La suma de las frecuencias absolutas
Es igual a la unidad
Indica el número de datos observados
Es el número de modalidades distintas observadas
Cualquiera de las anteriores
Ninguna de las anteriores
La moda
Es la mayor de todas las frecuencias
Es el valor que representa mayor frecuencia
Es el valor máximo
Es la frecuencia del valor máximo
Todo lo anterior
La mediana
Se aplica en poblaciones asimétricas
Es adimensional
Es un porcentaje
Es el percentil P5
La media
Tiene que ser un valor de la variable
Permite comparar poblaciones de unidades distintas
Representa a poblaciones simétricas
Es la única medida que representa datos cualitativos
¿Cuál de las siguientes medidas de posición está más cerca del centro de la población?
D7
P68
Q1
D4
P48
¿Para qué se usan las medidas de dispersión?
Para ver si las observaciones son grandes
Para ver si las observaciones son pequeñas
Para ver si la población es simétrica
Para ver si las observaciones son parecidas
Para ver si las frecuencias de los valores son iguales
El coeficiente de variación
Es una medida de dispersión
Permite la comparación de dispersiones de dos poblaciones
Todo lo anterior es cierto
Nada de lo anterior es cierto
¿Cuál de las siguientes alternativas es un estadístico?
La media de la población
La varianza de la población
La desviación típica de la población
La desviación típica de la muestra
¿Qué muestreo exige descomponer la población en clases de elementos homogéneos?
Aleatorio simple
Por conglomerados
Estratificado
Todos los anteriores
Ninguno de los anteriores
El mejor estimador de la varianza de la población es:
La varianza de la muestra
La cuasivarianza de la muestra
La cuasivarianza de la población
La varianza de la media muestral
La varianza de la varianza muestral
Un nivel de confianza alto:
Aumenta la precisión de la estimación
Requiere un tamaño muestra bajo
Aumenta la cota de error de la estimación
Nada de lo anterior
Si la muestra es grande:
La cota de error es grande
La precisión de la estimación es grande
El nivel de confianza es grande
La dispersión de la población es grande
Todas las anteriores son falsas
La estimación de una proporción es menos precisa cuando:
Se disminuye el nivel de confianza
Se aumenta el tamaño de la muestra
La estimación a estimar es próxima a 0,5
Todas las anteriores
El tamaño de la muestra para la estimación de la media depende de:
Nivel de confianza
La dispersión de la población
El error máximo admisible
El nivel de confianza es la probabilidad de:
Acerca en la elección del estimador
Equivocarse al estimar en menos de la cota de error.
Equivocarse al estimar en más de la cota de error.
Que el estimador proporcione un valor correcto del parámetro
¿En cuál de los siguientes diagramas se representan las frecuencias absolutas por un área?
Diagrama de barras
Histograma
Diagrama rectangular
Si la media es 0:
Todas las observaciones son iguales
Hay tantas observaciones negativas como positivas
Todas las observaciones son iguales a cero
La suma de las observaciones es cero
¿Cuál de las siguientes medidas de posición está más cerca del Q3 de la población?
D8
¿Por qué se usa el coeficiente de variación para comparar dispersiones de dos poblaciones?
Porque es un coeficiente adimensional
Porque en su definición interviene la media
Porque no depende de la desviación típica
Porque varía poco con fluctuaciones extremas
Por todo lo anterior
¿Cómo se puede aumentar la representatividad de una muestra?
Aumentando el tamaño de la muestra
Haciendo que la muestra sea aleatoria
Muestreando en poblaciones grandes
Extrayendo una muestra sesgada
Disminuye la precisión de la estimación
Requiere un tamaño muestral más alto
En regresión, si al aumentar una variable la otra disminuye:
Las pendientes son de signo contrario
Las pendientes son negativas
Las pendientes son inversas
Las pendientes son positivas
Las pendientes son nulas
Si el coeficiente de correlación es -0,5:
Las pendientes de las rectas de regresión son positivas
Las rectas de regresión son crecientes
Al aumentar una variable, aumenta la otra
Las variables dependen en un 50%
Las variables dependen en un 25%
El contraste de igualdad de medias exige:
La igualdad de medias poblacionales
La igualdad de varianzas muestrales
La igualdad de varianzas poblacionales
La igualdad de tamaños muestrales
La igualdad de medias muestrales
Si el test es unilateral:
Su nivel de significación es bajo
Su potencia es baja
Su nivel de significación es alto
Su potencia es mayor
No afecta ni a la potencia ni al nivel de significación
En el análisis de tablas de contingencias la hipótesis alternativa (H1) es:
La igualdad de dos medias
La independencia de dos variables cualitativas
La independencia de dos variables cuantitativas
La dependencia de dos variables cualitativas
La dependencia de dos variables cuantitativas
Si al contrastar una hipótesis el nivel de significación es alto:
La probabilidad de equivocarse al rechazar es alta.
