Examen 5 - Machine learning

¿Qué problema de optimización se debe resolver en una regresión lineal simple?

• minimizar ∑_i (y_i - β_{0 -} β₁x_i^)² cambiando β_{0 y} β₁

• maximizar ∑_i (y_i - β_{0 -} β₁x_i)² cambiando β_{0 y} β₁

• maximizar ∑_i (y_i - β_{0 -} β₁y_i)² cambiando β_{0 y} β₁

• Ninguna respuesta es correcta

¿Que información práctica indican los coeficientes (β_i) de cada variable independiente en regression múltiple?

• La magnitud de la influencia que tiene esa variable independiente sobre la dependiente

• La magnitud de la influencia que tiene la variable dependiente sobre las independientes

• La magnitud de la influencia que tiene la variable dependiente sobre el coeficiente de determinación

• Ninguna respuesta es correcta

Seleccione las respuestas correctas.

El coeficiente de determinación

• indica cuanto de la variación en la variable dependiente es explicada por la o las variables independientes

• es una medida del poder de explicación del modelo construido

• puede tomar valores entre -1 y 1

• puede tomar valores entre 0 y 1

¿Qué prueba estadística sirve para analizar si el modelo de regresión en general funciona o no?

• ANOVA

• t test

• Coeficiente de correlación

• Coeficiente de determinación

¿Qué prueba estadística sirve para analizar si el coeficiente β_i de una variable independiente es significativo o no, en otras palabras, si afecta o no a la variable dependiente?

• ANOVA

• t test

• Coeficiente de correlación

• Coeficiente de determinación

Cuando la varianza de los residuos (ε_i) no es constante decimos que nuestros datos sufren de:

• Homocedasticidad

• Heterocedasticidad

• Autocorrelación

• Multicolinealidad

Cuando dos o más residuos (ε_i) están correlacionados nuestros datos sufren de:

• Homocedasticidad

• Heterocedasticidad

• Autocorrelación

• Multicolinealidad

La prueba de White me indica si mis datos tienen:

• Homocedasticidad

• Ninguna opción es correcta

• Autocorrelación

• Multicolinealidad