Qüestionari RLM, Apuntes de Biología

¡Descarga Qüestionari RLM y más Apuntes en PDF de Biología solo en Docsity!

Qüestionari RLM

úiestionari RLM Pregunta 1 Per a poder realitzar una Regressió lineal múltiple les variables han de ser: Correcie Puntuació 1,00 Trieu-ne una: sobre 1,00 a. Només la variable resposta o depenent (Y) ha de ser categóriques (nominals), les variables explicatives o Y Marca la independents (Xs) han de ser mesurades numériques pregunta b. Totes les variables han de ser categóriques (nominals) +. c. Totes les variables han de ser mesurades (numériques) / Cert, tant la variable resposta o depenent (Y), com les explicatives o independents (Xs) han de ser numériques bles explicatives o d. Només la variable resposta o depenent (Y) ha de ser mesurada numérica, les vas independents (Xs) han de ser categóriques (nominals) La teva resposta és correcta. La resposta correcta és: Totes les variables han de ser mesurades (numériques) Pregunta 2 Es vol realitzar un model per tal de determinar la importancia relativa de l'algada, n* de peu, hores d'exercici Correcte setmanals, ila dieta en el pes. Quina és la variable resposta o depenent? Puntuació 1,00 sobre 1,00 Trieu-ne una: Y Marcala + a.Pes./ Efectivament el pes és la variable resposta o depenent ja que és la variable de la qual preguma volem investigar si respon a canvis en la dieta, alcada, exercici o peu. b. Dieta c. n* de peu d. Algada e. hores d'exercici setmanals La teva resposta és correcta. La resposta correcta és: Pregunta 3 la linealitat és un dels supósits de la regressió lineal múltiple Correcto Puntuació 1,00. sobre 1,00 Trieu-ne una: Y Marcala + Vertader y pregunta Fals La resposta correcta és 'Vertader.. La homogeneitat de variáncies no és un supósits de la regressió lineal múltiple Trieu-ne una: + Vertader X Fals La resposta correcta és 'Fals'. La normalitat és un supósits de la la regressió lineal múltiple Trieu-ne una: e Wertader vif(1m(ln_pes=peutln_alc+1n_exercici+ln dieta, data=exl_rlm.data)) peu In_ale ln_exercici ln dista 4.082971 4.093868 1.032266 1.026918 Trieu-ne una: Vertader > Fals y Correcta, els valors obtinguts són inferior a 5 per totes les Xs aixó indica que no hi ha problemes greus de coblinealitat, La resposta correcta és 'Fals!. Pregunta 11 A partir de les dades segúents calcula la R2 ajustada del model: Corren n=100 Puntuació 1,00 sobre 1,00 call: Y Marcala In(formula = In pes » peu + In_alc + 1n exercici + In_dieta, Pregunta deta = exl_rlm.data) Residual: Min 10 — Median 30 Max -0.22746 -0.07043 0.00115 0.04661 0.34535 Coefficients: Estimate Std. Error t value Pr(>ltl) (Intercept) 1.506936 2.235458 0.674 0.5019 peu 0.044577 —0.088965 4.972 2.97e-06 ==" In_ale 0.189385 0.494550 0.365 0.7161 In_exercici -0.040184 0.016534 -2.430 0.0170 * In_dieta -0.049586 0.019159 -2.118 0.0368 * signif. codes: 0 “*** 0.001 “=> 9,01 “* 0.05 “.* 0.1%? 1 Residual standard error: 0.1214 on 94 degrees of freedom Multiple R-squared: 0.5675 F-statistic: 30.84 on 4 and 94 DF, Especifica la resposta amb 4 decimals Resposta: | 0,5493 Correcta La resposta correcta és: 0,5492 S'ha utilitzat un procediment automátic de selecció de variables ¡ s'ha obtingut el segúent resultat: Start: AIC=-412.58 In_pes » peu + 1n_alc + In_exercici + ln_dieta DF Sum of Sq RSS AIC - Inale 1 0.00196 1.3883 -414.44 1.3863 -412.58 - Indieta 1 0.0618 1.4525 -499.96 - In exercici 1 0.08712 