Al utilizar daypo, aceptas que nosotros y nuestras empresas colaboradoras podamos definir cookies para distintos fines,tales como personalizar el contenido y la plublicidad. Para cambiar la configuración o más información: política de cookies.

Estadistica 1

INFORMACIÓN
ESTADÍSTICAS
RÉCORDS
Título del test:
Estadistica 1

Descripción:
PRIMER Y SEGUNDO PARCIAL

Autor:
AURION
(Otros tests del mismo autor)

Fecha de Creación:
03/09/2015

Categoría:
UNED
Sigue en facebook las noticias y los mejores tests de daypo apretando en 'Me gusta'
Últimos Comentarios:
No hay ningún comentario sobre este test.
¿Quiéres comentar el test?
Regístrate en daypo para comentar el test.
Temario:
¿Qué ocurre si se rechaza la hipótesis nula? Se deduce que la pendiente de la recta de regresión de la población no es igual a cero, es decir existe una relación significativa entre ambas variables. V F.
A diferencia de las permutaciones, en el cálculo de las combinaciones es importante el orden en el que se presentan los objetos seleccionados. V F.
A la agrupación de datos en clases mutuamente excluyentes que muestra el número de observaciones que hay en cada clase, se le denomina: Grupo de datos sin ordenación Serie ordenada Distribución de frecuencias.
A la diferencia entre cada valor observado con respecto a la media aritmética calculada se le denomina desviación. V F.
A partir del análisis estadístico de un problema observado, se pueden llegar a tomar decisiones sobre el futuro. V F.
A través de las tres medidas de tendencia central, la media aritmética, la mediana y la moda, se puede identificar la forma en la que se encuentran distribuidos los datos. V F.
A un conjunto de datos en donde encontramos varios valores modales, se lo denomina como multimodal. V F.
Al analizar los gustos y preferencias de los consumidores del Ecuador, si consideramos a una parte de los habitantes de cada provincia, estamos diciendo que los resultados obtenidos han considerado una muestra. V F.
Al aplicar el factor de corrección por continuidad, se debe restar 0,5 al valor de X, cuando se desea establecer la probabilidad de que: Ocurran mas de X Por lo menos ocurra X Ocurran X o menos Nada de los anteriores.
Al calcular el coeficiente de asimetría de Pearson, su resultado puede variar entre -3 y +3, siendo el cero indicador de que la distribución es simétrica. V F.
Al calcular el valor de una probabilidad, ésta puede tomar valores entre cero y: Uno Diez Infinito.
Al calcular la mediana de un conjunto de valores sin agrupar, lo primero que se debe hacer es ordenar los datos de menor a mayor. V F.
Al considerar la semisuma entre los límites inferior y superior de una misma clase, estamos calculando: El tamaño de la clase La frecuencia relativa simple La frecuencia absoluta simple La marca de clase .
Al emplear la recta de regresión con un método matemático denominado principio de los mínimos cuadrados se elimina el juicio subjetivo. V F.
Al igual que en las distribuciones de frecuencias, las distribuciones de probabilidad se denominan discretas o continuas de acuerdo al tipo de variable con la que se está trabajando. V F.
Al lanzar un dado de seis caras, la probabilidad de que el número resultante sea par es: 1/6 1/2 1/3.
Al lanzar un dado, la probabilidad de que el número extraído sea un 8, es: 1/8 0 8.
Al lanzar un dado, la probabilidad de que el número resultante sea un “tres”, es igual a: 1/2 1/3 1/6.
Al lanzar un dado, la probabilidad de que el resultado sea "dos" y número par, identifica eventos: Mutuamente excluyentes No excluyentes Dependientes.
Al lanzar un dado, los eventos de que se presente “un número par” y “el número 2, 4, o 6”, son eventos mutuamente excluyentes. V F.
Al lanzar una moneda, el evento de extraer una cara, se encuentra en el conjunto de: Resultados posibles Resultados favorables Total de observaciones.
Al lanzar una moneda, los eventos cara y sello, se caracterizan por ser eventos mutuamente excluyentes. V F.
Al lanzar una moneda, los eventos cara y sello, se caracterizan por ser eventos: Independiente Mutuamente excluyentes No excluyentes Dependientes.
Al relacionar los cuartiles, déciles y percentiles, podemos decir que el Q2 es igual al P50 y al D5. V F.
Al valor de la mediana se lo define como aquel que: Es representativo del conjunto de datos Se repite el mayor número de veces dentro del conjunto de datos Ocupa la posición central dentro de un conjunto de datos.
Al valor que se repite el mayor número de veces dentro de un conjunto de observaciones, se le denomina: Promedio Valor mediano Valor modal Media ponderada.
Alrededor del 95% del área bajo la curva normal, está entre la media más una y menos una desviación estándar: µ ± 1δ. V F.
Aproximadamente el 68% del área bajo la curva normal se encuentra entre la media más y menos una desviación estándar: µ ± 1σ. V F.
Aquel tipo de probabilidad que parte del supuesto de que los resultados de un experimento son igualmente posibles, se denomina: Clásica Empírica Subjetiva.
Aquella característica medible de una población, se denomina: Estadístico Parámetro Dato.
Aquella parte de la estadística que considera una muestra para extraer conclusiones sobre la población, se denomina: Estadística inferencial Estadística descriptiva Estadística general.
Aunque no existe una regla definida sobre el número de intervalos o clases en los que se distribuyen los datos se dice no debe ser menor a 5 ni mayor a 20. V F.
Cada nueva variable independiente hace que las predicciones sean más precisas. V F.
Cada una de las medidas de tendencia central que se pueden aplicar en el análisis de un conjunto de datos, tiene su aplicabilidad que depende de la necesidad del investigador y de las características de los datos. V F.
Cerca del 68% del área bajo la curva normal se encuentra a dos deviaciones estándar con respecto a la media. V F.
Como en el valor de un índice agregado simple pueden influir las unidades de medición, se emplea con frecuencia. XXXXXXX. V F.
Con el IPC se determina el ingreso personal disponible, la deflación de las ventas u otras variables, el poder de compra del dólar y el aumento del costo de vida XXXXXX. V F.
Con la finalidad de tomar decisiones, es necesario resumir la información de modo útil e informativo. V F.
Con las propiedades de las distribuciones muestrales que son iguales a los valores de los parámetros que se estimarán, es posible inferir acerca de los parámetros poblacionales. V F.
Cuando al calcular el coeficiente de Pearson, su resultado es igual a 0 (cero), significa que la distribución de los valores es: Sesgada a la derecha Sesgada a la izquierda Simétrica.
Cuando al rango o recorrido de la variable, lo dividimos para el número de intervalos de clase, estamos calculando: La frecuencia absoluta La frecuencia relativa El tamaño o anchura de clase La frecuencia acumulada.
Cuando al rango o recorrido de la variable, lo dividimos para el número de intervalos de clase, estamos calculando: La frecuencia absoluta La frecuencia relativa El tamaño o anchura de clase.
Cuando alrededor del 95% del área se encuentra bajo la curva normal, significa que el valor de Z es: ± 1 ± 2 ± 3.
Cuando calculamos el número de permutaciones posibles que se pueden realizar en un conjunto de objetos, consideramos importante el orden en el que se presentan dichos objetos. V F.
Cuando decimos que el resultado obtenido, representa a todos los valores observados en una investigación, nos estamos refiriendo al valor de la: Mediana Moda Media aritmética Rango o recorrido.
Cuando decimos que los datos se encuentran representados por etiquetas o nombres, nos referimos al nivel de medición: De intervalo Nominal De razón.
Cuando dividimos la suma de todos los valores observados para el número de estos valores, estamos calculando la: Media aritmética Media ponderada Media geométrica Mediana .
Cuando dos eventos no son mutuamente excluyentes, la probabilidad conjunta de que se presenten A o B, se expresa de la siguiente manera: P(A o B) = P(A) + P(B). V F.
Cuando dos eventos ocurren al mismo tiempo la probabilidad se denomina probabilidad conjunta. V F.
Cuando dos eventos son dependientes, se debe emplear la regla especial de multiplicación. V F.
Cuando dos eventos son mutuamente excluyentes, la regla especial de adición se puede expresar de la siguiente forma: P(A o B) = P(A) + P(B) – P(A y B). V F.
Cuando el límite superior de una clase es igual al límite inferior de la clase posterior, se puede afirmar que la distribución es continua. V F.
Cuando el error estándar es pequeño, significa que las dos variables no están muy relacionadas. V F.
Cuando el número de datos es pequeño, se debe realizar una distribución de frecuencias con 5 intervalos de clase. V F.
Cuando el rango o amplitud de variación de la variable es mayor que 15, debe emplearse una tabla de intervalos o distribución de frecuencias. V F.
Cuando el rango o recorrido de la variable en un conjunto de datos es mayor a 15, se recomienda construir una tabla de distribución de frecuencias. V F.
Cuando el rango o recorrido de la variable es mayor a 15, la tabla que se debe utilizar es una serie con frecuencia. V F.
Cuando el rango o recorrido de la variable es menor a 15, se aconseja presentar los datos a través de una serie ordenada V F.
Cuando el rango, amplitud de variación o recorrido de la variable es mayor que 15, debe emplearse una tabla de intervalos o distribución de frecuencias. V F.
Cuando el tamaño de la población es finito, se debe preferir el uso de la probabilidad binomial ya que la probabilidad hipergeometrica es utilizada mas bien cuando la población es infinita. V F.
Cuando el valor de la media aritmética es igual a los valores de la mediana y la moda, se dice que la distribución de los datos es simétrica. V F.
Cuando el valor de la media aritmética es mayor a los valores de la mediana y de la moda, la distribución de los datos es: Simétrica Asimétrica positiva Asimétrica negativa No definida.
Cuando el valor de la media aritmética es menor a los valores de la mediana y de la moda, la distribución de los datos es: Simétrica Asimétrica positiva Asimétrica negativa No definida.
Cuando el valor de la medida de dispersión es amplio, significa que el promedio no es representativo del conjunto total de datos. V F.
Cuando el valor de Z es 1 y el área bajo la curva normal es 0,3413, para hallar la probabilidad de que el valor sea mayor que 1, debemos: sumar 0,5 al 0,3413 restar 0,3413 de 0,5 considerar como resultado el 0,3413.
Cuando en un conjunto de datos existen valores extremos, es posible calcular la media aritmética, pero no la mediana y la moda V F.
Cuando existen valores extremos en un conjunto de observaciones, la moda se ve afectada y no es conveniente utilizar esta medida para extraer conclusiones válidas sobre el objeto investigado. V F.
Cuando extraemos la raíz cuadrada de la varianza, llegamos a obtener el valor de la: Desviación media absoluta Desviación estándar o típica Amplitud de variación.
Cuando hablamos de la amplitud de variación, no nos estamos refiriendo al rango o recorrido de la variable. V F.
Cuando hablamos de una parte de la población, de la cual extraemos conclusiones válidas para la población, nos referimos a: Parámetros Estadígrafos Muestra Promedios.
Cuando la media aritmética es mayor a la mediana y a la moda, podemos afirmar que la distribución de los valores, se caracteriza por ser: Sesgada positivamente Simétrica Sesgada negativamente.
Cuando la media aritmética es mayor a la mediana y mayor a la moda, se dice que la distribución de los datos tiene sesgo negativo. V F.
Cuando la moda, es mayor a la mediana y mayor a la media aritmética, se dice que la distribución es: Simétrica Asimétrica negativa Asimétrica positiva.
Cuando la probabilidad de ocurrencia de un evento es 1 o cercana a 1, significa que el evento muy dificilmente se puede presentar. V F.
Cuando la probabilidad se basa en cualquier información disponible, nos estamos refiriendo a la probabilidad: Subjetiva Clásica Empírica.
Cuando la variable con la que se está trabajando es de carácter continuo, entonces la distribución de probabilidad a aplicarse es la probabilidad normal. V F.
uando los datos se encuentran distribuidos en forma simétrica, los valores de la media aritmética, mediana y moda son siempre iguales. V F.
Cuando los eventos se presentan en dos o más etapas, es conveniente trabajar con: Reglas de adición Reglas de multiplicación Diagrama de árbol.
Cuando los puntos en el diagrama de dispersión aparecen cerca de la recta, se observa que el coeficiente de correlación tiende a ser grande. V F.
Cuando los valores de la media aritmética, la mediana y la moda son iguales, entonces se dice que la distribución es simétrica V F.
Cuando los valores de n van aumentando, se recomienda no trabajar con la aproximación normal a la binomial. V F.
Cuando n es grande, y la variable es discreta, es preferible realizar la aproximación de la distribución normal a la binomial, es decir a una distribución discreta trabajarla como una distribución normal. V F.
Cuando no es posible trabajar una distribución de probabilidad binomial, se puede aproximar para trabajar la variable como si fuera normal. V F.
Cuando no hay ninguna relación entre dos conjuntos de variables, la r de Pearson es cero. V F.
Cuando no interesa el orden en el que se presentan los objetos seleccionados de un conjunto total, se utiliza: Permutaciones Combinaciones Diagrama de árbol.
