Identifique la respuesta correspondiente indicando con V:verdadera o F: falsa de las

siguientes proposiciones

1.- ( ) Un coeficiente de correlación r = ± 1 indica una correlación imperfecta.

2.- ( ) El intervalo de confianza, reporta el valor medio de Y para una X dada.

3.- ( ) Los valores α y β en la ecuación de regresión se les conoce como Estimadores Mínimo
Cuadrados.

4.- ( ) Lo que se puede concluir cuando se tiene dos variables con fuerte correlación es que hay
una relación o asociación entre ambas variables, no que el cambio en una ocasiona un cambio
en otra.

5.- ( ) El error estándar y el coeficiente de determinación son dos estadísticos que proporcionan
una evaluación general de la capacidad de una ecuación de regresión para predecir una variable
independiente.

6.- ( ) Los ingresos de los docentes y el número de instituciones psiquiátricas han aumentado en
forma proporcional. Al relacionar estas dos variables se está presentando un ejemplo de
correlaciones espurias

7.- ( ) La recta de regresión por mínimos cuadrados no siempre pasará por el punto X, Y .

8.- ( ) El propósito e la ecuación de regresion es cuantificar una relación lineal entre dos variables.

9.- ( ) Para determinar el valor de α (intercepto) se debe calcular el coeficiente de correlación, la

varianza de Y y la desviación estándar de X.

10.- ( ) El análisis de regresión simple o múltiple sirve como una técnica de inferencia y técnica
descriptiva.

Identifique la respuesta correspondiente subrayando una de las proposiciones:

11.- En las predicciones que realizamos mediante la recta de regresión hay que tener en cuenta
A) que son siempre exactas, ya que la predicción no se puede ver afectada por la variabilidad;
B) que no pueden ser exactas, entre otras razones debido a la variabilidad de las
puntuaciones;
C) que son siempre exactas, ya que se cumple el principio de Homocedasticidad.
12.- La expresión Y = α + β*X + E representa:
A) el modelo potencial;
B) el modelo de regresión lineal múltiple;
C) el modelo de regresión lineal potencial;
D) el modelo de análisis de varianza aditivo;
E) el modelo de regresión lineal simple;
13.- Cuando el investigador está interesado en realizar “predicciones”, las técnicas estadísticas
 apropiadas son:
A) pruebas de diferencia de medias para muestras relacionadas;
B) técnicas de regresión;
C) técnicas de Análisis de Varianza
14.- Cuando llevamos a cabo un análisis de regresión, el método de estimación por mínimos
cuadrados garantiza que:
A) las predicciones son exactas;
B) la ordenada en el origen de la recta de regresión es nula;
C) los errores de predicción son mínimos
15.- El análisis de regresión tiene:
A) sólo vertiente descriptiva;
B) sólo vertiente inferencial;
C) vertiente descriptiva e inferencial.
16.- La expresión log(Y) = logα + β • log(X) + logε representa:
A) el modelo de regresión potencial linealizado;
B) el modelo exponencial linealizado;
C) el modelo de regresión lineal múltiple;
D) el modelo de regresión potencial;
E) el modelo de regresión exponencial.

17.- Si dos variables estadísticas X e Y tienen un coeficiente de correlación negativo. Podemos

afirmar que:
A) Cuando la variable X crece la variable Y crece.
B) Cuando la variable X decrece la variable Y crece.
C) Cuando la variable X decrece la variable Y decrece.

18.- Cociente utilizado en el análisis de varianza, entre otras pruebas, para comparar la magnitud de
dos estimaciones de la varianza de la población para determinar si las dos estimaciones son
aproximadamente iguales; en ANOVA se usa el cociente de la varianza entre columnas dividido
entre la varianza dentro de columnas.
A) Cociente F de Fisher
B) Regresion Anova
C) Cociente t de Student
D) Suma de Cuadrados de Error

19.- Familia de distribuciones diferenciadas por dos parámetros (gl del numerador, gl del
denominador), utilizada principalmente para probar hipótesis sobre varianzas.
A) Distribución F de Fisher
B) Distribución t de Student
C) Coeficiente F de Fisher
D) Coeficiente t de Student

