Modelo de regresión lineal simple s6

¿Qué es la autocorrelación en el análisis estadístico?. La relación entre dos variables independientes. La correlación entre los valores observados y los predichos. La relación entre un valor y los valores pasados de la misma variable. La diferencia entre las medias de dos conjuntos de datos.

¿Cuál de las siguientes es una causa común de autocorrelación en un modelo estadístico?. Uso de variables dependientes altamente correlacionadas. Exclusión de una variable explicativa importante. Inclusión de variables no significativas. Selección aleatoria de la muestra.

¿Qué tipo de patrones en los residuos sugiere la presencia de autocorrelación en un modelo de regresión?. Residuos distribuidos de manera uniforme. Residuos con alta varianza sin patrones definidos. Residuos que forman un patrón cíclico o sistemático. Residuos con valores negativos únicamente.

¿Cuál es el objetivo principal de la predicción estadística?. Explicar los factores históricos de un fenómeno. Anticipar valores futuros de una variable basada en datos históricos. Reducir la varianza de los datos observados. Determinar las relaciones causales entre variables.

¿Qué técnica se utiliza comúnmente para evaluar la precisión de las predicciones estadísticas?. Análisis de varianza (ANOVA). Error cuadrático medio (ECM). Transformación logarítmica. Intervalos de confianza.

En un modelo de predicción estadística, ¿qué representa la variable independiente?. La variable que se utiliza para predecir el valor de la variable dependiente. La variable que se desea predecir. Los errores residuales del modelo. La constante del modelo.

¿Cuál de los siguientes modelos se utiliza comúnmente para realizar predicciones estadísticas?. Análisis factorial. Regresión lineal. Análisis de conglomerados. Prueba de chi-cuadrado.