Cuando nos referimos a la distribución de probabilidad que se caracteriza por ser simétrica con respecto a su media, estamos hablando de la distribución de probabilidad hipergeométrica. V F.
Cuando nos referimos a la distribución de probabilidad que se caracteriza por ser simétrica con respecto a su media, estamos hablando de la distribución de probabilidad: Normal Binomial Hipergeométrica.
Cuando nos referimos a una distribución de probabilidad que se caracteriza por ser simétrica con respecto a su media, estamos hablando de la distribución de probabilidad hipergeométrica. V F.
Cuando nos referimos al proceso que induce a que ocurra una y sólo una de varias posibles observaciones, estamos definiendo un: Experimento Resultado Evento.
Cuando observamos que las pruebas son independientes, es decir que el resultado de una prueba no influye en el resultado de otra prueba, quiere decir que estamos con una característica de los eventos binomiales. V F.
Cuando realizamos el cociente entre la frecuencia absoluta simple de cada intervalo y el número total de observaciones, estamos calculando la frecuencia: Relativa simple Relativa acumulada Absoluta acumulada.
Cuando se calcula el valor modal en una tabla de distribución de frecuencias, se debe considerar solamente la columna de las frecuencias absolutas simples. V F.
Cuando se calculan las combinaciones, no se considera el orden de presentación de los objetos. V F.
Cuando se construye una tabla de frecuencias, si bien no existe una regla establecida, se aconseja que el número de intervalos sea menor a 5. V F.
Cuando se determina la diferencia en términos absolutos entre cada valor con respecto a la media aritmética, estamos calculando El rango o recorrido de la variable La desviación media absoluta El coeficiente de variación.
Cuando se distinguen a los automóviles por la marca, hemos medido los datos en forma nominal. V F.
Cuando se requiere conocer el ritmo de crecimiento promedio anual o por períodos de una variable, se debe utilizar la media geométrica. V F.
Cuando se requiere conocer el valor bajo el cual se encuentran las tres cuartas partes de las observaciones, debemos calcular el: Cuartil 3 Percentil 30 Decil 7.
Cuando se selecciona una muestra de una población finita sin reposición, es aconsejable aplicar la distribución de probabilidad hipergeométrica. V F.
Cuando se toma en cuenta los valores absolutos de las diferencias entre cada uno de los valores observados con respecto a la media aritmética, estamos calculando la: Desviación estándar Desviación media Varianza.
Cuando se trabaja con datos muestrales, en el cálculo de la desviación estándar, se debe dividir para: N N -1 N + 1.
Cuando se trabaja con una tabla de frecuencias, para encontrar la media aritmética se deben utilizar los límites inferiores de cada una de las clases o intervalos. V F.
Cuando se trabaja con variables continuas, se debe calcular la distribución de probabilidad normal. V F.
Cuando trabajamos con probabilidades conjuntas que se desarrolla en varias etapas, la sumatoria de todas las probabilidades debe ser igual a uno. V F.
Cuando trabajamos con una variable discreta, para identificar el rango o recorrido se debe dividir la suma de todos los datos para el número de intervalos. V F.
Cuando un coeficiente de regresión que debiera tener signo positivo resulta negativo, o lo contrario; podría ser un indicio de que existe problemas de multicolinealidad. V F.
Cuando una distribución de frecuencias tiene un intervalo abierto, no es posible calcular la media aritmética. V F.
Cuanto más pequeño sea el valor de la medida de dispersión que se calcule, significa que los valores se encuentran más dispersos entre sí. V F.
De acuerdo al enfoque objetivo, las probabilidades se clasifican en: Clásica y empírica Clásica y subjetiva Empírica y subjetiva.
De acuerdo al Teorema de Chebyshev, el 88,9% de los valores, estarán entre la media más o menos tres desviaciones estándar. V F.
Debido a que los pronósticos no son perfectos, es necesario contar con una medida para describir cuán preciso es el pronóstico de Y con base en X, o a la inversa, qué tan inexacta puede ser la estimación. V F.
Dentro de las distribuciones de probabilidad continua se pueden identificar las distribuciones de probabilidad uniforme. V F.
Desde el punto de vista empírico, la probabilidad de que suceda un evento, se calcula dividiendo el número de resultados favorables entre el número de resultados posibles. V F.
Desde el punto de vista objetivo, la probabilidad se distingue entre clásica y empírica. V F.
Dos eventos se consideran como independientes cuando la ocurrencia del uno no tiene ningún efecto en la probabilidad de que otro evento ocurra. V F.
Dos eventos se consideran como independientes, si la ocurrencia del uno afecta la probabilidad de que suceda el otro. V F.
Dos eventos son independientes, si la ocurrencia de uno no altera la probabilidad de que suceda el otro. V F.
Dos métodos para calcular el índice de precios ponderado son el método de Laspeyres y el de Paasche. V F.
Dos variables tienen una relación positiva cuando se ubican por arriba de la media. V F.
Ejemplos de variable cuantitativa, pueden ser la religión, el género, el lugar de nacimiento. V F.
El análisis de correlación es el estudio de la relación entre variables. V F.
El análisis de regresión múltiple sirve como técnica de inferencia y técnica descriptiva. V F.
El análisis de regresión múltiple sirve como técnica descriptiva o como técnica de inferencia. V F.
El análisis estadístico de la información nos permite tomar decisiones sobre el futuro de una actividad. V F.
El ancho de clase puede ser identificado a través de la diferencia entre las frecuencias absolutas simples de intervalos consecutivos. V F.
El ancho de clase, puede ser identificado a través de la diferencia entre las marcas de clase consecutivas. V F.
El área bajo la curva normal a cada uno de los lados de la media aritmética es igual a 0,50. V F.
El área bajo la curva normal a cada uno de los lados de la media, es: 10% 25% 50%.
El area bajo la curva normal cuando Z = -2, es (utilice la tabla de areas bajo la curva normal que se encuentra en el texto): 0.4987 0.0120 0.4772 0.0013.
El área bajo la curva normal cuando Z = -3, es (utilice la tabla correspondiente): 0,4987 0,012 0,0013.
El área total bajo la curva normal es igual a : 1 0.5 10.
El área total bajo la curva normal es: 0.5 1 0.25.
El área total bajo la curva normal siempre es igual a 1 o 100%. V F.
El calculo de deciles, centiles y percentiles, sigue el mismo procedimiento que el calculo de la media aritmetica. V F.
El cálculo de la desviación media absoluta, requiere considerar los valores absolutos de las diferencias entre cada valor con respecto a la media aritmética. V F.
El cálculo de la desviación media requiere usar los valores absolutos de las diferencias entre cada uno de los valores con respecto a la media aritmética. V F.
El cálculo de la desviación media, considera el uso de todos los valores que toma la variable con respecto a la media aritmética. V F.
El cálculo de la media aritmética toma en cuenta todos los valores del conjunto de datos. V F.
El cálculo de la moda en una distribución de frecuencias utiliza solamente las frecuencias absolutas simples. V F.
El cálculo de la probabilidad binomial, utiliza el concepto de combinaciones. V F.
El cálculo de la probabilidad binomial, utiliza el concepto de combinaciones. V F.
El cálculo de los cuartiles, deciles y percentiles, lleva el mismo procedimiento que el cálculo de la moda para datos agrupados en una tabla de distribución de frecuencias. V F.
El cálculo del valor modal en una tabla de distribución de frecuencias, considera solamente la columna de las frecuencias absolutas simples. V F.
El coeficiente de asimetría de Pearson, considera en su cálculo los valores de la media aritmética, la mediana y la desviación típica. V F.
El coeficiente de asimetría de Pearson, puede tomar valores desde -1 hasta 1. V F.
El coeficiente de asimetría de Pearson, puede tomar valores entre -1 y +1, por lo tanto si en un conjunto de datos, el coeficiente de asimetría es de -3, es un resultado equivocado. V F.
El coeficiente de determinación es el coeficiente de correlación al cuadrado. V F.
El coeficiente de Pearson, puede tomar valores entre -3 y 3. V F.
El coeficiente de variacion constituye el cociente entre la media aritmetica para la desviacion estandar, expresada como un porcentaje. V F.
El coeficiente de variación constituye la razón o el cociente entre la desviación típica o estándar y la media aritmética en términos porcentuales. V F.
El coeficiente de variación nos permite comparar dos o más grupos de datos aunque tengan unidades de medida diferentes. V F.
El coeficiente de variación permite comparar el nivel de dispersión de dos conjuntos de datos aunque la unidad de medida sea diferente. V F.
El coeficiente de variacion permite comparar la dispersion relativa existente entre grupos de datos diferentes, inclusive en su unidad de medida. V F.
El coeficiente de variación permite conocer el tipo de asimetría de la distribución del conjunto de observaciones. V F.
El coeficiente de variación siempre estará entre -3 y +3 y su resultado nos indica si hay sesgo positivo o negativo. V F.
El coeficiente de variación, constituye el cociente entre la media aritmética y la desviación estándar, expresado como porcentaje. V F.
El coeficiente de variación, es muy útil para comparar grupos de datos que se encuentran expresados en unidades de medida diferentes. V F.
El coeficiente de variacion, permite comparar la dispersion de dos conjuntos de valores cuyas variables tienen unidades de medida diferentes V F.
El coeficiente de variación, se expresa en términos de las unidades medidas por la variable y corresponde al cociente entre la media aritmética y la desviación estándar. V F.
El concepto de probabilidad clásica, determina que los resultados de un experimento son todos igualmente posibles. V F.
El concepto de probabilidad desde el enfoque objetivo, se subdivide en probabilidad clásica y probabilidad empírica. V F.
El concepto de probabilidad hace referencia a la cuantificacion de un evento que pudiera presentarse o no V F.
El concepto de probabilidad objetiva, se subdivide en probabilidad clásica y probabilidad empírica. V F.
El cuartil 2 es igual al valor de la mediana e igual al percentil 50 y decil 5. V F.
El cuartil 2 es igual al valor de la mediana y al decil 5 y percentil 50. V F.
El cuartil 2 es igual al valor de la mediana y al valor del percentil 50. V F.
El diagrama de arbol nos ayuda a calcular las probabilidades cuando los mismos implican la existencia de varias etapa V F.
El diagrama de árbol permite presentar gráficamente el cálculo de las probabilidades que implican varias etapas. V F.
El diagrama de árbol, es una representación útil para organizar cálculos que implican varias etapas en el cálculo de las probabilidades. V F.
El diagrama de árbol, es una representación útil para organizar cálculos que implican varias etapas. V F.
El diagrama de árbol, permite tener una mejor visualización de las probabilidades individuales en los eventos que se puedan presentar de manera conjunta. V F.
El empleo de la teoría de la probabilidad, permite analizar los riesgos y minimizar el azar inherente. V F.
El error estándar de estimación mide la cercanía entre los valores reales y la recta de regresión. V F.
El error estándar de estimación mide la cercanía, entre los valores reales y la recta de regresión. V F.
El error estándar de estimación proporciona una medida relativa de la capacidad de predicción de una ecuación de regresión. V F.
El error estándar y el coeficiente de determinación son dos estadísticos que proporcionan una evaluación general de la capacidad de una ecuación de regresión para predecir una variable independiente XXXX. V F.
El estadígrafo o estadístico, es el elemento que describe una muestra y que sirve para estimar las características poblacionales. V F.
El estadígrafo o estadístico, es el elemento que describe una muestra y que sirve para inferir hacia las características poblacionales. V F.
l estudio de la probabilidad, permite considerar la presentaclón de un evento u otro a futuro con la finalidad de tomar decisiones. V F.
El factor de corrección de continuidad, debe ser aplicado cuando: La variable es discreta y se trabaja con una distribución normal La variable es continua y se trabaja con una distribución binomial La variable es continua y se trabaja con una distribución hipergeométrica.
El factor de corrección por continuidad, consiste en: Sumar o restar 0.5 a los valores de la variable según sea el requerimiento Multiplicar el valor de la variable por 0,5 Dividir el valor de la variable por 0,5.
El factor de corrección por continuidad, consiste en: Multiplicar el valor de la variable por la frecuencia relativa Dividir el valor de la variable para el número de sucesos posibles Sumar o restar 0,5 a los valores de la variable según sea el requerimiento.
El factorial de 4, es: 24 10 12.
El factorial de cero, por definicion siempre sera igual a: cero uno cien infinito.
El gráfico de una distribución de frecuencias que está compuesto por barras, se denomina polígono de frecuencias. V F.
El gráfico que nos permite analizar la acumulación de las frecuencias, se denomina: Ojiva Histograma Polígono de frecuencias.
El histograma de frecuencias es un gráfico de barras verticales continuas. V D.
El histograma es un diagrama de barras continuas en el que la base de cada barra representa el intervalo de clase. V D.
El histograma es un diagrama de barras horizontales en los que cada barra representa cada intervalo de clase. V F.
El histograma es un diagrama de barras verticales continuas. V F.
El histograma es una representación gráfica constituida por líneas verticales. V F.
El histograma se caracteriza por ser un gráfico de barras verticales continuas. V F.
El histograma se construye uniendo mediante segmentos de recta, los puntos medios o marcas de clase. V F.
