Si el coeficiente de asimetría toma valores próximos a cero, indica que:
m0 ≥ me ≥ media de x
m0 ≤ me ≤ media de x
Ninguna
m0 ≈ me ≈ media de x
La mediana de una distribución de datos
Tiene que ser un único valor
Coincide con la categoría par ala que su frecuencia absoluta contiene el 50%
Ha de coincidir con un dato de la distribución
Si la varianza del error S^2e crece
Aumenta el coeficiente de variación
Aumenta el coeficiente de determinación
Aumenta el coeficiente de correlación
R^2xy,z < R^xy
La variable Z es la causante de la relación real existente entre X e Y
La relación entre las variables X e Y se debe totalmente al efecto de la variable Z
La variable Z amortigua la relación real entre X e Y
Para analizar el grado de relación entre dos variables en escala por ratios
No es posible usar los coeficiente predictivos lambda.
Hay que realizarlo necesariamente por medio de V de Cramer.
Es posible usar el coeficiente de correlación de Pearson.
El método de mínimos cuadrados para estimación de modelos estocásticos
Minimiza la media del error
Consigue hacer mínimos los errores en las estimaciones
Es tal que la varianza de error es mínima
El rango es una medida de dispersión aplicable a
Únicamente a variables numéricas
Cualquier tipo de variables
Variables nominales o superiores
Para analizar el grado de relación entre dos variables ordinales,
Es posible usar Chi cuadrado de Pearson.
Hay que realizarlo necesariamente por medio de la Chi cuadrado de Pearson
Hay que usar el coeficiente de correlación de Pearson.
Una variable tipificada es tal que
Su media es 0 y su desviación típica 1
Su media es 1 y su desviación típica 1
Su media es 0 y su desviación típica 0
Si Cov(X,Y) ≥ 0
Rxy ≥ 0
Rxy > 0
Rxy = 0
La varianza como medida de dispersión
Siempre será aplicable
No siempre será aplicable, dependerá del tipo de variables
Se aplicará únicamente a variables numérica agrupadas en intervalos
Sean dos variables X e Y en las que el coeficiente de correlación lineal Rxy = 0
X e Y pueden estar relacionadas aunque no de forma lineal
X e Y no están relacionadas
Rxy no puede nunca tomar valor cero
Tipificar unos datos, consiste en
Centrar los datos y dividirlos por su desviación típica.
Determinar cuál es el máximo y cuál es el mínimo
Centrar los datos y dividirlos por su varianza
Ninguna de las demás respuestas es correcta
El error medio en las estimaciones de un modelo de regresión múltiple es:
1.0
0.0
0.1
La mediana, como medida de centralización, es aplicable a variables.
En escala nominal o superior.
En escala por ratios o superior
En escala por intervalos o superior
Para una variable estadística de tipo numérico cualquiera.
Se agrupe o no por intervalos, las medidas de posición siempre coincidirán.
Es obligatorio el agrupar por intervalos para cualquier tipo de medida
Es posible calcular cualquier tipo de medida.
Hay que usar exclusivamente el coeficiente de correlación de Pearson.
No es posible usar los coeficientes predictivos lambda.
R^2xy,z > R^xy
La variable Z no influye en la relación existente entre X e Y
La relación entre las variables X e Y se debe al efecto de la variable Z.
Dada una variable estadística medida a través de una escala por ratios REVISABLE
Es posible el calcular cualquier tipo de medida
Es obligatorio el agrupar por intervalos para calcular cualquier tipo de medida.
La intersección entre los modelos de regresión de X/Y y de Y/X coincide con
No es posible saberlo sino se dispone de los datos
El producto de las pendientes
El centro de gravedad de la distribución (media de x, media de y)
Es posible usar los coeficientes predictivos lambda.
