De las siguientes gráficas identifica la gráfica residual contra el tiempo con datos cronológicos.

Dado el siguiente modelo de regresión lineal múltiple, y=37.85X₁-22.34X₂predice el peso de una persona, sabiendo que su edad (X₁) es de 38 años y su altura (X₂) es de 1.62.

Las ganancias de una empresa de ventas por catálogo se relacionan a través del número de distribuidores y el precio del producto. ¿Cómo explicarías la relación entre estas utilizando el coeficiente de determinación mostrado en el siguiente análisis de datos?

Indica el primer apellido de la maestra de estadística y pronósticos para la toma de decisiones

Realizamos el cálculo de nuestro estadístico F y obtenemos un valor de 30; sin embargo, el estadístico teórico es 22.

De acuerdo a la prueba de hipótesis H0 : β1= β2= 0
                                                              y Ha: Bi  $\ne$  0

Con este resultado podemos concluir:

En la siguiente tabla se muestran los datos de un análisis ANOVA. Si se obtuvo una F de tablas con valor de 2.76, ¿cuál sería su decisión?

Es el valor obtenido de la tabla “t” en este caso:

t alfa/2 ( n-k-1)

alfa=0.05

n=12

k=2

¿Cuál de las siguientes figuras representa una gráfica de residuales de series de tiempo?

Es la gráfica de residuo que constituye una manera de verificar el supuesto de normalidad. En la práctica, las desviaciones moderadas de una curva no afectan las conclusiones en pruebas de hipótesis o en intervalos de confianza para la predicción cuando se basan en la distribución t, particularmente si las series de datos son grandes.

Para la siguiente tabla de análisis de varianza obtén el valor faltante de F.

En la siguiente matriz de correlación Indica el r₁₃

Es una estadística que se utiliza para probar la significancia global de una regresión múltiple

Es la situación en la cual las variables independientes de una ecuación de regresión múltiple están sumamente intercorrelacionadas. Es decir, existe una relación lineal entre dos o más variables independientes.

La multicolinealidad se mide por medio de

Un valor de VIF alto implica que existe información redundante en las variables independientes y que, por lo tanto, cada vez que una de estas variables se modifique, el coeficiente de otra variable puede ser afectado