El histograma, es aquella representación gráfica que se obtiene a través de la unión de los puntos medios o marcas de clase correspondientes. V F.
El incremento de los precios en los productos depende de la inflación y el desempleo. Es un ejemplo de regresión lineal simple. V F.
El índice agregado simple consiste en sumar los precios de los dos periodos y luego determinar el índice con base en los totales. V F.
El índice de Laspeyres tiende a ponderar demasiado los artículos cuyos precios aumentaron. V F.
El intervalo de confianza, reporta el valor medio de Y para una X dada. V F.
El intervalo de predicción reporta el rango de valores de Y para un valor particular de X. V F.
El lanzamiento de una moneda es un ejemplo de eventos mutuamente excluyentes. V F.
El nivel de medición de intervalos se caracteriza porque las diferencias iguales en la característica representan diferencias iguales en las mediciones. V F.
El nivel de medición más alto o el que proporciona la mayor cantidad de información acerca de la observación, es el nivel de medición de razón. V F.
El nivel de medición más alto o el que proporciona la mayor cantidad de información acerca de la observación, es el nivel de medición de razón. V F.
El número de carros es un ejemplo de variable discreta porque procede de la enumeración o del conteo V F.
El número de carros que circulan por una vía en un período determinado de tiempo se puede considerar como ejemplo de variable continua V F.
El número de combinaciones de tres elementos tomados tres a la vez, es igual a: 1 3 6.
El número de distribuciones normales es: Limitado Ilimitado Nulo.
El número de grados de libertad en la regresión es igual al número de variables independientes existente en la ecuación de regresión múltiple. V F.
El número de intervalos de clase no debería ser menor a 5 ni mayor a 20, ya que el objetivo de la tabla de frecuencias es el de presentar en forma resumida la información que se está analizando V F.
El número de variables independientes en una ecuación de regresión múltiple aumenta el coeficiente de determinación. V F.
El percentil 50 es igual al decil 5 y al cuartil 2; así como el percentil 75 es igual al cuartil 3. V F.
El primer cuartil, es aquel valor bajo el cual se encuentra el 75% de observaciones y sobre el mismo se ubican el 25 % de las observaciones V F.
El primer cuartil, es aquel valor bajo el cual se encuentra el 75% de observaciones y sobre el mismo se ubican el 25% restante de las observaciones. V F.
El primer paso en la elaboración de una tabla de distribución de frecuencias, consiste en establecer las frecuencias absolutas simples de cada intervalo. V F.
El principio de los mínimos cuadrados determina una ecuación de regresión al minimizar la suma de los cuadrados de las distancias verticales entre los valores reales de “Y “ y los valores pronosticados de “Y”. V F.
El proceso que induce a que ocurra una y solo una de varias posibles observaciones se llama resultado. V F.
El producto entre el número de eventos y las probabilidades de éxito y fracaso, en una distribución de probabilidad binomial, nos da como resultado el valor de la Desviación típica o estándar Media aritmética Varianza.
El propósito de una análisis de regresión ( Y = a+b+cX ) es calcular a y b para desarrollar una ecuación lineal que se ajuste mejor a los datos XXX. V F.
El rango o recorrido de la variable, es un indicador que nos permite identificar la distancia existente entre el valor mayor y el valor menor dentro de un conjunto de datos. V F.
El rango o recorrido de la variable, nos indica el número de puestos que recorre la variable desde el menor hasta el mayor. V F.
El rango o recorrido es una de las medidas de dispersion que nos indica el recorrido de la variable analizada. V F.
El resultado de calcular el coeficiente de Pearson, debe encontrarse entre: .+1 Y -1 .+2 Y -2 .+3 Y -3.
El resultado de calcular la probabilidad de un evento, puede tomar valores solamente entre: .0 y 10 .0 y 1 .0 e infinito.
El resultado de la desviación típica o estándar se encuentra expresado en unidades cuadráticas de la medida de la variable y por ello es poco utilizada. V F.
El resultado del coeficiente de asimetría de Pearson varÍa entre menos uno y más uno. V F.
El salario puede depender del nivel de educación y de los años de experiencia en. En este ejemplo se está planteando un modelo de regresión lineal simple. V F.
El símbolo nPr, se lee permutación de n elementos seleccionados rara la vez. V F.
El símbolo nPr, se lee permutación de n elementos seleccionados rara la vez. V F.
El valor de la mediana a diferencia del valor de la media aritmética, no se ve afectado por la presencia de valores extremos. V F.
El valor de la mediana de un conjunto de valores es equivalente, a los valores del cuartil 2, decil 5 y: Percentil 50 Percentil 25 Decil 2.
El valor de la mediana es igual al valor del cuartil 3, decil 4 y percentil 25. V F.
El valor de la mediana, es igual a: D2; Q2; y P2 D5; Q2; y P25 D5; Q2; y P50 D4; Q3; y P50.
El valor de la probabilidad de ocurrencia de un evento, puede encontrarse entre cero y uno. V F.
El valor de la probabilidad de ocurrencia de un evento, puede encontrarse entre 0 y 1. V F.
El valor del Coeficiente de Asimetría de Pearson, en una distribución simétrica será igual a: Cero Uno Tres.
El valor del cuartil 1, se puede interpretar como aquel bajo el cual se encuentra el 75% de observaciones y sobre el cual se encuentra el 25% de las mismas. V F.
El valor del cuartil 2, es igual al valor de la mediana, ya que representa al 50% de las observaciones que se encuentran por debajo y sobre ese valor. V F.
l valor del cuartil 2, lo podemos interpretar diciendo que, por debajo y sobre él, se encuentra el: 50% de observaciones 75% de observaciones 25% de observaciones .
El valor del cuartil 2, se considera igual que el valor resultante de calcular la mediana en un conjunto de observaciones. V F.
El valor del cuartil 2, se considera igual que el valor resultante de calcular la mediana en un conjunto de observaciones. V F.
El valor del percentil 50, es igual al del decil 5 y al del cuartil 2; así como el percentil 75 es igual al valor del cuartil 3. V F.
El valor del percentil 50, es igual al valor calculado de: Decil 5 Decil 2 Decil 10.
El valor del percentil 75, nos indica que bajo ese valor se encuentra el: 25% de las observaciones 50% de las observaciones 75% de las observaciones.
El valor del Q1, el P1 y el D1, siempre serán iguales. V F.
El valor esperado de una distribución de probabilidad, es el promedio ponderado en el que los valores posibles se ponderan mediante sus probabilidades de ocurrencia. V F.
El valor mediano de un conjunto de datos significa que por debajo del mismo y sobre él, se encuentra la mitad de las observaciones. V F.
El valor mediano de un conjunto de datos, significa que corresponde al valor Promedio de todas las observaciones Que se ubica en la posición central, luego de ordenarlos Con mayor frecuencia Mayor dentro del conjunto.
El valor mediano de un conjunto de valores significa que ocupa la posición central dentro del mismo y que por tanto el 50% de observaciones o valores se encuentran por debajo del mismo y el otro 50% restante se encuentra sobre el mismo. V F.
El valor mediano ocupa la posición central dentro del conjunto de observaciones. V F.
El valor modal, se considera como aquel valor característico que se encuentra con mayor frecuencia en el conjunto de datos. V F.
El valor que nos muestra la distancia entre un determinado valor y la media aritmética en términos de desviaciones estándar es: Z µ σ.
El valor que se encuentra ocupando la posición central dentro de un conjunto de datos, se denomina: Moda Mediana Media aritmética Frecuencia relativa.
El valor que se obtiene como cuartil dos, es igual al valor de la media aritmética. V F.
El valor que se obtiene como Q3, significa que por debajo del mismo queda el 25% de observaciones y sobre ese valor se encuentra el 75% de observaciones. V F.
En cualquier distribución simétrica, aproximadamente el 68% de observaciones se encontrarán entre: más y menos una desviación estándar respecto a la media mas y menos dos desviaciones estandar respecto a la media mas y menos tres desviaciones estandar respecto a la media.
En el análisis de regresión se determinan medidas para expresar la fuerza y la dirección de la relación lineal entre dos variables. V F.
En el cálculo de la probabilidad, su valor resultante puede variar entre -1 y +1. V F.
En el cálculo de las permutaciones es muy importante el orden en que se presentan los objetos seleccionados. V F.
En el cálculo de las probabilidades binomiales, se utiliza el concepto de permutaciones de n objetos tomados x a la vez. V F.
En el cálculo de las probabilidades, en un evento binomial, se debe aplicar el concepto de: Combinaciones Permutaciones Media aritmética.
En el cálculo del valor mediano para un conjunto de datos presentados a través de una tabla de distribución de frecuencias, se debe utilizar el límite real inferior del intervalo mediano. V F.
En el cálculo del valor mediano para un conjunto de datos presentados a través de una tabla de frecuencias, se debe utilizar el límite real inferior del intervalo mediano. V F.
En el cálculo del valor modal en una distribución de frecuencias se considera la frecuencia acumulada menor qué, para determinar el intervalo mediano V F.
En el caso de la desviación media absoluta, es condición importante el considerar los valores absolutos de las diferencias, de lo contrario la sumatoria sería igual a cero. V F.
En el caso de las combinaciones, es importante el orden en el que se presentan los objetos seleccionados dentro del conjunto. V F.
En el caso de las distribuciones de probabilidad no es necesario identificar la desviación típica o estándar, ya que la varianza no viene expresada en unidades cuadráticas. V F.
En el caso de las probabilidades conjuntas, la regla de adición se aplica, cuando los eventos son: Dependientes Mutuamente excluyentes Independientes.
En el caso de las probabilidades, un evento viene a ser aquel suceso particular de un experimento. V F.
En el caso de probabilidad hipergeométrica, las pruebas son independientes. V F.
En el conjunto de datos, 2 – 5 – 8 – 4 – 6 – 7 – 9 – 120, no es conveniente calcular la: Mediana Moda Media aritmética.
En el conjunto de datos: 1 – 5 – 9 – 4 – 1 – 5 – 3; el número 9 representa el valor de la Media aritmética Mediana Moda No es representativo .
En el conjunto de datos: 2 – 3 – 4 – 5 – 5 – 6 – 7 – 8, el valor de la media aritmética es: 5 6 8 4.
En el conjunto de datos: 2 – 5 – 7 – 5 – 3 – 6 – 4 – 8, el valor mediano es: 4 3 5 6.
En el conjunto de datos: 2 – 5 – 7 – 5 – 3 – 6 – 4 – 8, el valor mediano es: 4 5 3.
En el conjunto de datos: 2 – 5 – 7 – 5 – 3 – 6 – 4 – 8, el valor modal es: 2 8 5 4.
En el conjunto de letras a, b, c, d, al seleccionar dos de ellas se pueden formar 12 grupos distintos. V F.
En el intervalo 110 – 120, el valor de 115, representa frecuencia absoluta simple. V F.
En el método de Laspeyres se utilizan ponderaciones en el año en curso XXXXX. V F.
En el nivel de medición nominal, los datos se clasifican en categorías sin ningún orden específico entre las mismas. V F.
En el nivel de medición ordinal de una variable, se supone que cada categoría tiene mayor jerarquía que la siguiente. V F.
En el nivel de medición ordinal, se establece un orden que puede ser creciente o decreciente. V F.
En el nivel de medición ordinal, se organizan los datos en forma creciente o decreciente. V F.
En el siguiente ejemplo "Se tiene interés en estimar el salario de un ejecutivo con base en los años de su experiencia laboral y si se graduó de la universidad". En este modelo la variable que se debe convertir en ficticia es la variable años de experiencia laboral. V F.
En general, el valor que se obtiene como cuartil dos, es igual al valor que se obtiene al calcular la media aritmética. V F.
En la aproximación normal a la binomial, también se deben satisfacer las cuatro características básicas de la probabilidad binomial, en donde una de ellas dice que la probabilidad de éxito se mantiene para cada una de las pruebas. V F.
En la aproximación normal a la binomial, tambien se deben satisfacer las cuatro. V F.
En la construcción de un polígono de frecuencias, es necesario suponer la presencia de una marca de clase anterior a la primera y una posterior a la última, cada una con frecuencia cero, con la finalidad de cerrar el polígono. V F.
En la distribución de la probabilidad de Poisson los intervalos no se superponen y son independientes. V F.
En la distribución de probabilidad binomial la probabilidad de éxito o fracaso es diferente para cada prueba. V F.
En la distribución de probabilidad de Poisson, la media (µ=nπ) y la varianza (σ2=nπ) se calculan de la misma forma, por tanto tienen el mismo valor. V F.
En la distribución de probabilidad de Poisson, la media y la varianza se calculan con la misma fórmula, que dice: n*π n+π n/π.
En la distribución de probabilidad de Poisson, la media y la varianza son: Iguales Diferentes No hay relación.
En la distribución de probabilidad de Poisson, los intervalos no se superponen y son independientes. V F.
En la distribución de probabilidad hipergeométrica, la probabilidad de un éxito siempre será la misma en cada ensayo. V F.
En la distribución de probabilidad hipergeométrica, la variable aleatoria es el número de fracasos de un número fijo de pruebas. V F.
