Regresion

¿Qué representa β1 en la regresión lineal simple?

• El valor de y cuando x = 0

• El cambio en y por cada incremento de una unidad en x

• El error aleatorio

• La varianza de x

Si R2 = 0.85, ¿qué significa?

• El modelo explica el 85% de la varianza de y

• Los errores son grandes

• Hay multicolinealidad

• El modelo está sobreajustado

¿Qué mide el error estándar de la estimación?

• La precisión de los coeficientes

• La desviación promedio de las predicciones respecto a los valores reales

• La correlación entre x e y

• La varianza de x

En regresión múltiple, agregar un predictor siempre:

• Aumenta R2

• Reduce R2

• Aumenta el R2 ajustado

• Reduce el MSE

Interpretación de β1 en regresión múltiple:

• Cambio en y por unidad de x1, ignorando otros predictores

• Cambio en y por unidad de x1, manteniendo otros predictores constantes

• Correlación entre x1 e y

• Valor de y cuando todos los predictores son cero

La ecuación y = β0 + β1x + β2x^2 es un ejemplo de:

• Regresión lineal simple

• Regresión polinómica de grado 2

• Regresión no lineal

• Regresión logística

¿Por qué la regresión polinómica se considera lineal?

• Porque la relación entre x e y es lineal

• Porque es lineal en los coeficientes (β)

• Porque usa solo una variable

• Porque minimiza el MSE

La función de costo en regresión lineal suele ser:

• Error Cuadrático Medio (MSE)

• Error Absoluto Medio (MAE)

• Precisión

• R2

Si R2 = 1, ¿qué valor tiene el MSE?

• 0

• 1

• -1

• Indefinido

¿Qué indica un MSE más bajo?

• Mejor ajuste del modelo

• Mayor varianza

• Sobreajuste

• Peor ajuste del modelo