Flex-vs-nichtflex-Methode

statlearning

2023

schoice

Published

May 17, 2023

Aufgabe

Algorithmen des statistischen Lernens lassen sich unterteilen hinsichtlich ihrer Flexibilität; es gibt mehr bzw. weniger flexible Algorithmen.

Welche der folgenden Aussagen ist in diesem Zusammenhang korrekt?

Answerlist

Bei großer Stichprobe (\(n\)) und kleiner Zahl an Prädiktoren (\(p\)) haben flexible Algorithmen im Vergleich zu weniger flexiblen Methoden eine geringere Verzerrung (bias).
Bei großer Stichprobe (\(n\)) und kleiner Zahl an Prädiktoren (\(p\)) haben flexible Algorithmen im Vergleich zu weniger flexiblen Methoden eine höhere Verzerrung (bias).
Bei großer Stichprobe (\(n\)) und kleiner Zahl an Prädiktoren (\(p\)) haben flexible Algorithmen im Vergleich zu weniger flexiblen Methoden eine kleinere Varianz.
Bei großer Stichprobe (\(n\)) und kleiner Zahl an Prädiktoren (\(p\)) haben flexible Algorithmen im Vergleich zu weniger flexiblen Methoden eine kleinere Varianz und eine höhere Verzerrung.
Bei großer Stichprobe (\(n\)) und kleiner Zahl an Prädiktoren (\(p\)) haben flexible Algorithmen im Vergleich zu weniger flexiblen Methoden eine höhere Varianz und eine höhere Verzerrung.

Lösung

Answerlist

Wahr
Falsch
Falsch
Falsch
Falsch

Categories:

statlearning
‘2023’
schoice

---
exname: Flex-vs-nichtflex-Methode
extype: schoice
exsolution: 10000
exshuffle: yes
expoints: 1
categories:
- statlearning
- '2023'
- schoice
date: '2023-05-17'
slug: Flex-vs-nichtflex-Methode
title: Flex-vs-nichtflex-Methode

---




```{r libs, include = FALSE}
library(tidyverse)
library(testthat)
library(glue)
```


```{r global-knitr-options, include=FALSE}
knitr::opts_chunk$set(fig.pos = 'H',
                      fig.asp = 0.618,
                      fig.width = 4,
                      fig.cap = "", 
                      fig.path = "",
                      echo = FALSE,
                      message = FALSE,
                      fig.show = "hold")
```






# Aufgabe

Algorithmen des statistischen Lernens lassen sich unterteilen hinsichtlich ihrer Flexibilität; es gibt mehr bzw. weniger flexible Algorithmen. 

Welche der folgenden Aussagen ist in diesem Zusammenhang korrekt?


Answerlist
----------
* Bei großer Stichprobe ($n$) und kleiner Zahl an Prädiktoren ($p$) haben flexible Algorithmen im Vergleich zu weniger flexiblen Methoden eine *geringere Verzerrung* (bias).
* Bei großer Stichprobe ($n$) und kleiner Zahl an Prädiktoren ($p$) haben flexible Algorithmen im Vergleich zu weniger flexiblen Methoden eine *höhere Verzerrung* (bias).
* Bei großer Stichprobe ($n$) und kleiner Zahl an Prädiktoren ($p$) haben flexible Algorithmen im Vergleich zu weniger flexiblen Methoden eine *kleinere Varianz*.
* Bei großer Stichprobe ($n$) und kleiner Zahl an Prädiktoren ($p$) haben flexible Algorithmen im Vergleich zu weniger flexiblen Methoden eine *kleinere Varianz* und eine *höhere Verzerrung*.
* Bei großer Stichprobe ($n$) und kleiner Zahl an Prädiktoren ($p$) haben flexible Algorithmen im Vergleich zu weniger flexiblen Methoden eine *höhere Varianz* und eine *höhere Verzerrung*.



</br>
</br>
</br>
</br>
</br>
</br>
</br>
</br>
</br>
</br>

# Lösung


Answerlist
----------


* Wahr
* Falsch
* Falsch
* Falsch
* Falsch





---

Categories: 

- statlearning
- '2023'
- schoice