INFERENCIA DE ANDREA

Si añadimos variables irrelevantes a un modelo de regresión, ¿qué problema puede surgir?. Sobreejuste (overfitting). Subestimación de coeficientes. Homocedasticidad perfecta. Correlación nula.

¿Qué representa la variable Y en un modelo de regresión lineal simple Y=a+bX+e. Variable independiente. Coeficiente de correlación. Término de error. Variable dependiente.

¿Qué mide el coeficiente de determinación (R²) en regresión lineal?. La pendiente de la recta. La proporción de la varianza de Y explicada por X. El error estándar de la estimación. La correlación entre X e Y.

Cuál es el rango de valores posibles para R2. De 0 a 1. De -1 a 1. De -∞ a ∞. De 0 a 100.

¿Cuál de estos NO es un supuesto del modelo de regresión lineal clásico?. Linealidad. Normalidad de los residuos. Los predictores deben distribuirse normalmente. Independencia de los residuos.

¿Qué indica un residuo en regresión lineal?. La diferencia entre el valor observado y el predicho. La pendiente de la recta. La media de Y. El coeficiente de correlación.

En un modelo Y^=50+3.2X, ¿cómo interpretas la pendiente (b=3.2)?. Cuando Xaumenta en 1 unidad, Y disminuye en 3.2 unidades. Cuando X aumenta en 1 unidad, Y aumenta en 3.2 unidades. Cuando X aumenta en 3.2 unidades, Y aumenta en 1 unidad. No hay relación entre X e Y.

Si el p-valor del coeficiente de regresión es 0.03 (con α=0.05), ¿qué se concluye?. No hay relación significativa. La variable es significativa. El modelo no es válido. Hay heterocedasticidad.

¿Qué método se usa comúnmente para estimar los coeficientes en regresión lineal?. Máxima verosimilitud. Mínimos cuadrados ordinarios (MCO). Análisis de varianza (ANOVA). Gradiente descendente.

¿Qué prueba estadística se usa para evaluar la significancia global de un modelo de regresión múltiple?. Prueba F. Prueba t de Student. Chi-cuadrado. Test de Kolmogorov-Smirnov.

En un modelo Y^=50+3.2X, ¿cómo interpretas la pendiente (b=3.2)?.. Cuando X aumenta en 1 unidad, Y disminuye en 3.2 unidades. Cuando X aumenta en 1 unidad, Y aumenta en 3.2 unidades. Cuando X aumenta en 3.2 unidades, Y aumenta en 1 unidad. No hay relación entre Xe Y.

En un modelo de regresión múltiple con dos predictores (X1 y X2), ¿qué representa b1?. El intercepto. El cambio en Y por unidad de cambio en X1, manteniendo X2 constante. La correlación entre X1 e X2. El error estándar.

¿Cuál es el supuesto de homocedasticidad en regresión lineal?. Que los errores siguen una distribución normal. Que la varianza de los errores es constante. Que no hay multicolinealidad. Que la relación es exactamente lineal.

En la ecuación de regresión Y^=2+3X, si X=4, ¿cuál es el valor predicho de Y?. 6. 14. 9. 12.

Si el coeficiente de correlación (r) entre dos variables es -0.9, ¿cómo es la relación?. Fuerte y negativa. Débil y positiva. No hay relación. Neutral.

Si añadimos variables irrelevantes a un modelo de regresión, ¿qué problema puede surgir?.,,. Sobreejuste (overfitting). Subestimación de coeficientes. Homocedasticidad perfecta. Correlación nula.

En regresión lineal, ¿qué es multicolinealidad?. Correlación alta entre variables predictoras. Errores con varianza no constante. Residuos no normales. Valores atípicos influyentes.

Dada la ecuación de regresión Y^=1.5+0.8X, ¿cuál sería el valor predicho para Y si X=10?. 8.5. 9.5. 10.0. 9.0.

¿Qué prueba estadística se usa para evaluar la significancia global de un modelo de regresión múltiple?. Prueba F. Prueba t de Student. Chi-cuadrado. Chi-cuadrado.

Si la suma de cuadrados totales (SST) es 150 y la suma de cuadrados de los residuos (SSE) es 30, ¿cuál es el valor de R2? Fórmula: R2=1−SSE/SST. 0.70. 0.75. 0.80. 0.85.

¿Qué mide el coeficiente de determinación (R²) en regresión lineal?.... La pendiente de la recta. La proporción de la varianza de Y explicada por X. El error estándar de la estimación. La correlación entre X e Y.

¿Cuál de estos NO es un supuesto del modelo de regresión lineal clásico?. Linealidad. Normalidad de los residuos. Los predictores deben distribuirse normalmente. Independencia de los residuos.

¿Qué indica un residuo en regresión lineal?,,,. La diferencia entre el valor observado y el predicho. La pendiente de la recta. La media de Y. El coeficiente de correlación.

El teorema central del límite hace hincapié en la forma en que la distribución muestral de la media se aproxima a la distribución de probabilidad normal. Grandes. Dependientes.

Las características de la distribución t son: No existe una distribución t, sino más bien una hipótesis de distribuciones t. La distribución t se extiende más y es más plana por el centro de la distribución normal estándar a medida que aumenta el tamaño de la muestra. Como en el caso de la distribución normal, tiene forma de campana y es simétrica.

¿En qué tipo de muestreo la población se divide en subgrupos con base en atributos o características compartidas entre los miembros, y se selecciona al azar una muestra de cada uno?. Muestreo aleatorio estratificado. Muestreo por conglomerados. Muestreo aleatorio simple. Muestreo sistemático.

En el muestreo aleatorio estratificado la población se divide en subgrupos denominados: Miembros. Estratos.

Cuando existe un 95% de intervalo de confianza significa que su tamaño está dentro del 1.96 de desviación estándar de una población hipotética. Verdadero. Falso.

En los intervalos de confianza un estimador puntual es un estadístico único para calcular un parámetro muestral. V. F.

¿Cuál es una característica de la distribución t?. No exisite una distribucion t, sino mas bien una hipótesis de Distribuciones t. La distribucion t se extiende mas y mas plana por el centro de la distribucion normal estandar a medida que aumenta el tamaño de la muestra. Tiene forma de campana y es simétrica.

El cálculo de estimadores puntuales permite determinar un solo valor (punto) que se deduce de una muestra para ser inferido a la población.. F. V.

Si n es la proporción de éxitos de una distribución nominal, entonces es la proporción de los parámetros de la muestra de la población. F. V.

Existen tres factores que determinan el tamaño de una muestra, pero ninguno tiene una relación directa con el tamaño de la población. Y ESTOS SON: Nivel de confianza. La variabilidad de la población que se estudia. El margen de confianza.

Existen tres factores que determinan el tamaño de una muestra, pero ninguna tiene una relación directa con el tamaño de la población. Estos son: Nivel de error. Margen de error. Todas las anteriores. La variabilidad de la muestra y de la curva de confianza negativa que se estudia.

Una estimación de intervalo de confianza es un rango de valores construidos a partir de datos de la muestra, de modo que el parámetro de la población es probable que ocurra dentro de ese rango con una probabilidad específica. Dicha probabilidad se llama nivel de confianza. V. F.