Zeitreihenanalyse lernen: Online-Quizze und Übungen für die Qualifikationsphase 2

Question 1

Welche ethischen Herausforderungen können sich aus der Anwendung von Zeitreihenanalysen zur Vorhersage menschlichen Verhaltens in öffentlichen Räumen ergeben?

Accepted Answer

Zeitreihenanalysen können zu Diskriminierung führen, wenn sie nicht verantwortungsvoll eingesetzt werden.

Answer

Zeitreihenanalysen sind immer ethisch unbedenklich, da sie auf objektiven Daten basieren.

Answer

Die einzige ethische Überlegung bei der Verwendung von Zeitreihenanalysen ist die Genauigkeit der Vorhersagen.

Answer

Zeitreihenanalysen sollten niemals für die Vorhersage menschlichen Verhaltens verwendet werden, da dies eine Verletzung der Privatsphäre darstellt.

Question 2

Wie beeinflussen Big Data und maschinelles Lernen die moderne Zeitreihenanalyse? Nenne die möglichen Vorteile und Grenzen dieser Technologien.

Accepted Answer

Big Data und maschinelles Lernen können die Genauigkeit von Prognosen durch die Verarbeitung großer Datenmengen verbessern.

Accepted Answer

Big Data kann die Zeitreihenanalyse verlangsamen, da die Verarbeitung großer Datenmengen rechenintensiv sein kann.

Answer

Maschinelles Lernen ist nicht nur für die Analyse stationärer Zeitreihen geeignet.

Answer

Big Data hat keine Relevanz für die Zeitreihenanalyse.

Question 3

Welche aktuelle Entwicklung in der Zeitreihenanalyse hat die Prognosegenauigkeit verbessert?

Accepted Answer

Einsatz tiefer neuronaler Netze

Answer

Abnehmende Bedeutung probabilistischer grafischer Modelle

Answer

Stagnation der Prognosegenauigkeit

Answer

Seltene Verwendung stationärer Zeitreihenmodelle

Question 4

Wie wird die Zeitreihenanalyse in modernen Datenanalyse-Workflows eingesetzt? Erläutere, wie sie in Kombination mit anderen Techniken zu besseren Ergebnissen führt.

Accepted Answer

Zeitreihenanalyse kann mit anderen Datenanalysetechniken kombiniert werden, um zukünftige Werte in Zeitreihen vorherzusagen.

Answer

Zeitreihenanalyse dient nur zur grafischen Darstellung von Zeitreihendaten.

Answer

Zeitreihenanalyse ist nicht für die Analyse großer Datenmengen geeignet.

Answer

Zeitreihenanalyse kann unabhängig von anderen Datenanalysetechniken angewendet werden.

Question 5

Welche Aussage über stationäre Zeitreihen ist korrekt?

Accepted Answer

Die Erwartungswertfunktion ist konstant.

Accepted Answer

Die Varianzfunktion ist konstant.

Accepted Answer

Die Autokorrelationsfunktion hängt nur von der zeitlichen Differenz zwischen den Beobachtungen ab.

Answer

Die Zeitreihenwerte sind unabhängig voneinander.

Question 6

Welche Eigenschaft ist charakteristisch für stationäre Zeitreihen?

Accepted Answer

Konstanter Erwartungswert und konstante Varianz im Zeitverlauf

Answer

Konstanter Erwartungswert, aber variierende Varianz

Answer

Variierender Erwartungswert und variierende Varianz

Question 7

Wie wird die Autokorrelationsfunktion (AKF) einer Zeitreihe berechnet?

Accepted Answer

Durch Korrelation der Zeitreihe mit sich selbst bei unterschiedlichen zeitlichen Abständen

Answer

Durch Berechnung des Erwartungswerts der Zeitreihe

Answer

Durch Subtraktion des Mittelwerts von der Zeitreihe

Question 8

Welche Aussage zum ARMA-Modell ist korrekt?

Accepted Answer

Es ist ein Modell für stationäre Zeitreihen

Answer

Es kann nichtstationäre Zeitreihen modellieren

Answer

Es erfordert keine Kenntnis der Autokorrelationsfunktion

Question 9

Wie wird das optimale ARMA-Modell für eine Zeitreihe ausgewählt?

Accepted Answer

Durch Minimierung des Akaike-Informationskriteriums (AIC)

Answer

Durch subjektive Einschätzung

Answer

Durch Maximierung des Korrelationskoeffizienten

Question 10

Welche Aussage zur Prognose von Zeitreihen trifft zu?

Accepted Answer

Prognosen sind immer mit Unsicherheit verbunden

Answer

Prognosen sind nur für kurzfristige Zeiträume zuverlässig

Answer

Prognosen sind immer exakt

Answer

Prognosen sollten immer nur eine Methode verwenden

Question 11

Was bedeutet die Sattelzeit einer Zeitreihe?

Accepted Answer

Den Zeitpunkt, ab dem sich die Zeitreihe einem stabilen Zustand nähert

Answer

Die Zeit, bis die Zeitreihe stationär wird

Answer

Die Länge der Zeitreihe

Question 12

Welche Methode eignet sich zur Prognose von Zeitreihen mit Trend und Saisonalität?

Accepted Answer

SARIMA-Modelle

Answer

Exponentielle Glättung

Answer

Lineare Regression

Answer

ARIMA-Modelle

Question 13

Welches Verfahren wird zur Analyse der Stationarität einer Zeitreihe verwendet?

