Modelo Probabilístico

¿Qué es el Diseño en Bloque. Un diseño experimental que agrupa unidades similares en bloques homogéneos. Un método para aumentar el número de tratamientos. Un método para eliminar todos los errores experimentales. Un procedimiento de muestreo.

¿Cuál es el principal objetivo del Diseño en Bloques?. Incrementar la variabilidad experimental. Eliminar los tratamientos. Aumentar el tamaño de la muestra. Reducir el error experimental y aumentar la precisión de los resultados.

¿Cuáles son los dos principios fundamentales del Diseño en Bloques?. Inferencia y predicción. Observación y medición. Bloqueo y aleatorización. Muestreo y estimación.

¿Qué son los factores del bloque?. Hipótesis del experimento. Variables que influyen en la respuesta, pero no son el objetivo principal del estudio. Variables que forman parte de los tratamientos. Errores experimentales.

En el modelo estadístico del DBCA, ¿qué representa μ (mu)?. El efecto del tratamiento. La media general del experimento. El efecto del bloque. El error experimental.

¿Cuáles es la regresión múltiple?. Un método que elimina todos los errores de una investigación. Una técnica que solo se usa para calcular porcentajes. Un modelo estadístico que relaciona una variable dependiente con dos o más variables independientes. Un modelo que estudia una sola variable sin relación con otras.

¿En la ecuación de regresión múltiple, ¿qué representa la variable dependiente?. La variable que se quiere explicar o predecir. El número total de datos utilizados. El error del modelo. La variable que siempre permanece constante.

¿Qué significa el coeficiente β₁ en una regresión múltiple?. La cantidad de datos que tiene la muestra. El cambio promedio en Y cuando X₁ aumenta una unidad, manteniendo constantes las demás variables. El número de variables eliminadas. El error total del modelo.

¿Cuál es la forma general de un modelo de regresión múltiple?. Y = β₀ + β₁X₁ + β₂X₂ + … + βₖXₖ + ε. β = Y / X. X = Y + ε. Y = X + Z.

¿Cuál es el método más usado para estimar los parámetros en una regresión múltiple?. Regla de tres simple. Mínimos cuadrados ordinarios. Promedio aritmético simple. Método de observación directa.

¿Qué representa un diseño factorial 2²?. Cuatro factores con dos niveles cada uno. Tres factores con dos niveles cada uno. Dos factores con dos niveles cada uno. Dos factores con tres niveles cada uno.

En un diseño factorial 2², ¿cuántas interacciones de segundo orden existen?. Tres (AB, AC y BC). Ninguna. Una (AB). Dos (AB y AC).

¿Cuál es el principal objetivo de un diseño factorial?. Eliminar todos los errores experimentales. Analizar simultáneamente varios factores y sus interacciones. Estudiar un solo factor. Reducir el número de observaciones.

¿Cuál es la finalidad de utilizar bloques en un diseño factorial 2ᵏ?. Eliminar las interacciones. Incrementar los niveles de los factores. Controlar fuentes de variación no deseadas. Aumentar el número de factores.

En un diseño factorial 2³, la interacción ABC corresponde a: El error experimental. La interacción entre los tres factores. La interacción entre dos factores. El efecto principal del factor C.

¿Qué estudia un diseño factorial con dos factores?. Solo la variable de respuesta. El efecto de un solo factor. El efecto de dos factores y sus interacciones. El efecto de tres factores únicamente.

¿Qué estudia un diseño factorial con tres factores?. Los errores de medición. Solo una variable independiente. El efecto de dos factores únicamente. El efecto de tres factores y sus interacciones.

¿Qué es un factor en un diseño factorial?. Un error experimental. Una variable independiente que puede influir en el resultado del experimento. El resultado final del experimento. La variable dependiente que se mide.

¿Cuál de las siguientes opciones corresponde a un diseño factorial general?. No utiliza variables independientes. Estudia únicamente una variable. Solo analiza resultados finales. Considera dos o más factores que pueden estar en diferentes niveles.

¿Por qué es importante el diseño factorial?. Porque solo estudia una variable. Porque reduce la necesidad de análisis estadístico. Porque permite obtener resultados confiables y optimizar procesos. Porque elimina completamente los errores.

¿Cuál es el objetivo principal del Diseño en Cuadro Latino?. Maximizar el error experimental para encontrar diferencias significativas. Asegurar que los tratamientos se repitan varias veces en la misma fila. Evaluar un solo factor de bloqueo con múltiples tratamientos al azar. Controlar simultáneamente dos fuentes de variabilidad externas (filas y columnas).