En la distribución de probabilidad normal estándar, la desviación estándar es de: 0 1 0.5.
En la distribución de probabilidad normal, la desviación estándar en términos de Z, es: 0 1 0.5.
En la distribución de probabilidad normal, la media aritmética en términos de Z, es: 0 1 0.5.
En la distribución de probabilidad normal, la media de la variable expresada en términos de Z, siempre será igual a: 0 1 0.5.
En la distribución de probabilidad uniforme la media y mediana son iguales y existe una moda. V F.
En la distribución hipergeométrica solo hay tres posibles resultados: éxito, fracaso y nulidad. V F.
En la ecuación de regresión lineal Y = a + bX, a es la pendiente y b es la intersección con Y. V F.
En la fórmula de cálculo de la distribución de probabilidad de Poisson, se utiliza el valor de e, que es igual a: 2,718281 3,141592 1.
En la probabilidad conjunta de eventos si se trata de eventos excluyentes o no excluyentes, se debe trabajar con las reglas de adición. V F.
En las distribuciones de probabilidad binomial existen solamente dos resultados posibles para cada evento, éxito o fracaso. V F.
En las distribuciones de probabilidad binomial, la probabilidad de éxito para cada uno de los eventos, no permanece constante debido a que los eventos se realizan sin reemplazamiento. V F.
En las distribuciones de probabilidad de Poisson y binomial, las probabilidades de éxito son variables de acuerdo al evento que se establece. V F.
En las distribuciones de probabilidad se considera el tipo de variable con la que se está trabajando para poder identificar la distribución a emplearse. V F.
En las permutaciones no interesa el orden en el que se presentan los objetos sino que se tienen que presentar una sola vez. V F.
En las tablas de distribución de frecuencia, para calcular la media aritmética se requiere establecer el producto entre la marca de clase y la frecuencia absoluta simple para posteriormente a esa sumatoria dividirla para el número total de datos analizados. V F.
En las tablas de distribución de frecuencias cuando existe un intervalo abierto, no es posible calcular la media aritmética. V F.
En los datos de nivel de intervalo, el punto cero representa la ausencia de características y la razón entre dos números es significativa. V F.
En los siguientes intervalos: (25 – 34)(35 – 44)(45 – 54), el tamaño de intervalo o anchura de clase, es: 10 8 9.
En un conjunto de datos puede encontrarse uno o varios valores modales, a diferencia de la mediana o media aritmética que se constituyen en un solo valor característico. V F.
En un conjunto de datos puede existir uno o más valores modales. V F.
En un conjunto de datos pueden existir más de un valor modal o ningún valor modal V F.
En un conjunto de datos se pueden encontrar varios valores que representan a la media y solamente una valor modal. V F.
En un conjunto de datos simple la media aritmética es igual al cociente entre la sumatoria de los datos y el número de observaciones. V F.
En un conjunto de datos sin agrupar, el valor modal es aquel valor: Más alto Que se repite con mayor frecuencia Mínimo Extremo .
En un conjunto de datos sin agrupar, para hallar la posición del valor mediano, se debe utilizar la siguiente fórmula PosMed= (n + 1)/2, cuando el número de datos, es: Par Impar Relativo.
En un conjunto de datos, se pueden tener un solo valor de la media y la mediana pero varios o ningún valor modal. V F.
En un conjunto de datos, solamente es posible el cálculo de una de las medidas de tendencia central, dígase por ejemplo si se calcula la media aritmética no es posible calcular la mediana o la moda. V F.
En un conjunto de valores pueden existir algunos valores que representan a la mediana pero solo un valor modal. V F.
En un experimento de probabilidad de Poisson el resultado de cada prueba de un experimento se clasifica en una de dos categorías mutuamente excluyentes. V F.
En un mismo conjunto de datos observados, pueden existir dos valores medianos, pero solo un valor modal. V F.
En un modelo de regresión cada nueva variable independiente hacen que las predicciones sean más precisas. V F.
En un problema en el que n es 6 y se solicita encontrar la probabilidad de que por lo menos se presenten 4 casos, debería: Sumar las probabilidades correspondientes a 4, 5 y 6 Identificar la probabilidad de 4 Sumar las probabilidad de 0 hasta 4.
En una correlación espuria, se concluye que, cuando hay dos variables con una fuerte correlación es que hay una relación o asociación entre ambas variables, no que un cambio en una ocasiona un cambio en la otra. V F.
En una distribución binomial, la varianza se calcula a través del siguiente producto: nπ(1-π). V F.
En una distribución binomial, los ensayos son independientes, lo cual significa que el resultado de un ensayo no afecta al resultado de algún otro. V F.
En una distribución con asimetría positiva, el valor de la media aritmética es menor con respecto a la mediana y a la moda. V F.
En una distribución de datos se dice que existe asimetría positiva cuando la media es menor a los valores de la mediana y la moda V F.
En una distribución de datos simétrica, el valor de la media aritmética es 10, por lo tanto la Mediana es igual a 5 y no hay valor modal Moda es igual a 5 y no hay valor mediano Mediana y la moda son iguales a 10 No es posible conocer los valores mediano y modal.
En una distribución de frecuencias simétrica, prácticamente todas las observaciones (99,7%), se encuentran entre más y menos tres desviaciones estándar con respecto a la media. V F.
En una distribución de frecuencias, los intervalos pueden tener el mismo o diferente tamaño de clase. V F.
En una distribución de probabilidad binomial, la suma del producto entre la variable y su probabilidad, nos da como resultado la media de la distribución. V F.
En una distribución de probabilidad binomial, los ensayos son dependientes, esto significa que el resultado de un ensayo afecta al resultado de algún otro. V F.
En una distribución de probabilidad de Poisson la media aritmética se calcula en forma similar a la media calculada en la distribución de probabilidad binomial. V F.
En una distribución de probabilidad de Poisson, la media y la varianza son iguales al tamaño muestral multiplicado por la probabilidad de éxito. V F.
En una distribución de probabilidad de Poisson, la media y la varianza son iguales y se calculan a través del producto nπ. V F.
En una distribución de probabilidad, la media aritmética se conoce como valor esperado. V F.
En una distribución de probabilidad, la suma de las probabilidades de cada uno de los eventos siempre debe ser igual a 1. V F.
En una distribución de probabilidad, también se pueden extraer los valores de la varianza y la desviación estándar. V F.
En una distribución normal, siempre la media es menor que la mediana y la moda. V F.
En una tabla de distribución de frecuencias con un intervalo abierto, pueden calcularse: Media aritmética, mediana y moda. Mediana, moda pero no la media aritmética Media aritmética, pero no la mediana y moda Moda, pero no la mediana y media aritmética.
En una tabla de distribución de frecuencias con un intervalo abierto, pueden calcularse: Media aritmética, mediana y moda Media aritmética, pero no la mediana y moda Mediana y moda, pero no la media aritmética.
En una tabla de distribución de frecuencias en la que existe un intervalo de clase abierto, no es posible calcular el valor de la media aritmética. V F.
En una tabla de distribución de frecuencias se dice que existe asimetría positiva cuando la media es menor a los valores de la mediana y la moda. V F.
En una tabla de distribución de frecuencias, el cálculo de la media aritmética requiere el empleo de la: El límite inferior de cada clase El límite superior de cada clase La marca de clase La frecuencia acumulada menor que.
En una tabla de distribución de frecuencias, el cálculo de la media aritmética requiere el empleo de: La marca de clase La frecuencia acumulada “menor qué” El límite superior de cada clase.
En una tabla de distribución de frecuencias, el cálculo de la mediana requiere considerar la: Frecuencia relativa simple Frecuencia relativa acumulada Frecuencia absoluta acumulada Sumatoria de las frecuencias acumuladas.
En una tabla de distribución de frecuencias, éstas pueden ser frecuencias absolutas simples y frecuencias relativas simples. V F.
En una tabla de distribución de frecuencias, para calcular el valor modal se requiere considerar la frecuencia: Absoluta acumulada mayor que Absoluta simple Absoluta acumulada menor que.
En una tabla de distribución de frecuencias, para calcular el valor modal se requiere considerar: La frecuencia acumulada mayor que La frecuencia absoluta acumulada menor que La frecuencia relativa acumulada menor que La frecuencia absoluta simple.
En una tabla de frecuencias, el cálculo de la mediana requiere utilizar la frecuencia absoluta acumulada para determinar el intervalo de clase en el que se encuentra el valor mediano. V F.
Entre las distribuciones de probabilidad discreta, encontramos a la distribución binomial, de Poisson e hipergeométrica. V F.
Entre las medidas de tendencia central que se pueden considerar para el análisis de los datos se encuentra la mediana. V F.
Entre las medidas de tendencia central se encuentran la media aritmética, la mediana, la moda V F.
Es aquella medida que indica la amplitud de variación entre los valores observados en la investigación. rango o recorrido Desviación media coeficiente de variación.
Es difícil explicar el resultado del cálculo de la varianza, por cuanto los valores obtenidos están expresados en términos cuadráticos. V F.
La amplitud de las clases o el intervalo indica el número de niveles en los que se encuentran distribuidos los datos observados. V F.
La amplitud de variación o intervalo de variación, es una medida de dispersión que nos permite conocer el recorrido de una variable desde el menor valor hasta su máximo. V F.
La amplitud de variación, también se conoce como rango y se refiere a la diferencia entre el valor máximo y el valor mínimo. V F.
La amplitud, también se conoce como rango y se refiere a la diferencia entre el valor máximo y el valor mínimo. V F.
La aplicación de la distribución normal, establece como requisito previo transformar la variable X a referencias tipificadas o valores Z. V F.
La aproximación de la distribución de probabilidad normal a la binomial, es aconsejable utilizarla cuando: La variable es discreta y el número de eventos es grande La variable es continua y el número de eventos es pequeño La variable es continua y el número de eventos es infinito.
La aproximación de la distribución normal a la binomial, es aconsejable cuando cumple la siguiente condición: nπ y n(1 – π), ambos son por lo menos 5 nπ y n(1 – π), ambos son menores a 5 nπ y n(1 – π), ambos son iguales a 5.
La aproximación normal a la binomial se considera adecuada cuando los productos nπ y n(1 – π), son por lo menos igual a 5. V F.
La asimetría negativa de una distribución de frecuencias, se puede observar cuando la media aritmética, es mayor que los valores de la mediana y la moda. V F.
La asimetría negativa de una distribución se observa cuando la media es mayor a la mediana y a la moda. V F.
La calificación de un estudiante en su clase, es un ejemplo de variable medida a través de un intervalo. V F.
La característica medible de una población, recibe el nombre de: Parámetro Estadístico Medida Promedio.
La certeza de que un evento pudiera tener un resultado exitoso es igual a cero, mientras que la probabilidad de certeza de que un evento tenga un resultado desfavorable es igual a uno. V F.
La combinación es un arreglo o disposición de r objetos seleccionados de un solo grupo de n objetos posibles. V F.
La curva normal se caracteriza por ser simétrica y por ello tiene la forma de: Parábola Parábola Campana.
La curva que representa a la distribución de probabilidad normal, se caracteriza por ser asimétrica con respecto a la media. V F.
La desventaja principal del índice de Paasche es que se supone que las cantidades en el periodo base aún son realistas en el periodo dado. V F.
La desviación estándar de un conjunto de datos, se la establece extrayendo la raíz cuadrada del valor obtenido como varianza. V F.
La desviación estándar de un conjunto de valores no puede ser negativa. V F.
La desviación estándar, es una de las medidas de dispersión utilizada con mayor frecuencia. V F.
La desviación media considera la diferencia entre cada uno de los valores con respecto a la media aritmética, en términos absolutos. V F.
La desviación media se considera como el promedio de las desviaciones de cada valor con respecto a la media y viene expresada en valores cuadráticos. V F.
La desviación media utiliza valores absolutos por cuanto de no ser asi la sumatoria de los resultados seria cero. V F.
La desviación típica es el valor de la raíz cuadrada de la varianza. V F.
La desviación típica o estándar, considera al cuadrado de las diferencias entre cada valor con respecto a la media aritmética. V F.
La desviación típica puede considerarse como una medida de mayor precisión que la desviación media. V F.
La determinación de los valores correspondientes, sigue la misma metodología que el cálculo de la mediana: cuartiles, deciles y percentiles desviación típica o estándar Varianza.
La diferencia entre el valor máximo y el valor mínimo, se denomina: Rango, recorrido o amplitud de intervalo Coeficiente de variación Desviación media absoluta.
La distribución de Poisson, es utilizada como modelo para describir la distribución de errores en la captura de datos. V F.
La distribución de probabilidad binomial tiene como característica, que la variable aleatoria cuenta el número de éxitos en una cantidad fija de ensayos. V F.
La distribución de probabilidad binomial, es una distribución discreta al igual que la probabilidad hipergeométrica y de Poisson. V F.
La distribución de probabilidad binomial, se aplica cuando entre otras características, se cumple que: La variable es continua Existen dos resultados posibles éxito o fracaso La variable se mide en intervalos de tiempo.
