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

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

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

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

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

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

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

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

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

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

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

A) Errores tipo I: No tener suficientes datos. Errores tipo II: Tener demasiada información.
B) Errores tipo I: Aceptar una hipótesis nula falsa. Errores tipo II: Rechazar una hipótesis nula verdadera.
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.