Un intervalo de confianza se refiere a todos los casos con un valor dado de X V F.
La existencia de correlación entre variables no implica causalidad V F.
el coeficiente de correlación describe la fuerza de la relación entre dos conjuntos de variables en escala de intervalo o de razón. V F.
Con el criterio de mínimos cuadrados se determina la ecuación de regresión V F.
La recta de mínimos cuadrados proporciona la recta de mejor ajuste V F.
Los ingresos de los profesores y el número de instituciones psiquiátricas han aumentado en forma proporcional. al relacionar estas dos variables se esta presentando un ejemplo de correlaciones espurias. V F.
Dos variables tienen una correlación positiva cuando se ubican por arriba de la media V F.
Para explorar otras relaciones no lineales, una posibilidad es transformar una variable, por ejemplo en lugar de emplear Y como variable dependiente se puede emplear su logaritmo, recíproco, cuadrado o raíz cuadrada. V F.
La variable dependiente es aleatoria, esto es, por cada valor dado de la variable independiente, existen muchos posibles resultados para la variable dependiente. V F.
Al emplear la recta de regresión con un método matemático denominado principio de los mínimos cuadrados se elimina el juicio subjetivo V F.
Cuando el valor cae en la zona de rechazo se acepta la hipótesis alternativa es decir que si hay una relacion entre dos variables y no es casualidad, ya que la hipótesis alternativa plantea que la correlación es diferente de cero V F.
En una regresión los valores positivos indican una relación directa y los valores negativos una relación indirecta V F.
un ejemplo de variable dependiente es por ejemplo que se desea predecir el numero esperado de productos que se venderán si un representante visita 20 micromercados. la variable serían productos que se venden V F.
El consumo de margarina eleva los divorcios en Ecuador, es un claro ejemplo de correlación espuria V F.
Si se obtiene un coeficiente de correlacion de 0.576, se dice que el 57,6% de la variación en la variable Y se explica o esta representada por la variación de la variable X V F.
Que ocurre se se rechaza la hipótesis nula? Se deduce que la pendiente de la recta de regresión de la población no es igual a cero, es decir existe una relacion significativa entre ambas variables V F.
se puede afirmar que identificar y estudiar las relaciones entre variables puede proporcionar información para: elevar ganacias, reducir los costos, predecir la demanda etc. V F.
La auto correlacion se presenta con frecuencia cuando los datos se colectan durante un periodo V F.
El metodo de minimos cuadrados tambien permite inferir o generalizar a partir de la relación de una población completa V F.
Si un coeficiente de correlacion es cero, implica que la variable independiente en particular no tiene valor para explicar alguna variación del valor dependiente V F.
Cada nueva variable independiente reduce la suma de los cuadrados del residuo SSE y aumenta la suma de los cuadrados de la regresión SSR V F.
La siguiente ecuación de regresión representa a un análisis de la regresión multiple Y= a ++b1 X1 + b2 X2 V F.
Explicar el nivel de un contaminante en función de la densidad industrial y de la lluvias medias mensuales, es un claro ejemplo e regresión lineal múltiple. V F.
La variables cualitativas describen una cualidad particular, como masculino y femenino V F.
Un indice es un porcentaje aunque se suelo omitir el signo V F.
Algunas veces el IPC se denomina indice de deflación V F.
Existen muchos indices para propósitos especiales V F.
Un índice de precio simple es el precio de un año seleccionado dividido para el precio de un año base V F.
El término de no ponderado para un +indice significa que todos los valores incluidos al calcular el índice tienen igual importancia V F.
Las ventas deflacionadas son importantes para mostrar las tendencias delas ventas reales V F.
En la practica común se debe situar la variable dependiente en el eje vertical o Y y la variable independiente en el Eje vertical o X V F.
El intervalo de predicción reporta el rango de valores de Y para un valor particular de X F V.
Una correlación es perfecta cuando todos las observaciones se encuentran exactamente en la recta tanto de pendiente positiva como negativa, por eso es que siempre existirá una correlacion de 1 entre la variable X y Y V F.
A la ecuación de la recta para estimar Y con base en X se le denomina ecuación de regresión V F.
El error estándar de estimación es la medida de la dispersión de los valores observados respecto a la recta de regresión V F.
El coeficiente de correlación puede adoptar cualquier valor de -1 a +1 V F.