La distribución de probabilidad binomial, se caracteriza, porque la variable aleatoria cuenta el número de éxitos en una cantidad fija de ensayos. V F.
La distribucion de probabilidad de Poisson se caracteriza porque en ella los intervalos se superponen y son dependientes. V F.
La distribución de probabilidad de Poisson se utiliza cuando la variable se encuentra en un intervalo de tiempo o espacio. V F.
La distribución de probabilidad de Poisson siempre tiene sesgo negativo, debido a que la variable aleatoria posee límite superior específico. V F.
La distribución de probabilidad de Poisson, es útil para hacer análisis de control de calidad y se caracteriza porque la probabilidad de ocurrencia de un evento es muy pequeña. V F.
La distribución de probabilidad de Poisson, se aplica por lo general para realizar control de calidad en un proceso de producción. V F.
La distribución de probabilidad de Poisson, se basa en el supuesto que los intervalos son independientes, esto es cuanto mayor sea la extensión del intervalo, mayor será la probabilidad. V F.
La distribución de probabilidad de Poisson, se utiliza como modelo para describir la distribución de errores en la captura de datos. V F.
La distribución de probabilidad de Poisson, se utiliza para experimentos en los que el número de eventos es muy pequeño y la probabilidad de éxito es muy grande. V F.
La distribución de probabilidad de Poisson, siempre tiene sesgo positivo. V F.
La distribución de probabilidad discreta en la que cada ensayo termina en solo uno de los resultados mutuamente excluyentes, se denomina Normal Binomial De Poisson.
La distribución de probabilidad en la que los intervalos no se superponen y son independientes, es la distribución de Poisson. V F.
La distribución de probabilidad hipergeométrica describe el número de veces que se presenta un evento durante un intervalo específico. V F.
La distribución de probabilidad hipergeométrica se caracteiza porque los ensayos son: Dependientes Independientes Excluyentes.
La distribución de probabilidad hipergeométrica, se aplica cuando: Los ensayos son independientes La variable aleatoria cambia en cada ensayo Los muestreos se realizan en una población finita.
La distribución de probabilidad hipergeométrica, se caracteriza porque la población es finita, es decir se conoce el número de elementos de la población. V F.
La distribución de probabilidad hipergeométrica, se caracteriza porque la probabilidad de éxito: Cambia en cada ensayo Permanece fija en todos los ensayos No influye en el resultado final.
La distribución de probabilidad hipergeométrica, se caracteriza porque la variable aleatoria es el número de éxitos de un número fijo de pruebas y las pruebas no son independientes. V F.
La distribución de probabilidad normal es simétrica con respecto a la media. V F.
La distribución de probabilidad normal es una distribución discreta en la que la media siempre será mayor que la mediana y la moda. V F.
La distribución de probabilidad normal estándar tiene una media de 0. V F.
La distribución de probabilidad normal se caracteriza por ser asimétrica positiva, ya que siempre la media aritmética es mayor que cualquier otro valor. V F.
La distribución de probabilidad normal se caracteriza porque la distribución de los datos es simétrica con respecto a la media. V F.
La distribución de probabilidad normal se caracteriza porque su curva es asintófica, es decir se acerca al eje de las X, sin tocarlo. V F.
La distribución de probabilidad normal se puede usar como una buena aproximación a la distribución binomial cuando nπ y n(1 – π), son por lo menos 5. V F.
La distribución de probabilidad normal se rige por una distribución normal en forma de campana. V F.
La distribución de probabilidad normal tiene forma de campana V F.
La distribución de probabilidad normal, es una distribución continua, mientras que la distribución binomial es una distribución de probabilidad discreta. V F.
La distribución de probabilidad normal, es una distribución discreta en la que la media siempre será mayor que la mediana y la moda. V F.
La distribución de probabilidad normal, se caracteriza por ser asimétrica positiva o negativa y el área bajo la curva será +1 o -1, según la asimetría. V F.
La distribución de probabilidad normal, se caracteriza porque es de asimétrica positiva. V F.
La distribución de probabilidad que se aplica cuando la variable describe el número de veces que se presenta un evento en un intervalo específico, es la distribución: Binomial Hipergeométrica De Poisson.
La distribución de probabilidad que se utiliza cuando se toman muestras sin reemplazo de una población finita, se denomina: Hipergeométrica Normal Binomial.
La distribución de probabilidad uniforme tiene una configuración rectangular y se describe por sus valores mínimo y máximo. V F.
La distribución normal de probabilidad, se caracteriza porque: La distribución es simétrica y la curva tiene forma de campana Es asimétrica con respecto al origen Es una forma restrictiva de la distribución binomial en la que n es grande.
La distribución normal estándar tiene media igual a 0 y desviación estándar igual a 1. V F.
La distribución normal estándar tiene media igual a uno y desviación estándar igual a cero. V F.
La distribución normal y su correspondiente curva normal, tiene como característica que es asimétrica con respecto a su media. V F.
La estadística como ciencia de análisis, es útil solamente en el campo de: Los negocios La medicina Cualquier actividad.
La estadística como ciencia se encuentra presente en todas las actividades del ser humano. V F.
La estadística como ciencia se puede a su vez subdividir en dos áreas, la estadística descriptiva y la estadística inferencial. V F.
La estadística como ciencia, es de uso exclusivo en el campo de los negocios V F.
La estadística como ciencia, permite recoger información y a partir de su análisis llegar a tomar decisiones para el futuro. V F.
La estadística descriptiva es aquella parte de la estadística que se encarga de la recolección, organización y descripción de un conjunto de valores. V F.
La estadística descriptiva permite realizar inferencias a través de las características de una muestra de datos. V F.
La estadística descriptiva se refiere a aquellos métodos que permiten extraer conclusiones sobre una población a partir del análisis de una muestra. V F.
La estadística descriptiva, es aquella parte de la estadística en donde se obtienen conclusiones sobre el objeto de estudio a partir del análisis de una muestra. V F.
La estadística descriptiva, es aquella que nos permite recoger conclusiones sobre la población estudiada a partir de los datos muestrales. V F.
La estadística descriptiva, es aquella que utiliza una muestra para extraer una conclusión que se refiera al conjunto total de datos del cual procede esa muestra. V F.
La estadística descriptiva, se puede clasificar a su vez en estadística inferencial y estadística inductiva. V F.
La estadística es aplicable a todas las actividades del quehacer humano. V F.
La estadística es la ciencia que se origina en la recolección de datos y concluye en el análisis e interpretación de datos. V F.
La estadística es una ciencia que es aplicable exclusivamente al área de los negocios y las finanzas. V F.
La estadística es una ciencia que permite recoger, organizar información y presentar resultados. V F.
La estadística es una ciencia que se encuentra presente en todas las actividades del ser humano V F.
La estadística, al ser una herramienta de recolección y análisis de información, se utiliza en todos los campos de la actividad humana. V F.
La estatura de los estudiantes del curso de estadística, medida en metros, es un ejemplo de variable: Causal Discreta Continua.
La evaluación de la confianza que se puede tener en dos o más promedios, puede llegarse a obtener por medio de las medidas de dispersión. V F.
La finalidad de medición de intervalos, es la de determinar la igualdad o desigualdad de los datos recopilados. V F.
La forma general de la ecuación de la regresión lineal es Y = a+b+cX. V F.
La fórmula de las permutaciones se aplica para determinar el número posible de disposiciones cuando solo hay un grupo de objetos. V F.
La frecuencia absoluta en un arreglo de datos, viene a ser la cantidad de observaciones que se ubican en cada uno de los intervalos o clases en los que se encuentra distribuida una variable. V F.
La frecuencia absoluta simple es aquel valor que resulta de dividir el número de observaciones de cada clase para el número total de las mismas. V F.
La frecuencia absoluta, es el número de datos que se incluyen en cada intervalo de clase y la sumatoria de las mismas debe ser igual al número de datos recogidos. V F.
La frecuencia relativa constituye el número de datos que se encuentran en cada uno de los intervalos y su sumatoria siempre es igual al número total de observaciones V F.
La frecuencia relativa convierte en un porcentaje a la frecuencia absoluta simple de un intervalo de clase. V F.
La frecuencia relativa simple de una clase, muestra el número de datos u observaciones contenidas en dicha clase o intervalo. V F.
La frecuencia relativa simple nos muestra la proporción de datos que se encuentran en cada uno de los intervalos de clase. V F.
La frecuencia relativa simple, nos permite observar la proporción de datos que caen dentro de cada uno de los intervalos de clase. V F.
La frecuencia relativa, viene a constituirse en la proporción de datos que se encuentran en cada intervalo y se la establece dividiendo la frecuencia absoluta para el número total de observaciones V F.
La inferencia estadística se refiere básicamente a extraer conclusiones sobre un todo a partir de las conclusiones observadas de una parte de este todo. V F.
La inferencia estadística, se ocupa de obtener conclusiones acerca de una muestra basándose en las características de la población. V F.
La información que se obtiene al realizar una investigación debe ser presentada de manera adecuada y se lo puede hacer a través de una tabla de datos. V F.
La información que se recolecta en una investigación, puede proceder de fuentes primarias y/o de fuentes secundarias V F.
La ley de los eventos improbables, se establece cuando la probabilidad de éxito es: Grande y n es pequeña Muy pequeña y n es grande Es pequeña y n también lo es.
La ley de los grandes números habla de que en una gran cantidad de intentos, la probabilidad empírica de un evento se aproxima a su probabilidad real. V F.
La marca de clase de un intervalo viene a constituirse en el punto medio entre el límite inferior y superior de la misma. V F.
La marca de clase de un intervalo, es el promedio entre los límites inferior y superior V F.
La marca de clase es el punto medio de un intervalo de clase. V F.
La marca de clase representa el recorrido de la variable, esto es la diferencia que existe entre el valor máximo y el valor mínimo. V F.
La marca de clase se obtiene luego de sumar los valores de los límites de clase y dividir ese resultado para 2. V F.
La marca de clase, viene a ser el límite inferior de cada uno de los intervalos de clase. V F.
La marca de una clase, es el resultado de sumar los límites inferior y superior de la misma clase y luego a ese resultado dividirlo para dos. V F.
La marca o punto medio de un intervalo de clase, se constituye en el valor representativo de dicho intervalo. V F.
La mayoría de los índices, en negocios y economía, se calculan hasta el número entero más cercano o hasta el décimo mas cercano de un porcentaje. V F.
La media aritmética como una medida de tendencia central, es aquella que representa a un conjunto de datos y además la que contiene características válidas sobre el mismo. V F.
La media aritmética de la distribución de Poisson se calcula a través del producto entre el número de eventos y la probabilidad de éxito. V F.
La media aritmética de una distribución de probabilidad se conoce también como valor esperado. V F.
La media aritmética de una distribución de probabilidad, se obtiene de la sumatoria del cociente entre el evento y su probabilidad de ocurrencia. V F.
La media aritmética de una muestra o cualquiera de las medidas de tendencia central que se originan en datos muestrales, se denomina dato estadístico. V F.
La media aritmética en cualquier conjunto de datos es el valor que se encuentra ocupando la posición central dentro del conjunto de observaciones. V F.
La media aritmética en una curva normal, expresada en términos de Z es igual a cero. V F.
La media aritmética en una distribución de probabilidad binomial, se calcula multiplicando el número de eventos posibles por la probabilidad de ocurrencia o de éxito. V F.
La media aritmética es aconsejable utilizarla para cualquier tipo de datos, inclusive cuando en el conjunto de datos existen valores extremos. V F.
La media aritmética es la única medida de tendencia central donde la suma de las desviaciones de cada valor respecto de la media será siempre igual a uno V F.
La media aritmética es la única medida de tendencia central donde la suma de las desviaciones de cada valor respecto de la media será siempre igual a uno. V F.
La media aritmética ponderada, recibe ese nombre porque a cada uno de los valores de la variable se les asigna un peso o ponderación V F.
La media aritmética se caracteriza por ser el valor representativo de todo el conjunto de valores analizados. V F.
La media aritmética, es el valor que se encuentra ocupando la posición central del conjunto de datos V F.
La media de una distribución de probabilidad, también se conoce como el valor esperado y es igual a la sumatoria del producto de la variable por la probabilidad de ella. V F.
La media de una distribución de probabilidad, también se conoce como el valor esperado y es igual a la sumatoria del producto de la variable por la probabilidad de la mismas. V F.
La media de una distribución de probabilidades se conoce también con el nombre de valor esperado. V F.
La media en la distribución de Poisson se calcula de igual manera a la media en la distribución de probabilidad binomial. V F.
La media en una distribución de probabilidad, se considera como el valor típico de un conjunto de eventos y por ello también se conoce como valor: Esperado Representativo Único.
La media geométrica de un conjunto de datos, siempre debe ser mayor a la media aritmética. V F.
La media geométrica de un conjunto de datos, siempre será mayor que el valor calculado de la media aritmética. V F.
La media geométrica es aquel valor que se encuentra ocupando la posición central dentro de un conjunto de valores. V F.
La media geométrica se caracteriza porque su valor siempre es mayor que la media aritmética. V F.
La media geométrica siempre es menor o igual (nunca mayor) que la media aritmética. V F.
