A) La regresión múltiple solo se usa en mercados financieros
B) La regresión simple no necesita realizar pruebas de significancia
C) La regresión simple tiene una sola variable independiente, mientras que la regresión múltiple tiene varias
D) La regresión simple es más precisa que la regresión múltiple

A) Análisis de componentes principales
B) Método de descomposición LU
C) Mínimos cuadrados ordinarios
D) Método de máxima verosimilitud

A) Modelo integrado autoregresivo de media móvil
B) Modelo predictivo de crecimiento económico
C) Modelo general de regresión lineal
D) Modelo de regresión logística

A) Presencia de tendencias lineales en los datos
B) Cambio en la distribución de probabilidad de los datos
C) Media y varianza constantes a lo largo del tiempo
D) Estabilidad en la correlación entre variables

A) La estabilidad del mercado financiero
B) La correlación entre variables macroeconómicas
C) El crecimiento económico sostenible
D) La volatilidad condicional en la serie temporal

A) Errores tipo I: Aceptar una hipótesis nula falsa. Errores tipo II: Rechazar una hipótesis nula verdadera.
B) Errores tipo I: No tener suficientes datos. Errores tipo II: Tener demasiada información.
C) Errores tipo I: Rechazar una hipótesis nula verdadera. Errores tipo II: Aceptar una hipótesis nula falsa.
D) Errores tipo I: No considerar la heterocedasticidad. Errores tipo II: Ignorar la multicolinealidad.

A) Modelo autorregresivo condicional de heterocedasticidad
B) Modelo de pronóstico de ventas
C) Modelo de series temporales estacionarias
D) Modelo de regresión simple

A) Método para ajustar los coeficientes a los datos
B) Método para evaluar si los coeficientes son estadísticamente diferentes de cero
C) Método para aumentar la multicolinealidad en el modelo
D) Método para predecir futuros eventos económicos

A) Cuando una variable explicativa está correlacionada con el término de error
B) Cuando el modelo no considera las variables temporales
C) Cuando la varianza de los errores cambia con el tiempo
D) Cuando las variables independientes están altamente correlacionadas

A) Para evaluar la precisión de los coeficientes estimados
B) Para aumentar la heterocedasticidad en los residuos
C) Para introducir sesgo en los modelos econométricos
D) Para modelar la relación lineal entre variables explicativas

A) Modelo predictivo de corto plazo
B) Modelo de regresión logística
C) Modelo de regresión multinomial
D) Metodología para la identificación, estimación y diagnóstico de modelos ARIMA

A) Relación temporal perfecta entre dos variables
B) Relación entre variables independientes en modelos de regresión
C) Relación de largo plazo entre series de tiempo no estacionarias
D) Relación estacional entre variables censuradas