Si el coeficiente de asimetría toma valores positivos, indica que:
Si el coeficiente de asimetría toma valores negativos, indica que:
Si Cov(X,Y)>0
El método de mínimos cuadrados para obtener los coeficientes de regresión de un modelo:
Es aplicable únicamente si el modelo es de tipo lineal simple
Es aplicable a cualquier tipo de modelo
No es aplicable si el modelo es de tipo parabólico
Para analizar el grado de relación entre dos variables nominales,
Hay que realizarlo exclusivamente por medio de la Chi cuadrado de Pearson
Hay que usar el coeficiente de correlación de Pearson
Su media es 0 y su desviación típica es 0
Su media es 1 y su desviación típica es 0
Su media es 1 y su desviación típica es 1
La moda es una medida de centralización aplicable a variables
En escala ordinal pero no nominal
Sólo en escala nominal
Sólo de tipo numérico
En escala ordinal o superior
En escala nominal o superior
La media como medida de posición es aplicable
Únicamente para variables en escala cualitativa
Únicamente para variables en escala cuantitativa
Siempre se puede calcular sean cuales sean las variables
X e Y no pueden estar relacionadas en forma lineal
Rxy no puede nunca tomar el valor cero
Únicamente variables numéricas
Variables ordinales o superiores.
La mediana como medida de posición es aplicable REVISABLE
Se puede calcular con cualquier tipo de variable
Un estimador es sesgado cuando: (REVISABLE)
Tiene mínima varianza.
El sesgo es distinto de cero.
El sesgo es cero.
Un estimador es insesgado cuando:
Su esperanza coincide con la esperanza de la variable aleatoria.
Su esperanza tienda a cero.
Su esperanza coincide con el parámetro a estimar.
Ninguna de las demás respuestas es correcta.
Dados dos estimadores de un mismo parámetros poblacional desconocido si la varianza del primer estimador es menor que la del segundo:
El estimador 2 es más representativo del parámetro.
No tendremos información para saber cuál es más representativo.
El estimador 1 es más representativo del parámetro.
Ninguna.
La diferencia entre el parámetro a estimar y la esperanza del estimador es:
La precisión en la estimación
El sesgo de la estimación
El error en la estimación
El método máxima verosimilitud permite calcular:
El estimador de máxima verosimilitud.
El parámetro de máxima verosimilitud.
El estadístico de máxima verosimilitud.
A diez estudiantes elegidos al azar se le anotaron las calificaciones en los exámenes finales de Física y Economía. Para probar si existe un mayor rendimiento en alguna de las materias, ¿qué tipo de prueba se utilizaría?
Diferencia de medias dependientes o apareadas.
Diferencia de proporciones
Diferencias de medias independientes.
El mejor estimador insesgado es:
Eficiente y consistente.
Insesgado y eficiente.
Consistente y asintóticamente insesgado.
La media, mediana y moda son:
Datos que tienen el mismo valor.
Variables independientes.
Datos.
Un estadístico es :
Una muestra aleatoria simple.
Un número.
Una variable aleatoria.
Roberto.
Arturo.
Una realización muestral es una colección de:
Variables aleatorias independientes.
Vectores aleatorios.
Variables aleatorias.
Un estimador de un parámetro muestral desconocido:
Si existe, es único.
Siempre existe y es único.
No tiene que ser único.
Un estimador consistente es aquel que:
Su varianza coincide con la cota de Frechet-Carmer-Rao.
Es asintóticamente normal.
Tiene varianza mínima.
La media muestral es: (REVISABLE)
Un parámetro poblacional.
Un estadístico.
Una realización muestral.
El estimador de un parámetro poblacional que se desea estimar:
Debe ser, al menos, insesgado.
Debe ser, al menos, asintóticamente insesgado.
Debe de ser, al menos, consistente.
Dado el estimador de la media poblacional mu estimado = media + (18/n) (REVISABLE)
Es un estimador insesgado.
Es un estimador insesgado sólo para n=18.
Es un estimador asintóticamente insesgado.
El mejor estimador de la varianza poblacional es :
La realización muestral.
La cuasi-varianza muestral.
La varianza muestral.
Un estimador es sesgado cuando:
La media muestral es:
Bajo ciertas condiciones, su varianza tiende a cero.
