Wayground logo

Free Printable Worksheets

Font size

S
M
L
XL
Worksheets

REGRESION Y CORRELACIÓN LINEAL

Total questions: 184

Worksheet time: 2hrs 18mins

Name
Class
Date
1.

porcentaje que la variable predictora explica de la variable respuesta:

a)

Coeficiente de correlación

b)

Coeficiente de determinación

c)

Coeficiente de asociación.

d)

Coeficiente lineal.

2.

La siguiente imagen muestra que existe una relación lineal:

a)

Directamente proporcional entre X e Y

b)

Inversamente proporcional entre X e Y

c)

Directamente proporcional entre X2 e Y

d)

Inversamente proporcional entre X2 e Y2

3.

Método de estimación para la mejor recta:

a)

Máxima verosimilitud

b)

Intervalos de confianza

c)

Derivada de Y con respecto a X

d)

Mínimos cuadrados.

4.

Un ajuste del 0.89 en la recta de regresión lineal indica:

a)

Una relación perfecta entre X e Y

b)

Una relación debìl entre X e Y

c)

Una relación fuerte entre X e Y

d)

Una relación moderada entre X e Y

5.

Los contraste de los parámetros de la regresión se realizan con una distribución:

a)

t- student con 1 grado de libertad

b)

t-student con n-p grados de libertad

c)

F con 1 y k-1 grados de libertad

d)

F con 2 y n grados de libertad

6.

Coeficiente que mide la relación entre dos variables numéricas no normales de muestras pequeñas.

a)

Coeficiente de correlación de pearson.

b)

Coeficiente de correlación de spearman.

c)

Coeficiente de correlación de kendall.

d)

Coeficiente de correlación de tau b - kendall.

7.

En un análisis de regresión lineal múltiple el ajuste se mira con el :

a)

Coeficiente de correlación.

b)

Coeficiente de determinación.

c)

Coeficiente de determinación ajustado.

d)

Coeficiente de correlación ajustado.

8.

Un no rechazo de la Ho en la inferencia del  β1\beta_1  implica:

a)

Un cambio de la variable Y a razón de X en un valor  >>   que cero.

b)

Un cambio de la variable Y a razón de X en un valor  <<   que cero.

c)

Un cambio de la variable Y a razón de X en un valor  ==   que cero.

d)

Un cambio de la variable Y a razón de X en un valor  ≠\ne   que cero.

9.

La siguiente imagen muestra que existe una relación lineal:

a)

Directamente proporcional entre X e Y

b)

Inversamente proporcional entre X e Y

c)

Directamente proporcional entre X2 e Y

d)

Inversamente proporcional entre X2 e Y2

10.

Método de estimación para la mejor recta:

a)

Máxima verosimilitud

b)

Intervalos de confianza

c)

Derivada de Y con respecto a X

d)

Mínimos cuadrados.

11.

Una regresión lineal simple busca:

a)

Establecer la diferencia entre 2 muestras

b)

Establecer la relación entre una variable independiente y otra dependiente

c)

Establecer la relación entre más de una variable independiente y una dependiente

d)

Establecer la relación entre una variable independiente y más de una dependiente

12.

En la expresión Y = b + a X, el término b representa

a)

La intersección con el eje X

b)

La intersección con el eje Y

c)

La suma de los errores

d)

La suma de los errores al cuadrado

13.

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.

a)

regresión lineal

b)

regresión no lineal

c)

correlación

d)

ninguna de las anteriores

14.

Uno de los aspectos que más se descuida al ajustar un modelo de regresión lineal simple es revisar que se cumplan los ______________________del modelo

a)

numeros

b)

datos

c)

supuestos

d)

ninguna de las anteriores

15.

una función lineal sera decreciente si

a)

m=0

b)

m>0

c)

m<0

16.

se puede decir que la función lineal es

a)

una recta dibujada en el plano cartesiano

b)

una curva que va hasta el infinito

c)

una función cuadratica

17.

En una ecuación lineal el valor de "b" corresponde a:

a)

La intersección con el eje x

b)

La pendiente de la recta

c)

La raíz de la ecuación

d)

La intersección con el eje y

18.

En una ecuación lineal el valor de "m" representa:

a)

La raíz de la ecuación

b)

La intersección con x

c)

La pendiente de la recta

d)

La intersección con y

19.

Un error estándar del estimado igual a 1.0 significa una relación perfecta entre la variable dependiente y la variable independiente.

a)

Verdadero

b)

Falso

20.

Uno de los supuestos de la regresión lineal es de que los valores residuales tienen una media aritmética igual a cero.

a)

Verdadero

b)

Falso

21.

El siguiente es un ejemplo de regresión lineal: El ingreso que percibe un individuo esta relacionado con el nivel de educación.

a)

Verdadero

b)

Falso

22.