La potencia es baja
La probabilidad de equivocarse al aceptarla es baja
La probabilidad de acertar al aceptarla es baja
Si una hipótesis se rechaza al nivel de significación del 1% ¿se rechazaría también a nivel del 2%?
Nunca
Siempre
No necesariamente
Se aceptaría como cierta
Según sea la hipótesis
El análisis de varianza es más potente cuando:
La varianza del error es grande
La varianza entre poblaciones es pequeña
La varianza del error es pequeña
Las medias muestrales son grandes
Los tamaños muestrales son pequeños
¿Cómo afecta el factor de corrección para poblaciones finitas en los contrastes?
Aumentando su potencia
Disminuye el nivel de significación
Disminuye la potencia
Aumenta el nivel de significación
Todo lo anterior es falso
Si la pendiente de una recta de regresión es negativa:
La pendiente de la otra recta de regresión será también negativa
El coeficiente de correlación es negativo
Las rectas de regresión son decrecientes
La dependencia es inversa
Si el coeficiente de correlación es positivo:
Las dos variables son independientes
Cuando aumenta una variable la otra aumenta
Cuando aumenta una variable la otra disminuye
Para un tamaño de muestra fijo si se disminuye el nivel de significación la potencia de un test:
No varía
Disminuye
Aumenta
Aumenta o disminuye según sea la hipótesis
Si un test de potencia 0,9 rechaza una hipótesis H0, ¿se rechazaría esta hipótesis para una potencia 0,7?
Sólo si el nivel de significación es bajo
Dependiendo de la hipótesis
¿Cuál de las siguientes es una condición necesaria para hacer un análisis de varianza?
Las medias muestrales deben ser iguales
Las varianzas muestrales deben ser iguales
Los datos deben ser apareados
Las varianzas poblacionales deben ser iguales
Las medias poblacionales deben ser iguales
¿Qué condición se exige para poder hacer un análisis de tablas de contingencias?
Que las variables sean cuantitativas
Que se contraste la dependencia de dos variables
Que las frecuencias observadas sean menores que 5
Que las frecuencias esperadas sean mayores que 5
La frecuencia relativa:
Es el tanto por uno de la frecuencia absoluta
Se utiliza para comparar poblaciones
Se representa en un diagrama de barras
Se representa por la cuasivarianza muestral
a) y b) son correctas
En el diagrama rectangular:
Se representan características cuantitativas discretas
Sólo sirve para representar frecuencias relativas
Se representan características cuantitativas contínuas
Se representan características cualitativas absolutas y relativas
a) y d) son correctas
Con respecto al histograma:
La base del rectángulo debe corresponderse con la clase
La altura del rectángulo debe ser proporcional a la frecuencia
Podemos representar el polígono de frecuencias
El histograma construido sobre frecuencias relativas presentara un área total de 1
Todas son correctas
El Q2 se corresponde con:
La marca de clase
La varianza
El percentil 60
El intervalo de normalidad se calcula:
(μ-σ,μ+σ)
(Xi-μ)2/n (el dos es el cuadrado del paréntesis)
El intervalo que engloba el 68% de la población
(μ-2σ,μ+2σ)
Todas son falsas
El coeficiente de variación:
Se utiliza para comparar dispersiones
Se utiliza en una distribución normal tipificada representada en una curva de Gauss
Se usa en el muestreo aleatorio estratificado
Sirve para obtener el nivel de confianza
Se usa cuando la media tiende a 0
El sesgo de una población depende de:
Del tamaño de la muestra
De la cota de error
De la dispersión
a) y c) son correctas
En el muestreo aleatorio estratificado:
La población se considera homogénea
La población debe ser homogénea dentro de cada estrato
Los tamaños muestrales de cada estrato deben ser proporcionales al tamaño del estrato.
b) y c) son correctas
La teoría de la estimación:
Utiliza el contraste de hipótesis para conocer a la población
Trata de encontrar un estadístico que permita obtener valores aproximados de los parámetros
Se establece en función del nivel de confianza y de la cuasivarianza muestral.