El coeficiente de correlación describe la fuerza de la relación entre dos conjuntos de variables en escala de intervalo o de razón V F.
Debido a que los pronósticos no son perfectos, es necesario contar con una medida para describir cuan preciso es el pronostico de Y con base en X o a la inversa, que tan inexacta puede ser la estimación V F.
En general es imposible que el comportamiento de Y (VD) sea explica en gran medida por solo una variable independiente V F.
Cuando no hay ninguna relación entre dos conjuntos de variables, la r de Pearson es igual a 0 V F.
En una correlación espuria, se concluye que, cuando hay dos variables con una fuerte correlación es que hay una relación o asociación entre ambas variables, no que un cambio en la una ocasiona un ca,bio en la otra V F.
Cuando los puntos en el diagrama de dispersión aparecen cerca de la recta, se observa que el coeficiente de correlación tiende a ser grande V F.
La prueba global es una prueba del modelo de regresión multiple la cual investiga si es posible que todas las variables independientes tengan coeficientes de regresión cero V F.
El analisis de regresión múltiple sirve como tecnica descriptiva o como técnica de inferencia V F.
La multicolinealidad existe cuando las variables independientes están relacionadas V F.
En general las variables con coeficiente de regresión cero se omiten del análisis V F.
En un modelo de regresión múltiple las variables independientes no deben estar correlacionadas V F.
Los valores de los coeficientes de la regresión lineal múltiple se determinan mediante el método de mínimos cuadrados V F.
El principio de los mínimos cuadrados determina una ecuación de regresión al minimizar la suma de los cuadrados de las distancias verticales entre los valores reales de Y y los valores pronosticados de Y V F.
Para utilizar una Variables cualitativa en el análisis de regresión, se emplea un esquema de variables ficticias en la cual se puede codificar con 0 o un 1 V F.
Cuando un coeficiente de regresión que debería tener signo positivo resulta negativo, o lo contrario, podria ser un indicio de que existen problemas de milticolinealidad V F.
Una de las características negativas del promedio simple del índice de precios es que no se considera la importancia relativa de los artículos en el índice V F.
La mayoría de los índices en negocios y economia. se calculan hasta el número entero mas cercano o hasta el décimo mas cercano aun porcentaje V F.
El índice de Laspeyres tiende a ponderar los articulos cuyos precios aumentaron V F.
La conversión de datos en índices también facilita la evaluación de la tendencia de una serie compuesta de números muy grandes V F.
El error estandar de estimación mide la variación al rededor de la recta de regresión V F.
La prueba de hipótesis también se interpreta en términos de valores p. Un valor p es la probabilidad de determinar un valor del estadístico de prueba mas extremo que el calculado, cuando Ho es verdadera V F.
El error estandar de estimación es la medida de la dispersión de los valores observados respecto ala recta de regresión. V F.
El intervalo de predicción reporta el rango de valores de Y para un valor particular de X V F.
El coeficiente de determinación es una proporción de la variación total en la variable de la pendiente Y que se explica o contabiliza, por la variación en la variable X V F.
Si la correlación es débil, al representar los datos en un diagrama de dispersión se podrá observar una dispersión considerable respecto a la recta trazada a través del centro de los datos V F.
Si el valor de p es menor que e nivel de significancia elegido, se decide rechazar la hipotesis nula V F.
Los estadísticos, pruebas y análisis que se aplican en el análisis de regresión simple, no difieren con los del análisis de regresión múltiple V F.
En una distribución continua la distribución puede tomar un número infinito de valores entre 0 y el infinito positivo V F.
Si hay coeficientes con respecto a los cuales la Ho no se puede rechazar, quizá sea prudente eliminarlos de la ecuación de regresión F V.
El numero de variables independientes en una ecuación de regresión multiple aumenta el coeficiente de determinación V F.
Una de las razones por las que se debe evitar variables independientes correlacionadas, es que puede generar resultados erróneos en las pruebas de hipótesis para las variables independientes individuales V F.
Con las propiedades de las distribuciones muestrales que son iguales a los valores de los parámetros que se estimaran, es posible inferir acerca de los parámetros poblacionales V F.
Seda una interacción cuando un variable independiente como X2 afecta la relación con otra variable independiente X1 y la cariable dependiente Y V F.