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.

a)

Verdadero

b)

Falso

23.

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

a)

Verdadero

b)

Falso

24.

La variable dependiente es una variable que:

a)

se explica y se encuentra en ele eje X

b)

se predice o estima y se muestra en el eje Y

c)

se predice o estima y se muestra en el eje X

25.

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"

a)

En este modelo la variable que se debe convertir en ficticia es la variable años de experiencia laboral.

b)

En este modelo la variable que se debe convertir en ficticia es el salario

c)

En este modelo la variable que se debe convertir en ficticia es si se graduó de la universidad.

26.

Cuando se agrega o elimina una variable independiente, hay un cambio ______ de los valores de los coeficientes de regresión restantes.

a)

drastico

b)

leve

c)

moderado

27.

De acuerdo al siguiente modelo de regresión lineal ¿Cuál será el valor estimado de "y" si "x" es igual a 3?

a)

No es posible saberlo

b)

15.5

c)

23.6

d)

2.7

28.

¿Cual de los siguientes diagramas representa una correlación positiva?

a)
b)
c)
29.

¿Consiste en generar un modelo de regresión (ecuación de una recta) que permita explicar la relación lineal que existe entre dos variables?

a)

Regresión lineal simple

b)

Regresión lineal múltiple

c)

Regresión progresiva

d)

Regresión de probabilidad

30.

¿se basa en obtener una relación lineal entre un conjunto de variables independientes X1,..,Xn con una variable dependiente Y?

a)

Regresión lineal progresiva

b)

Regresión lineal simple

c)

Regresión lineal múltiple

d)

Regresión de probabilidad

31.

¿Es un número que se obtiene a partir de los datos de una muestra estadística?

a)

Valor estadístico

b)

Parámetro

c)

Intervalo

d)

Constante

32.

¿Describe la variabilidad entre la medida obtenida en un estudio y la medida real de la población. Es también conocido como probabilidad de rechazo?

a)

Constante

b)

Coeficiente de correlación

c)

Parámetro

d)

Intervalo de confianza

33.

¿Es un índice numérico de la dispersión de un conjunto de datos?

a)

Media muestral

b)

Desviación estándar

c)

Coeficiente de correlación

d)

Promedio

34.

¿Qué interpretan b0 y b1?

a)

La ordenada al origen

Pendiente

b)

Probabilidad

Intervalo

c)

Promedio

Media

d)

Media muestral

Pendiente

35.

¿Cuál de las siguientes opciones es la ecuación de la recta de regresión lineal?

a)

Y = x^2 / x1

b)

Z = y + x

c)

Yo = x2 + x

d)

Yi = β0 + β1x

36.

¿Es la diferencia entre el valor observado de la variable dependiente y el valor proyectado por la ecuación de regresión?

a)

Media muestral

b)

Residuo

c)

Intervalo de confianza

d)

Muestra

37.

Considerando las siguientes variables:

X = Numero de estudiantes que trabajan

Y = Promedio de calificaciones


¿Cuál es la variable dependiente?

a)

X = Numero de estudiantes que trabajan

b)

Y = Promedio de calificaciones

38.

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.

a)

FALSO

b)

VERDADERO

39.

El análisis de regresión se enfoca en la exploración, explicación y estudio de dependencia de una variable mediante una o más variables explicativas.

a)

VERDADERO

b)

FALSO

40.

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.

a)

VERDADERO

b)

FALSO

41.

Una regresión lineal simple busca:

a)

Establecer la diferencia entre 2 muestras

b)

Establecer la relación entre una variable independiente y otra dependiente

c)

Establecer la relación entre más de una variable independiente y una dependiente

d)

Establecer la relación entre una variable independiente y más de una dependiente

42.

El método de los mínimos cuadrados minimiza una suma basada en

a)

la distancia vertical a la recta

b)

la distancia horizontal a la recta

c)

la distancia perpendicular a la recta

d)

la diferencia entre los valores X y Y

43.

Uno de los supuestos del modelo de regresión lineal es: Que la relación entre las variables sea lineal

a)

Verdadero

b)

Falso

44.

Uno de los supuestos del modelo de regresión lineal es: Que la relación entre las variables sea lineal

a)

Verdadero

b)

Falso

45.

En el modelo de regresión lineal simple solo se considera una variable independiente.

a)

Falso

b)

Verdadero

46.

la correlación sirve para:

a)

medir el grado o la fuerza de asociación entre dos variables.

b)

determinar la distancia promedio entre la recta o curva de regresión y los puntos externos

c)

medir valores de aproximación en y‾\overline{y}

d)

dibujar la curva o recta de regresión

47.

Para este diagrama de dispersión, el coeficiente de correlación es:

a)

cercano a 0

b)

cercano a 1

c)

cercano a -1

d)

exactamente 1

48.