Establece un tamaño de la muestra de un 25%
Si el tamaño de una muestra en la estimación de una proporcion de la población es n = k2· π·(1−π)/e2, podemos calcular X según:
π de un estudio similar
π de una muestra piloto
π en el caso más desfavorable, en el que valdría 1⁄2
En el contraste de hipótesis:
La hipótesis que se pone a prueba se denomina hipótesis nula
Se construye un experimento asociado a un suceso con pocas probabilidades de que se verifique
Se calcula el grado de dependencia
Siempre se usan datos apareados
a) y b) son ciertas
En el análisis de regresión y correlación de la dependencia, entre las variables pueden ser:
Dependencia lineal
Dependencia exponencial
Dependencia hiperbólica
Dependencia logarítmica
El nivel de confianza:
Es la probabilidad de equivocarse en menos de la cota de error
El nivel de confianza se determina en función de una constante que vale un 98%
El nivel de confianza se determina en función de la varianza de la población
El nivel de confianza se determina en función de la muestra piloto
En el grado de dependencia de dos variables debemos medir:
El coeficiente de determinación
La recta de regresión
El coeficiente de correlación
El criterio de los mínimos cuadrados
Si en la estimación de las medias todas las observaciones se multiplican por una misma cantidad K:
La cota de error no varía
La cota de error aumenta en K unidades
La cota de error se queda multiplicada por K
La cota de error queda dividida por K
La cota de error queda disminuida en K unidades
Si al contrastar una hipótesis la potencia es alta:
La probabilidad de equivocarse al rechazar es alta
El nivel de significación es bajo
La probabilidad de equivocarse al aceptar es alta
La probabilidad de acertar al aceptar es alta
Si una hipótesis se rechaza a un nivel de significación del 0,1% ¿Se rechazaría para un 1%?
Si una hipótesis se rechaza con un test de potencia 80% ¿Se rechazaría también para un test de potencia del 90%
Según sea la hipótesis que se rechaza
No se puede saber
En el análisis de residuos se contrasta:
La asociación de dos variables cualitativas
Si una frecuencia observada es mayor que su esperada
Si una frecuencia esperada es mayor que 5
Si una variable es significativa
Una de las condiciones para hacer el análisis de varianza es:
Que los datos estén bien apareados
Que las varianzas poblacionales sean iguales
En el contraste de la población el test es menos potente cuando:
La proporción a contrastar es pequeña
La proporción a contrastar es grande
La proporción a contrastar es próxima a 0,5
La proporción a contrastar no influye en la potencia
La proporción es igual al nivel de significación
Un contraste de igualdad de media es más potente cuando:
El contraste es unilateral
Los tamaños de las muestras son grandes
Los tamaños de las muestras son iguales
Las medias muestrales son muy distintas
Si en el análisis de la varianza, la varianza del error es mayor que la sistemática:
La variación sistemática es significativa
Hay una fuente de variación no controlada
El análisis no es correcto
Las medias que se comparan son distintas
La variabilidad sistemática se considera azar
El nivel de significación es:
La probabilidad de equivocarse la rechazar la hipotesis nula H0 cuando es cierta
La probabilidad de aceptar H0 cuando esta es falsa
La probabilidad de rechazar H0 cuando esta es falsa
La probabilidad de rechazar la hipótesis alternativa cuando es igual a 0
Para obtener un buen test:
Debemos reducir el nivel de significación
Debemos aumentar la potencia del test
Debemos aumentar el tamaño de la muestra
a) y c) son ciertas
Todas son ciertas
¿Qué test son los más potentes?
