Estadística segundo bimestre

La variable dependiente es una variable que se predice o estima y se muestra en el eje de Y. verdadero. falso.

El intervalo de predicción reporta el rango de valores de Y para un valor particular de X. verdadero. falso.

El coeficiente de determinación puede tomar cualquier valor entre el rango de 0 a 1. verdadero. falso.

El coefiiciente de determinación es una proporción de la variación total en la variiable de pendiente Y que se explica, o contabiliza, por la variación en la variable X. verdadero. falso.

se puede presentar el caso de que dos variables estén estrechamente relacionadas, pero que su relación no sea lineal. verdadero. falso.

El coeficiente de determinación puede tomar cualquier valor entre el rango de -1 a 1. verdadero. falso.

En el análisis de regresión se determinan medidas para expresar la fuerza y la dirección de la relación lineal engtre dos variables. verdadero. falso.

Las pruebas de dos colas son equivalentes y siempre arrojarán exactamente los mismos valores de t y los mismo valores de p. verdadero. falso.

Una recta se considera la de mejor ajuste cuando la suma de los cuadrados de las desviaciones verticales respecto de sí misma es mínima. verdadero. falso.

El propósito de una análisis de regresión ( Y=a+b+Cx ) es calcular a y b pa desarrollar una ecuación lineal que se ajuste mejor a los datos. verdadero. falso.

Un intervalo de confianza se refiere a todos los casos con un valor dado X. verdadero. falso.

A la ecuación de la recta para estimar Y con base en X se le denomina ecuación de regresión. verdadero. falso.

La recta de regresión por mínimos cuadrados no siempre pasará por el punto X,Y. verdadero. falso.

En la ecuación Y= + X; y son parámetros poblacionales. verdadero. falso.

Con el criterio de mínimos cuadrados se determina la ecuación de regresión. verdadero. falso.

En el análisis de regresión simple las dos variables, independientes y dependiente deben estar únicamente a escala de intervalo. verdadero. falso.

La ecuación de regresión es la ecuación que expresa la relación lineal entre dos variables. verdadero. falso.

Los valores a y b en la ecuación de regresión se les conoce como coeficientes de regresión estimada. verdadero. falso.

La existencia de correlación entre variable no implica casualidad. verdadero. falso.

El error estándar de estimación mide la cercanía entre los valores reales y la recta de regresión. verdadero. falso.

Una correlación es perfecta cuando todas las observaciones se encuentran exactamente en la recta tanto de pendiente positiva como negativa, por eso es que siempre existirá una correlación de 1 entre la variable "X" y "Y". verdadero. falso.

Cuando los datos son de una muestra tomada de una población, lo que se hace es una interferencia esttadística. verdadero. falso.

Un coeficiente de correlación de -1.00 o bien de + 1.00 indica una correlación imperfecta. verdadero. falso.

Una de las características del coeficiente de correlación menciona que, el valor ccercano a 1 índicaa una relación directa o pósitiva entre las variables. verdadero. falso.

Un intervalo de predicción se refiere a un caso particular de un valor dado de X. verdadero. falso.

El análisis de correlación es el estudio de la relación entre variables. verdadero. falso.

El error estándar de estimación es la medida de la dispersión de los valores observados respecto a la recta de regresión. verdadero. falso.

Una de las características del coeficiente de correlación es que un valor cercano a 0 indica que hay poca asociación entre las variables. verdadero. falso.

El error estándar de estimación proporciona una medida relativa de la capacidad de predicción de una ecuación de regresión. verdadero. falso.

El error estándar de estimación mide la variación alrededor de la recta de regresión. verdadero. falso.

El intervalo de confianza, reporta el valor medio de Y para una X dada. verdadero. falso.

Para realizar una análisis de correlación se debe elaborar una ecuación para expresar la relación lineal entre dos variables. verdadero. falso.

El coeficiente de correlación describe la fuerza de la relación entre dos conjuntos de variables en la escala de intervalo o de razón. verdadero. falso.

El error estándar de estimación es similar a la varianza que se basa en valores cuadráticos. verdadero. falso.

El propósito de la ecuación de regresión es cuantificar una relacion lineal entre dos variables. verdadero. falso.