Cuando hay ausencia de correlación, "r" se acerca a:

(a)  

49.

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:

a)

análisis de tendencia mínimo

b)

Coeficiente mínimo de Pearson

c)

Varianza mínima

d)

Mínimos cuadrados

50.

Supongamos la siguiente información acerca de precios P y cantidades Q demandadas. Se puede observar que la relación entre P y Q:

a)

No es lineal

b)

Es lineal

c)

No tiene una forma determinada

d)

Es exactamente una recta

51.

Para calcular el coeficiente de correlación de una aproximación exponencial, necesitamos hallar el promedio de la variable independiente

a)

Verdadero

b)

Falso

52.

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)

a)

∑x\sum_{ }^{ }x  

b)

∑y\sum_{ }^{ }y  

c)

∑log⁡y\sum_{ }^{ }\log y  

d)

∑xlog⁡y\sum_{ }^{ }x\log y  

e)

∑log⁡x\sum_{ }^{ }\log x  

53.

En el modelo de regresión lineal simple solo se considera una variable independiente.

a)

Falso

b)

Verdadero

54.

Nos dice en qué medida nuestro modelo de regresión representa los datos de la realidad.

a)

R

b)

R2

c)

SIG o Valor P

55.

Nos dice qué tan fuerte es la relación entre dos variables.

a)

r

b)

R2

c)

SIG o Valor P

56.

Que significa para un modelo tener un valor R2 de cero?

a)

R^2 no puede ser cero

b)

Un valor de cero podría indicar que el modelo falla en modelar correctamente los datos

c)

Un valor de cero podria indicar que el modelo hace un fit perfecto.

57.

Un ajuste del 0.89 en la recta de regresión lineal indica:

a)

Una relación perfecta entre X e Y

b)

Una relación debìl entre X e Y

c)

Una relación fuerte entre X e Y

d)

Una relación moderada entre X e Y

58.

se puede decir que la función lineal es

a)

una recta dibujada en el plano cartesiano

b)

una curva que va hasta el infinito

c)

una función cuadratica

59.

El coeficiente de correlación de la variables se representa por:

a)

r

b)

r2

c)

m

d)

b

60.

Que significa para un modelo tener un valor R2 de cero?

a)

R2R^2 no puede ser cero

b)

Un valor de cero podria indicar que el modelo falla en modelar correctamente los datos

c)

Un valor de cero podria indicar que el modelo hace un fit perfecto.

61.

En la ecuacion de regresion lineal multipe que son las variables m?

a)

La intercepcion

b)

Las variables independientes

c)

Las variables dependientes

d)

Los coeficientes

62.

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?

a)

Ambos tendran el mismo nivel de impacto

b)

El coeficiente -1.5

c)

El coeficiente 1.5

63.

Cual de las siguientes frases es la correcta acerca del Analisis Residual (Residual Analysis)?

a)

El analisis residual nos permite evaluar la precision del modelo de regresion lineal multiple

b)

El analisis residual nos permite evaluar la precision del modelo de clasificacion

c)

Un residual es la diferencia entre el modelo de entrenamiento y modelo de test.

64.

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)

a)

Verdadero

b)

False

65.

Dada una regresion lineal y 4 puntos de datos, cual punto tiene el residual mas largo?

a)

Punto C

b)

Punto D

c)

Punto B

d)

Punto A

66.

SI AL AUMENTAR UNA VARIABLE AUMENTA TAMBIEN LA OTRA DECIMOS QUE ES UNA CORRELACIÓN

a)

POSITIVA O DIRECTA

b)

NEGATIVA O INVERSA

c)

NULA

67.

A medida que aumenta la temperatura ambiental el pH de la leche disminuye, y el coeficiente de relación r= -0,97, concluimos que es

a)

CORRELACION NEGATIVA FUERTE

b)

NULA

c)

CORRELACION NEGATIVA PERFECTA

d)

CORRELACION POSITIVA FUERTE

68.

EN LA GRAFICA PUEDO TRAZAR UNA LINEA DE REGRESION POSITIVA PORQUE A MEDIDA QUE AUMENTA X AUMENTA Y

a)

VERDADERO

b)

FALSO

69.

TIPOS DE CORRELACION

a)

T DE STUDENT, ANOVA

b)

KRUSKALL, PEARSON

c)

SPEARMAN, PEARSON

70.

Selecciona la opción (u opciones) que represente el modelo de regresión lineal.

a)

Y = X1 + X2 + X3 + B​

b)

Y = (Vo-Vi)/Vi

c)

Y = X1 + X2 + B​

d)

Y = MX + B

71.

¿Cuál de las siguientes opciones describe mejor la imagen?

a)

Correlacion positiva

b)

Correlacion negativa

c)

Sin correlación

d)

Correlacion no lineal

72.