Los test bilaterales o de dos colas
Los test unilaterales o de una cola
Los test de la proporción
Los test con igualdad de proporciones
Para poder comparar poblaciones:
Las dos poblaciones deben distribuirse normalmente
Deben tener igual varianza
Las observaciones tienen que ser independientes
Todas las anteriores son correctas
Para realizar un estudio con los datos no independientes o apareados, debemos conocer:
La media de las diferencias
La varianza muestral de las diferencias
La diferencia entre los datos que proporcionan la unidad experimental (paciente)
Las respuestas a) y b) son falsas
Las respuestas a), b) y c) son verdaderas
La variabilidad aleatoria en un análisis de varianza es:
La varianza dentro de las poblaciones
La varianza debida a las poblaciones
La varianza de una fuente sistemática de variación
El análisis de residuos permite:
Contrastar el coeficiente de correlación
El sentido de la dependencia de dos variables cualitativas
La igualdad de varias medias
La igualdad de varianzas
La hipótesis alternativa en el análisis de varianza es:
La igualdad de varias medias poblacionales
Al menos una media muestral es distinta
Todas las medias muestrales son distintas
Al menos una media poblacional es distinta
En el análisis de tablas de contingencia se contrasta:
Si un test rechaza una hipótesis con una p<0’05:
La probabilidad de que la hipótesis sea falsa es del 95%
La probabilidad de que la hipótesis sea cierta es menor de 5%
La probabilidad de que la hipótesis sea falsa es del 5%
La probabilidad de que la hipótesis sea cierta es del 95%
Un contraste de igualdad de medias es más potente cuando:
Los tamaños de las dos muestras son grandes
Los tamaños de las dos muestras son iguales
Al aumentar una variable, la otra aumenta
En el análisis de tablas de contingencias la hipótesis alternativa es:
La probabilidad de equivocarse al rechazarla es alta
La probabilidad de acertar al aceptarla es alta
Si una hipótesis se rechaza a un nivel de significación del 1% ¿rechazaría también una al 2%?
Si el coeficiente de correlación 0,6:
Las variables dependen en un 60%
Las variables dependen en un 40%
Las variables dependen en un 36%
Si el coeficiente de correlación es negativo:
Los coeficientes de regresión tienen signo distinto
Al disminuir una variable la otra aumenta
Cuando el coeficiente de correlación es nulo:
Las pendientes de las rectas de regresión son nulas
Las rectas de regresión son perpendiculares
Las rectas de regresión son paralelas a los ejes
Las variables son independientes linealmente
Si se rechazase la hipótesis que se rechaza, la probabilidad de:
Equivocarse sería la potencia
Equivocarse sería el nivel de significación
Acertar sería el nivel de significación
Si una hipótesis se rechaza al nivel de significación del 5% ¿se rechazaría también al nivel del 10%?
La igualdad de varianzas poblacionales es condición para aplicar:
Tablas de contingencia
Análisis de varianza
Contraste de igualdad de proporciones
Contraste del coeficiente de correlación
Análisis de residuos
¿Cuál de los siguientes contrastes es más potentes?
Test de la t-combinada
Test de Berehns-Fisher
Test de Mann-Whitney
Test de los rangos de Wilcoxon
Todos son igualmente potentes
Si el test es paramétrico:
Su nivel de significación es mayor
No afecta a la potencia ni al nivel de significación
La probabilidad de rechazar la hipótesis que se contrasta siendo falsa es:
Nivel de significación
Potencia del test
Error β
Error de muestreo
La probabilidad de rechazar la hipótesis que se contrasta siendo cierta es:
¿Cuál de los siguientes es un test de igualdad de medias?
Tabla de contingencia
Análisis de regresión
Contraste de correlación
Test t-apareada
¿Qué quiere decir que una hipótesis se rechaza con una p<0’05?
Que la hipótesis es cierta en un 95%
Que la probabilidad de equivocarse al rechazarla es de 0'95
Que la probabilidad de error al rechazar es menor de 0'05
Que la probabilidad de error al rechazarla es 0'05
Que la probabilidad de acierto si se acepta es de 0'95
Si el coeficiente de determinación vale 0,49:
Las variables dependen en un 70%
Las dos variables dependen en un 49%
La dependencia es directa
La varianza debida al error en un analisis de varianza es:
La varianza dentro de poblaciones
La varianza de error aleatorio
La varianza debida al azar
Para probar la influencia de una variable cualitativa en otra cualitativa se realiza:
Un análisis de tablas de contingencia
Un análisis de varianza
Un contraste del coeficiente de correlación
Un contraste de igualdad de medias
Si una hipótesis se rechaza a un nivel de significación del 2%, ¿se rechazaría también una a un nivel del 5%?