La media geométrica, es una de las medidas de tendencia central que permite calcular el promedio de crecimiento anual de una variable. V F.
La media geométrica, es una medida de tendencia central útil en el cálculo de los promedios de tasas de crecimiento, por ejemplo al calcular la tasa de crecimiento de una población en un período dado V F.
La media geométrica, se caracteriza porque nunca es mayor que la: Media ponderada Moda Media aritmética.
La media geométrica, se caracteriza porque nunca es mayor que: Media aritmética Mediana Moda Media ponderada.
La media ponderada es útil para calcular el promedio de porcentajes, razones, índices o tasas de crecimiento. V F.
La mediana es aquel valor dentro del conjunto de valores analizados que se repite el mayor número de veces dentro del mismo conjunto. V F.
La mediana es el valor que se encuentra repetido el mayor número de veces dentro del conjunto. V F.
La mediana puede ser calculable para cualquier tipo de datos, con excepción de los: Ordinales De intervalo De razón Nominales.
La mediana se constituye en el valor que ocupa la posición central de todos los datos y que por lo tanto divide al conjunto en dos partes iguales. V F.
La mediana se ve afectada por la presencia de valores extremos, ya que para su cálculo se consideran todos los valores observados V F.
La mediana, es aquel valor que se repite el mayor número de veces dentro de un conjunto, esto es el de mayor frecuencia V F.
La medida cuyo resultado se encuentra en unidades cuadráticas es la: Desviación media absoluta Varianza Desviación estándar o típica.
La medida de dispersión cuyo resultado se expresa en unidades cuadráticas, es la: Desviación estándar Desviación media Varianza.
La medida de dispersión que permite conocer que el 25% de las observaciones son menores que él y que el 75% de las observaciones se encuentran sobre el mismo, se denomina: Q1 P1 D1.
La medida de tendencia central que considera para su cálculo a todos los valores observados, se denomina: Mediana Moda Media aritmética Marca de clase.
La medida de tendencia central que se ve afectada por la presencia de valores extremos, es la: Mediana Media aritmética Moda.
La medida que nos permite comparar dos conjuntos de datos, aunque correspondan a diferentes unidades de medida, se denomina: Varianza Coeficiente de Pearson Coeficiente de variación.
La medida que se encuentra influenciada por la presencia de valores extremos es la: Media aritmética Mediana Moda Media geométrica.
La moda de un conjunto de datos nos representa el valor que se repite el mayor número de veces dentro del conjunto de datos observados. V F.
La moda es el que se repite el mayor número de veces V F.
La moda es el valor que se repite el mayor número de veces en un conjunto de datos, por lo tanto puede haber más de un valor modal, así como también no puede existir. V F.
La moda, se constituye en el valor que ocupa la posición central dentro del conjunto de datos, es decir, es aquel valor debajo y sobre el cual se encuentran el 50% de las observaciones. V F.
La muestra se puede considerar como el conjunto total de todos los posibles individuos, objetos o medidas de interés. V F.
La multicolinealidad existe cuando las variables independientes están correlacionadas. V F.
La multicolinealidad no afecta la capacidad de una ecuación de regresión múltiple para predecir la variable dependiente, no obstante cuando se tenga interés en evaluar la relación entre cada variable independiente y la variable dependiente, la multicolinealidad puede presentar resultados inesperados. V F.
La parte de estadística que se encarga de analizar un conjunto de datos a partir de una muestra de datos, se denomina, estadística: Inferencial Descriptiva Paramétrica No paramétrica.
La probabilidad a posteriori es la probabilidad basada en el nivel de información actual V F.
La probabilidad a priori es la probabilidad de que un evento en particular ocurra dado que otro evento haya acontecido. V F.
La probabilidad clásica considera que los resultados de un experimento son todos igualmente posibles. V F.
La probabilidad clásica parte del supuesto de que los resultados de un experimento sonn igualmente posibles. V F.
La probabilidad clásica, hace referencia a que los resultados de un experimento son igualmente posibles. V F.
La probabilidad conjunta nos explica la probabilidad de que dos o más eventos sucedan simultáneamente. V F.
La probabilidad conjunta se considera como aquella medida que permite determinar la posibilidad de que dos o más eventos ocurran en forma simultánea. V F.
La probabilidad de obtener una "cara" al lanzar una moneda, es un ejemplo de probabilidad: Clásica subjetiva Empírica.
La probabilidad de ocurrencia de un evento se ubicará siempre entre 0 y 1. V F.
La probabilidad de ocurrencia de un evento, siempre se encontrará entre cero y uno. V F.
La probabilidad de Poisson es útil cuando se realiza control de calidad en la producción de algún producto. V F.
La probabilidad de que al lanzar una moneda, su resultado sea “cara”, es: 1 0 1/2.
La probabilidad de un evento cuyo valor es igual a cero, representa la certeza de que dicho evento no se puede presentar. V F.
La probabilidad describe la posibilidad relativa de que ocurra un evento V F.
La probabilidad desde el enfoque empírico, a su vez se puede distinguir entre probabilidad clásica y probabilidad empírica. V F.
La probabilidad empírica se basa en resultados igualmente probables. V F.
La probabilidad empirica tambien se conoce como probabilidad relativa ya que representa la fraccion de eventos similares que sucedieron en el pasado. V F.
La probabilidad es un valor que consta entre cero y dos V F.
La probabilidad hipergeométrica se utiliza cuando la probabilidad de éxito o fracaso para cada uno de los eventos que se realizan es variable. V F.
La probabilidad puede ser analizada desde el punto de vista objetivo y subjetivo. La probabilidad subjetiva a la vez puede subdividirse en probabilidad clásica y empírica. V F.
La probabilidad que se basa en el número de veces que ocurra un evento como proporción del número de intentos conocidos, se denomina: Clásica Empírica Subjetiva.
La probabilidad se puede calcular a traves del cociente entre los resultados posibles para los resultados favorables a un evento. V F.
La probabilidad subjetiva se divide en clásica y empírica. V F.
La probabilidad subjetiva, se refiere a la posibilidad de que suceda un evento específico, siendo asignada la misma en base a cualquier información que esté disponible. V F.
La regla de multiplicación cuando los eventos son independientes, se puede expresar como P(A y B) = P(A) P(B). V F.
La regla de multiplicación para la probabilidad condicional nos dice que P(A y B) = P(A) P(B|A). V F.
La regla del complemento se emplea para determinar la probabilidad de que un evento ocurra restando de 1, la probabilidad de un evento que no ha ocurrido. V F.
La regla del complemento se utiliza para determinar la probabilidad de que ocurra un evento restando de 1 la probabilidad de que el evento no ocurra. V F.
La regla especial de adicion se utiliza cuando los eventos son mutuamente excluyentes. V F.
La regla especial de la adición es aplicable cuando los eventos no son mutuamente excluyentes. V F.
La regla especial de la multiplicación se aplica cuando los eventos analizados son independientes. V F.
La regla general de adición de dos eventos, se expresa como: P(A o B) = P(A) + P (B). V F.
La regla general de adicion se refiere a los eventos que son mutuamente excluyentes y se escribe de la siguiente manera: P(A o B) = P(A) + P (B) V F.
La regla general de la multiplicacion se aplica cuando dos o mas eventos son independientes. V F.
La regla general de multiplicación en el cálculo de probabilidades, se expresa como: P(A o B) = P(A) + P(B) P(A y B) = P(A) P(B) P(A y B) = P(A) P(B| A).
La regla general de multiplicación que se refiere a eventos que no son independientes, se expresa como: P(A y B) = P(A) P(B) P(A y B) = P(A) P(B│A) P(A o B) = P(A) + P(B).
La reglas especial de la adición se utiliza para determinar la probabilidades de eventos complejos compuestos por A ó B V F.
La relación descrita entre las medidas es correcta, porque los valores calculados son iguales: a. D1 = P10 b. Q1 = P10 c. D2 = P50. D1 = P10 Q1 = P10 D2 = P50.
La representación gráfica de las frecuencias acumuladas mayor que o menor qué se denomina Ojiva V F.
La representación gráfica de una distribución de frecuencias mediante barras verticales se denomina polígono de frecuencias. V F.
La representación gráfica que se presenta a través de un diagrama de barras verticales unidas, se denomina: Ojiva Gráfico de pastel Histograma Polígono de frecuencias.
La representación gráfica que utiliza las frecuencias acumuladas tanto absolutas como relativas se denomina: Histograma Polígono de Frecuencias Ojiva Gráfico de pastel.
La suma de las desviaciones de cada valor con respecto a la media aritmética, es igual a: Uno Cero Número total de observaciones Cien por ciento.
La suma de las desviaciones de cada valor con respecto a la media aritmética, es igual a: 0. V F.
La suma de las diferencias entre cada uno de los valores con respecto a la media aritmética, siempre debe ser igual al número de datos recogidos. V F.
La suma de las frecuencias absolutas simples, siempre deberá ser igual a uno. V F.
La suma de las frecuencias relativas es siempre igual a 1 o 100% y representa la totalidad de los valores analizados. V F.
La suma de las frecuencias relativas simples, siempre será igual a 1 o 100% y representa la totalidad de los valores analizados. V F.
La sumatoria de las frecuencias relativas simples, en una tabla de distribución de frecuencias es igual a: Cero Uno Número de observaciones Diez.
La sumatoria de todas las frecuencias absolutas simples es igual al número de datos analizados. V F.
La sumatoria de todas las frecuencias relativas, siempre tiene que ser igual al total de datos observados V F.
La tabla de contingencia es la tabla utilizada para clasificar observaciones de una muestra, de acuerdo con dos a más características identificables. V F.
La utilidad del coeficiente de variación como medida de dispersión relativa, radica en que es útil para comparar las distribuciones de datos expresadas en diferentes unidades de medida. V F.
La variable discreta es aquel tipo de variable que puede asumir solo ciertos valores y se originan en la enumeración. V F.
La variable género (hombre-mujer) es de escala ordinal y de carácter cuantitativo. V F.
La varianza como medida de dispersión es de difícil interpretación, por cuanto el resultado viene expresado en la unidad de medida de la variable al cuadrado. V F.
La varianza como medida de dispersión se utiliza para comparar la diferencia o variación en dos o más conjuntos de datos. V F.
La varianza como medida de dispersión, es igual a la raíz cuadrada de la desviación típica o estándar. V F.
La varianza como medida de dispersion, se utiliza para comparar la diferencia o variacion en dos o mas conjuntos de observaciones. V F.
La varianza de un conjunto de datos, se obtiene al extraer la raíz cuadrada del valor de la desviación típica o estándar. V F.
La varianza es de difícil interpretación por cuanto su resultado se expresa en unidades al cuadrado. V F.
La varianza es otra medida de dispersión que se establece extrayendo la raíz cuadrada de la deviación estándar. V F.
La varianza se puede encontrar extrayendo la raíz cuadrada de la desviación típica o estándar. V F.
Las características que se establecen al trabajar con una muestra, se denominan parámetros V F.
Las características que se extraen al analizar una población de datos, se conoce como parámetros. V F.
Las combinaciones son útiles cuando al determinar el numero de casos que se pueden presentar interesa mucho el orden en el que se presenten los objetos seleccionados V F.
Las distribuciones de probabilidad discreta pueden ser: binomial, hipergeométrica y de Poisson V F.
Las distribuciones de probabilidad llevan el mismo concepto y características de las distribuciones de datos. V F.
Las distribuciones de probabilidad, se caracterizan porque los resultados son eventos: Independientes Mutuamente excluyentes Dependientes.
Las encuestas se consideran como una fuente de información secundaria. V F.
Las frecuencias acumuladas “menor qué”, se establecen a través de la: Suma de las frecuencias simples Diferencia entre las frecuencias simples consecutivas Suma de las marcas de clase correspondientes Diferencia entre los límites superiores de cada intervalo.
Las frecuencias acumuladas “menor qué”, se establecen a través de la: Suma de las frecuencias absolutas simples Diferencia entre las frecuencias simples consecutivas Suma de las marcas de clase correspondientes.
Las frecuencias acumuladas pueden ser absolutas o relativas. V F.
Las frecuencias acumuladas se pueden representar gráficamente a través de una ojiva. V F.
Las marcas de clase son aquellos valores que se encuentran limitando a cada uno de los niveles o intervalos de clase V F.
Las medidas de dispersión nos ayudan a comprender la separación de cada uno de los valores respecto a un valor característico. V F.
Las medidas de dispersión nos indican cuan separados o distantes se encuentran los-valores entre sí y con respecto a un valor específico. V F.
Las medidas de dispersión nos permiten conocer el nivel de concentración de un conjunto de datos alrededor de un valor de referencia. V F.
Las medidas de dispersión nos permiten conocer la variabilidad de un conjunto de datos. V F.
Las medidas de dispersión nos permiten identificar: El grado de separación de los valores en el conjunto de datos La proporción de valores que se encuentran dentro de un rango determinado El total de las observaciones realizadas en una investigación.
Las medidas de dispersión permiten analizar el grado de separación que existe entre los valores con respecto a un valor dado V F.
Las medidas de dispersión, nos permiten conocer el nivel de concentración de un conjunto de datos alrededor de un valor de referencia. V F.
