ACADEMIA APRUEBA DE NÚMEROS

JavaScript isn't enabled in your browser, so this file can't be opened. Enable and reload.

MEP - Curso 2021-2022
www.apruebadenumeros.com
WhatsApp: 644 484 385

AUTOEVALUACIÓN 1 - INTRODUCCIÓN A MODELOS PARA RESPUESTAS CUANTITATIVAS CONTINUAS

Con estos cuestionarios nos vamos entrenando para el examen final, la idea es que los hagáis sin mirar los apuntes, como si fuera un examen de verdad, para que tengáis un feedback de vuestro propio desempeño y lo tengamos nosotros también, para poder apretar donde haga falta. La mayoría de preguntas serán teóricas pero habrá alguna de cálculo o interpretación de pantallazos, para que no quede nada por hacer. Suerte!

Tu nombre *

Tu apellido *

Teléfono *

Email *

1. En relación al coeficiente de correlación de Pearson: *

1 point

No está acotado, es un índice adimensional.

Va de menos infinito a más infinito.

Sus valores van de 0 a 1 en términos absolutos.

Sólo se puede saber que 0 indica ausencia de correlación.

2. Calcula el coeficiente de correlación de Pearson: *

1 point

No se puede calcular porque están en escalas distintas: gramos VS CI.

Con un r = 0.162 podemos establecer que la correlación es débil e inversa.

Con un r = 0.740 podemos decir que hay una correlación positiva relativamente alta pero espúria.

Se trata de una correlación alta (r = 0.971) y además, estadísticamente significativa, porque hay 12 observaciones bivariantes.

3. Señala la respuesta correcta: *

1 point

En la ecuación de la regresión lineal simple b0 representa la pendiente.

En la ecuación de la regresión lineal simple b0 representa el incremento de Y por cada incremento en X.

En la ecuación de la regresión lineal simple b1 representa la constante.

En la ecuación de la regresión lineal simple b1 representa la pendiente.

4. ¿Cuál de las siguientes afirmaciones es cierta en relación a la regresión lineal y las correlaciones? *

1 point

Las correlaciones son asimétricas y el modelo de regresión lineal es simétrico.

En un modelo de regresión lineal simple podemos tener dosvariable independiente y varias dependientes.

En un modelo de regresión lineal simple, las variables dependientes se emplean para predecir el valor de la variable independiente.

Si las variables del modelo están poco correlacionadas, el poder explicativo será bajo.

5. Construye la ecuación de regresión *

1 point

lexp = 53.320 + 0.238 · safewater.

safewater = 0.238 · 53.320 + lexp.

lexp = safewater · 0.238 · 53.320.

safewater = 0.238 + 53.20 + lexp.

6. ¿Cuál será el nivel de estrés predicho de un individuo que tenga una puntuación en Afrontamiento de 10? *

1 point

Entre -0.9612 y -0.5657.

67.791.

Entre 64.03 y 86.81.

150.41.

7. ¿Cuál de los siguientes pasos NO forma parte del diagnóstico del modelo? *

1 point

Evaluar la normalidad de los residuos.

Detectar casos anómalos.

Evaluar la homogeneidad de los errores.

Evaluar la validez predictiva del modelo.

8. ¿Cuál de las siguientes afirmaciones NO es cierta? *

1 point

Los modelos de regresión lineal pueden tener finalidad explicativa o descriptiva.

Si deseamos priorizar la potencia predictiva de nuestro modelo, entonces deberemos minimizar la variancia residual.

Tanto en los modelos predictivos como en los explicativos, las variables independientes y las dependientes, realizan la misma función.

En los modelos explicativos, no es necesario que las variables independientes estén correlacionadas porque la selección de las mismas es más compleja y se realiza por métodos cualitativos.

9. De acuerdo a estos datos, ¿Qué afirmación sería razonable sostener? *

1 point

Dada la cantidad de observaciones tan elevada que se aprecia, muy probablemente el modelo tendrá una buena capacidad de predicción.

La capacidad de predicción del modelo es muy limitada con un valor de predicción de: 39846.3742

El modelo tiene una baja capacidad de predicción, probablemente porque las variables no están linealmente relacionadas.

El modelo es excelente, tiene muy buena capacidad predictiva y las variables están linealmente relacionadas en rangos de puntuaciones bajas y menos relacionadas linealmente para puntuaciones altas.

10. En este caso, el poder predictivo del modelo es: *

1 point

0.0125.

0.8513.

0.1513.

Ninguna de las anteriores es correcta.

¿Qué diferencias hay entre correlación y regresión?

*De acuerdo con nuestra Política de privacidad, te pedimos permiso explícito para poder contactar contigo a través de tu correo electrónico y WhatsApp.ACADEMIA APRUEBA DE NÚMEROS es el responsable del tratamiento de los datos personales de usuario e informa de que estos datos serán tratados de conformidad con lo que se dispone en las normativas vigentes de protección de datos personales, en el Reglamento (UE) 2016/679 del 27 de abril de 2016 (GDPR), por lo cual se facilita la siguiente información del tratamiento:Finalidad del tratamiento: enviar información sobre las actividades que realice ACADEMIA APRUEBA DE NÚMEROS.Criterios de conservación de los datos: se conservarán mientras exista un interés mutuo por mantener la relación.Comunicación de los datos: no se comunicarán los datos a terceros, excepto por obligación legal.Derechos que asisten al usuario: derecho a retirar el consentimiento en cualquier momento, mediante el envío de un correo electrónico a info@apruebadenumeros.com.Derecho de acceso, rectificación, portabilidad y supresión de sus datos y a la limitación u oposición de su tratamiento. Derecho a presentar una reclamación ante la Autoridad de control (www.agpd.es) si considera que el tratamiento no se ajusta a la normativa vigente. *

He leído y acepto las condiciones de las Políticas de Privacidad y de Protección de Derechos de Imagen de ACADEMIA APRUEBA DE NÚMEROS.

Required

Submit

Clear form

Never submit passwords through Google Forms.

This content is neither created nor endorsed by Google. Report Abuse - Terms of Service - Privacy Policy

Forms