1.4734 -408.54 - peu 1 0.36464 1.7519 -391.46 Step: AIC=-414.44 In_pes » peu + 1n_exercici DF Sum of Sq RSS AIC 1.3883 -414.44 + In_ale 1 0.00196 1.3863 -412.58 - indieta 1 0.06791 1.4562 -411,71 - Inexercici 1 0.08645 1.4747 -419.46 - peu 1 1.65890 3.0472 -338.61 Quin métode de selecció de variables s'ha utilitzat? Trieu-ne un: a. backward o cap endarrere b. forward o cap endavant + c.stepwiseo pasa pas/ Correcta, fixa't que el métode prova d'introduir (variables precedides de +) ¡ extreure (variables precedides de -) variables que és le que fa stepwise La teva resposta és correcta. La resposta correcta és: stepwise o pas a pas De la mateixa manera que cal calcular 'R2 ajustada en regressió múltiple, també cal calcular PAICC "ajustat”. Calcula el valor AICC a partir de les dades seguents: n=100 model final In pes »» peu + 1n exercici + 1n dieta AIC del model final AIC=-414.44 Específica el resultat amb 2 decimals -413,80 Respost La resposta correcta és: -413,8 Pregunta 17 Correte Puntuació 1,00 sobre 1,00 Y Marcala pregunta A partir del resultats del model final call: Im(formula = ln pes = peu + In exercici + ln dieta, data = exl_rlm.data) Residuals: Min 10 Median 0 Max -0.22719 -0.07422 -0.00244 9.05092 0.34000 Coefficients: Estimate Std. Error t value Pr(>|t]) (Intercept) 2.31962 0.18956 12.847 <2e-16 *** peu 0.04741 0.0044S 10.654 <2e-16 **" In exercici -0.04001 0.01645 -2.432 0.0169 * In dieta -0.04103 0.01903 -2.156 0.0336 * Signif. codes: 0 “%"" 0.001 “**> 0.01 “9.05 “.* 0.1%? 1 Residual standard error: 0.1209 on 95 degrees of freedom Multiple R-squared: 0.5669, Adjusted R-squared: 0.5533 F-statistic; 41,46 on 3 and 95 DF, p-value: < 2.2e-16 Com interpretes els valors negatius de la columna "Estimate"? Trieu-ne una: +. a. Aquests valors corresponen als coeficients de regressió parcials ("pendents"), per tant valors negatius indiquen relacions negatives amb el pes (disminució de pes al augmentar els valors d'aquestes variables) ¡ valors positius indiquen relacions positives (augment de pes al augmentar el valor de la variable) / b. indiquen les variables que shan logaritrnitzat <. Indiquen les variables que no són rellevants Pregunta 18 Correo Puntuació 1,00 sobre 1,00 Y Marcala pregunta Volem determinar quina de les variables és la més influent en els canvis de pes. Amb els resultats segúents es pot determinar quina és la més rellevant? Call: Im(formula = 1n_pes = peu + ln exercici + 1n_dieta, data = exl_rlm.data) Residuals: Min 10 Median 30 Max -0.22710 -0.07422 -0.00244 0.0502 0.3400 Cosfficients: Estimete Std. Error t value Pr(»|t]) (Intercept) 2.31962 0.18056 12.847 <2e-16 *“" peu 9.04741 0.0045 10.654 <2e-16 **" In_exercici -0.04001 0.01645 -2.432 0.0169 * In_dieta -9.04103 0.01983 -2.156 0.0336 * Signif. codes: 0 “*** 0.001 “== 0,01 “* 0.05. 0.1%? 1 Residual standard error: 0.1203 on 95 degrees of freedom Multiple R=-squared: 0.5669, Adjusted R-squared: 0.5533 F-stetistic: 41.46 on 3 and 95 DF, p-value: < 2.28-16 Trieu-ne una: a. Si, el pendent ens indica precisament aixó. El pendent més elevat (en valor absolut) correspon a la variable més influent b. Si, observant els p-valors. La variable amb el p-valor més petit és la més influent +) c.No, cal calcular els coeficients estandarditzats (Betas) ¡ per fer-ho es necesiten els pendents que si que apareixen als resultats i las desviacions de les variables que no apareixen y/