¿Qué muestreo exige descomponer la población en clases muy distintas unas de otras?
Estimar la media con un error menor de “e” y una confianza del 95% ¿Quiere decir...?
Que la media poblacional es inferior a "e"
Que la probabilidad de que la media muestral difiera de la media poblacional en menos de e es del 95%
Que la media poblacional coincide con la media de la muestra en un 95% de los casos
Que la media poblacional difiere de la media muestral en menos de "e"
Para aumentar la precisión en la estimación de a media hay que procurar:
Disminuir el nivel de confianza
Disminuir la muestra
Aumentar la dispersión de los datos
Muestrear con reemplazamiento
A mayor tamaño de la población ¿se necesita mayor tamaño muestral para la estimación de la media?
En cualquier circunstancia
En ninguna circunstancia
Unicamente cuando la muestra no sea aleatoria
A partir de un tamaño poblacional determinado el tamaño de la muestra necesario no varía
Unicamente cuando la población es infinita
El factor de corrección para población finita:
Disminuye la cota de error
Disminuye la precisión en la estimación
Se aplica en muestreos con reemplazamiento
Se debe aplicar cuando hay mucha dispersión
¿Cuál de las siguientes alternativas no es una frecuencia relativa?
0,28
0,75
0,25
0,36
1,18
Sectorial
¿Cuál de las siguientes medidas no se afecta al añadir un valor extremo?
Media
Mediana
Moda
Rango
Desviación Típica
Si el percentil P46 es igual a 34:
El 34% de los datos son menores o iguales a 46
El 46% de los datos son menores o iguales a 34
El 54% de los datos son menores o iguales a 34
El 66% de las observaciones son superiores a 46
¿Cuál de las siguientes medidas de posición es la mayor?
Q3
Permite comparar medias de dos poblaciones
Permite comparar valores individuales de dos poblaciones distintas
Permite comparar dispersiones de dos poblaciones
Permite comparar las distribuciones de frecuencias de dos poblaciones distintas
Todo es falso
Si la frecuencia relativa de una modalidad es 0’38:
El 38% de las observaciones son inferiores a esa modalidad
El 38% de las observaciones son iguales a esa modalidad
Esa modalidad es inferior a la mediana
Esa modalidad es el percentil 38
Esa modalidad es el percentil 62
Si la moda es 40:
El 40% de los datos es inferior a la moda
La mayor de las frecuencias es 40
40 es el valor que más se repite
40 es el valor máximo
Es el valor de la frecuencia 40
Para saber qué lugar ocupa una observación en una población se calcula:
Los percentiles
La desviación típica
Si el coeficiente de variación vale 1/3:
La desviación típica es tres veces la media
La media es tres veces la desviación típica
La varianza es el tripe de la media
La tercera parte de los valores son inferiores a la media
La varianza es la tercera parte de la media
Si la dispersión de los datos de una muestra es pequeña:
El tamaño de la muestra es más pequeña
La precisión de la estimación disminuye
El nivel de confianza debe disminuir
La cota de error disminuye
Se requiere mayor tamaño de muestra en la estimación de una media cuando:
El nivel de confianza sea alto
La varianza sea grande
El error máximo admisible sea pequeño
Si una hipótesis se rechaza al nivel de significación del 5% ¿se rechaza también al nivel del 1%?
La pendiente de la otra recta es negativa
Al aumentar una variable la otra disminuye
El coeficiente de determinación es positivo
Todas las anteriores son ciertas
¿Cuál de los siguientes NO es un test de igualdad de medias?