Accepted Answer

Dickey-Fuller-Test

Answer

Breusch-Godfrey-Test

Answer

Durbin-Watson-Test

Answer

Jarque-Bera-Test

Question 14

Welche Art von Zeitreihe weist eine positive Autokorrelation auf?

Accepted Answer

Autoregressive Zeitreihe

Answer

Weißes Rauschen

Answer

Integrierte gleitende Durchschnittzeitreihe

Answer

Gleitender Durchschnitt

Question 15

Was ist eine deterministische Komponente einer Zeitreihe?

Accepted Answer

Eine Komponente, die durch ein mathematisches Modell beschrieben werden kann.

Answer

Eine Komponente, die nur durch externe Faktoren beeinflusst wird.

Answer

Eine Komponente, die zufällig ist.

Question 16

Was ist das Ziel der Box-Jenkins-Methode?

Accepted Answer

Entwicklung eines statistischen Modells, das eine Zeitreihe beschreibt und prognostiziert.

Answer

Testen auf Normalverteilung einer Zeitreihe

Answer

Berechnung der Autokorrelationsfunktion und des Autokorrelationsdiagramms

Question 17

Welche Komponente einer Zeitreihe beschreibt die kurzfristigen Schwankungen?

Accepted Answer

Restkomponente

Answer

Trendkomponente

Answer

Zyklenkomponente

Answer

Saisonkomponente

Question 18

Was ist die notwendige Bedingung für die Stationarität eines AR(1)-Prozesses?

Accepted Answer

|φ| < 1

Answer

φ = 0

Answer

φ = 1

Answer

|φ| > 1

Question 19

Welche Aussage ist für einen nicht-stationären Prozess zutreffend?

Accepted Answer

Seine Mittelwerte und Kovarianzen ändern sich im Zeitverlauf.

Answer

Er kann durch einen einfachen mathematischen Ausdruck beschrieben werden.

Answer

Er weist keine Autokorrelation auf.

Question 20

Welche der folgenden Aussagen beschreibt am besten einen stationären Zeitreihenprozess?

Accepted Answer

Der Mittelwert, die Varianz und die Autokorrelation bleiben über die Zeit konstant.

Answer

Die Zeitreihe zeigt einen stetigen Trend nach oben.

Answer

Die Zeitreihe weist eine starke Saisonalität auf.

Question 21

Welche der folgenden Methoden ist am besten geeignet, um einen Trend in einer Zeitreihe zu modellieren?

Accepted Answer

Lineare Regression

Answer

Moving Average

Answer

Autoregressive Model (AR)

Answer

Exponential Smoothing

Question 22

Welche der folgenden Aussagen beschreibt am besten das Autokorrelations-Funktionsdiagramm (ACF) einer Zeitreihe?

Accepted Answer

Es zeigt die Korrelation zwischen den Werten einer Zeitreihe zu verschiedenen Zeitpunkten.

Answer

Es zeigt den Trend der Zeitreihe.

Answer

Es zeigt die Saisonalität der Zeitreihe.

Question 23

Welche der folgenden Aussagen trifft auf ein Autoregressives Modell (AR) zu?

Accepted Answer

Es basiert auf der Annahme, dass zukünftige Werte von der Vergangenheit abhängen.

Answer

Es ist eine statische Methode, die keine Zeitabhängigkeit berücksichtigt.

Answer

Es ist nur für stationäre Zeitreihen geeignet.

Question 24

Welche der folgenden Methoden ist am besten geeignet, um die Varianz einer Zeitreihe zu stabilisieren?

Accepted Answer

Differenzierung

Answer

Standardisierung

Answer

Logarithmierung

Answer

Moving Average

Question 25

Welche der folgenden Aussagen beschreibt am besten das Partial Autokorrelations-Funktionsdiagramm (PACF) einer Zeitreihe?

Accepted Answer

Es zeigt die Korrelation zwischen den Werten einer Zeitreihe zu verschiedenen Zeitpunkten, nachdem die Korrelationen mit den dazwischenliegenden Werten entfernt wurden.

Answer

Es zeigt die Korrelation zwischen den Werten einer Zeitreihe zu verschiedenen Zeitpunkten, ohne die Korrelationen mit den dazwischenliegenden Werten zu berücksichtigen.

Question 26

Welche der folgenden Aussagen ist FALSCH?

Accepted Answer

Eine Zeitreihe mit einem starken Trend ist immer stationär.

Answer

Eine Zeitreihe mit einer konstanten Varianz ist stationär.

Answer

Eine Zeitreihe mit Saisonalität kann stationär sein.

Question 27

Welche der folgenden Methoden ist am besten geeignet, um eine Zeitreihe mit einem starken Trend zu prognostizieren?

Accepted Answer

ARMA-Modelle

Answer

Exponential Smoothing

Answer

Saisonale Dummy-Variablen

Answer

Moving Average

Question 28

Welche der folgenden Aussagen beschreibt am besten den Unterschied zwischen einem ARMA-Modell und einem ARIMA-Modell?

Accepted Answer

Ein ARIMA-Modell berücksichtigt zusätzlich zu den autoregressiven und gleitenden Mittelwert-Komponenten auch die differenzierte Zeitreihe.

Answer

Ein ARMA-Modell ist für stationäre Zeitreihen geeignet, während ein ARIMA-Modell für nicht-stationäre Zeitreihen geeignet ist.