Economia Examen final 5

En las pruebas de hipótesis se comparan valores observados con valores críticos para tomar decisiones sobre la validez de una afirmación estadística. Si se tiene un estadístico de prueba t = 1.96 y un valor crítico de 2.45, ¿cuál es la decisión correcta acerca de la hipótesis nula?. Rechazar la hipótesis nula. Aceptar la hipótesis alternativa. Aceptar la hipótesis nula. No existen elementos suficientes para tomar una decisión acerca de la hipótesis nula.

Los modelos de regresión permiten explicar una variable en función de otras. ¿En qué se diferencia un modelo de regresión lineal múltiple respecto a uno simple?. El MRLM por lo general tiene más de un término de perturbación. El MRLM por lo general depende de más de una variable dependiente. El MRLM por lo general depende de más de una variable independiente. Ninguna de las opciones anteriores.

Al evaluar la significancia de los coeficientes en un modelo estadístico, se requiere una medida cuantitativa que indique la probabilidad de error al rechazar una hipótesis. ¿Cuál es el valor utilizado para tomar esta decisión?. Chi-cuadrado. P-value (valor p). R-Cuadrado. Coeficiente de correlación.

Al aplicar una prueba de hipótesis de dos colas, se establece una afirmación inicial a contrastar con posibles desviaciones hacia ambos lados. ¿Cuál es la forma correcta de expresar la hipótesis nula en este tipo de prueba?. Ha: Ho. Ho: Ho. Ho: µ ≥ Ho. Ho: μ = 10.

Toda prueba de hipótesis sigue una secuencia lógica de pasos que permite estructurar adecuadamente el análisis estadístico. ¿Cuál es el segundo paso a realizar después de definir el problema y los objetivos?. Identificar el estadístico de prueba. Tomar la decisión de aceptar o rechazar la hipótesis nula. Establecer una hipótesis nula y alternativa. Seleccionar el nivel de significancia.

En una prueba de hipótesis se define una zona de aceptación y una de rechazo para tomar decisiones estadísticas. ¿A qué concepto hace referencia el punto que divide ambas zonas?. Estadístico de prueba. Nivel de significancia. Valor crítico. Nivel de confianza.

En una prueba de hipótesis, el valor-p se compara con el nivel de significancia para decidir si se rechaza o no la hipótesis nula. Si el valor-p es 0.0495 y el nivel de significancia es 0.05, ¿qué decisión se debe tomar?. Aceptamos la hipótesis alternativa. Aceptamos la hipótesis nula. Rechazamos la hipótesis nula. Ninguna de las opciones anteriores.

Las variables cuantitativas pueden tener diferentes formas de expresión numérica. ¿Cómo se subdividen las variables cuantitativas?. Discretas y nominales. Ordinales y nominales. Discretas y continuas. Ordinales y continuas.

La simetría es una característica típica de la distribución normal. ¿Cuál es la relación entre media, mediana y moda en una distribución simétrica?. La media, la mediana y la moda son iguales. La media es igual a la mediana y la moda es mayor que la media. La media es mayor que la mediana y la moda es menor que la media. La media, la mediana y la moda son diferentes.

Las distribuciones pueden ser más o menos "picudas" dependiendo de la concentración de datos alrededor de la media. ¿Cómo se llama una distribución más apuntada que la normal?. Leptocúrtica. Mesocúrtica. Platicúrtica. Ninguna de las opciones anteriores.

En un modelo de regresión lineal, los coeficientes explican cómo varía la variable dependiente respecto a la independiente. ¿Cómo se interpreta el coeficiente β1 en la expresión ∆Y = β1∆X?. β1 *100 nos daría el cambio porcentual esperado en Y cuando X aumenta en una unidad. β1 nos daría el cambio esperado en Y cuando X varía en una unidad. β1 /100 nos daría el cambio esperado en Y cuando X aumenta un uno por ciento. β1 nos daría el cambio porcentual esperado en Y cuando X aumenta un uno por ciento.

El análisis de correlación varía dependiendo del tipo de datos con los que se trabaja. ¿Qué coeficiente se utiliza para medir la correlación entre variables ordinales o codificadas binariamente?. Pearson. Spearman. Chi-cuadrado. Kendall.

Existen diferentes tipos de modelos de regresión, según el tipo de variable dependiente. ¿Qué tipo de regresión se utiliza cuando la variable dependiente es categórica?. Regresión lineal simple. Regresión logística. Regresión multivariada. Regresión polinomial.

El Modelo Clásico de Regresión Lineal (MCRL) se basa en ciertos supuestos que garantizan la validez de los estimadores. ¿Cuál de las siguientes opciones NO es un supuesto del modelo clásico?. Colinealidad perfecta entre variables. Linealidad de parámetros. Normalidad de los errores. Homocedasticidad.