Test de la t-apareada
Todos son test de igualdad de medias
En el histograma de frecuencias:
El área del histograma es proporcional a la frecuencia
El área que encierra es siempre igual al número total de observaciones
La altura es igual a la frecuencia
Todos los rectángulos tienen la misma base
La moda:
Tiene que ser única
Es una medida representativa de datos cualitativos
Las medidas de dispersión miden:
La heterogeneidad de los datos
La homogeneidad de los datos
La simetría de los datos
La representatividad de los datos
La varianza:
Puede ser negativa
Es negativa si la media es negativa
Es negativa si todas las observaciones son negativas
Se expresa en unidades cuadráticas
Un estadístico es:
Es un parámetro
Una función de los valores de la muestra
Es el conjunto de todas las muestras posibles
Es el conjunto de los valores de la muestra
Estimar con un error inferior a la cota de error
Equivocarse al estimar
Acertar en la estimación
Para aumentar la potencia de un test habrá que:
Bajar el nivel de significación
Aumentar el tamaño de la muestra
Hacer un contraste unilateral
La hipótesis alternativa:
Es complementaria a la hipótesis que se contrasta
Determina si el test es unilateral o bilateral
Se acepta cuando se rechaza la hipótesis que se contrasta
Para ver el sentido de la dependencia en las tabas de contingencia:
Se contrasta el coeficiente de correlación
Se compara la frecuencia observada con la esperada
Contrasta la igualdad de varias medias
Contrasta la igualdad de varianzas
Test t-student combinada
Si se verifica un suceso en el contraste de hipótesis:
Debemos suponer que la hipótesis nula es cierta
Debemos rechazar la hipótesis nula
Debemos coger un tamaño de la muestra con reemplazamiento
Debemos aumentar el nivel de significación
Debemos disminuir la potencia del test
La probabilidad de equivocarse al rechazar la hipótesis H0, cuando ésta es cierta
La probabilidad de aceptar H0 cuando ésta es falsa
La probabilidad de rechazar H0 cuando ésta es falsa
La probabilidad de aceptar la hipótesis alternativa cuando es igual a 0
La representación gráfica de las frecuencias absolutas se hace con:
Diagrama sectorial
De la mediana todo lo siguiente es cierto menos:
Poco sensible a fluctuaciones extremas
Debe calcularse para representar una población si ésta es simétrica
Es única
Si los datos son muy variables, la población es:
Muy dispersa
Asimétrica
Homogénea
Simétrica
Un estadístico:
Toma valores distintos en muestras distintas
Toma el mismo valor en todas las muestras
Sólo se utiliza en poblaciones finitas
No se utiliza en la interferencia estadística
Si se quiere cometer poco error en la estimación de la media habrá que:
Aumentar el nivel de confianza
Disminuir el tamaño de la muestra
Aumentar la dispersión
La cota de error de un estimador depende de:
El tamaño de la muestra
Del nivel de confianza
El factor de corrección para una población finita:
Si una hipótesis se rechaza a un nivel de significación del 5%, ¿se rechazará también el nivel del 0,5%?
Para un tamaño muestral fijo, si se aumenta el nivel de significación, la potencia de un test:
No dependen
¿Cuál de los siguientes es un axioma de probabilidad?
P (A) ≤ 1
P (A) = 1- P (_A)
P ( Ø ) = 0
P (A) ≥ 0
¿Cuál de las definiciones de probabilidad exige que los sucesos elementales sean equiprobables?
La regla de Laplace
La definición frecuentista de Bernouilli
La axiomática de Frechet-Kolmogrov
La definición subjetiva de Savage
En una epidemia de una enfermedad, un test-diagnóstico con alta sensibilidad y baja prevalencia:
Es bueno para descartar
Es bueno para detectar
La tasa de falsos positivos es baja
1 y 2 son ciertas
Si la dispersión de los datos de una muestra es alta:
El tamaño de la muestra es más pequeño
Hay que aplicar el factor de corrección
El nivel de confianza disminuye
La cota de error aumenta
En el histograma de frecuencias relativas:
El área del histograma vale 1
El área del histograma es numéricamente igual a la suma de las frecuencias absolutas
Las alturas de los rectángulos son proporcionales a las frecuencias de las clases
La mediana:
Representa datos cualitativos
¿Qué medida de posición central es la más adecuada para representar una población de datos cualitativos?
¿Qué % de datos se encuentra entre los cuartiles Q1 y Q3?
25%
50%
75%
10%
¿Cuál de las siguientes no es una medida de dispersión?
Varianza
Coeficiente de determinación
Coeficiente de variación
Permite comparar dispersiones
¿Qué medida del grado de asociación se utiliza en estudios retrospectivos?