El intervalo de confianza también se basa en el nivel de confianza , el tamaño del error estándar de estimación, el tamaño de la muestra y el valor de la variable independiente. verdadero. falso.

La fuerza de la correlación depende de la dirección ya sea - o bien +. verdadero. falso.

Una de las caracteristicas del coeficiente de correlación indica que cuando el valor es ccercano a -1 significa que existe una ascociación directa o positiva entre las variables. verdadero. falso.

En la práctica común se debe situar la variable dependiente en el eje vertical o Y y la variable independiente en el eje horizontal o X. verdadero. falso.

En la ecuación de regresión lineal Y=a+BX a es la pendiente y b es la intersección con Y. verdadero. falso.

Dos variables tienen una relación positiva cuando se ubican por arriba de la media. verdadero. falso.

Es usual comenzar con un diagrama de dispersión, cuando se estudia la relación engtre dos variables en escala ordinal o nominal. verdadero. falso.

El error estándar y el coeficiente de determinasiónson son estadísticos que proporcionan una evaluación general de la capacidad de una ecuación de regresión para predecir una variable independiente. verdadero. falso.

En la regresión lineal se supone que los valores Y son estadísticamente independientes. Esto significa que, al seleccionar una muestra, una X particular no depende de ningún ootro valor de X. verdadero. falso.

Un coeficiente de correlación con un valor calculado de -1.00 revela que las variables están perfectamente relacionadas en un sentido lineal inverso. verdadero. falso.

Cuando el error estándar es pequeño, significa que las dos variables no están muy relacionadas. verdadero. falso.

La variables dependiente es aleatoria, esto es, por cada valor dado a la variable independiente, existen muchos posibles resultados para la variable dependiente. verdadero. falso.

En una correlación espirua, 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 una ocasiones un cambio en otra. verdadero. falso.

Si el error estándar y el coeficiente de determinación son dos estadisticos que proporcionan una evaluación general de la capacidad de una ecuación de regresión para predecir una variable independiente. verdadero. falso.

Para explorar otras relaciones no lineales, una posibilidad es transformar un variable, por ejemplo en lugar de emplear "Y" como variable dependiente, se puede emplear su logaritmo, recíproco, cuadrado o raíz cuadrada. verdadero. falso.

Cuando no hay ninguna relación entre dos conjuntos variables, la r de Person es cero. verdadero. falso.

El análisis regresión se podría utilizar para predecir un amplio rango de fenómenos, desde medidad económicas hasta diferentes aspectos del comportamiento humano. verdadero. falso.

En general es imposible que el comportamiento de Y (variable dependiente) sea explicad en gran medida por solo una variable independiente. verdadero. falso.

Cuando el valor t calculado se encuentra en la región de rrechazo la Ho, est significa que la correlación entre la población es cero. verdadero. falso.

los ingresos de los profesores y el número de instituciones psiquiátricas han aumentado de forma proporcional. Al relacionar estas dos variables se está presentando un ejemplo de correlaciones espurias. verdadero. falso.

Cuando existe una correlación espuría se puede concluir que se tiene dos variables con fuerte correlación porque hay una relación o asociación entre ambas , no que un cambio en la una ocasiona un cambio en la otra. verdadero. falso.

Un coeficiente de correlación cercano a cero indic que la relación lineal es muy fuerte. verdadero. falso.

Lo que se puede concluir cuando se tienen dos variables con fuerte correlación en que hay una relacióm o asociación entre ambas variables, no que el cambio enuna ocasiona un cambio en otra. verdadero. falso.

Cuando el error estándar es pequeño significa que las dos variables no están muy relacionadas. verdadero. falso.

En una correlación espuriai, se concluye que, cuando hay dos vavriables con una fuertte correlación es que hay una relación o asociación entre ambas variables, no que un cambio en una ocasiona una cambio en la otra. verdadero. falso.

Debido a que los pronósticos no son perfectos, es necesario contar con una medida para describir cuan preciso es el pronóstico de Y con base en X, o a la inversa, que tan inexacta puede ser la estimación. verdadero. falso.

