorname{numel}(B)}\sum_{i}A_i

\mu=\frac{1}{\operatorname{numel}(A)}\sum_{j}A_i

\mu=\frac{1}{\operatorname{numel}(A)}\sum_{i}B_i

\mu=\frac{2}{\operatorname{numel}(A)}\sum_{i}A_i

\mu=\frac{1}{\operatorname{numel}(A)}\sum_{i}A_i

Вопрос 25 из 25

Функция работала на векторе, но после перехода к трёхмерным данным стала возвращать массив средних вместо скаляра. Какой вариант переносится на граничные данные?

Привести входные данные к ожидаемой форме и классу, затем повторить исходный фрагмент по теме «Пограничные случаи». Снизить расход памяти текущего варианта и сравнить его с прежним результатом на сохранённых данных по теме «Пограничные случаи». Сформулировать требуемую размерность результата и использовать `"all"` либо явное `A(:)`; тестировать форму выхода. Сравнить две реализации на одном типичном наборе и принять вариант с меньшим разбросом времени по теме «Пограничные случаи». Ослабить допуск до уровня, при котором рабочий пример проходит, и использовать тот же порог для остальных данных по теме «Пограничные случаи».