¿Cuál de las siguientes opciones describe mejor la imagen?

a)

Correlacion positiva debil

b)

Correlacion positiva moderada

c)

Correlacion positiva fuerte

73.

¿Cuál de las siguientes opciones describe mejor la imagen?

a)

Correlacion negativa

b)

Correlacion positiva

c)

Correlacion no lineal

d)

Sin correlación

74.

EL ANÁLISIS DE REGRESIÓN ES...

a)

Método estadístico que permite determinar el valor desconocido de una variable a partir del valor conocido de una variable-

b)

Método estadístico que permite determinar el valor conocido de una variable a partir de un valor desconocido

c)

Ninguna de las anteriores

75.

Los análisis de regresión y correlación mostrarán como determinar la naturaleza y la fuerza de una relación entre dos variables.

a)

SI

b)

NO

76.

¿QUÉ SE REALIZA LUEGO DE HABER OBTENIDO EL PATRÓN DE DICHA RELACIÓN?

a)

Se aplica el análisis de regresión para determinar el grado de relación que hay entre las variables.

b)

Se aplica la regresión y el análisis para determinar el grado de relación que hay entre tres variables.

c)

Las dos anteriores

77.

LAS RELACIONES ENTRE LAS VARIABLES PUEDEN SER...

a)

DIRECTAS Y LINEALES

b)

INVERSAS Y ADVERSAS

c)

DIRECTAS E INVERSAS

78.

¿CÓMO SE SIMBOLIZA LA VARIABLE INDEPENDIENTE?

a)

Y

b)

X

c)

Z

d)

E

79.

¿CÓMO SE SIMBOLIZA LA VARIABLE DEPENDIENTE?

a)

X

b)

Z

c)

Y

d)

E

80.

ES UNA ILUSTRACIÓN GRÁFICA QUE SE UTILIZA EN EL ANÁLISIS DE REGRESIÓN

a)

MÉTODO DE MÍNIMOS CUADRADOS

b)

DIAGRAMA DE PERT

c)

DIAGRAMA DE DISPERSIÓN

81.

SIRVE PARA DETERMINAR LA RECTA QUE MEJOR SE AJUSTE A LOS ADATOS MUESTRALES

a)

DIAGRAMA DE PERT

b)

MÉTODO DE MÍNIMOS CUADRADOS

c)

DIAGRAMA DE DISPERSIÓN

82.

Máximo valor positivo que puede tomar el coeficiente de correlación

(a)  

83.

Se tomó una muestra de datos para conocer la relación que existe entre los ingresos per cápita de los habitantes de un país con base en el producto interno bruto (PIB) del mismo país. Si se encontró una correlación de -0.896, ¿cuál sería su conclusión?

a)

Al aumentar el PIB aumenta el ingreso per cápita

b)

Correlación inexistente

c)

Al aumentar el PIB baja el ingreso per cápita

d)

Existe correlación moderada

84.

Nombre de la función de excel que nos permite calcular el coeficiente de correlación

a)

=COEF.DE.CORREL.

b)

=COEFICIENTE.R2.

c)

=COEF.DE.CORRELACION.

d)

=CORRELACION.

85.

Cuales son las unidades del coeficiente de correlación

a)

no tiene unidades

b)

unidades de la variable dependiente

c)

unidades de la variable independiente

d)

grados

86.

como se calcula ΣXY

a)

sumando cada x y cada ¨y¨

b)

se suman las x y las ¨y¨ y luego se multiplica

c)

se multiplica cada x con su respectiva ¨y¨ y luego se suman

d)

multiplicas la suma de X por la y principal

87.

Es el cuadrado del coeficiente de correlación de Pearson, da la proporción de variación de la variable Y que es explicada por la variable X

a)

Coeficiente de correlación

b)

Coeficiente de autocorrelación

c)

Coeficiente de determinación

d)

Coeficiente disociado

88.

En una ecuación de regresión el valor de b representa:

a)

la intersección en Y de una línea recta

b)

la pendiente de una línea recta

c)

la variable independiente de la ecuación de una línea recta

d)

la variable dependiente de la ecuación de una línea recta

89.

Selecciona el o los coeficientes que indica/n la fuerza y la  dirección de la asociación entre dos variables en forma de relación lineal.

a)

Covarianza.

b)

Varianza.

c)

r de Pearson

d)

R2R^2 de Pearson.

90.

Selecciona las afirmaciones verdaderas sobre el coeficiente r(x,y) de Pearson.

a)

Es un número comprendido entre 0 y 1

b)

Es un número comprendido entre -1 y 1

c)

Si es >0, cuando x aumenta y aumenta.

d)

Si es >0, cuando x aumenta y disminuye.

e)

Si es >0, no existe relación entre las variables.

91.

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

a)

Verdadero

b)

Falso

92.