20.- Estimación de la varianza de la población derivada de la varianza entre las medias de las
muestras.
A) Varianza entre columnas
B) Tratamientos
C) Varianza de Error
 D) Varianza Total

21. Es una técnica de optimización cuyo objetivo consiste en la obtención de la función que
mejor se ajuste (en el sentido de un error cuadrático mínimo) a los datos observados
de las variables objeto de estudio.
 Mínimos cuadrados
 Regresión:
 Estimador o Parámetro
 Coeficiente de Determinación
 Tabla de Anova

22. Técnicas estadísticas que permiten determinar la ecuación matemática que relaciona
un efecto denominada variable endógena o respuesta con una o varias causas
identificadas como variables exógenas o predictores).
 Regresión:
 Mínimos cuadrados
 Estimador o Parámetro
 Coeficiente de Determinación
 Tabla de Anova

23. Es un estadístico cuyos valores se consideran próximos a un parámetro que, por ser
generalmente desconocido, se desea estimar. Es una característica fija, generalmente
numérica, de la población de valores de una variable.
 Estimador
 Coeficiente de Regresión:
 Mínimos cuadrados
 ANOVA Mínimo Cuadrática
 Coeficiente de ANOVA

24. Valor numérico extraído de las observaciones de una muestra que se aproxima en
mayor o menor medida al parámetro de la población sobre el que se quiere investigar.
 Estimador
 Coeficiente de Regresión:
 Mínimos cuadrados
 Coeficiente de Probabilidad
 Estimador de ANOVA

25. Es el cuadrado del coeficiente de correlación. Expresado en tanto por ciento, mide el
grado de información compartida entre dos o más variables continuas.
 Coeficiente de Determinación:
 Coeficiente de Correlación:
 Coeficiente de Variabilidad
 Coeficiente de Probabilidad
  Coeficiente de ANOVA

26. Medida de asociación que indica el grado en que dos variables continuas poseen una
relación lineal (r). También indica la dirección de esa asociación
 Coeficiente de Correlación:
 Coeficiente de Determinación:
 Coeficiente de Variabilidad
 Coeficiente de Probabilidad
 Coeficiente de ANOVA

27. Proceso que consiste en usar una misma o similares unidades experimentales para
todos los tratamientos, con el objetivo de proporcionar una prueba más sólida para
diferenciar las medias de las poblaciones o tratamientos.
 Formación de bloques
 Formación de Tratamientos
 Variabilidad de Error
 Variabilidad de Bloques
 Desviación de Tratamientos

28. Es una estructura usada para resumir los cálculos y los resultados del análisis de
varianza, contiene columnas en las que se muestran las fuentes de variación, las sumas
de cuadrados, los grados de libertad, los cuadrados medios y el o los valores F.
 Tabla de Análisis de Varianza
 Tabla de Contingencia
 Tabla de Análisis de Regresión
 Tabla de Mínimo Cuadrática
 Tabla de Tratamientos de Regresión

29. Técnica estadística utilizada para probar la igualdad de tres o más medias muestrales y
hacer inferencias sobre si las muestras provienen de poblaciones que tienen la misma
media.
 Análisis de varianza
 Varianza dentro de columnas
 Varianza entre columnas
 Variabilidad de Bloques
 Desviación de Tratamientos

30. Llamada también variabilidad no explicada, estimación de la varianza de la población

basada en las varianzas dentro de k muestras, utilizando un promedio ponderado de k
varianzas muestrales.
 Varianza dentro de columnas
 Análisis de varianza
 Varianza entre columnas
  Variabilidad de Bloques
 Desviación de Tratamientos

31. Llamada también variabilidad explicada, estimación de la varianza de la población

derivada de la varianza entre las medias de las muestras.
 Varianza entre columnas
 Análisis de varianza
 Varianza dentro de columnas
 Variabilidad de Bloques
 Desviación de Tratamientos

32. Es el valor promedio para el grupo completo de sujetos provenientes de todas las
medias de las muestras del experimento.
 Gran media
 Desviación Estándar de Regresión
 Coeficiente de determinación
 Coeficiente de Variabilidad
 Coeficiente de Probabilidad