La multicolinealidad no afecta la capacidad de una ecuación de regresión múltiple para predecir la variable dependiente, no obstante cuando se tenga interés en evaluar la relación entre cada variable independiente y la variable dependiente, la multicolinealidad puede presentar resultados inesperados V F.
Una característica positiva del promedio simple del índice de precios es que se obtendría el mismo valor para el índice sin importan las unidades de medida F V.
Hay varias formas de combinar los artículos para determinar un índice F V.
Los índices ponderados de Lapeyres y Paasche, difieren solo en el periodo de la ponderación A V F.
El pronostico perfecto en economía y negocias no es real V F.
El propósito de un análisis de regresión (Y= a +b +cX) es calcular a y b para desarrollar una ecuación lineal que se ajuste mejor a los datos F V.
Un intervalo de confianza se refiere a todos los casos con un valor dado de X F V.
Una de las características del coeficiente de correlación menciona que: el valor cercano a 1 indica una asociación directa o positiva entre las variables V F.
Un valor de r puede indicar que no hay una relación lineal, pero puede ser que haya una relación de alguna otra forma no lineal o curvilínea V F.
si hay una relación débil entre dos variables, es factible suponer que un aumento o una disminución en una variable no causa mayor efecto en la otra V F.
Cuando dos variables tiene una relacion inversa, una variable estará arriba y la otra debajo de la media V F.
Las siguientes variables tienen una relación positiva porque la incrementar el nivel de ingresos incrementa el ahorro F V.
Muchas estadísticas y métodos estadísticos se utilizan para evaluar la relación entre una variable dependiente y mas de una variable independiente F V.
El análisis de regresión múltiple sirve como técnica de inferencia y técnica descriptiva V F.
Una de las suposiciones de la regresión múltiple es que las variables independientes no deben estar correlacionadas V F.
La homocedasticidad se presenta cuando la variación respecto a la ecuación de regresión es igual para todos los valores de las variables independientes V F.
Cada nueva variable independiente hace que las predicciones sean mas precisas V F.
si un coeficiente de correlación es cero, implica que la variable independiente en particular no tiene valor para explicar alguna variación del valor dependiente V F.
en una regresión múltiple los coeficientes de regresión y los signos algebraicos tambien proporcionan información acerca de sus relaciones individuales con la variable dependiente V F.
Los índices no ponderados permiten combinar varios artículos y elaborar un índice para comparar el costo de este agregado de articulos en dos periodos distintos V F.
Si el número índice se utiliza para medir el cambio relatívo en una sola variable , como los salarios por hora en la manofactura, es un índice simple V F.
los valores de a y b en la ecuacion de regresión se los conoce como coeficiente de regresión estimada V F.
La variable dependiente es una variable que predice o estima y se muestra en el eje y F V.
En al regresión múltiple existe una relación directa entre la variable dependiente y el conjunto de variables independientes F V.
Tanto en el caso de dos variables (regresión simple) como en el caso de mas de dos variables (regresión múltiple) el analisis de regresión lineal puede utilizarse para explorar y cuantificar la relación entre una variable llamada dependiente o predecida Y y una o mas variables llamadas independientes o predictoras (X1,X2;X3...Xn) V F.
El indice de precios al productor mide las fluctuaciones de los precios en todas las etapas de la producción V F.
Para un indice agregado simple es necesario encontrar una forma de ponderar de manera aproximada los artículos de acuerdo con su importancia relativa F V.
El periodo base no necesita ser un ao individual F V.
Si el error estandar es pequeño significa que los datos están relativamente cercanos a la recta de regresión y la ecuación de regresión sirve para predecir Y con poco error F V.
El analisis de correlación es el estudio de la relación entre variable V F.
Un coeficiente de correlación con un valor calculado de -1.00 revela que las variables estan perfectamente relacionadas en un sentido lineal inverso F V.
Una de las caracteristicas del coeficiente de correlación menciona que el valor cercano a 1 indica una asociación directa o positiva entre las variables F V.
Las pruebas de dos colas son equivalentes y siempre arrojan exactamente los mimos valores de t y los mismos valores de p V F.
Se puede presentar el caso de que dos variables estén estrechamente relacionadas, pero que su relación no sea lineal F V.
El coeficiente de determinación es el coeficiente de correlación al cuadrado V F.
El indice de Nasdaq sirve para conocer el comportamiento economico y de negocios V F.
|
