Font size
WorksheetsREGRESION Y CORRELACIÓN LINEAL
Total questions: 70
Worksheet time: 54mins
porcentaje que la variable predictora explica de la variable respuesta:
Coeficiente de correlación
Coeficiente de determinación
Coeficiente de asociación.
Coeficiente lineal.
La siguiente imagen muestra que existe una relación lineal:
Directamente proporcional entre X e Y
Inversamente proporcional entre X e Y
Directamente proporcional entre X2 e Y
Inversamente proporcional entre X2 e Y2
Método de estimación para la mejor recta:
Máxima verosimilitud
Intervalos de confianza
Derivada de Y con respecto a X
Mínimos cuadrados.
Un ajuste del 0.89 en la recta de regresión lineal indica:
Una relación perfecta entre X e Y
Una relación debìl entre X e Y
Una relación fuerte entre X e Y
Una relación moderada entre X e Y
Los contraste de los parámetros de la regresión se realizan con una distribución:
t- student con 1 grado de libertad
t-student con n-p grados de libertad
F con 1 y k-1 grados de libertad
F con 2 y n grados de libertad
Coeficiente que mide la relación entre dos variables numéricas no normales de muestras pequeñas.
Coeficiente de correlación de pearson.
Coeficiente de correlación de spearman.
Coeficiente de correlación de kendall.
Coeficiente de correlación de tau b - kendall.
En un análisis de regresión lineal múltiple el ajuste se mira con el :
Coeficiente de correlación.
Coeficiente de determinación.
Coeficiente de determinación ajustado.
Coeficiente de correlación ajustado.
Un no rechazo de la Ho en la inferencia del β1 implica:
Un cambio de la variable Y a razón de X en un valor > que cero.
Un cambio de la variable Y a razón de X en un valor < que cero.
Un cambio de la variable Y a razón de X en un valor = que cero.
Un cambio de la variable Y a razón de X en un valor = que cero.
La siguiente imagen muestra que existe una relación lineal:
Directamente proporcional entre X e Y
Inversamente proporcional entre X e Y
Directamente proporcional entre X2 e Y
Inversamente proporcional entre X2 e Y2
Método de estimación para la mejor recta:
Máxima verosimilitud
Intervalos de confianza
Derivada de Y con respecto a X
Mínimos cuadrados.
Una regresión lineal simple busca:
Establecer la diferencia entre 2 muestras
Establecer la relación entre una variable independiente y otra dependiente
Establecer la relación entre más de una variable independiente y una dependiente
Establecer la relación entre una variable independiente y más de una dependiente
En la expresión Y = b + a X, el término b representa
La intersección con el eje X
La intersección con el eje Y
La suma de los errores
La suma de los errores al cuadrado
El modelo de ________________________ explica la relación entre una variable dependiente, a la que se denotará y, con otra(s) explicativa(s) a través de una ecuación de primer orden.
regresión lineal
regresión no lineal
correlación
ninguna de las anteriores
Uno de los aspectos que más se descuida al ajustar un modelo de regresión lineal simple es revisar que se cumplan los ______________________del modelo
numeros
datos
supuestos
ninguna de las anteriores
una función lineal sera decreciente si
m=0
m>0
m<0
se puede decir que la función lineal es
una recta dibujada en el plano cartesiano
una curva que va hasta el infinito
una función cuadratica
En una ecuación lineal el valor de "b" corresponde a:
La intersección con el eje x
La pendiente de la recta
La raíz de la ecuación
La intersección con el eje y
En una ecuación lineal el valor de "m" representa:
La raíz de la ecuación
La intersección con x
La pendiente de la recta
La intersección con y
Un error estándar del estimado igual a 1.0 significa una relación perfecta entre la variable dependiente y la variable independiente.
Verdadero
Falso
Uno de los supuestos de la regresión lineal es de que los valores residuales tienen una media aritmética igual a cero.
Verdadero
Falso
El siguiente es un ejemplo de regresión lineal: El ingreso que percibe un individuo esta relacionado con el nivel de educación.
Verdadero
Falso
En un diagrama de dispersión existe una correlación entre la variable "X" y "Y" que no es perfecta cuando la correlación entre las dos variables siempre será un valor cercano a 1.