De acuerdo al siguiente modelo de regresión lineal ¿Cuál será el valor estimado de "y" si "x" es igual a 3?

a)

No es posible saberlo

b)

15.5

c)

23.6

d)

2.7

93.

Método de estimación para la mejor recta:

a)

Máxima verosimilitud

b)

Intervalos de confianza

c)

Derivada de Y con respecto a X

d)

Mínimos cuadrados.

94.

Una regresión lineal simple busca:

a)

Establecer la diferencia entre 2 muestras

b)

Establecer la relación entre una variable independiente y otra dependiente

c)

Establecer la relación entre más de una variable independiente y una dependiente

d)

Establecer la relación entre una variable independiente y más de una dependiente

95.

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.

a)

VERDADERO

b)

FALSO

96.

La siguiente imagen muestra que existe una relación lineal:

a)

Directamente proporcional entre X e Y

b)

Inversamente proporcional entre X e Y

c)

Directamente proporcional entre X2 e Y

d)

Inversamente proporcional entre X2 e Y2

97.

Método de estimación para la mejor recta:

a)

Máxima verosimilitud

b)

Intervalos de confianza

c)

Derivada de Y con respecto a X

d)

Mínimos cuadrados.

98.

Una regresión lineal simple busca:

a)

Establecer la diferencia entre 2 muestras

b)

Establecer la relación entre una variable independiente y otra dependiente

c)

Establecer la relación entre más de una variable independiente y una dependiente

d)

Establecer la relación entre una variable independiente y más de una dependiente

99.

En la expresión Y = b + a X, el término b representa

a)

La intersección con el eje X

b)

La intersección con el eje Y

c)

La suma de los errores

d)

La suma de los errores al cuadrado

100.

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.

a)

regresión lineal

b)

regresión no lineal

c)

correlación

d)

ninguna de las anteriores

101.

Uno de los aspectos que más se descuida al ajustar un modelo de regresión lineal simple es revisar que se cumplan los ______________________del modelo

a)

numeros

b)

datos

c)

supuestos

d)

ninguna de las anteriores

102.

una función lineal sera decreciente si

a)

m=0

b)

m>0

c)

m<0

103.

se puede decir que la función lineal es

a)

una recta dibujada en el plano cartesiano

b)

una curva que va hasta el infinito

c)

una función cuadratica

104.

En una ecuación lineal el valor de "b" corresponde a:

a)

La intersección con el eje x

b)

La pendiente de la recta

c)

La raíz de la ecuación

d)

La intersección con el eje y

105.

En una ecuación lineal el valor de "m" representa:

a)

La raíz de la ecuación

b)

La intersección con x

c)

La pendiente de la recta

d)

La intersección con y

106.

Considerando las siguientes variables:

X = Numero de estudiantes que trabajan

Y = Promedio de calificaciones


¿Cuál es la variable dependiente?

a)

X = Numero de estudiantes que trabajan

b)

Y = Promedio de calificaciones

107.

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.

a)

FALSO

b)

VERDADERO

108.

El análisis de regresión se enfoca en la exploración, explicación y estudio de dependencia de una variable mediante una o más variables explicativas.

a)

VERDADERO

b)

FALSO

109.

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.

a)

VERDADERO

b)

FALSO

110.

Una regresión lineal simple busca:

a)

Establecer la diferencia entre 2 muestras

b)

Establecer la relación entre una variable independiente y otra dependiente

c)

Establecer la relación entre más de una variable independiente y una dependiente

d)

Establecer la relación entre una variable independiente y más de una dependiente

111.

El método de los mínimos cuadrados minimiza una suma basada en

a)

la distancia vertical a la recta

b)

la distancia horizontal a la recta

c)

la distancia perpendicular a la recta

d)

la diferencia entre los valores X y Y

112.

Uno de los supuestos del modelo de regresión lineal es: Que la relación entre las variables sea lineal

a)

Verdadero

b)

Falso

113.

En el modelo de regresión lineal simple solo se considera una variable independiente.

a)

Falso

b)

Verdadero

114.

El análisis de regresión es un método estadístico que permite examinar...

a)

La relación entre una o más variables

b)

La dependencia entre una o más variables

c)

El cociente entre una o más variables

d)

El producto entre una o más variables

115.

Método de estimación para la mejor recta:

a)

Máxima verosimilitud

b)

Intervalos de confianza

c)

Derivada de Y con respecto a X

d)

Mínimos cuadrados.

116.

En una ecuación lineal el valor de "b" corresponde a:

a)

La intersección con el eje x

b)

La pendiente de la recta

c)

La raíz de la ecuación

d)

La intersección con el eje y

117.

¿Cuál es el mejor gráfico para representar la relación entre dos variables?

a)

Dispersión

b)

Pastel

c)

Histograma

d)

Sectores

118.