Las medidas de dispersión, son útiles para comparar la dispersión de dos o más distribuciones. V F.
Las medidas de tendencia central nos permiten establecer las características representativas de un conjunto de datos analizados. V F.
Las medidas de tendencia central, son aquellas que nos permiten establecer características puntuales o representativas de un conjunto de datos V F.
Las medidas que dividen al conjunto de datos en cien partes iguales, son los: Deciles Cuartiles Percentiles.
Las permutaciones consideran el orden en el que se presentan los objetos seleccionados. V F.
Las probabilidades clásica y empírica, se originan en el enfoque: Subjetivo Objetivo Binomial.
Las probabilidades normales se calculan primero transformando los valores de X a valores de Z o valores tipificados V F.
Las probabilidades, puede ser abordadas desde dos enfoques, el objetivo y el empírico. V F.
Las reglas de adición se aplican a la unión de eventos, mientras que las reglas de multiplicación se refieren al producto de eventos. V F.
Las reglas de la multiplicación se refieren a la unión de eventos V F.
Las siguientes variables tienen una relación positiva porque al incrementar el nivel de ingresos incrementa el ahorro. V F.
Las variables continuas son aquellas que se originan en la enumeración o el conteo y, por lo tanto, no pueden tomar valores intermedios. V F.
Las variables cualitativas describen características o atributos V F.
Las variables cualitativas se subdividen en discretas y continuas. V F.
Las variables cualitativas, describen una cualidad particular, como masculino o femenino. V F.
Las variables cuantitativas, son discretas cuando pueden tomar cualquier tipo de valores y se originan en la medición. V F.
Las variables cuantitatvas se pueden diferenciar entre discretas y continuas. V F.
Las variables de tipo cualitativo son aquellas que proceden de la medición o el conteo del objeto a investigarse y se expresan en términos cuantitativos V F.
Las variables discretas se originan en la enumeración o el conteo. V F.
Las variables discretas son aquellas que se originan en la medición, por ejemplo la estatura de las personas. V F.
Las variables pueden ser medidas de diferente forma, entre los niveles de medición están el nominal, ordinal, de intervalo. V F.
Las variables se pueden diferenciar entre cuantitativas y cualitativas V F.
Lo que se puede concluir cuando se tienen dos variables con fuerte correlación es que hay una relación o asociación entre ambas variables, no que el cambio en una ocasiona un cambio en la otra. V F.
Los centiles o percentiles, dividen al conjunto de observaciones en diez partes iguales. V F.
Los cuartiles son aquellas medidas de dispersión en las que se divide en 10 partes iguales a un conjunto de valores. V F.
Los cuartiles, deciles y percentiles nos permiten identificar la posición de un determinado valor. V F.
Los cuartiles, deciles y percentiles, llevan el mismo concepto que el cálculo de la mediana. V F.
Los cuartiles, deciles y percentiles, son medidas que nos permiten establecer la posicion de un determinado valor. V F.
Los cuartiles, deciles y percentiles, son medidas que nos permiten establecer la posición de un determinado valor. V F.
Los cuartiles, son aquellas medidas de posición que dividen al conjunto de datos en 10 partes iguales y por tanto existen 9 cuartiles. V F.
Los datos que se recogen en una investigación se pueden presentar de distintas maneras, esto depende de la cantidad que se tenga y sus características V F.
Los datos que se recogen en una investigación, deben ser presentados a través de una tabla, independientemente del número de datos recogidos. V F.
Los datos que se utilizan en una investigación pueden proceder de fuentes primarias o fuentes secundarias. V F.
Los eventos mutuamente excluyentes no pueden ocurrir al mismo tiempo V F.
Los eventos son excluyentes, si la ocurrencia de uno, no afecta la ocurrencia del otro. V F.
Los índices no ponderados permiten combinar varios artículos y elaborar un índice para comparar el costo de este agregado de artículos en dos periodos distintos. V F.
Los índices ponderados de Lapeyres y Paasche, difieren solo en el periodo de la ponderación. V F.
Los límites de clase determinan los valores mínimo y máximo de cada uno de los intervalos de clase. V F.
Los límites de clase, establecen los valores mínimo y máximo para cada intervalo de clase V F.
Los parámetros son poblacionales, los estadígrafos son muestrales V F.
Los valores de los coeficientes en la ecuación lineal múltiple se determinan mediante el método de mínimos cuadrados. V F.
Otra de las caracteristicas de la probabilidad binomial, consiste en que si el valor de n va creciendo mientras que el valor de π, permanece constante, la forma de la distribucion va siendo mas simetrica. V F.
Para aplicar la regla especial de la adición, los eventos deben ser: Independientes Mutuamente excluyentes Dependientes.
Para aproximar una probabilidad normal a una distribucion de probabilidad binomial, primero se debe realizar la correccion de continuidad de la variable. V F.
Para asignar probabilidades tenemos el enfoque objetivo y subjetivo V F.
Para calcular el coeficiente de variación, se debe establecer el cociente entre la media aritmética y la desviación típica o estándar del conjunto de observaciones. V F.
Para calcular el valor de la probabilidad de un evento se establecen los resultados posibles y los resultados favorables. V F.
Para calcular el valor de los cuartiles, deciles y percentiles, se sigue el mismo procedimiento que se desarrolla al calcular el valor modal en una distribución de frecuencias. V F.
Para calcular el valor mediano en una tabla de distribución de frecuencias, se requiere considerar la frecuencia acumulada. V F.
Para calcular la amplitud de variación o el rango, se debe tomar en cuenta el valor de la media aritmética. V F.
Para calcular la desviacion estandar de un conjunto de datos se extrae la raiz cuadrada de la varianza. V F.
Para calcular la desviación media absoluta, es necesario considerar las distancias entre cada valor con respecto a la media aritmética en valores absolutos. V F.
Para calcular la desviación media absoluta, se aplica la diferencia entre el valor de la observación y el valor de la media aritmética, considerando los signos de los resultados. V F.
Para calcular la desviación media solamente se establecen las diferencias en términos absolutos, entre cada uno de los valores con respecto a la media aritmética, luego de lo cual su sumatoria se divide para el número de datos observados. V F.
Para calcular la desviacion media, es necesario considerar los valores absolutos de las diferencias entre cada valor con respecto a la media aritmetica. V F.
Para calcular la media aritmética en una distribución de frecuencias se considera el producto de la marca de clase y la frecuencia absoluta de cada clase. V F.
Para calcular la media aritmética en una tabla de distribución de frecuencias, se utiliza la marca de clase de cada uno de los intervalos. V F.
Para calcular la media aritmética ponderada, se debe establecer el producto entre cada valor y su ponderación, y luego a la sumatoria de todos estos productos dividirla para el resultado de la sumatoria de los pesos o ponderaciones. V F.
Para calcular la media aritmética se deben considerar todos los datos y por ello es muy sensible a la presencia de valores extremos. V F.
Para calcular la mediana de una tabla de distribución de frecuencias, se utiliza: La frecuencia absoluta acumulada La frecuencia relativa simple La frecuencia absoluta simple.
Para calcular la mediana en un conjunto de datos, se debe sumar los valores y dividirlo para el número total de datos observados. V F.
Para calcular la mediana en una distribución de frecuencias, se considera la frecuencia acumulada V F.
Para calcular la probabilidad binomial, se debe aplicar el concepto de las permutaciones. V F.
Para calcular la probabilidad de distribución normal, se debe en primer lugar transformar los valores de la variable a referencias tipificadas o valores Z. V F.
Para calcular la probabilidad de una variable continua se debe emplear la distribución de probabilidad normal. V F.
Para calcular la probabilidad de una variable continua, lo primero que se debe hacer es transformar la variable X a valores tipificados Z. V F.
Para calcular los valores de cuartiles, deciles o percentiles, primero se debe localizar la posicion del dato que contiene el valor de la medida a encontrarse. V F.
Para calcular una probabilidad de carácter binomial, se debe utilizar el concepto de las permutaciones de n eventos tomados X a la vez. V F.
Para comparar dos conjuntos de datos diferentes se utiliza el coeficiente de variación. V F.
Para construir el polígono de frecuencias es necesario suponer la existencia de una marca de clase anterior a la primera y una posterior a la última, cada una con frecuencia 0. V F.
Para construir un polígono de frecuencias, es necesario suponer la presencia de una marca de clase anterior a la primera y una posterior a la última V F.
Para definir el número de intervalos en los que se debe distribuir un conjunto de datos observados, se puede considerar la siguiente condición: 2k < n 2k ≤ n 2k = n 2k ≥ n .
Para determinar el área entre dos puntos localizados en diferentes lados de la media, se determinan los valores de Z y se suman las probabilidades correspondientes. V F.
Para determinar el área entre dos puntos que se localizan al mismo lado de la media, se determinan los valores de Z y se: resta la probabilidad menor de la mayor suman las probabilidades mayor y menor divide la probabilidad menor para la mayor.
Para determinar el número de intervalos en los que se puede distribuir un conjunto de datos, se utiliza la regla 2k ≤ n. V F.
Para determinar la desviación media absoluta, se debe tomar en cuenta los valores absolutos de la diferencia entre cada valor con respecto a la media aritmética. V F.
Para determinar la desviación media de un conjunto de valores lo que se hace es establecer el promedio de las diferencias entre cada uno de los valores observados con respecto a la media aritmética. V F.
Para el cálculo de la desviación estándar es necesario considerar también los valores de las diferencias con respecto a la media aritmética en términos absolutos. V F.
Para el cálculo de la probabilidad binomial, se emplea el concepto de las permutaciones. V F.
Para el cálculo de los cuartiles, deciles y percentiles, seguimos la misma metodología que para calcular la: Mediana Media aritmética Media geométrica.
Para encontrar el coeficiente de variación se deben utilizar los valores de la desviación típica y de la media aritmética. V F.
Para encontrar el promedio de porcentajes, razones, índices o tasas de crecimiento, es útil calcular la: Mediana Moda Media ponderada Media geométrica .
Para encontrar el valor mediano en un conjunto de datos sin agrupar, se debe identificar en primer lugar la posición que ocupa el valor mediano V F.
Para encontrar la media aritmética en la distribución binomial, debemos emplear la siguiente fórmula: µ = nπ µ = n+π µ = n/π .
Para hallar la frecuencia relativa simple de un intervalo, se suman los valores de los límites de clase y luego se divide para 2. V F.
Para la probabilidad de que “ocurran menos de X”, se usa el área sobre los valores mayores que (X – 0,5). V F.
Para la probabilidad de que “por lo menos ocurra X”, se usa el área sobre los valores menores que (X – 0,5). V F.
Para la probabilidad de que ocurrra mas que X, se utiliza el área por encima de (X-5). V F.
Para la probabilidad de que por lo menos ocurra X, se utiliza el área por encima de: X + 0,5 X – 0,5 X ± 0,5.
Para la recolección de datos que se originen de un sujeto investigado, una de las herramientas adecuadas es la aplicación de una encuesta. V F.
Para localizar el área entre dos puntos localizados en el mismo lado de la media, se determinan los valores Z y se resta la probabilidad menor de la mayor. V F.
Para poder hallar el área bajo la curva normal entre determinados valores, es necesario convertir los valores de la variable en términos de Z. V F.
Para poder hallar el área bajo la curva normal entre determinados valores, es necesario expresar los valores de la variable en términos de Z o referencia tipificada. V F.
Para que la regla especial de la adición pueda ser aplicada, los eventos deben ser mutuamente excluyentes. V F.
Para que sea aplicable la distribución de probabilidad hipergeométrica, la relación entre la población y la muestra debe ser: n/N < 0,05 n/N > 0,05 n/N = 0,05.
Para realizar el polígono de frecuencia se utilizan las frecuencias acumuladas. V F.
Para realizar una análisis de correlación se debe elaborar una ecuación para expresar la relación lineal entre dos variables. V F.
Para representar una tabla de frecuencias a través de un polígono de frecuencias, lo hacemos uniendo: Los puntos del límite inferior de cada clase Los puntos del límite superior de cada clase Las marcas de clase Las frecuencias acumuladas de cada clase.
Para saber si se debe utilizar o no una tabla y el tipo de tabla a emplearse, se toma como referencia el rango, amplitud de variación o recorrido de la variable. V F.
Para tomar decisiones a partir de una información recogida, es necesario resumirla de modo útil e informativo. V F.
Para utilizar una variable cualitativa en el análisis de regresión, se emplea un esquema de variables ficticias en la cual se pueden codificar con 0 o un 1. V F.
Por definición el factorial de 0, es igual a cero. V F.
Por definición, el factorial de cero siempre es igual a 1. V F.
Por definición, el factorial de cero siempre es igual a uno. V F.
Por definición, se dice que el factorial de cero, siempre será igual a: uno cero cien.
Por definicion, siempre el factorial de cero sera igual a -1. V F.
Por la regla empirica, se puede decir que el 68% de observaciones se encuentra entre mas 2 y menos 2 desviaciones estandar con respecto a la media aritmetica V F.
Por regla general se puede afirmar que el 68% de las observaciones se encuentran entre la media (μ) ± 2σ. V F.
