Академический Документы
Профессиональный Документы
Культура Документы
Pregunta 1
3.5 / 3.5 ptos.
False
¡Correcto!
True
Pregunta 2
3.5 / 3.5 ptos.
Cuando se presenta una correlación muy fuerte entre las variables
independientes o explicativas se conoce como:
a)Heterocedasticidad
a)Homocedasticidad
¡Correcto!
Multicolinealidad
a)Normalidad
Pregunta 3
3.5 / 3.5 ptos.
En el siguiente modelo con interacción el coeficiente B1 considera un efecto de
interacción entre metros cuadrados del inmueble y el número de habitaciones,
en caso de que este coeficiente sea negativo, B3<0 implicaría que en
apartamentos más grandes, una habitación adicional produce un efecto menor
en el precio.
¡Correcto!
True
False
Pregunta 4
3.5 / 3.5 ptos.
En caso que se desea probar si un conjunto de variables no tienen efecto
sobre la variable dependiente, el estadístico de prueba más adecuado es:
Estadistico T
Estadistico Z
Estadistico X
¡Correcto!
Estadistico F
Pregunta 5
3.5 / 3.5 ptos.
El R cuadrado es una medida de bondad de ajuste que explica
El ajuste de los errores estándar de una regresión y su impacto sobre la inferencia estadística
Pregunta 6
0 / 3.5 ptos.
En un modelo de regresión lineal se pretende explicar el precio de un
apartamento usado en función de los metros cuadrados, número de
habitaciones y número de garajes, la ecuación estimada es la siguiente:
La variable metros cuadrados es:
Respondido
Es estadísticamente significativa, lo que sugiere que los metros cuadrados explican el número de
garajes del apartamento
Respuesta correcta
Es estadísticamente significativa, lo que sugiere que los metros cuadrados explican el precio
promedio de un apartamento
Pregunta 7
3.5 / 3.5 ptos.
Si el R cuadrado del modelo no restringido es de 0.786 y la R cuadrado del
modelo restringido es de 0.567 el número de variables que se restringen son q
igual a 3, en total se tiene una muestra de 620 datos y el número de variables
que tiene el modelo son 5. En este caso el estadístico F para probar la
exclusión de un grupo de variables es igual a:
409
109
309
¡Correcto!
209
Pregunta 8
3.5 / 3.5 ptos.
En un modelo de regresión lineal se pretende explicar el precio de un
apartamento usado en función de los metros cuadrados, número de
habitaciones y número de garajes, la ecuación estimada es la siguiente:
243.871.067
199.678.987
223.339.014
¡Correcto!
201.339.014
Pregunta 9
3.5 / 3.5 ptos.
En un modelo con interacción como el que se describe a continuación, el
coeficiente B3 tiene la siguiente interpretación:
¡Correcto!
Pregunta 10
3.5 / 3.5 ptos.
El p valor mide la fortaleza o debilidad empírica contra la hipótesis nula, lo cual
significa que valores muy pequeños de p valor sugieren evidencia en contra de
la hipótesis nula mientras que un p valor muy grande indica evidencia muy
débil en contra de la hipótesis nula
¡Correcto!
True
False
Pregunta 11
3.5 / 3.5 ptos.
En un Intervalo de Confianza, el nivel de confianza y la amplitud del intervalo
varían conjuntamente, de forma que un intervalo más amplio tendrá más
probabilidad de certeza.
¡Correcto!
True
False
Pregunta 12
3.5 / 3.5 ptos.
Un modelo de regresión lineal simple en el que se relaciona el salario de una
persona con la experiencia observada y con otros factores no observados es:
Salario= B0+B1*Experiencia + error
Si salario se mide en millones de pesos y experiencia se mide en años,
entonces B1 mide:
¡Correcto!
a)La variación promedio en el salario por cada año más de experiencia, cuando
todos los demás factores permanecen constantes.
a)La variación promedio en el salario por cada año más de educación, cuando
todos los demás factores permanecen constantes.
Pregunta 13
0 / 3.5 ptos.
En el siguiente modelo, donde los errores estándar aparecen entre paréntesis
por debajo de los coeficientes estimados, se tiene como objetivo validar
estadísticamente si el tiempo que dura una encomienda es estadísticamente
significativo
Pregunta 14
3.5 / 3.5 ptos.
Entre más grande sea la magnitud de la varianza de los coeficientes de
regresión, menos precisos y confiable serán las estimaciones de estos
coeficientes con el método de MCO. Por otro lado, los intervalos de confianza
serán más amplios y las pruebas de hipótesis menos exactas.
¡Correcto!
True
False
Pregunta 15
3.5 / 3.5 ptos.
Se plantea un modelo de regresión lineal múltiple de la siguiente manera:
Ln(salario) = 14.734+0.0592*educación-0.2984*Genero
La interpretación del coeficiente que acompaña a la variable de educación es la
siguiente:
¡Correcto!
Pregunta 16
0 / 3.5 ptos.
El precio comercial de un predio se puede expresar como una ecuación de
regresión lineal en función de su avaluó catastral y su área construida. Los
resultados se muestran a continuación:
Pregunta 17
3.5 / 3.5 ptos.
Al modificar la variable dependiente, en forma logaritmica, se obtiene la
siguiente ecuación
Ln(salario)= 15.30+0.004248*Experiencia
True
¡Correcto!
False
Pregunta 18
3.5 / 3.5 ptos.
Al incluir funciones no lineales y variables dicotómicas en el análisis de
regresión lineal, se toma como base el siguiente modelo:
Ln(salario)= B0 + B1*genero + error
En este caso la variable genero es dicotomica y toma el valor de 0 si el
individuo es hombre y 1 si el individuo es una mujer.
Al respecto el propósito de este modelo es:
Pregunta 19
0 / 3.5 ptos.
En un modelo de probabilidad lineal se tiene como propósito:
False
¡Correcto!
True