- •Глава 1. Сущность аналитической юриспруденции и элементарные измерения состояния юридических процессов
- •Задача №2.
- •Задача №3.
- •Задача №4.
- •Задача №5.
- •Задача №6.
- •Задача №7.
- •Задача №8.
- •Задача №9.
- •Задача №11
- •Задача №12
- •Задача №13
- •Задача №14
- •Задача №15
- •Задача №16
- •Т е с т ы
- •Глава 2. Изучение изменчивости криминологических процессов: β-коэффициенты риска преступности (бкрп)11. Показатели концентрации и дифференциации криминологических вариационных рядов.
- •Задача №3.
- •Задача №4.
- •Задача №5.
- •Задача №6.
- •Задача №7.
- •Задача №8.
- •Задача №9.
- •Задача №10.
- •Т е с т ы
- •Глава 3. Законы распределения юридических процессов во времени и пространстве
- •Задача №2.
- •Задача №3.
- •Т е с т ы
- •Раздел II. Объяснение юридических явлений и процессов.
- •Продолжение таблицы №1.
- •Продолжение таблицы №1.
- •Продолжение таблицы №1.
- •Задача №2
- •Задача №3
- •Задача №4
- •Задача №5
- •Задача №6
- •Задача №7
- •Задача №8
- •Т е с т ы
- •Раздел 3. Прогнозирование юридических процессов
- •Временной ряд разбоев в городе Сургуте с января 1998 года по декабрь 2004 года
- •Задача №4
- •Задача №5
- •Задача №6
- •Задача №7
- •Задача №8
- •Задача №9
- •Задача №10
- •Задача №11
- •Задача №12
- •Задача №13
- •Задача №14
- •Задача №15
- •Продолжение таблицы №1.
- •Продолжение таблицы №1.
- •Продолжение таблицы №1.
- •Задача №16
- •Задача №17
- •Т е с т ы
- •Раздел 4
- •Задача №2.
- •Задача №3.
- •Задача №4.
- •Задача №5.
- •Задача №6.
- •Задача №7.
- •Задача №8.
- •Задача №9.
- •Задача №10.
- •Задача №11.
- •Задача №12.
- •Задача №13.
- •Задача №14.
- •Задача №15.
- •Задача №16.
- •Задача №17.
- •Задача №18.
- •Т е с т ы
- •Раздел 5. Многомерные юридические оценочные пространства
- •Задача №2
- •Задача №3
- •Задача №4
- •Задача №5
- •Задача №6
- •Задача №7
Т е с т ы
- Методы, обеспечивающие получение окончательных научных результатов – это:
Математические методы.
Социологические методы.
Юридические методы.
Экспериментальные методы.
- Какой из нижеперечисленных методов относится к методам, обеспечивающим получение окончательного научного результата:
Анкетирование.
Эксперимент.
Корреляционный анализ.
Интроспекция.
Сравнение.
Дедукция.
- Какой из нижеперечисленных методов относится к методам, обеспечивающим получение промежуточного научного результата:
Дифференциальное исчисление.
Интегральное исчисление.
Регрессионный анализ.
Наблюдение.
Матричный анализ.
- Перевод качественных данных в количественные называется:
Квантификация.
Регрессия.
Корреляция.
Кластеризация.
- Фиктивная переменная – это:
Управляемая переменная.
Квантифицированная качественная переменная.
Объясняющая переменная.
Предиктор.
- Коэффициент эластичности в точке показывает:
Насколько в абсолютном выражении изменяется результирующая (объясняемая) переменная при изменении факторной (объясняющей) на единицу измерения.
Насколько процентов изменяется результирующая переменная при изменении факторной на 1%.
Насколько изменяется результирующая (объясняемая) переменная при изменении факторной (объясняющей) переменной.
- Коэффициент регрессии показывает:
Насколько в абсолютном выражении изменяется результирующая (объясняемая) переменная при изменении факторной (объясняющей) на единицу измерения.
Насколько процентов изменяется результирующая переменная при изменении факторной на 1%.
Насколько изменяется результирующая (объясняемая) переменная при изменении факторной (объясняющей) переменной.
- Коэффициент конкордации применяется для:
Измерения силы и направления связи между двумя переменными.
Измерения силы и направления связи между тремя переменными.
Измерения силы и направления связи между неограниченным числом переменных.
Измерения силы и направления связи между пятью переменными.
- Коэффициент детерминации показывает:
Долю вариации результирующей переменной, обусловленную вариацией факторной переменной.
Силу и направление связи между переменными.
Качество полученного уравнения регрессии.
Стандартную ошибку коэффициента регрессии.
- Коэффициент корреляции показывает:
Силу связи между переменными.
Направление связи между переменными.
Силу и направление связи между переменными.
Силу, направление связи и мощность статистического критерия.
- Какой из коэффициентов корреляции является более эффективным (в смысле учета информации, содержащейся в первичных эмпирических данных):
Коэффициент Фехнера.
Коэффициент Спирмена.
Коэффициент Кендалла.
Линейный коэффициент корреляции Пирсона.
- Какое количество наблюдений должно приходиться на каждую дополнительную факторную переменную в модели множественной регрессии:
Не менее пяти.
Не менее семи.
Не менее десяти.
Не менее трех.
- Величина коэффициента эластичности в степенной функции:
Переменная величина.
Константа равная величине степени.
Равна числу е.
Равна числу π
- Свободный член (сдвиг) в линейном уравнении парной регрессии показывает:
Тангенс угла наклона линии регрессии.
Значение независимой переменной x при y=0.
Значение зависимой переменной y при x=0.
- F-статистика показывает:
Качество подбора коэффициента регрессии.
Качество подбора коэффициента сдвига.
Долю вариации результирующей переменной, обусловленную вариацией факторной переменной.
Качество подобранного регрессионного уравнения в целом.
Силу и направление связи между переменными.
- F-статистика вычисляется:
Как отношение факторной дисперсии к дисперсии остаточной.
Как отношение ковариации к произведению стандартных отклонений по переменным.
Как отношение средних взвешенных по переменным.
- Если средняя ошибка аппроксимации более 8%, то:
Это свидетельствует о хорошей подгонке модели к исходным данным.
Это свидетельствует о плохой подгонке модели к исходным данным.
Это свидетельствует о непригодности данной модели.
Это свидетельствует о средней подгонке модели к исходным данным.
- Можно ли использовать среднюю ошибку аппроксимации для оценки качества подгонки модели к исходным данным в случае множественной регрессии:
Да.
Нет.
В исключительных случаях.
Да, только для линейных моделей.
Да, только для нелинейных моделей.