Aprende Análisis de Regresión: Conceptos, Tipos y Aplicaciones

Question 1

En una regresión lineal simple, ¿qué porcentaje de la variabilidad de la variable dependiente es explicada por la línea de regresión si el coeficiente de determinación (R²) es 0,85?

Accepted Answer

85%

Answer

15%

Answer

92%

Answer

185%

Question 2

¿Cuál de los siguientes NO es un supuesto del modelo de regresión lineal?

Accepted Answer

Residuos heterocedásticos

Answer

Linealidad entre las variables

Answer

Residuos distribuidos normalmente

Answer

Errores independientes

Question 3

En una regresión lineal múltiple, el coeficiente de regresión parcial de una variable independiente mide:

Accepted Answer

El efecto de esa variable independiente sobre la variable dependiente, manteniendo constantes las demás variables independientes

Answer

La varianza de la variable independiente explicada por la variable dependiente

Answer

La correlación entre la variable independiente y la variable dependiente

Answer

El porcentaje de variación de la variable dependiente explicado por la variable independiente

Question 4

En una regresión lineal múltiple, el valor de la intersección indica:

Accepted Answer

El valor de la variable dependiente cuando todas las variables independientes son iguales a cero

Answer

El coeficiente de regresión de la variable explicativa más relevante

Answer

La desviación estándar de los residuos

Answer

El número de observaciones en el modelo

Question 5

El análisis de regresión NO permite:

Accepted Answer

Establecer causalidad

Answer

Hacer predicciones

Answer

Explicar relaciones

Answer

Generalizar resultados

Question 6

En una regresión lineal simple, el coeficiente de regresión mide la cantidad en la que cambia la variable dependiente por cada unidad de cambio en la variable independiente.

Accepted Answer

Verdadero

Answer

Falso

Question 7

La prueba de hipótesis para la significancia del coeficiente de regresión se basa en la distribución t de Student.

Accepted Answer

Verdadero

Answer

Falso

Question 8

Una de las suposiciones de la regresión lineal múltiple es la linealidad.

Accepted Answer

Verdadero

Answer

Falso

Question 9

El método de estimación de mínimos cuadrados ordinarios (MCO) produce coeficientes de regresión que son insesgados y eficientes.

Accepted Answer

Verdadero

Answer

Falso

Question 10

El análisis de residuos se puede utilizar para comprobar los supuestos de la regresión, identificar valores atípicos y mejorar la precisión de la predicción.

Accepted Answer

Verdadero

Answer

Falso

Question 11

La transformación logarítmica es una de las transformaciones de datos que se pueden utilizar para abordar la no linealidad en la relación entre variables.

Accepted Answer

Verdadero

Answer

Falso

Question 12

La regresión lineal múltiple se puede utilizar para predecir una variable continua.

Accepted Answer

Verdadero

Answer

Falso

Question 13

El uso de software estadístico para el análisis de regresión ofrece ventajas como ahorrar tiempo y esfuerzo, proporcionar resultados precisos y permitir pruebas automatizadas de hipótesis.

Accepted Answer

Verdadero

Answer

Falso

Question 14

¿Qué mide el coeficiente de correlación (r) en una regresión lineal simple?

Accepted Answer

La fuerza y dirección de la relación lineal entre las variables

Answer

La pendiente de la línea de regresión

Answer

La varianza explicada por la variable independiente

Answer

El punto de intersección de la línea de regresión con el eje Y

Question 15

¿Qué medida de bondad de ajuste indica la proporción de variación en la variable dependiente explicada por el modelo de regresión?

Accepted Answer

Coeficiente de determinación (R^2)

Answer

Suma total de los cuadrados

Answer

Suma de cuadrados del error

Answer

Coeficiente de variación

Question 16

¿Qué tipo de regresión se utiliza cuando se desea analizar la relación entre una variable dependiente y más de una variable independiente?