Un establecimiento vende helados con los precios mostrados en la tabla. Calcula la ecuación para la regresion lineal de los datos mostrados

a)
y = 1.5x + 12
b)
y = 12x + 1.5
c)
y = 0.67x - 8
d)
y = -8x + 0.67
119.

El modelo lineal que representa la distancia en kilometros dado el tiempo de viaje es:

m=−1.79+61.93hm=-1.79+61.93h .

Predice cuanto recorre una persona en 600 min 

a)

617.51 km

b)

621.09 km

c)

100 km

d)

0.19 km

120.

Ejercicio: Realizar la regresión lineal de la siguiente base de datos

copia y pega en R-Studio las siguientes tres lineas:

library(tidyverse)

DS <- read_csv("https://www.dropbox.com/s/sfrafwhlr6em5e1/LungFunction.csv?dl=1")

ggplot(DS, aes(x=age, y=FEV)) + geom_point()+geom_smooth(method=lm)

Obtener la regresión lineal simple con las variables "FEV" y "age" para anotar en el espacio el valor numérico del intercepto. Utiliza la funcion lm()

*Todos los detalles de la base de datos puden ser consultados en https://doi.org/10.1080/10691898.2005.11910559

(a)  

121.

¿Cuáles fueron las instrucciones con las cuales obtuviste el resultado?

Copia aqui las lineas que usaste en R. Si utilizaste otro software, menciona cual y describe el procedimiento aqui

4 lines
122.

¿Cuáles son tus conclusiones del ejercicio?

¿Que se puede decir del fenómeno de estudio con la relación obtenida?

4 lines
123.

Un error estándar del estimado igual a 1.0 significa una relación perfecta entre la variable dependiente y la variable independiente.

a)

Verdadero

b)

Falso

124.

Uno de los supuestos de la regresión lineal es de que los valores residuales tienen una media aritmética igual a cero.

a)

Verdadero

b)

Falso

125.

El siguiente es un ejemplo de regresión lineal: El ingreso que percibe un individuo esta relacionado con el nivel de educación.

a)

Verdadero

b)

Falso

126.

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.

a)

Verdadero

b)

Falso

127.

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

a)

Verdadero

b)

Falso

128.

La variable dependiente es una variable que:

a)

se explica y se encuentra en ele eje X

b)

se predice o estima y se muestra en el eje Y

c)

se predice o estima y se muestra en el eje X

129.

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"

a)

En este modelo la variable que se debe convertir en ficticia es la variable años de experiencia laboral.

b)

En este modelo la variable que se debe convertir en ficticia es el salario

c)

En este modelo la variable que se debe convertir en ficticia es si se graduó de la universidad.

130.

Cuando se agrega o elimina una variable independiente, hay un cambio ______ de los valores de los coeficientes de regresión restantes.

a)

drastico

b)

leve

c)

moderado

131.

De acuerdo al siguiente modelo de regresión lineal ¿Cuál será el valor estimado de "y" si "x" es igual a 3?

a)

No es posible saberlo

b)

15.5

c)

23.6

d)

2.7

132.

¿Cual de los siguientes diagramas representa una correlación positiva?

a)
b)
c)
133.

porcentaje que la variable predictora explica de la variable respuesta:

a)

Coeficiente de correlación

b)

Coeficiente de determinación

c)

Coeficiente de asociación.

d)

Coeficiente lineal.

134.

La siguiente imagen muestra que existe una relación lineal:

a)

Directamente proporcional entre X e Y

b)

Inversamente proporcional entre X e Y

c)

Directamente proporcional entre X2 e Y

d)

Inversamente proporcional entre X2 e Y2

135.

Método de estimación para la mejor recta:

a)

Máxima verosimilitud

b)

Intervalos de confianza

c)

Derivada de Y con respecto a X

d)

Mínimos cuadrados.

136.

Un ajuste del 0.89 en la recta de regresión lineal indica:

a)

Una relación perfecta entre X e Y

b)

Una relación debìl entre X e Y

c)

Una relación fuerte entre X e Y

d)

Una relación moderada entre X e Y

137.

Los contraste de los parámetros de la regresión se realizan con una distribución:

a)

t- student con 1 grado de libertad

b)

t-student con n-p grados de libertad

c)

F con 1 y k-1 grados de libertad

d)

F con 2 y n grados de libertad

138.

Coeficiente que mide la relación entre dos variables numéricas no normales de muestras pequeñas.

a)

Coeficiente de correlación de pearson.

b)

Coeficiente de correlación de spearman.

c)

Coeficiente de correlación de kendall.

d)

Coeficiente de correlación de tau b - kendall.

139.

En un análisis de regresión lineal múltiple el ajuste se mira con el :

a)

Coeficiente de correlación.

b)

Coeficiente de determinación.

c)

Coeficiente de determinación ajustado.

d)

Coeficiente de correlación ajustado.

140.

