Test de Modelos de Regresión: Evalúa tus conocimientos

Question 1

En un modelo de regresión lineal, la medida de bondad de ajuste más comúnmente utilizada es:

Accepted Answer

Coeficiente de determinación (R²)

Answer

Varianza explicada

Answer

Raíz cuadrada media del error (RMSE)

Answer

Error medio absoluto (MAE)

Question 2

El objetivo de la función logística en un modelo de regresión logística es:

Accepted Answer

Modelar la probabilidad de un evento

Answer

Transformar la variable dependiente a una distribución normal

Answer

Transformar la variable independiente a una distribución binomial

Answer

Reducir la varianza de los residuos

Question 3

El tipo de modelo de regresión adecuado para predecir resultados continuos es:

Accepted Answer

Regresión lineal

Answer

Regresión logística

Answer

Regresión Poisson

Answer

Regresión de Poisson negativa

Question 4

Una gráfica que NO es útil para diagnosticar los supuestos del modelo de regresión lineal es:

Accepted Answer

Gráfico de dispersión de variables independientes

Answer

Gráfico de residuos frente a valores ajustados

Answer

Gráfico QQ de residuos

Answer

Gráfico de Correlogramas

Question 5

La medida estadística que resume la precisión predictiva de un modelo de regresión es:

Accepted Answer

Raíz cuadrada media del error (RMSE)

Answer

Coeficiente de determinación (R²)

Answer

Estadístico F

Answer

Valor p

Question 6

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

Accepted Answer

Los errores no están normalmente distribuidos

Answer

La varianza de los errores es constante

Answer

El modelo es lineal

Answer

Los errores son independientes entre sí

Question 7

En un modelo de regresión logística, ¿qué forma tiene la función de enlace?

Accepted Answer

Sigmoidea

Answer

Lineal

Answer

Exponencial

Answer

Cuadrática

Question 8

¿Qué tipo de modelo de regresión se utiliza cuando la variable dependiente es continua?

Accepted Answer

Regresión lineal

Answer

Regresión no lineal

Question 9

¿Qué estadístico se utiliza para probar la significancia de los coeficientes de regresión en un modelo?

Accepted Answer

Valor-t

Answer

F-estadístico

Answer

RMSE

Answer

R-cuadrado

Question 10

¿Cuál de las siguientes **NO** es una suposición del modelo de regresión lineal simple?

Accepted Answer

La variable dependiente es categórica.

Answer

La relación entre las variables es lineal.

Answer

Las variables independientes no están correlacionadas.

Answer

El error es normalmente distribuido.

Question 11

El término de intercepción en el modelo de regresión representa:

Accepted Answer

El valor esperado de la variable dependiente cuando todas las variables independientes son cero.

Answer

El error en la estimación.

Question 12

¿Qué factor **NO** afecta la confianza en el intervalo de predicción?

Accepted Answer

El número de variables independientes.

Answer

La fuerza de la correlación entre las variables.

Answer

El tamaño de la muestra.

Answer

El valor del coeficiente de determinación.

Question 13

¿Cuál es el objetivo de la regresión logística?

Accepted Answer

Predecir la probabilidad de un evento binario.

Answer

Predecir el valor de una variable continua.

Answer

Comparar las medias de dos o más grupos.

Answer

Probar la significancia de una diferencia entre dos proporciones.

Question 14

¿Qué transformación es adecuada para una variable dependiente que está sesgada **positivamente**?

Accepted Answer

Transformación logarítmica.

Answer

No se requiere transformación.

Answer

Transformación de raíz cuadrada.

Answer

Transformación cuadrada.

Question 15

¿Cuál es la principal diferencia entre un modelo lineal y un modelo no lineal?

Accepted Answer

La relación entre las variables independientes y la variable dependiente es lineal en un modelo lineal y no lineal en un modelo no lineal.

Answer

El número de variables independientes es mayor en un modelo lineal.

Question 16

¿Qué ventaja ofrece un modelo de regresión no lineal?

Accepted Answer

Puede capturar relaciones más complejas entre las variables.

Answer

Es más robusto a los valores atípicos.

Answer

Es más fácil de interpretar que un modelo lineal.

Question 17

Un paso importante en el proceso de selección de modelos es:

Accepted Answer

Comparar los modelos utilizando criterios como el estadístico F y el R cuadrado.

Answer

Recolectar datos.

Answer

Estimar los parámetros del modelo.

Question 18

La validación cruzada es:

Accepted Answer

Una técnica para evaluar el rendimiento de un modelo de regresión dividiendo los datos en conjuntos de entrenamiento y validación.

Answer

Un método para estimar los parámetros del modelo.

Question 19

¿Cuál es un beneficio de emplear modelos de regresión en la investigación empresarial?

Accepted Answer

Pueden ayudar a identificar las variables que influyen en el rendimiento empresarial.

Answer

Son fáciles de interpretar y comunicar.

Answer

Siempre brindan predicciones precisas.

Question 20

¿Cuál es la interpretación del coeficiente de determinación (R-cuadrado) en un modelo de regresión?

Accepted Answer

Representa la proporción de variación en la variable dependiente explicada por las variables predictoras

Answer

Es una medida del error de predicción

Answer

Indica la pendiente de la línea de regresión

Question 21

En regresión, ¿qué tipo de variable dependiente se modela utilizando una función logística?

Accepted Answer

Variable binaria

Answer

Variable categórica ordinal

Answer

Variable continua

Answer

Variable nominal

Question 22

¿Cuál es una ventaja de utilizar modelos de regresión no lineales?

Accepted Answer

Permiten capturar relaciones complejas entre variables

Answer

Requieren menos datos que los modelos lineales

Answer

Son más fáciles de interpretar que los modelos lineales

Question 23

¿Qué prueba estadística se emplea para determinar si los coeficientes de regresión son estadísticamente significativos?

Accepted Answer

Prueba t de Student

Answer

Prueba F

Answer

Prueba de Kolmogorov-Smirnov

Answer

Prueba de chi-cuadrado

Question 24

¿Cuál es el propósito de transformar los datos en un análisis de regresión?

Accepted Answer

Mejorar la linealidad y normalidad de los datos

Answer

Reducir el número de variables predictoras

Answer

Aumentar el R-cuadrado del modelo

Question 25

¿Qué técnica gráfica se utiliza para verificar la linealidad de la relación entre la variable dependiente y las variables predictoras?

Accepted Answer

Gráfico de dispersión

Answer

Diagrama de caja

Answer

Gráfico de barras

Answer

Histograma

Question 26

¿Cuál es una desventaja de utilizar una muestra de tamaño pequeño para desarrollar un modelo de regresión?

Accepted Answer

Puede conducir a resultados menos fiables y menos generalizables

Answer

El modelo será más complejo

Answer

El tiempo necesario para desarrollar el modelo será mayor

Question 27

¿Qué tipo de datos se utiliza normalmente en los modelos de regresión lineal?

Accepted Answer

Datos cuantitativos continuos

Answer

Datos cualitativos ordinales

Answer

Datos cualitativos nominales

Answer

Cualquier tipo de datos