Al emplear la recta de regresión con un método matemático denominado principio de los mínimos cuadrados se elimina ell juicio subjetivo. verdadero. falso.

Si el error estándar 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. verdadero. falso.

Si la correlación es débil, al representar los datos en un diagrama de dispersión se podrá observar una dispersión considerable respecto a la recta trazadaa través del centro de los datos. verdadero. falso.

El análisis de regresión se podría utilizar para predecir un amplio rango de fénomenos, desde medidas económicas hasta diferentes aspectos del comportamiento humano. verdadero. falso.

La idea básica del análisis de correlación es reportar la asociación entre cuuatro variables. verdadero. falso.

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 curvulínea. verdadero. falso.

Cuando dos variables tienen una relación inversa, una variable estará arriba y la otra debajo de la media. verdadero. falso.

Si hay una relación débil entre dos variables, es factible suponer que un aumento o una disminución en una variable no causa mayopr efecto en la otra. verdadero. falso.

Cuando los puntos en el diagrama de de dispersión aparecen cerca de la recta, se observa que el coeficiente de correlación tiende a ser grande. verdadero. falso.

Las siguientes variables tienen una relación positiva porque al incrementar el nivel de ingresoos incrementa el ahorro. verdadero. falso.

Un ejemplo de variable dependiente es por ejemplo que se desea predecir el número esperado de productos que se venderán si un representante visita 20 micro mercados. La variable sería productos que se vendden. verdadero. falso.

En una regresión los valores positivos indican una relación directa y los valores negativos de una relación indirecta. verdadero. falso.

Si existe una correlación de 0,76 se puede concluir que existe una asociación muy débil entre las variables ya que el valor está muy cercano a él. verdadero. falso.

Se puede afirmar que identificar y estudiar las relaciones ente variables puede proporcionar información para elevar ganancias, reducirlos costos, predicir la demanda, etc. verdadero. falso.

Las siguientes variables tienen una relación positiva porque al incrementar el nivel de ingresos incrementa el ahorro. verdadero. falso.

Que ocurre si se rechaza la hipótesis nula? Se deduce que la pendinte de la recta de regresión d ela población no es igual a cero, es decir existe una relación signifiicativa entre ambas variables. verdadero. falso.

En la siguiente función promedio de notas de Estadística = (base matemáticas que tiene el estudiante).La variable dependiente sería si el estudiante de la asignatura de estadística tiene o no bases de matemáticas. verdadero. falso.

Si se obtiene un coeficiente de determinación de 0,576, se dice que el 57,6% de la variación en la variable "Y" se explica, o está representada por la variaci´pon de la variable "X". verdadero. falso.

El consumo de margarina eleva divorcios en Ecuador, es una claro ejemplo de correlación espuria. verdadero. falso.

Cuando el valor cae en la zona de rechazo se acepta la hipótesis alternaativa es decir se concluye que si hay una relación entre dos variables y no es casualidad, ya que la hipótesis alternativa plantea que la correlación es diferente a cero. verdadero. falso.

La multicolinealidad existe cuando las variables independientes están correlacionadas. verdadero. falso.

Muchas estadísticas y métodos estadísticos se utilizan para evaluar la relación entre una variable dependiente y más de una variable independiente. verdadero. falso.

Una de las suposiciones de la regresión múltiple es que las variables independientes no deberán estar correlacionadas. verdadero. falso.

El coeficiente de determinación múltiple a diferencia de coeficiente de determinación de una regresión lineal simple si puede adoptar valores negativos. verdadero. falso.

Una de las suposiciones de la regresión múltiple, es que existe una relacipón directa entre la variable dependiente y el conjunto de variables independientes. verdadero. falso.

El análisis de regresión múltiple sirve como técnica descriptiva o como técnica de inferencia. verdadero. falso.

En la prueba global la o es: al menos un coeficiente de regresión no es cero. verdadero. falso.

Cuando los coefIcientes de las variables explicativas presenten signo negativo, significa que existe una relación directa con respecto a la variable dependiente. verdadero. falso.

El coeficiente de determinación es el coeficiente de correlación al cuadrado. verdadero. falso.

En una regresión múltiple conviene seleccionar un conjunto de variables independientes que no estén correlacionados entre sí. verdadero. falso.

