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