La regresión es una herramienta estadística utilizada en economía, finanzas y otras áreas para explicar y predecir fenómenos. ¿Cuál es el objetivo principal del análisis de regresión?. Clasificar observaciones. Estimar el promedio muestral. Establecer relaciones entre variables y predecir. Determinar frecuencias absolutas.

En un modelo de regresión múltiple, el R² ajustado se utiliza como medida de calidad del modelo. ¿Qué mide el coeficiente de determinación ajustado?. La proporción explicada ajustada por número de regresores. La varianza total del modelo. La desviación estándar. La media de los residuos.

En la ecuación de regresión lineal, y = β₀ + β₁x + u, se incorpora un componente aleatorio. ¿Qué representa el término “u” en esta ecuación?. Intercepto. Variable dependiente. Error aleatorio. Variable independiente.

En el tratamiento de variables cualitativas dentro de un modelo de regresión, se utilizan variables dummy. ¿Qué ocurre si se incluyen todas las categorías de una variable cualitativa como dummies?. No afecta al modelo. Mejora el ajuste. Disminuye el R². Provoca multicolinealidad perfecta.

La heterocedasticidad es una violación importante de los supuestos del modelo de regresión lineal clásico. ¿Qué prueba se utiliza para detectarla?. Prueba z. Prueba de White. Prueba de Hausman. Prueba de Durbin-Watson.

En la regresión múltiple se busca determinar el efecto de varias variables sobre una respuesta. ¿Cómo se interpreta un coeficiente βj significativamente distinto de cero?. La variable Xj no tiene efecto sobre Y. Se omite Xj del modelo. El modelo está mal especificado. Existe una asociación entre Xj y Y, controlando las demás variables.

En un gráfico de dispersión se puede observar visualmente la relación entre dos variables cuantitativas. ¿Qué tipo de gráfico es ideal para visualizar la relación entre dos variables numéricas?. Diagrama de dispersión. Histograma. Gráfico de barras. Gráfico de barras.

El análisis de correlación permite evaluar cómo se relacionan dos variables ¿Cuál es el objetivo principal del análisis de correlación?. Medir la relación causal entre dos variables. Predecir valores de una variable dependiente. Medir la diferencia entre medias. Medir el grado de asociación lineal entre dos variables.

El coeficiente de correlación toma valores entre -1 y 1, indicando la fuerza de la relación entre dos variables. ¿Qué se puede inferir cuando el coeficiente de correlación es cercano a 0?. Que la relación es fuerte. Que hay una relación perfecta. Que no hay relación lineal. Que la pendiente es positiva.

En los modelos de regresión se pueden considerar una o múltiples variables explicativas. ¿Qué tipo de modelo se utiliza cuando se predice una variable a partir de más de una variable independiente?. Regresión múltiple. Regresión simple. ANOVA. Correlación.

La multicolinealidad es un problema que puede surgir cuando las variables explicativas están fuertemente relacionadas entre sí. ¿Cuál es la consecuencia principal de este fenómeno?. El modelo no puede calcular la media. La estimación de los coeficientes se vuelve inestable. Se obtiene un R² igual a cero. No se puede calcular la varianza.

En las pruebas de significancia, el valor-p permite decidir si una variable tiene un efecto estadísticamente significativo. ¿Qué indica un p-valor mayor a 0.05?. Que la variable es altamente significativa. Que se rechaza la hipótesis nula. Que no se rechaza la hipótesis nula. Que se acepta la hipótesis alternativa.

Las variables categóricas pueden incluirse en modelos de regresión mediante un proceso de codificación. ¿Cuál es el uso de las variables dummy (ficticias) en regresión?. Reemplazar datos perdidos. Codificar variables cualitativas. Corregir autocorrelación. Aumentar la muestra.

En un modelo de regresión, es importante analizar cuánto se desvían los valores observados respecto a la línea estimada. ¿Qué medida indica la variabilidad de los errores respecto a la línea de regresión?. Media. Desviación estándar. R². Error estándar de los residuos.

La autocorrelación es un problema que aparece cuando los errores de un modelo están correlacionados entre sí. ¿Qué prueba se utiliza para detectarla?. White. Breusch-Pagan. F de Fisher. Durbin-Watson.

El modelo de regresión lineal tiene una serie de condiciones que deben cumplirse para que sus resultados sean válidos. ¿Cuál de las siguientes afirmaciones es correcta respecto al modelo de regresión lineal?. El término de error no afecta los resultados. Debe existir relación lineal entre X y Y. Se puede usar solo con variables cualitativas. No requiere ningún supuesto estadístico.