El riesgo relativo
La odds-ratio
Pearson
Correlación
¿Cuál de los siguientes análisis no requiere la igualdad de varianzas poblacionales?
ANOVA simple
ANOVA doble
T-Student
¿Qué análisis permite ver el sentido de la dependencia en tablas de contingencia?
ANOVA
Mínimos cuadrados
¿Qué hipótesis se contrasta en el análisis de Tablas de contingencia?
La dependencia
La igualdad de medias
La independencia
¿Cómo se puede aumentar la potencia en el contraste de igualdad de medias?
Con varianzas grandes
Con tamaños de muestras pequeñas
Con tamaños de muestras iguales
Con niveles de significación pequeños
Se requiere menor tamaño de la muestra en la estimación de la media cuando:
El error máximo admisible sea grande
Si el coeficiente de determinación es 0'64 y las pendientes son positivas:
Las variables dependen en un 64%
Las variables dependen en un 80%
El coeficiente de correlación es -0'8
Si una hipótesis se rechaza al nivel de significación del 0'5%, ¿se rechazaría también al nivel 0'1%?
Para un tamaño muestral fijo, si aumenta el nivel de significación, la potencia de un test:
Aumenta si se acepta la hipótesis
Si el percentil 95 es igual a 12, una observación de 12,5 :
Es baja.
Es inferior a la mediana.
Es mayor que al menos, el 95% de las observaciones.
Es menor que, al menos el 5 % de las observaciones.
Si los datos son muy variables, la población es:
Muy dispersa.
Asimétrica.
Homogénea.
Simétrica.
El coeficiente de variación:
Es una medida de posición.
Es adimensional.
Tiene las unidades de la variable.
Es siempre mayor que la media.
Si el 32,8 de los datos son inferiores a 18,5 cm. ¿Entre que percentiles se encuentra 18,5 cm?
Entre los cuartiles Q2 y Q3.
Entre los percentiles P32 Y P33.
Entre los percentiles P18 y P19.
No se puede saber.
Si las pendientes (coeficiente de regresión) de las dos rectas de regresión son negativas:
El ajuste es muy malo.
El coeficiente de correlación es negativo.
Las variables son independientes.
El coeficiente de determinación es negativo.
El criterio de mínimos cuadrado, se aplica:
Para calcular las frecuencias esperadas.
Para el análisis de residuos.
Para calcular los coeficientes de regresión.
Para definir la varianza.
La comparación de frecuencias se realiza cuando:
Las frecuencias relativas.
Las frecuencias absolutas.
Ambas.
Ninguna de las anteriores.
La altura de los rectángulos son proporcionales a las frecuencias.
Las bases de los rectángulos tienen que ser iguales.
Las áreas de los rectángulos son proporcionales a la frecuencia.
Las bases de los rectángulos son proporcionales a la frecuencia.
¿Cuál de las siguientes es cierta?
Cuanto mayor sea el número de datos, mayor será la varianza.
La moda no se puede calcular en datos continuos.
La media es ideal para datos cualitativos.
La mediana es ideal para datos continúos asimétricos.
En el muestreo estratificado el tamaño de la muestra de cada estrato es:
Igual en todos los estratos.
Proporcional al tamaño del estrato.
Independiente del tamaño del estrato.
Arbitrario en cada estrato.
¿Dónde aparece la paradoja de Friedman?
En el análisis de la varianza.
En las tablas de contingencias.
En regresión.
En el cálculo del tamaño de muestra.
Aumenta la precisión de la estimación.
Requiere un tamaño muestral mas bajo.
Aumenta la cota de error de la estimación.
Todo lo anterior.
La hipótesis que se contrasta se rechaza cuando:
La probabilidad de equivocarse es alta.
El nivel de significación es bajo
Cualquiera anterior.
La P(AUB) = P(A) + P(B), cuando:
Los sucesos son incompatibles.
La P (A medio circulo hacia abajo B) = 0.
Si sucede A no sucede B, y viceversa..
Todas las anteriores.
La P (A/B)= P (A), cuando:
A y B son incompatibles.
A y B son independientes.
A y B son compatibles.
A es el complementario de B.
Bitte warte - es wird geladen…