Tengo mínima varianza.
Su varianza es mayor que el valor de la cota de Frechet-Cramer-Rao.
Un estimador asintóticamente insesgado es aquel que:
Su varianza tiende a cero al tender n a infinito.
Su esperanza tiende al parámetro a estimar cuando aumenta el tamaño muestral considerablemente
Su esperanza coincide con la esperanza del parámetro a estimar.
Datos
Un estimador de la esperanza de una variable aleatoria es:
La media muestral.
Un estimador es:
Un parámetro.
Minimiza la media del error.
Es tal que la varianza es mínima.
Consigue hacer mínimos los errores en las estimaciones.
La duración (en años) de 6 componentes electrónicos seleccionados aleatoriamente son 3,4,5,5,6,7. Suponiendo normalidad en la variable generadora de la muestra el mejor estimador de la varianza poblacional es:
2
Raíz de 2.
1.667
Estadísticos.
Un estimador de máxima verosimilitud
Siempre existe.
Bajo determinadas circunstancias, siempre existe.
No tiene que existir siempre.
La esperanza del parámetro.
Con respeto a la región de rechazo C1 de un contraste de hipótesis, es cierto que:
Su valor no depende de la muestra extraída.
Su amplitud depende del parámetro sobre el que se va a realizar el contraste y del tipo de población.
Es independiente del tamaño de muestra.
Para una realización muestral, los extremos de un intervalo de confianza son:
Estadísticos
Números
El coeficiente de confianza en una estimación por intervalo, es :
Alpha
El complementario de Alpha
La amplitud del intervalo
Si el valor que se está contrastando en la hipótesis nula no está en el intervalo de confianza asociado, entonces:
Se acepta la hipótesis.
No existen evidencias para rechazar que el parámetro es el valor contrastado.
No existen evidencias para aceptar que el parámetro es el valor contrastado.
La amplitud de un intervalo de confianza para la media poblacional con varianza poblacional desconocida depende de:
El tamaño de la muestra.
En un contraste de hipótesis, cometemos Error de tipo II cuando:
Rechazamos H0 siendo cierta.
Aceptamos H0 siendo falsa.
Cuando no cometemos error de tipo I
Si el valor que se está contrastando en la hipótesis nula está en el intervalo de confianza asociado, entonces:
Se acepta que el parámetro es igual a dicho valor.
El estadístico del intervalo de confianza para la media con la varianza conocida se aproxima a una distribución:
t de Student.
Chi cuadrado.
Normal
Sea X1 una v.a. tal que X1 contenido en D(media=4, desviacion=1/5) y sea X2 otra v.a. tal que X2 contenido en D(media=5, varianza= 1/25). La v.a. Y definida como combinación lineal de las anteriores Y=3X1-4X2+8
Siempre tiene de media cero y de varianza uno.
Tiene media cero y de varianza uno, si X1 y X2 son independientes.
Tiene media cero y de varianza uno, si X1 y X2 son Normales.
El nivel de significación de un contraste de hipótesis es la máxima probabilidad de:
Aceptar H0 dado que H0 es verdadera.
Rechazar H0 cuando esta es falsa.
No rechazar H0 cuando H0 es falsa.
En general, los extremos de un intervalo de confianza son:
Números.
Parámetros.
¿Cuánto es necesario aumentar el tamaño muestral para que la amplitud de un intervalo de confianza para la media con varianza conocida, se reduzca a la mitad?
Cuadripicarlo.
Duplicarlo.
Multiplicar por 2Alpha
Con respecto a la región de aceptación C0 de un contraste de hipótesis, es cierto que:
Su amplitud es independiente del tamaño de muestra.
Su amplitud es independiente del parámetro sobre el que se va a realizar el contraste y del tipo de población.
El nivel de significación Alpha de un test representa la probabilidad de:
Aceptar H0 siendo falsa.
Rechazar H0 siendo cierta.
Tomar una decisión errónea.
La amplitud de un intervalo de confianza para la media poblacional depende de:
La precisión que se desee en la estimación.