Un no rechazo de la Ho en la inferencia del  β1\beta_1  implica:

a)

Un cambio de la variable Y a razón de X en un valor  >>   que cero.

b)

Un cambio de la variable Y a razón de X en un valor  <<   que cero.

c)

Un cambio de la variable Y a razón de X en un valor  ==   que cero.

d)

Un cambio de la variable Y a razón de X en un valor  ≠\ne   que cero.

141.

La regresion lineal es un modelo de aprendizaje supervisado.

a)

Verdadero

b)

Falso

c)

Depende del contexto

142.

La recta obtenida según la regresión lineal por métodos de minimos cuadrados es aquella que minimiza

a)

La variable X

b)

La variable Y

c)

Los residuos (Y-X)

d)

La predicción

143.

Después de crear un modelo de regresión lineal sobre los datos de viviendas, el resultado d ela izquierda indica que la variable Y (precio) puede explicarse de manera significativa por la variable X (M2)

a)

Correcto, ya que sólo hay un coeficiente (M2).

b)

Correcto, ya que los niveles de significación son los habituales.

c)

Correcto, ya que P es menor que 0.05

144.

El modelo de regresión lineal permite ...

a)

explicar que variables (Xs) son significativas

b)

predecir los valores de la variable dependiente u objetivo (Y)

c)

ambos

d)

ninguno de los dos

145.

¿Cuales son los motivos para dividir nuestros datos en train y test?

a)

Para entrenar con los datos antes

b)

Todas las respuestas son validas

c)

Para evaluar con el training set

d)

Para evaluar el modelo con los datos de test

146.

Los residuos son las diferencias entre los valores de la variable dependiente observados (Y) y los valores que predecimos a partir de nuestra recta de regresión lineal.

a)

Correcto, siempre que la R-cuadrado sea positiva

b)

Correcto

c)

Incorrecto

d)

Incorrecto, ya que esas diferencias no pueden ser calculadas

147.

El error de un modelo de predicción se obtiene como la DIFERENCIA entre la predicción obtenida por el modelo MENOS el valor esperado.

a)

Verdadero

b)

Falso

c)

Depende del tipo de modelo de regresión

148.

Los modelos de regresion lineal son

a)

Muy interpretables y muy precisos

b)

Poco interpretables y poco precisos

c)

Muy interpretables y poco precisos

d)

Poco interpretables y muy precisos

149.

La recta obtenida según la regresión lineal por métodos de minimos cuadrados es aquella que minimiza

a)

La variable X

b)

La variable Y

c)

Los residuos (Y-X)

d)

La predicción

150.

Las variables cualitativas sólo pueden ser dicotómicas cuando ...

a)

los valores de la variable cualitativa son excluyentes entre sí.

b)

los valores de la variable cualitativa son tipo numérico.

c)

los valores de la cualitativa son numéricos.

151.

Que significa para un modelo tener un valor R2 de cero?

a)

R2R^2 no puede ser cero

b)

Un valor de cero podria indicar que el modelo falla en modelar correctamente los datos

c)

Un valor de cero podria indicar que el modelo hace un fit perfecto.

152.

Rellene el espacio en blanco. Cual es el modulo que estamos importando?

a)

sklearn.regression_model

b)

sklearn

c)

sklearn.linear_model

153.

En la ecuacion de regresion lineal multipe que son las variables m?

a)

La intercepcion

b)

Las variables independientes

c)

Las variables dependientes

d)

Los coeficientes

154.

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?

a)

Ambos tendran el mismo nivel de impacto

b)

El coeficiente -1.5

c)

El coeficiente 1.5

155.

Cual de las siguientes frases es la correcta acerca del Analisis Residual (Residual Analysis)?

a)

El analisis residual nos permite evaluar la precision del modelo de regresion lineal multiple

b)

El analisis residual nos permite evaluar la precision del modelo de clasificacion

c)

Un residual es la diferencia entre el modelo de entrenamiento y modelo de test.

156.

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)

a)

Verdadero

b)

False

157.

Dada una regresion lineal y 4 puntos de datos, cual punto tiene el residual mas largo?

a)

Punto C

b)

Punto D

c)

Punto B

d)

Punto A

158.

Encuentre el error: cual linea dañara el siguiente codigo?

a)

y_predict = regr.predict(x_set)

b)

from sklearn.linear_model import LinearRegression

c)

regr = LinearRegression()

159.

Un intervalo de confianza del 95% de una media significa que, un 95% de las veces que...___________, la media estará entre los valores estimados.

a)

...repitamos la muestra,...

b)

...estimemos la desviación típica,...

c)

...estimemos los errores típicos,...

d)

...repitamos el experimento,...

160.

Si preferimos un nivel de confianza del 99% en vez del habitual 95%, el intervalo de confianza de una media será...

a)

...más reducido

b)

...más amplio

c)

...más homogéneo

d)

...más probabilístico

161.