Verdadero
Falso
El siguiente es un ejemplo de regresion lineal: El nivel de ingresos de un individuo asociado con el sector en el que trabaja y con el nivel de educación de educación que posee
Verdadero
Falso
La variable dependiente es una variable que:
se explica y se encuentra en ele eje X
se predice o estima y se muestra en el eje Y
se predice o estima y se muestra en el eje X
En el siguiente ejemplo "Se tiene interés en estimar el salario de un ejecutivo con base en los años de su experiencia laboral y si se gradúo de la universidad"
En este modelo la variable que se debe convertir en ficticia es la variable años de experiencia laboral.
En este modelo la variable que se debe convertir en ficticia es el salario
En este modelo la variable que se debe convertir en ficticia es si se graduó de la universidad.
Cuando se agrega o elimina una variable independiente, hay un cambio ______ de los valores de los coeficientes de regresión restantes.
drastico
leve
moderado
De acuerdo al siguiente modelo de regresión lineal ¿Cuál será el valor estimado de "y" si "x" es igual a 3?
No es posible saberlo
15.5
23.6
2.7
¿Cual de los siguientes diagramas representa una correlación positiva?
¿Consiste en generar un modelo de regresión (ecuación de una recta) que permita explicar la relación lineal que existe entre dos variables?
Regresión lineal simple
Regresión lineal múltiple
Regresión progresiva
Regresión de probabilidad
¿se basa en obtener una relación lineal entre un conjunto de variables independientes X1,..,Xn con una variable dependiente Y?
Regresión lineal progresiva
Regresión lineal simple
Regresión lineal múltiple
Regresión de probabilidad
¿Es un número que se obtiene a partir de los datos de una muestra estadística?
Valor estadístico
Parámetro
Intervalo
Constante
¿Describe la variabilidad entre la medida obtenida en un estudio y la medida real de la población. Es también conocido como probabilidad de rechazo?
Constante
Coeficiente de correlación
Parámetro
Intervalo de confianza
¿Es un índice numérico de la dispersión de un conjunto de datos?
Media muestral
Desviación estándar
Coeficiente de correlación
Promedio
¿Qué interpretan b0 y b1?
La ordenada al origen
Pendiente
Probabilidad
Intervalo
Promedio
Media
Media muestral
Pendiente
¿Cuál de las siguientes opciones es la ecuación de la recta de regresión lineal?
Y = x^2 / x1
Z = y + x
Yo = x2 + x
Yi = β0 + β1x
¿Es la diferencia entre el valor observado de la variable dependiente y el valor proyectado por la ecuación de regresión?
Media muestral
Residuo
Intervalo de confianza
Muestra
Considerando las siguientes variables:
X = Numero de estudiantes que trabajan
Y = Promedio de calificaciones
¿Cuál es la variable dependiente?
X = Numero de estudiantes que trabajan
Y = Promedio de calificaciones
El análisis de regresión consiste en definir la variable independiente X que ayude a explicar o a estimar la variable dependiente Y, siempre que exista una relación lineal entre ellas y siempre que se trate de variables cuantitativas.
FALSO
VERDADERO
El análisis de regresión se enfoca en la exploración, explicación y estudio de dependencia de una variable mediante una o más variables explicativas.
VERDADERO
FALSO
El método de mínimos cuadrados se utiliza para determinar una ecuación de la recta que tiene como característica el Involucra para su cálculo, la noción de Y, igual, al valor de un dato i de Y.
VERDADERO
FALSO
Una regresión lineal simple busca:
Establecer la diferencia entre 2 muestras
Establecer la relación entre una variable independiente y otra dependiente
Establecer la relación entre más de una variable independiente y una dependiente
Establecer la relación entre una variable independiente y más de una dependiente
El método de los mínimos cuadrados minimiza una suma basada en
la distancia vertical a la recta
la distancia horizontal a la recta
la distancia perpendicular a la recta
la diferencia entre los valores X y Y
Uno de los supuestos del modelo de regresión lineal es: Que la relación entre las variables sea lineal
Verdadero
Falso
Uno de los supuestos del modelo de regresión lineal es: Que la relación entre las variables sea lineal
Verdadero
Falso
En el modelo de regresión lineal simple solo se considera una variable independiente.