El coeficiente de determinación múltiple puede adoptar valores negativos y su interpretación es fácil. verdadero. falso.

La homocedasticidad se presenta cuando la variación respecto de la ecuación de regresión es igual para todos los valores de las variables independientes. verdadero. falso.

Cada nueva variante independiente hace que las predicciones sean mas precisas. verdadero. falso.

Si un análisis de regresión múltiple incluye más de dos variables independientes, permiten empleaar fácilmente una gráfica para ilustrar el análisis. verdadero. falso.

Si un coeficiente de regresión es cero, implica que la variable independiente en particular no tiene valor para explicar algunna variación del valor dependiente. verdadero. falso.

La distribución F es sesgada de manera positiva cuando aumenten los valores de X, entonces la curva se aproximará al eje horizontal. verdadero. falso.

El valor p es menor que el nivel de significansia elegido, se decide rechazar la hipotesis nula. verdadero. falso.

El análisis de regresipon múltiple sirve como técnica descriptiva o como técnica de inferencia. verdadero. falso.

Cada nueva variable independiente hace que las predicciones sean más precisas. verdadero. falso.

Una variable ficticia es aquella en la que solo existen dos resultados posibles.Para el análisi, uno de los resultados se codifica coon 1 y el otro con un 0. verdadero. falso.

La distribución F es acirtótica cuando la cola de la distribución se encuentra a la derecha. verdadero. falso.

Si hay coeficientes con respecto a los cuales la Ho no se puede rechazar; quizá sea prudente eliminarlos de la ecuación de regresión. verdadero. falso.

La prueba global es una prueba del modo de rregresión múltiple la cual investiga si es posible que todas las variables independientes tengas coeficiente de regresión cero. verdadero. falso.

Cuando los residuos sucesivos están correlacionados, a esta condición se la conoce como homocedasticidad. verdadero. falso.

En el caso del estadístico F, el valor p se define como la probabilidad de observar un valor F tan o más grande que que el estadístico de prueba , asumiendo que la hipótesis nula es falsa. verdadero. falso.

En un modelo de regresión múltiples las variables independientes no deben estar corelacionados. verdadero. falso.

La autocorelación se presenta con frecuencia cuando los datos se colectan durante un periodo. verdadero. falso.

Los estadísticos pruebas y análisis que se aplican en el análisis de regresión simple no difieren con los del análisis de regresión múltiple. verdadero. falso.

El número de grados de libertad en la regresión es igual al número de variables independientees existentes en la ecuación de la regresión multiple. verdadero. falso.

El método de mínimos cuadrados también permite inferir o generalizar a partir de la relación de una población completa. vedadero. falso.

En una distribución continua de distribución puede tomar un número infinito de valores entre 0 y el infinito positivo. verdadero. falso.

El análisis de regresión múltiple sirve como técnica de inferencia y técnica descriptiva. verdadero. falso.

En la regresión múltiple existe una relación directa entre la variable dependiente y el conjunto de variables independientes. verdadero. falso.

Para probar la hipotecis nula de que todos los coeficientes de regresión múltiple son cero se emplea la distribución F. verdadero. falso.

El coeficiente de determinación múltiple puede adoptar valores negativos y su interpretación es fácil. verdadero. falso.

Para verificar la homocedastisidad, los residuos se trazan contra los valores ajustados de X. vedadero. falso.

La distribución F es sesgada de manera positiva cuando aumentan los valores de X , entonces las curva se approximará al eje horizontal. vedadero. falso.

Si se puede emplear una variable cualitativa con más de dos resultados posibles. verdadero. falso.

El coeficiente de determinación múltiple puede variar de 0 a 1. verdadero. falso.

El análisis de regresión multiple sirve como técnica de inferencia y técnica descriptiva. verdadero. falso.

Cuando se agrega o elimina una variable independiente, hay un cambio drástico de los valores de los coeficientes de regresión restantes. verdadero. falso.

El número de variables independientes en una ecuación de regresión múltiple aumenta el coeficiente de determinación. verdadero. falso.