Accepted Answer

Regresión lineal múltiple

Answer

Regresión exponencial

Answer

Regresión logarítmica

Answer

Regresión no lineal

Question 17

¿Qué prueba estadística se utiliza para determinar si el coeficiente de regresión para una variable independiente individual es estadísticamente significativo?

Accepted Answer

Prueba t

Answer

Prueba de chi-cuadrado

Answer

Prueba de Mann-Whitney

Answer

Prueba de ANOVA

Question 18

¿Qué mide el valor p en una regresión lineal?

Accepted Answer

La probabilidad de cometer un error de Tipo I (rechazar falsamente la hipótesis nula)

Answer

El grado de libertad de los datos

Answer

La fortaleza de la relación entre las variables

Answer

La varianza del error

Question 19

¿Cuál es una ventaja del análisis de regresión?

Accepted Answer

Permite identificar las variables más importantes que influyen en una variable dependiente

Answer

Puede extrapolar con precisión fuera del rango de datos observados

Answer

No requiere suposiciones sobre la distribución de los datos

Answer

Siempre produce modelos predictivos altamente precisos

Question 20

¿Qué precaución debe tomarse al interpretar los resultados de un análisis de regresión?

Accepted Answer

Tener en cuenta los supuestos de la regresión y las limitaciones de los datos

Answer

Ignorar los coeficientes de regresión no significativos

Answer

Confiar únicamente en el coeficiente de determinación para evaluar la bondad de ajuste

Answer

Asumir que la relación entre las variables es causal

Question 21

En la regresión lineal simple, la pendiente de la línea de regresión mide:

Accepted Answer

El cambio en la variable dependiente dado un cambio unitario en la variable independiente.

Answer

El coeficiente de determinación.

Answer

La intersección de la línea de regresión.

Question 22

La variable independiente en la regresión se conoce como:

Accepted Answer

Variable predictora.

Answer

Variable aleatoria.

Answer

Variable respuesta.

Answer

Variable categórica.

Question 23

El coeficiente de determinación (R²) mide:

Accepted Answer

La proporción de varianza en la variable dependiente explicada por la regresión.

Answer

El error estándar de la estimación.

Answer

La pendiente de la línea de regresión.

Question 24

En la regresión múltiple, el valor F mide:

Accepted Answer

La significancia estadística del modelo de regresión.

Answer

La intersección de la línea de regresión.

Answer

El coeficiente de correlación múltiple.

Question 25

¿Cuál de los siguientes NO es un supuesto del análisis de regresión?

Accepted Answer

Los residuos son independientes.

Answer

No hay colinealidad entre las variables independientes.

Answer

Las variables independientes tienen una distribución normal.

Answer

La variable dependiente es continua.

Question 26

El error estándar de la estimación mide:

Accepted Answer

La desviación típica de los residuos.

Answer

El coeficiente de determinación.

Answer

La intersección de la línea de regresión.

Answer

La pendiente de la línea de regresión.

Question 27

En la regresión lineal múltiple, el coeficiente de correlación múltiple (R) mide:

Accepted Answer

La fuerza de la relación entre la variable dependiente y todas las variables independientes.

Answer

El error estándar de la estimación.

Answer

La pendiente de la línea de regresión.

Question 28

¿Qué prueba estadística se utiliza para determinar la significancia estadística de los coeficientes de regresión individuales?

Accepted Answer

Prueba t de Student.

Answer

Prueba de Wilcoxon.

Answer

Prueba de chi-cuadrado.

Answer

Prueba F.

Question 29

Uno de los propósitos principales del análisis de regresión es:

Accepted Answer

Hacer predicciones sobre la variable dependiente.

Answer

Describir la relación entre variables.

Answer

Probar hipótesis sobre la población.

Answer

Estimar parámetros de población.

Question 30

En una regresión lineal simple, si la pendiente de la línea de regresión es negativa, significa que:

Accepted Answer

A medida que la variable independiente aumenta, la variable dependiente disminuye.

Answer

No hay relación entre las variables.

Answer

A medida que la variable independiente aumenta, la variable dependiente aumenta.