Falso
Verdadero
la correlación sirve para:
medir el grado o la fuerza de asociación entre dos variables.
determinar la distancia promedio entre la recta o curva de regresión y los puntos externos
medir valores de aproximación en y
dibujar la curva o recta de regresión
Para este diagrama de dispersión, el coeficiente de correlación es:
cercano a 0
cercano a 1
cercano a -1
exactamente 1
Cuando hay ausencia de correlación, "r" se acerca a:
(a)
El método para ajustar una línea de Regresión, haciendo mínima la suma de cuadrados de las diferencias entre los puntos dados y los obtenidos mediante la línea ajustada se le denomina:
análisis de tendencia mínimo
Coeficiente mínimo de Pearson
Varianza mínima
Mínimos cuadrados
Supongamos la siguiente información acerca de precios P y cantidades Q demandadas. Se puede observar que la relación entre P y Q:
No es lineal
Es lineal
No tiene una forma determinada
Es exactamente una recta
Para calcular el coeficiente de correlación de una aproximación exponencial, necesitamos hallar el promedio de la variable independiente
Verdadero
Falso
Seleccione lo que NO se necesita para calcular los valores de "a" y "b" de una ecuación de aproximación exponencial (puede escoger más de una opción)
∑x
∑y
∑logy
∑xlogy
∑logx
En el modelo de regresión lineal simple solo se considera una variable independiente.
Falso
Verdadero
Nos dice en qué medida nuestro modelo de regresión representa los datos de la realidad.
R
R2
SIG o Valor P
Nos dice qué tan fuerte es la relación entre dos variables.
r
R2
SIG o Valor P
Que significa para un modelo tener un valor R2 de cero?
R^2 no puede ser cero
Un valor de cero podría indicar que el modelo falla en modelar correctamente los datos
Un valor de cero podria indicar que el modelo hace un fit perfecto.
Un ajuste del 0.89 en la recta de regresión lineal indica:
Una relación perfecta entre X e Y
Una relación debìl entre X e Y
Una relación fuerte entre X e Y
Una relación moderada entre X e Y
se puede decir que la función lineal es
una recta dibujada en el plano cartesiano
una curva que va hasta el infinito
una función cuadratica
El coeficiente de correlación de la variables se representa por:
r
r2
m
b
Que significa para un modelo tener un valor R2 de cero?
R2 no puede ser cero
Un valor de cero podria indicar que el modelo falla en modelar correctamente los datos
Un valor de cero podria indicar que el modelo hace un fit perfecto.
En la ecuacion de regresion lineal multipe que son las variables m?
La intercepcion
Las variables independientes
Las variables dependientes
Los coeficientes
Cual de los 2 siguientes coeficientes tendra un mayor impacto en la variable dependiente, un coeficiente de -1.5 o un coeficiente de 1.5?
Ambos tendran el mismo nivel de impacto
El coeficiente -1.5
El coeficiente 1.5
Cual de las siguientes frases es la correcta acerca del Analisis Residual (Residual Analysis)?
El analisis residual nos permite evaluar la precision del modelo de regresion lineal multiple
El analisis residual nos permite evaluar la precision del modelo de clasificacion
Un residual es la diferencia entre el modelo de entrenamiento y modelo de test.
Verdadero/Falso: el conjunto de datos de test son los datos que usted particiona al principio del modelo (para proveer informacion sin sesgar la evaluacion del modelo)
Verdadero
False
Dada una regresion lineal y 4 puntos de datos, cual punto tiene el residual mas largo?
Punto C
Punto D
Punto B
Punto A
SI AL AUMENTAR UNA VARIABLE AUMENTA TAMBIEN LA OTRA DECIMOS QUE ES UNA CORRELACIÓN
POSITIVA O DIRECTA
NEGATIVA O INVERSA
NULA
A medida que aumenta la temperatura ambiental el pH de la leche disminuye, y el coeficiente de relación r= -0,97, concluimos que es
CORRELACION NEGATIVA FUERTE
NULA
CORRELACION NEGATIVA PERFECTA
CORRELACION POSITIVA FUERTE
EN LA GRAFICA PUEDO TRAZAR UNA LINEA DE REGRESION POSITIVA PORQUE A MEDIDA QUE AUMENTA X AUMENTA Y
VERDADERO
FALSO
TIPOS DE CORRELACION
T DE STUDENT, ANOVA
KRUSKALL, PEARSON
SPEARMAN, PEARSON
Selecciona la opción (u opciones) que represente el modelo de regresión lineal.
Y = X1 + X2 + X3 + B
Y = (Vo-Vi)/Vi
Y = X1 + X2 + B
Y = MX + B
