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.- ( ) En una ecuación: Y = α + β X + e α y β son parámetros poblacionales.

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

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

5.- ( ) Un valor de r puede indicar que no existe una relación lineal, pero puede ser que haya
una relación de alguna otra forma no lineal o curvilínea.

6.- ( ) Al utilizar la recta de regresión con un método matemático denominado principio de los
mínimos cuadrados se elimina el juicio subjetivo.

7.- ( ) 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.

8.- ( ) 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.

9.- ( ) 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

10.- ( ) Si existe una correlación de 0.76 se puede concluir que existe una asociación muy débil
entre las variables ya que el valor está muy cercano a 1.

11.- ( ) Cuando los puntos en el diagrama de dispersión aparecen cerca de la recta, se observa
que el coeficiente de correlación tiende a ser grande.

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

13.- ( ) La recta de regresión por mínimos cuadrados siempre pasará por el punto X, Y .

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

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

la varianza de Y y la desviación estándar de X.

16.- ( ) La variable endógena (dependiente) es aleatoria, esto es, por cada valor dado a la variable
exógena (independiente), existen muchos posibles resultados para la variable endógena.
17.- ( ) El análisis de regresión se podría utilizar para predecir un amplio rango de fenómenos,
desde medidas económicas hasta diferentes aspectos del comportamiento humano.

18.- ( ) 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:

19.- R2 se puede interpretar como:

A) la medida de ajuste (exactitud) de las observaciones a la recta de regresión.
B) la medida de la variabilidad de las observaciones en torno a la recta de regresión;
C) medida del grado de desigualdad entre las observaciones
20.- El objetivo principal del modelo de correlación lineal simple es:
A) averiguar la fuerza de la relación entre X e Y;
B) predecir los valores de Y (variable criterio) a partir de los valores de X (variable predictora);
C) valorar las diferencias entre variables que miden las mismas características.
21.- En el modelo de regresión lineal simple, la varianza de la y condicionada a cada valor de X:
A) varía según varía la variable predictora;
B) varía en virtud de los valores que toma la variable criterio;
C) es constante
22.- En el modelo de regresión lineal simple, donde Y es la variable criterio e X la predictora (con
valores fijados por el investigador), el parámetro beta (pendiente de la recta de regresión)
indica:
A) el cambio en el valor esperado de Y por unidad de cambio en la variable X;
B) el cambio en el valor esperado de Y según la variación aleatoria de X;
C) el cambio en el valor esperado de X por unidad de cambio en la variable Y.

23.- Un investigador conoce por la literatura especializada que el rendimiento escolar se relaciona
linealmente con la motivación al estudio. Su interés es comprobar si esta cuestión es cierta en
sus alumnos y, una vez verificada, poder conocer con un margen de error el rendimiento de
un alumno sabiendo su puntuación en motivación. A la vista de este planteamiento, ¿qué
técnica estadística le permite resolver la cuestión?:
A) el análisis de regresión;
B) el análisis de varianza de un factor de medidas no repetidas;
C) el análisis de varianza de un factor de medidas repetidas
24.- 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.
25.- 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;
26.- 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
27.- 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
28.- El análisis de regresión tiene:
A) sólo vertiente descriptiva;
B) sólo vertiente inferencial;
C) vertiente descriptiva e inferencial.
29.- En la siguiente ecuación de una recta X = α + β.Y
A) alfa indica el valor de Y para X = 0;
B) alfa representa la pendiente;
C) ambas respuestas son incorrectas
30.- Cuando el coeficiente de determinación toma el valor cero:
A) el ajuste de la recta de regresión es perfecto;
B) la recta de regresión es horizontal;
C) ambas respuestas son incorrectas.
31.- El coeficiente de determinación es una medida de:
A) la proporción de varianza no explicada por la ecuación de regresión;
B) el grado de error cometido en la regresión;
C) la proporción de varianza explicada por la regresión
32.- La expresión Y = α • X β + ε representa:
A) el modelo de regresión potencial;
B) el modelo exponencial;
C) el modelo de regresión lineal múltiple;
D) el modelo de regresión lineal potencial;
E) el modelo de regresión lineal exponencial.

33.- La expresión Y = α • β X + ε representa:

A) el modelo de regresión potencial;
B) el modelo de regresión exponencial;
C) el modelo de regresión lineal potencial;
D) el modelo de análisis de varianza aditivo;
E) el modelo de regresión lineal simple;

34.- 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.

35.- La expresión log(Y) = logα + logβ •[X] + logε representa:

A) el modelo de regresión potencial;
B) el modelo de exponencial linealizado;
C) el modelo de regresión lineal potencial;
D) el modelo de análisis de varianza aditivo;
E) el modelo de regresión lineal simple;

36.- En una regresión lineal Y = a + b X , por el método de los mínimos cuadrados

A) El error medio es cero.
B) La varianza residual es igual a la varianza debida a la regresión mas la varianza de Y.
C) Los valores ajustados deben coincidir con los valores observados.

37.- El coeficiente de correlación lineal entre las variables Renta y Consumo debe ser en buena
lógica.
A) Positivo.
B) Negativo.
C) Cero.

38.- Las rectas de regresión de X sobre Y y la de Y sobre X.

A) Son siempre paralelas.
B) Se cortan al menos en el punto: media de X, media de Y.
C) Son perpendiculares.

39.- 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.

40.- Si en un modelo de regresión obtenemos que la varianza de la variable y* es cero podemos

afirmar que:
A) el coeficiente de determinación es cero
B) el coeficiente de determinación es uno
C) la varianza de los errores es mayor que la varianza de la variable Y.

41.- 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.
A) Análisis de varianza (ANOVA)
B) Análisis de Regresion
C) Mínimos Cuadrados
D) Tratamientos
E) Bloques
42.- 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

43.- Técnicas estadísticas que permiten determinar la ecuación matemática que relaciona un efecto
(variable dependiente o respuesta) con una o varias causas (variables independientes o
predictoras).
A) Regresión:
B) ANOVA
C) Suma de Cuadrados Totales
D) Suma de cuadrados de Error

44.- 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

45.- La media para el grupo completo de sujetos provenientes de todas las muestras del
experimento.
A) Gran media
B) Media de tratamientos
C) Media de bloques
D) Media de Error

46.- Estimación de la varianza de la población basada en las varianzas dentro de k muestras,

utilizando un promedio ponderado de k varianzas muestrales.
A) Varianza dentro de columnas
B) Varianza dentro de Error
C) Varianza Total
D) Varianza dentro de Bloques

47.- 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