Cuando tengo una variable cuantitativa y una cualitativa, lo que tengo que hacer es...

a)

una tabla de contingencia

b)

un análisis de correlaciones

c)

una comparación de medias

d)

una regresión lineal

162.

Cuando tengo dos variables cuantitativas, lo que tengo que hacer es...

a)

una tabla de contingencia

b)

un análisis de correlaciones

c)

una comparación de medias

d)

una tabla de frecuencias

163.

Cuando tengo dos variables cuaLitativas, lo que tengo que hacer es...

a)

una tabla de contingencia

b)

un análisis de correlaciones

c)

una comparación de medias

d)

una regresión lineal

164.

Con esta imagen podemos decir que...

a)

los países muy corruptos son menos felices que los países medianamente corruptos

b)

los países poco corruptos son más felices que los países corruptos

c)

los países menos felices son menos corruptos

d)

no podemos llegar a una conclusión sobre el nivel de felicidad del país y su nivel de corrupción

165.

Mientras que el análisis de correlación se suele usar para análisis exploratorios de las relaciones entre variables, la regresión lineal se suele usar para análisis....

a)

descriptivos

b)

explicativos

c)

experimentales

d)

latentes

166.

Según el gráfico, podemos decir que el salario de una persona con una educación de 5 años es de...

a)

700 euros

b)

800 euros

c)

900 euros

d)

1.000 euros

167.

Según el gráfico, el salario medio de alguien con 10 años de educación es de ...

a)

600 euros

b)

700 euros

c)

800 euros

d)

900 euros

168.

En una fórmula de regresión lineal...

a)

la B0 indica el valor de Y cuando X es igual a 0

b)

la B0 es el punto de corte

c)

la B0 el el valor de la VD cuando la VI es igual a 0

d)

todas las respuestas son correctas

169.

Que es correlación?

a)

Es la relacion que existe entre dos variables

b)

Es la relacion lineal entre dos variables

c)

Es la regresion entr dos variables

d)

Es la varianza de una variable

170.

Que mide la correlación de Pearson?

a)

La relacion no lineal entre dos variables

b)

La relación lineal entre dos variables

c)

La linea que existe entre dos variables

d)

La Pearsona que existe entre dos variables

171.

La covarianza de x,y mide..

a)

La media de dos variables

b)

La correlación entre dos lineas

c)

El signo de la correlación

d)

como co varían dos variablels

172.

La correlacion puede ser:

a)

Fortuita y causal

b)

Real y verdadera

c)

Obligatoria

d)

Obra de la línea de regresión

173.

En la primer inagen, la correlación es..

a)

Positiva

b)

Negativa

c)

No existe correlación

d)

Ninguna de las anteriores

174.

En la Figura. la correlacion es..

a)

0.999

b)

Negativa

c)

Positiva

d)

Cero

175.

Las variables contínuas...

a)

1, 2 3, etc

b)

Solo 1 y 0

c)

Incluyen todo el infinito de valores en el rango especificado

d)

Son de tipo categorico

176.

Es esta figura de dispersión, la correlacion lineal..

a)

Es sigmoidal

b)

Es buena

c)

No aplica

d)

Si aplica

177.

Segun la Figura, la correlación es aproximadamente de:

a)

-0.8

b)

0.80

c)

0.50

d)

0.30

178.

En esta figura entiendo bien que valor es la correlación

a)

Si

b)

No

c)

Todavia me falta

d)

Esta genial

179.

Para hacer correlación, las variables deben seguir la figura..

a)

Uno

b)

Dos

c)

Tres

d)

Cuatro

180.

En esta figura la correlacion es aproximadamente

a)

0.90

b)

-0.90

c)

0.30

d)

-0.30

181.

Aqui podemos aplicar..

a)

Ninguna de las anteriores

b)

Correlación múltiple

c)

Correlacion de Pearson

d)

Correlació no lineal

182.

Que mide la correlación de Pearson?

a)

La relacion no lineal entre dos variables

b)

La relación lineal entre dos variables

c)

La linea que existe entre dos variables

d)

La Pearsona que existe entre dos variables

183.

Las variables contínuas...

a)

1, 2 3, etc

b)

Solo 1 y 0

c)

Incluyen todo el infinito de valores en el rango especificado

d)

Son de tipo categorico

184.

Coeficiente que mide la relación entre dos variables numéricas no normales de muestras pequeñas.

a)

Coeficiente de correlación de pearson.

b)

Coeficiente de correlación de spearman.

c)

Coeficiente de correlación de kendall.

d)

Coeficiente de correlación de tau b - kendall.

Similar Resources on Wayground

Álgebra: conceptos fundamentales

185 questions

Álgebra: conceptos fundamentales

quiz

Worksheet

•

University