El principio de los mínimos cuadrados determinan una ecuación de regresión al minimizar la suma de los cuadrados de las distancias verticales entre los valoroes reales de "Y" y los valores prronisticas dos "Y". verdadero. falso.

El análisis de regresión múltiple se usa generalmente en procesos de investigación. verdadero. falso.

Se da una interacción cuano una variable independiente como X2 afecta a la relación con otra variable independiente X1 y l variable dependiente Y. verdadero. falso.

Cuando se realiza un prueba global, la hipotecis alternativa plantea al menos un coeficiente de regresión no es cero. verdadero. falso.

La siguiente ecuación de regresión, representa a una análisis de regresión múltiple =a+b1 X1 + b2 X2. verdadero. falso.

Cada nueva variable independiente reduce la suma de los cuadrados del residuo (SSE) y aumenta la suma de los de los cuadrados de la regresión (SSR). verdadero. falso.

Con las propiedades de las distribuciones muestrales que son iguales a los valores de los parámetros que se estimarán, es posible inferir a cerca de los parametros poblacionales. verdadero. falso.

Tanto el caso de variables (regresión simple) como en el de más de dos variables (regresión múltiple), el análisis de regresión lineal puede utilizarse para explicar y cuantificar la relación entre una variable llamada independiente o predecida (Y) y una op más variablles llamadas independientes o predictorias (X1,,X2,..........Xn). verdadero. falso.

En la práctica es posible seleccionar variables que carezcan por completo de alguna relación. verdadero. falso.

Cuando un coeficiente de regresión que debería tener signo positivo resulta negativo, o lo contrario, podría ser un indicio de que existen problemas milticolinealidad. verdadero. falso.

Una de las razones por las que se debe evitar variables independientes correlaciones, es que pueden generar resultados erróneos en las pruebas de hipótesis para las variables independientes individuales. verdadero. falso.

En una regresión múltiple los coeficientes de regresión y los signos algebraicos también proporcionan información acerca de sus relaciones individuales con la variable dependiente. verdadero. falso.

El hecho de usar más de una variable independiente de la ventaja de utilizar más información en la construcción del modelo y, consecuentemente realizar estimaciones más precisas. verdadero. falso.

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 cad variable independiente y la variable dependiente, la multicolinealidad puede presentar resultados inesperados. verdadero. falso.

El salario puede depender del nivel de educación y de los años de experiencia en. Este ejemplo se está planteando un modelo de regresión lineal simple. verdadero. falso.

En el siguiente ejemplo "Se tiene interés en estimar el salario de un ejecutivo con base en los años de su experiencia laboral y se graduó de la universidad". En este modelo la variable que s se debe convertir en ficticia es la variable años de experiencia laboral. verdadero. falso.

Las variables cualitativas, describen una cualidad particular; como masculino o femenino. verdadero. falso.

El siguiente ejemplo "Se tiene interes en estimar el salario de un ejecutivo con base en sus años con experiencia laboral y si se graduó de la universidad". En este modelo de la variable que se debe convertir en ficticia es la variable años de experiencia laboral. verdadero. falso.

El incremento de los precios en los productos dependen de la inflación y el desempleo. Es un ejemplo e regresión lineal simple. verdadero. falso.

Explicar el nivel de un contaminante en funsión de la densidad industrial y de las lluvias medias mensualese son claros ejemplo de regresión lineal multiple. verdadero. falso.

Cuando los coeficientes de las variables explicativas presenten signo positivo, significa que existe una relación inversa con respecto a la variable dependiente. verdadero. falso.

El incremento de los precios en los productos depende de la inflación y el desempleo. Es un ejemplo de regresión lineal simple. verdadero. falso.

La variable género (hombre-mujer) es de escala ordinal y de carácter cuantitativo. verdadero. falso.

La variable cualitativas, describen una cualidad particular, como masculino o femenino. verdadero. falso.

Cuando los coeficientes de las variables explicativas presentan al signo positivo,significa que existe una relación inversa con respecto a la variable dependiente. verdadero. falso.

El índice de Pasche utiliza cantidades del periodo base como ponderaciones. verdadero. falso.

El índice de fisher es la media geométrica de los índices de Aspereares y Pasche. verdadero. falso.