A) La regresión simple no necesita realizar pruebas de significancia
B) La regresión múltiple solo se usa en mercados financieros
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) Método de máxima verosimilitud
B) Mínimos cuadrados ordinarios
C) Método de descomposición LU
D) Análisis de componentes principales

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

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

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

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

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

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

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

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

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

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