Calificación para este intento: 56 de 70

Presentado 16 abr en 12:47

Este intento tuvo una duración de 62 minutos.

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

Proporción de la varianza explicada por la variable dependiente

¡Correcto!

mide el porcentaje de explicación de las variables independientes sobre la

dependiente

mide la correlación entre las variables dependientes

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

No es estadísticamente significativa, lo que sugiere que los metros cuadrados no explican el

número de garajes del apartamento

No es estadísticamente significativa, lo que sugiere que los metros cuadrados no explican el

precio promedio de un apartamento

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:

Se desea calcular el precio promedio de un apartamento con 64 mts cuadrados

y dos garajes, de acuerdo al modelo de regresión este precio promedio es:

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!

a)Diferencia de pendiente en la recta en los precios de un vehículo automático

contra uno mecánico en la medida que aumenta el kilometraje.

a)Diferencia de interceptos en las rectas de vehículos mecánicos contra

automáticos

Diferencia de pendiente referente al precio en dos carros automáticos y

mecánicos tomando como base el mismo kilometraje entre ambos vehículos

a)Diferencia en el kilometraje entre dos carros automáticos

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

Entre más amplio sea un intervalo de confianza se tiene más probabilidad de

contener el verdadero valor poblacional que se pretende estimar, en el mismo
sentido un intervalo más pequeño ofrece una estimación más precisa, aunque
aumenta su probabilidad de error.

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.

La variación promedio en la experiencia por cada año más de educación,

cuando todos los demás factores permanecen constantes.

La variación promedio en el salario por cada año más de educación, cuando

todos los demás factores permanecen constantes
El análisis econométrico tiene como premisa explicar una variable "Y" en
función o en términos de una variable x. Para establecer un modelo estadístico
que"explique y en términos de x”hay que tener en cuenta dos aspectos.
Primero, dado que entre las variables nunca existe una relación exacta, ¿cómo
pueden tenerse en cuenta otros factores que afecten a Y?. Segundo, se
desconoce la verdadera relación funcional entre Y y X.

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

De acuerdo con lo anterior, el tiempo que dura dicha encomienda controlando

la ubicación del local donde se coloca el envio es:
Respondido

la variable tiempo no es estadísticamente significativa, es decir no ejerce un

efecto explicativo sobre el costo de envio de una encomienda.
Respuesta correcta

la variable tiempo es estadísticamente significativa, es decir ejerce un efecto

explicativo sobre el costo de envio de una encomienda

la variable tiempo no es estadísticamente significativa, es decir no ejerce un

efecto explicativo sobre el costo de envio de una encomienda

la variable tiempo es estadísticamente significativa, es decir ejerce un efecto

explicativo sobre el costo de envio de una encomienda

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!

a)Manteniendo fijo el género de la persona por cada año adicional de

educación se espera que en promedio el salario aumente en un 5.92%.

a)Manteniendo fijo la educación de la persona la diferencia salarial entre

hombres y mujeres es de 5.92%.

a)Manteniendo fijo el género de la persona por cada año adicional de

educación se espera que en promedio el salario aumente en un 5.92 pesos.

a)Manteniendo fijo el género de la persona por cada año adicional de

educación se espera que en promedio el salario aumente en un 0.0592%.
Al analizar un modelo de regresión lineal múltiple compuesto por una variable
cuantitativa y una cualitativa, el intercepto B0 es el salario promedio de una
persona que tiene 0 años de educación y cuyo genero es hombre. En el caso
de B1, pendiente de la recta, es asumiendo constante el género del individuo,
por cada año adicional de educación se espera que el salario promedio de esta
persona aumente en B1 pesos al mes. Otra manera de interpretar este
coeficiente es el siguiente, si se comparan dos personas, ambas con el mismo
género (dos hombres o dos mujeres) pero uno con un año adicional de
educación respecto al otro, se espera que en promedio el salario de esta
persona sea de B1 pesos mayor que el otro.
Al respecto, como la variable dependiente se encuentra en términos
logarítmicos se debe interpretar en términos porcentuales y multiplicar por
100%.

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:

De acuerdo con lo anterior, el avaluó catastral del predio, controlando el área

construida del predio medido en metros cuadrados es:
Respondido

a)la variable catastro no es estadísticamente significativa, es decir no ejerce un

efecto explicativo sobre el precio de un predio.

a)la variable catastro es estadísticamente significativa, es decir ejerce un efecto

explicativo sobre el precio de un predio.

a)la variable catastro no es estadísticamente significativa, es decir no ejerce un

efecto explicativo sobre el precio del predio.
Respuesta correcta

la variable catastro es estadísticamente significativa, es decir ejerce un efecto

explicativo sobre el precio de un predio

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

Al respecto, el coeficiente que acompaña a la variable de experiencia tiene la

siguiente interpretación: por cada año adicional de experiencia, se espera que
en promedio el salario aumente en un 0.004248%.

True

¡Correcto!

False

Por propiedades de la función logaritmo natural, al tener en la variable

dependiente esta función, el parámetro B1 se multiplica por 100 para obtener el
cambio porcentual del salario por un año adicional de experiencia. Es decir
que por cada año adicional de experiencia, se espera que en promedio el
salario aumente en un 0.42%.
Las relaciones lineales no son lo suficientemente general para todas las
aplicaciones económicas. Es posible incorporar varias funciones no
linealidades en el análisis de regresión simple mediante una definición
apropiada de las variables dependiente e independiente. A menudo se
encuentran ecuaciones de regresión en las que la variable dependiente
aparece en forma logarítmica.

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:

Cuantificar en términos porcentuales la diferencia salarial entre un hombre y

una mujer explicada por variaciones en los años de educación.
a)Cuantificar en términos de dinero la diferencia salarial entre un hombre y una
mujer
¡Correcto!

a)Cuantificar en términos porcentuales la diferencia salarial entre un hombre y

una mujer

a)Cuantificar la diferencia salarial entre un hombre y una mujer explicada por

variaciones en los años de educación.
En términos descriptivos, los factores cualitativos surgen en forma de
información bivariada: una persona es mujer u hombre; una persona tiene o no
computadora; se puede estar soltero o comprometido. En todos estos
ejemplos, la información de interés puede ser obtenida empleando una variable
binaria o dicotómica que toma dos valores (cero o uno). En econometría a las
variables dicotómicas se les suele conoce como variables binarias o dummy.
Al definir una variable binaria hay que decidir a qué evento o característica se
le asigna el valor uno y a cual el valor cero. En el caso de un estudio para
analizar el salario de los individuos, puede definirse género como una variable
binaria que tome el valor uno para mujer y el valor cero para hombre.

Pregunta 19
0 / 3.5 ptos.
En un modelo de probabilidad lineal se tiene como propósito:

a)Cambios porcentuales en las variables independientes dadas su

correlaciones
Respuesta correcta

a)Mide la variación de la probabilidad al cambiar las variables explicativas

Respondido

a)Calcular el cambio o variación en Y ante cambios en X dejando o

permaneciendo los demás factores.
a)Sugiere cambios en la varianza de los estimadores de regresión ante
cambios en la probabilidad de éxito.
Pregunta 20
3.5 / 3.5 ptos.
El valor del R Cuadrado siempre está entre cero y uno; en el caso que el ajuste sea perfecto
y todos los puntos de los datos se encuentren sobre una misma línea, los MCO proporcionaran un
ajuste perfecto lo que indica que si el R Cuadrado es 1, en caso que el R Cuadrado
sea 0 sugiere un ajuste débil de la línea estimada por MCO

False

¡Correcto!

True