A) El coeficiente del término de mayor potencia. B) La potencia más alta de la variable en el polinomio. C) La suma de las potencias de todos los términos del polinomio. D) El número de términos del polinomio.
A) Estimación de valores entre puntos de datos conocidos. B) Ignorar los datos atípicos para mejorar la precisión. C) Encontrar los valores exactos de los puntos de datos. D) Manipulación de datos para ajustarlos a un patrón específico.
A) Ajuste exacto de los puntos de datos. B) Maximización de los valores atípicos en los datos. C) Utilizar la mediana en lugar de la media. D) Minimizar la suma de las diferencias al cuadrado entre los puntos de datos y la función de aproximación.
A) Son funciones polinómicas a trozos utilizadas para la interpolación. B) Son funciones trigonométricas utilizadas para suavizar datos. C) Son funciones racionales utilizadas para el análisis de errores. D) Son funciones exponenciales utilizadas para la aproximación por mínimos cuadrados.
A) Teorema del valor intermedio de Bolzano B) Teorema de Rolle C) Teorema del valor medio de Cauchy D) Teorema de aproximación de Weierstrass
A) La interpolación es menos precisa que la aproximación. B) La interpolación se utiliza para datos discretos y la aproximación para datos continuos. C) La aproximación proporciona valores exactos, mientras que la interpolación proporciona estimaciones. D) La interpolación pasa por todos los puntos de datos, mientras que la aproximación no.
A) Son menos intensivas desde el punto de vista computacional que las técnicas univariantes. B) Requieren menos puntos de datos para obtener resultados precisos. C) Se limitan únicamente a aproximaciones lineales. D) Pueden manejar funciones de múltiples variables e interacciones.
A) La ausencia de errores en la aproximación. B) La diferencia entre la función real y su aproximación. C) La suma de todos los errores calculados en la aproximación. D) El número de puntos de datos en la aproximación.
A) Aplica más peso a los valores atípicos de los datos. B) Evita el sobreajuste y mejora la generalización de la aproximación. C) Aumenta la complejidad del modelo de aproximación. D) Introduce más ruido en los datos para mejorar la precisión. |