La distribución del estadístico usado.
Para una realización muestral, un intervalo de confianza contiene:
Datos muestrales.
Puede contener un parámetro poblacional o no, dependiendo del nivel de confianza.
No existen evidencias para aceptar que el parámetros es el valor contrastado.
No existen evidencias para rechazar que el parámetros es el valor contrastado.
Se rechaza la hipótesis.
El estadístico usado para construir un intervalo de confianza para el cociente de varianza sigue una distribución de tipo:
t de Student
Chi cuadrado
El coeficiente de confianza en una estimación por intervalos es:
La diferencia entre la media y la desviación típica.
Los intervalos de confianza bilaterales I0,99 e I0,95 para media en una población normal son tales que:
I0,99 = I0,95
I0,99 C I0,95
I0,95 C I0,99
En un contraste de hipótesis, cometemos Error de tipo I cuando:
Cuando no cometemos error de tipo II.
I0,95 ɔ I0,99
El nivel de confianza de un intervalo de confianza es:
La probabilidad de que el parámetro no esté en el intervalo.
La amplitud del intervalo.
La probabilidad de que el parámetro esté en el intervalo.
A diez estudiantes elegidos al azar se le anotaron las calificaciones en los exámenes finales de Física y Economía. Para probar si existe un mayor rendimiento en alguna de las materias ¿qué tipo de prueba se utilizaría?.
Diferencia de proporciones.
Un suministrador de componentes electrónicos afirma que el 94% de sus productos pasaría cualquier control de calidad por muy exigente que fuese. Para comprobar esta afirmación es posible realizar un :
Un contraste de hipótesis unilateral de cola izquierda menos infinito.
Un contraste de hipótesis unilateral de cola derecha más infinito.
Contraste de hipótesis bilateral.
Rechazar H0 dado que H0 es verdadera.
La amplitud de un intervalo de confianza para la varianza poblacional depende de:
Es independiente de la varianza de la muestra.
Un suministrador de componentes electrónicos afirma que la duración media de su producto (en días) no es inferior a 1000. Para comprobar esta afirmación es posible realizar un:
Un contraste de hipótesis unilateral de cola derecha +infinito.
Un contraste de hipótesis unilateral de cola izquierda -infinito.
Chi-cuadrado.
F de Fisher-Snedecor.
El contraste H0: cociente de varianzas ≥ 1 y H1: cociente de varianzas < 1 es :
Bilateral o de dos colas.
Unilateral derecho o de cola derecha.
Unilateral izquierdo o de cola izquierda.
Depende del tamaño de la muestra.
Ante unas inminentes elecciones, una empresa de sondeos electorales afirma que el número de diputados del partido X estaría en una horquilla de 134 a 148 diputados. Esta estimación puede considerarse:
Contraste de diferencias de medias.
Contraste de hipótesis
Estimación por intervalo
La amplitud de intervalo de confianza para la media poblacional con varianza poblacional conocida depende de: (REVISABLE)
La varianza de la muestra.
Para contrastar, mediante la prueba t, si dos poblaciones tienen la misma media se requiere que:
Las dos muestras sean independientes.
Los tamaños muestrales sean los mismos.
Los dos tamaños muestrales sean grandes, siempres.
Para contrastar, mediante la prueba z, si dos poblaciones tienen la misma media se requiere que:
Los tamaños muestrales sean grandes, siempre.
Las dos muestras tengan cierta relación.
La amplitud de intervalo de confianza para la media poblacional con varianza poblacional conocida depende de:
Es indpendiente del tamaño de muestra.
Del coeficiente de confianza elegido.
F de Snedecor.
Chi-Cuadrado
El estadístico del intervalo para la varianza sigue una distribución.
Chi-Cuadrado.
Normal.
Con respecto al estadístico de un contraste de hipótesis, es cierto que:
Su distribución depende del parámetro sobre el que se va a realizar el contraste y del tipo de población.
Las regiones de aceptación y rechazo de H0 son independientes del tamaño de la muestra.
