NEW
Font size
WorksheetsAnálisis Multivariado - RLM y ACP
Total questions: 29
Worksheet time: 28mins
¿Qué método se utiliza cuando el investigador especifica completamente el conjunto de variables independientes a incluir?
Especificación confirmatoria
Eliminación regresiva
Métodos de búsqueda secuencial
Métodos combinatorios
¿Cuál es una de los métodos de selección de variables independientes en RLM?
Método de regresión bayesiana
Método de selección aleatoria
Método de eliminación progresiva
Estimación por etapas
En un proyecto de investigación, James está desarrollando un modelo de regresión para predecir el rendimiento académico de los estudiantes. ¿Qué implica la adición progresiva de predictores en el modelo de regresión?
Eliminar variables no significativas
Añadir variables en función de su contribución
Calcular todos los modelos posibles
Utilizar solo una variable independiente
¿Qué se debe evitar en la multicolinealidad?
Uso de variables ficticias
Correlaciones bajas entre predictores
Correlaciones altas entre predictores
Uso de términos polinomiales
¿Qué indica el coeficiente de determinación R^2?
El número de predictores en el modelo
La variación explicada por los predictores en la variable dependiente
La significación estadística del modelo
El tamaño de la muestra
En un proyecto de investigación, Anika y Rohan están analizando los resultados de una encuesta sobre hábitos de estudio. Sin embargo, se dan cuenta de que hay algunos datos atípicos que no se ajustan al patrón general. ¿Qué se debe hacer si se encuentran datos atípicos?
Eliminar todos los datos
Ajustar el modelo a los datos atípicos
Crear modelos con y sin datos atípicos
Ignorar los datos atípicos
En un proyecto de investigación, Charlotte está analizando la relación entre el consumo de energía y la temperatura en diferentes ciudades. ¿Qué se utiliza para evaluar la colinealidad en sus datos?
El coeficiente de determinación
El valor p
La matriz de correlación
El error estándar
Michael está realizando un análisis de regresión para predecir el rendimiento académico de sus compañeros de clase. ¿Qué se debe hacer para evitar problemas de multicolinealidad?
Incluir más variables
Omitir variables correlacionadas
Aumentar el tamaño de la muestra
Utilizar solo variables independientes
En un proyecto de investigación, Aria está comparando modelos de predicción para determinar el rendimiento académico de los estudiantes utilizando diferentes números de predictores. ¿Qué se utiliza para comparar modelos con diferentes números de predictores?
El valor p
El error estándar
El R² ajustado
El coeficiente de determinación
En un proyecto de investigación, Lily está analizando los coeficientes de regresión estandarizados de un conjunto de datos sobre el rendimiento académico de los estudiantes. ¿Qué se debe evitar al utilizar coeficientes de regresión estandarizados?
Utilizarlos con datos atípicos
Compararlos entre diferentes modelos
Usarlos para predicciones
Interpretarlos sin contexto
En un estudio sobre el rendimiento académico, Michael se dio cuenta de que la multicolinealidad es deseable en un modelo de regresión.
Falso
Verdadero
Priya está analizando un modelo de regresión para predecir las calificaciones de los estudiantes en función de varias variables. Ella se pregunta si el R² ajustado siempre aumenta al añadir más predictores al modelo.
Falso
Verdadero
Arjun realizó un análisis de datos utilizando una ecuación de regresión para predecir las ventas de su negocio. Las predicciones realizadas con la ecuación de regresión tienen las mismas unidades de medida que las variables originales.
Falso
Verdadero
En un proyecto de investigación, Evelyn está utilizando el método de selección de variables de RLM de eliminación regresiva (backwards). ¿Qué se hace inicialmente?
Se añaden variables individualmente.
Se eliminan variables individualmente.
Se calcula una ecuación de regresión con todas las variables independientes.
Se observa el cambio en el coeficiente de determinación R².
Olivia está realizando un estudio sobre el impacto de diferentes métodos de enseñanza en el rendimiento académico de los estudiantes. ¿Cuántas observaciones (datos) mínimas por predictor sugieren algunos autores?
2 a 3
4 a 5
10 a 15
20 a 25
En un proyecto de investigación, Samuel se dio cuenta de que había algunas observaciones atípicas en sus datos. ¿Qué se recomienda hacer con las observaciones atípicas?
Eliminarlas siempre.
Mantenerlas siempre.
Crear un modelo con y sin ellas y evaluar la diferencia.
