Clasificación de modelos matemáticos

¿Qué caracteriza a un modelo lineal?

• Las relaciones son polinómicas complejas.

• Las relaciones entre las variables son proporcionales y se representan con ecuaciones como y=mx+b.

• Siempre incluye variables aleatorias.

• Se basa únicamente en datos experimentales.

Un modelo no lineal se describe mejor como:

• Un modelo donde las relaciones no son proporcionales y requieren ecuaciones polinómicas, exponenciales, etc.

• Un modelo que siempre produce el mismo resultado.

• Un modelo que analiza un momento específico sin evolución.

• Un modelo construido a partir de leyes físicas.

¿Qué tipo de modelo no incorpora el azar o la incertidumbre?

• Estocástico

• Empírico

• Determinista

• Lineal

¿En qué tipo de modelo se utilizan variables aleatorias para incorporar la incertidumbre?

• Teórico

• Estático

• Determinista

• Estocástico

¿Qué diferencía a un modelo estático de uno dinámico?

• El estático usa ecuaciones diferenciales y el dinámico no.

• El dinámico no considera cambios en el tiempo.

• El estático analiza un sistema en un momento específico, el dinámico describe su evolución.

• El estático se basa en datos y el dinámico en teorías.

¿En qué clasificación entraría un modelo de pronóstico meteorológico?

• Determinista

• Estocástico

• Estático

• Teórico

Definición de "modelación matemática"

• Es una réplica exacta y física del mundo real

• Es el uso exclusivo de computadoras para generar gráficos

• Es una colección de datos estadísticos sin ningún procesamiento

• Es una representación abstracta y simplificada de un sistema o un fenómeno real.

Si un modelo matemático incorpora variables aleatorias y reconoce que existe incertidumbre en los resultados, ¿cómo se clasifica?

• Modelo determinista

• Modelo estocástico

• Modelo estático

• Modelo lineal

En el contexto de la regresión lineal, ¿qué es exactamente un "residuo"?

• El valor promedio de todos los datos observados.

• El punto donde la recta cruza el eje X.

• La distancia vertical entre el valor real observado y el valor predicho por la recta.

• La distancia horizontal entre el punto de datos y el eje Y.

¿Cuál es la razón principal por la que el método de Mínimos Cuadrados Ordinarios eleva los residuos al cuadrado?

• Para evitar que los errores positivos y negativos se cancelen entre sí y penalizar errores grandes.

• Para hacer los números más pequeños y fáciles de manejar.

• Porque es la única operación que permite usar derivadas.

• Para convertir el modelo en una función exponencial.