¿Cuál es la estructura característica que debe tener la matriz en un Diseño en Cuadro Latino?. Una matriz cuadrada donde cada tratamiento aparece una sola vez en cada fila y columna. Una matriz donde los tratamientos de control se agrupan únicamente en la diagonal principal. Una matriz rectangular donde las filas representan los tratamientos y las columnas los errores. Una tabla unidimensional donde se asignan tratamientos completamente al azar.

¿Cuál es la finalidad principal de la aleatorización en el Diseño en Cuadro Latino?. Asegurar que los tratamientos se ubiquen únicamente en la diagonal principal de la matriz. Eliminar la necesidad de realizar análisis estadísticos posteriores. Aumentar el número de filas y columnas del experimento. Garantizar que todos los tratamientos tengan la misma probabilidad de ser asignados a las unidades experimentales.

¿Cuál de los siguientes es un supuesto fundamental para aplicar correctamente el Diseño en Cuadro Latino?. Que todos los tratamientos produzcan exactamente el mismo resultado. Que exista interacción significativa entre tratamientos y bloques. Que el número de filas sea mayor que el número de tratamientos. Que los errores experimentales sean independientes y tengan varianza constante.

¿Qué representa la Hipótesis Nula (H0) al evaluar específicamente los tratamientos en este diseño experimental?. El rendimiento promedio es igual sin importar el tipo de tratamiento utilizado (no hay efecto del tratamiento). Las diferencias en las condiciones de las parcelas no tienen un efecto significativo. Las filas y columnas generan la mayor parte de la variabilidad del experimento, superando a los tratamientos. Al menos una media de los tratamientos produce un resultado significativamente diferente a los demás.

¿Cuál es el principal objetivo de la regresión logística?. Calcular promedios de una población. Calcular áreas bajo una curva. Medir únicamente la dispersión de los datos. Clasificar observaciones y estimar probabilidades.

¿Qué diferencia principal existe entre la regresión lineal y la regresión logística?. Ambas producen exactamente los mismos resultados. La regresión lineal no utiliza datos. La regresión logística solo utiliza una variable. La regresión logística trabaja con probabilidades entre 0 y 1.

¿Cuándo se utiliza la regresión logística binaria?. Cuando existen más de cinco categorías. Cuando la variable dependiente tiene dos posibles resultados. Cuando los datos son continuos. Cuando las categorías tienen un orden específico.

¿Cuándo se aplica la regresión logística nominal?. Cuando las variables son continuas. Cuando solo hay dos categorías. Cuando existen varias categorías sin orden específico. Cuando las categorías poseen un orden natural.

¿Cuál de los siguientes es un ejemplo de regresión logística binaria?. Nivel de satisfacción: bajo, medio y alto. Elección entre tres carreras universitarias. Aprobar o reprobar un examen. Clasificación de productos por calidad.

¿Qué significan las siglas SST?. Suma Total de Cuadrados. Suma de Cuadrados del Error. Suma de Cuadrados de Regresión.

¿Cuál es el valor máximo que puede alcanzar el R^2?. 100. 1 (o 100%). 0.

Si la pendiente es igual a cero (β₁=0), ¿qué significa?. Que el modelo tiene un error del 100%. Que la relación es perfecta. Que no hay relación entre las variables.

¿Cuál es el método más usado para calcular la línea de regresión?. Diagrama de dispersión. Mínimos Cuadrados Ordinarios (MCO). Máxima Verosimilitud.

¿Qué símbolo representa al error aleatorio en el modelo?. ε (Épsilon). R². β₀.

¿Qué prueba estadística se utiliza comúnmente para analizar los resultados de un diseño Grecolatino?. Correlación de Pearson. ANOVA (Análisis de Varianza). Chi-cuadrado. Prueba t de Student.

¿Cuál es el objetivo principal del principio de bloqueo en el diseño Grecolatino?. Incrementar el error experimental. Eliminar el análisis estadístico. Reducir la variabilidad causada por factores externos. Aumentar el número de tratamientos.

¿Qué condición debe cumplirse para aplicar un diseño en cuadro Grecolatino?. No se necesitan columnas. Los tratamientos pueden ser mayores que las filas. Debe existir una sola fuente de variación. El número de tratamientos debe ser igual al número de filas y columnas.

¿En un diseño Grecolatino, las letras latinas representan?. Una fuente de variación asociada a las filas. El error experimental. Las columnas. Los tratamientos.

¿Cuál es la principal ventaja del diseño en cuadro Grecolatino?. No requiere bloques experimentales. Solo se utiliza con dos tratamientos. Permite controlar dos fuentes de variación además de los tratamientos. Permite controlar una sola fuente de variación.