Ajustarlas para que se adapten al modelo.
Elijah está analizando un conjunto de datos sobre las calificaciones de sus compañeros de clase en diferentes materias. ¿Cuál es el objetivo principal del Análisis de Componentes Principales en este contexto?
Aumentar la dimensionalidad de los datos.
Explicar la estructura de covarianza/varianza de una variable a través de combinaciones lineales.
Identificar valores atípicos en los datos.
En un proyecto de investigación, Evelyn está analizando un conjunto de datos con múltiples variables sobre el rendimiento académico de los estudiantes. ¿Cuál es uno de los objetivos generales del Análisis de Componentes Principales que podría utilizar para simplificar su análisis?
Aumentar el número de variables.
Reducción de datos.
Clasificación de datos.
En un estudio sobre el rendimiento académico, Daniel y Aria se preguntan: ¿Qué representan los componentes principales?
Las variables originales sin cambios.
Combinaciones lineales de las variables originales.
Errores de medición en las variables originales.
Aiden está trabajando en un proyecto de análisis de datos y tiene un conjunto de datos que incluye variables como la altura en centímetros y el peso en kilogramos. ¿Qué se recomienda hacer con el conjunto de datos antes de realizar un PCA si las variables tienen diferentes unidades de medida?
Dejar los datos tal cual están.
Transformar el conjunto de datos a la distribución normal Z para centrarlos y unificar la varianza.
Eliminar las variables con unidades de medida diferentes.
En un estudio sobre el rendimiento académico, Benjamin y Abigail notaron que las calificaciones de sus compañeros en matemáticas y ciencias estaban relacionadas. ¿Cuál es la propiedad de los componentes principales en cuanto a su correlación?
Están altamente correlacionados.
No están correlacionados.
Su correlación es aleatoria.
Avery está analizando un conjunto de datos para un proyecto de investigación y se pregunta qué criterio se puede utilizar para determinar el número de componentes principales a retener (Método 1).
Seleccionar todos los componentes.
Buscar componentes principales cuyos eigenvalores sean mayores a 1.
Buscar componentes principales cuyos eigenvalores sean menores a 1.
En un proyecto de análisis de datos, Rohan y Lily están utilizando un método de análisis de componentes principales para entender mejor sus datos. ¿Qué proporcionan las calificaciones (scores o cargas) de los componentes principales?
La importancia relativa de cada variable original en ese componente.
La ubicación de las observaciones con respecto a sus ejes de componentes principales.
Los eigenvalores correspondientes a cada componente.
En un experimento de clase, Hannah está analizando los resultados de un estudio sobre la relación entre el tiempo de estudio y las calificaciones de sus compañeros. ¿Qué gráfico debería usar para comprobar el supuesto de independencia entre estas dos variables?
Probabilidad normal
Residuos Vs Ajustes
Residuos Vs Orden
Avery está analizando los residuos de su experimento de física y ha graficado los Residuos Vs Orden. ¿Qué se debe observar en el gráfico para demostrar que existe independencia en los datos?
Los puntos forman un cono o embudo
Los puntos están repartidos aleatoriamente
Los puntos muestran una tendencia o comportamiento no aleatorio
En un experimento de investigación, Mason está analizando la relación entre el tamaño de las plantas y la cantidad de agua que reciben. Para demostrar el supuesto de homocedasticidad en sus datos, ¿qué gráfico debería utilizar?
Probabilidad normal
Residuos Vs Ajustes
Residuos Vs Orden
En un experimento de laboratorio, Daniel está analizando la distribución de las alturas de un grupo de estudiantes. Para verificar si las alturas siguen una distribución normal, decide realizar un test de Shapiro. ¿Cuál es el valor-p esperado en este test para que se cumpla el supuesto de normalidad?
Valor p > 1
Valor p > 0.05
Valor p < 0.05
En el Análisis de Componentes Principales, ¿qué representan los eigenvalores asociados a cada componente principal?
La varianza explicada por cada componente.
La correlación entre los componentes.
La cantidad de variables originales utilizadas.
Al realizar un Análisis de Componentes Principales, ¿qué se debe hacer para determinar cuántos componentes principales retener?
Retener todos los componentes sin importar su varianza.
Utilizar el criterio de Kaiser, que sugiere retener componentes con eigenvalores mayores a 1.
Seleccionar componentes basándose únicamente en la interpretación cualitativa.