Se conoce como intervalo de clase a la semisuma entre los límites superior e inferior del mismo. V F.
Se considera como permutación a cualquier distribución de r objetos seleccionados de un solo grupo de n posibles objetos. V F.
Se considera como probabilidad condicional a aquella probabilidad de que ocurra un evento determinado dado que otro evento ya ha sucedido. V F.
Se considera como un evento al conjunto de uno o más resultados de un experimento. V F.
Se considera como una buena aproximación de la distribución normal a la binomial cuando, nπ y n(1 – π) son por lo menos: Por lo menos 5 Exactamente 5 A lo más 5.
Se considera como una buena aproximación de la distribución normal a la binomial cuando, nπ y n(1 – π) son por lo menos: 5 1 10.
Se considera como valor absoluto, a aquel que conserva las características del resultado aritmético como por ejemplo el signo. V F.
Se considera que dos eventos son mutuamente excluyentes, cuando la presencia de uno depende de lo que haya sucedido antes con el otro. V F.
Se da una interacción cuando una variable independiente como X2 afecta la relación con otra variable independiente X1 y la variable dependiente Y. V F.
Se denominan ojivas a las representaciones gráficas de las frecuencias acumuladas menor qué y/o mayor qué. V F.
Se dice que dos o mas eventos resultan ser mutuamente excluyentes cuando la presencia de uno impide que otro se presente al mismo tiempo. V F.
Se dice que el 95% del área bajo la curva normal se encuentra a una desviación estándar de la media, es decir: µ ± 1σ. V F.
Se escribe P (A ó B ó ambos) para hacer hincapié en el hecho de que a unión de dos eventos incluye la intersección de A y B V F.
Se puede afirmar que identificar y estudiar las relaciones entre variables puede proporcionar información para: elevar ganancias, reducir los costos, predecir la demanda, etc. V F.
Se puede afirmar que una muestra es representativa cuando recoge las principales características de la población V F.
Se recomienda que el número de intervalos en una distribución de frecuencias no sea mayor a 20, porque de lo contrario no estaría resumiendo la información que se presenta. V F.
Según la regla empírica, alrededor del 95% de los datos se encuentran en el intervalo comprendido entre μ ± 3σ. V F.
Según la regla empírica, alrededor del 95% del área bajo la curva normal se encuentra a: Una desviación estándar de la media Dos desviaciones estándar de la media Tres desviaciones estándar de la media.
Si A y B son dos eventos independientes, la probabilidad conjunta de que ocurran A y B, se expresa de la siguiente manera: P(A y B) = P(A)*P(B|A). V F.
Si A y B son eventos dependientes, la probabilidad conjunta de que ocurran A y B, se expresa de la siguiente manera P(A y B) = P(A) P(B|A). V F.
Si bien la amplitud de variación es la medida de dispersión más sencilla, sin embargo no considera todos los datos. V F.
Si bien no existe una regla fija para determinar el número de intervalos de clase adecuados para la elaboración de una tabla de frecuencias, sin embargo, se aconseja que éste sea: Ni menor a 5 ni mayor a 20 Ni mayor a 5 ni menor a 20 Igual a 5 Igual a 20.
Si consideramos los eventos A y B y queremos conocer la probabilidad de que se presenten A o B, entonces debemos trabajar con la regla general de multiplicación. V F.
Si de un conjunto de objetos, seleccionamos una parte del mismo y no nos interesa el orden en el que se presentan los objetos, significa que estamos determinando: Combinaciones Permutaciones Eventos simples.
Si dos eventos no son independientes se dice que son dependientes. V F.
Si dos eventos no son independientes, para determinar la probabilidad conjunta de dichos eventos, se debe utilizar la regla: Especial de multiplicación General de multiplicación Especial de adición.
Si dos eventos no son mutuamente excluyentes, la regla de adición se puede expresar como P(A o B) = P(A) + P(B). V F.
Si el conjunto de datos contiene 100 observaciones, según la condición 2k ≥ n, el número de intervalos a construir será: a. 20 b. 7 c. 5. 20 7 5.
Si el conjunto de datos contiene 60 observaciones, según la condición 2k ≥ n, el número de intervalos a construir será 6. V F.
Si el orden de los objetos seleccionados no es importante, cualquier selección se denomina permutacion. V F.
Si el rango o recorrido de la variable es mayor a 15, es aconsejable presentar la información a través de una tabla de distribución de frecuencias V F.
Si el rango o recorrido de la variable es mayor a 15, lo que debe utilizarse es una serie ordenada de frecuencias. V F.
Si el rango o recorrido de la variable es menor a 15, debe utilizarse una serie con frecuencias más no una tabla de intervalos. V F.
Si el resultado de una probabilidad es igual a cero, significa que existe absoluta seguridad de que el evento se presentará. V F.
Si el valor p es menor que el nivel de significancia elegido, se decide rechazar la hipótesis nula. V F.
Si en las pruebas que se realizan la probabilidad de éxito no permanece constante, se debe aplicar la probabilidad hipergeométrica. V F.
Si en un conjunto de datos el valor de la media aritmética es mayor que el valor de la mediana y moda, la distribución es simétrica. V F.
Si en un conjunto de datos, se selecciona un grupo de objetos en donde es importante el orden en e que se presentan, entonces esa selección se denomina combinación. V F.
Si en un conjunto de datos, se selecciona un grupo de objetos en donde no es importante el orden en el que se presentan, entonces esa selección se denomina permutación. V F.
Si en una distribución de frecuencias la = Me = Mo, entonces la distribución es Simétrica Asimétrica positiva Asimétrica negativa.
Si existe una correlación de 0,76 se puede concluir que existe una asociación muy débil entre las variables ya que el valor está muy cercano a 1. V F.
Si hay coeficientes con respecto a los cuales la Ho no se puede rechazar, quizá sea prudente eliminarlos de la ecuación de regresión. V F.
Si la distribución de datos es muy asimétrica, entonces la mediana y la moda son los valores más representativos que la media aritmética. V F.
Si la media aritmética es igual a 21, la desviación estándar es igual a 3, entonces el valor de X = 18 en términos de Z será: 1 -1 0 3.
Si la media aritmética es igual a 30, la desviación estándar es igual a 4, entonces el valor de X = 20 en términos de Z será: 2,5 -2,5 -5.
Si la ocurrencia de un evento impide que otro se presente al mismo tiempo, estamos refiriendonos a eventos independientes. V F.
Si la ocurrencia de un evento, impide que otro se presente al mismo tiempo, nos referimos a que los eventos son dependientes. V F.
Si la presencia de un evento, no permite que se presente otro al mismo tiempo, los eventos se denominan: Independientes Dependientes Mutuamente excluyentes.
Si la probabilidad de éxito no es la misma en todas las pruebas y se realiza un muestreo sin reemplazos en una población relativamente pequeña, debe utilizarse la probabilidad binomial. V F.
Si lanzamos un dado, la probabilidad de que el resultado sea el numero “dos”, es: 1/6 1 1/2 1/4.
Si los eventos se realizan con reemplazamiento, y la población se convierte en infinita, es factible el uso de la probabilidad hipergeométrica. V F.
Si los valores calculados de la media aritmetica, mediana y moda son igual, significa que el conjunto de datos se encuentra distribuido de forma asimetrica V F.
Si los valores que puede tomar una variable son discretos, entonces también se puede trabajar con una distribución de probabilidad discreta. V F.
Si se desea establecer el número de palabras mal escritas por página en un periódico, lo mejor será utilizar la distribución de probabilidad binomial. V F.
Si se lanza una moneda 2 veces, la probabilidad de que salga cara y cara, nos indica que los eventos son: Excluyentes Dependientes Independientes.
Si se obtiene un coeficiente de determinación de 0,576, se dice que el 57,6% de la variación en la variable "Y" se explica, o está representada por la variación de la variable "X". V F.
Si se trata de calcular la probabilidad de “por lo menos ocurra X”, entonces a la variable se le debe sumar 0,5. V F.
Si un análisis de regresión múltiple incluye más de dos variables independientes, permiten emplear fácilmente una gráfica para ilustrar el análisis. V F.
Si un coeficiente de regresión es cero, implica que la variable independiente en particular no tiene valor para explicar alguna variación del valor dependiente. V F.
Si un conjunto de datos tiene más de dos datos que se repiten el mayor número de veces, entonces ese conjunto se considera como multimodal. V F.
Un conjunto de datos simetrico es aquel cuya media aritmetica es menor que la mediana y que la moda. V F.
Un coeficiente de correlación r cercano a cero indica que la relación lineal es muy fuerte. V F.
Un conjunto de eventos se considera colectivamente exhaustivo cuando la ocurrencia de un evento implica que ninguno de los otros puede ocurrir al mismo tiempo. V F.
Un dato cualitativo o atributo, puede a su vez diferenciarse entre discreto y continuo. V F.
Un diagrama de Venn es una herramienta útil para representar las reglas de la adición o multiplicación. V F.
Un ejemplo de distribución de probabilidad discreta, son las mediciones de la temperatura ambiental en un determinado momento. V F.
Un ejemplo de distribuciones de probabilidad continua es la distribución de probabilidad binomial. V F.
Un ejemplo de estadístico o estadígrafo es el ingreso medio obtenido del análisis de una muestra de los trabajadores de una ciudad V F.
Un ejemplo de información que se genera de una fuente primaria es aquella que se recoge de las publicaciones en revistas o boletines informativos V F.
Un ejemplo de variable cualitativa es: La edad de las personas El dinero que tienen las personas La raza de un conjunto de personas Las calificaciones de un grupo de estudiantes.
Un ejemplo de variable discreta es el número de estudiantes en una clase. V F.
Un ejemplo de variable discreta, es el número de viajeros en cada uno de los vuelos de una aerolínea. V F.
Un ejemplo del nivel medición de intervalo es la temperatura. V F.
Un evento es el conjunto de uno o más resultados de un experimento V F.
Un evento se caracteriza por ser mutuamente excluyente porque su ocurrencia implica que ningún otro evento se puede presentar al mismo tiempo. V F.
Un evento se considera como mutuamente excluyente cuando la presencia de uno depende de la presencia de otro. V F.
Un experimento de carácter binomial se caracteriza porque la probabilidad de éxito y fracaso es la misma para cada evento. V F.
Un gráfico de líneas es muy útil para mostrar los cambios observados en una variable a lo largo del tiempo. V F.
Un histograma, es una representación gráfica en forma de pastel en donde se puede presentar la información de una variable cualitativa V F.
Un índice de precios simple es el precio de una año seleccionado dividido entre el precio del año base. V F.
Un límite real se obtiene con la diferencia entre el límite superior y el límite inferior de la misma clase o intervalo. V F.
Un polígono de frecuencias, se construye mediante la unión de los puntos medios de cada clase. V F.
Un valor de r puede indicar que no hay una relación lineal, pero puede ser que haya una relación de alguna otra forma no lineal o curvilínea. V F.
Una buena aproximación de la normal a la binomial se consigue cuando n∏ y n(1-∏) son ambos 5 por lo menos. V F.
Una caracteristica de la distribucion de probabilidad binomial, consiste en que los ensayos son independientes, esto es, que el resultado de un ensayo no afecta al resultado de algun otro. V F.
Una característica de las distribuciones de probabilidad, indica que los resultados son eventos: Mutuamente excluyentes Independientes Dependientes.
Una característica negativa del promedio simple del índice de precios es que no se considera la importancia relativa de los artículos en el índice. V F.
Una característica positiva del promedio simple del índice de precios es que se obtendría el mismo valor para el índice sin importar las unidades de medida. V F.
Una de las caracteristicas de la desviacion media consiste en que para su calculo utiliza todos los valores en la muestra o poblacion V F.
Una combinación, es un arreglo en el que es importante el orden de los objetos seleccionados de un grupo específico de ellos. V F.
Una de las características de la desviación media, es que utiliza en su cálculo todos los valores de la muestra. V F.
Una de las caracteristicas de la distribucion de probabilidad binomial es que la probabilidad de exito permanece igual en todos los ensayos. V F.
Una de las características de la distribución de probabilidad de Poisson, indica que la variable: Es continua Se mueve en un intervalo de tiempo o espacio Es de tipo cualitativo.
Una de las características de la distribución de probabilidad hipergeométrica, establece que la probabilidad de éxito, en cada ensayo es: la misma diferente proporcial a todo el conjunto.
Una de las características de la distribución de probabilidad hipergeométrica, indica que las pruebas son independientes. V F.
Una de las características de la probabilidad binomial, indica que la probabilidad de éxito es diferente de una prueba a otra. V F.
Una de las características de las distribuciones de probabilidad nos indica que los resultados son eventos independientes. V F.
Una de las características de las distribuciones de probabilidad, establece que los eventos no son mutuamente excluyentes. V F.
Una de las características de las distribuciones de probabilidad, establece que los resultados son eventos mutuamente excluyentes. V F.
Una de las características de una probabilidad binomial establece que: Cada ensayo es independiente Un ensayo depende de lo sucedido antes La probabilidad de éxito no es la misma en cada ensayo.
Una de las condiciones que se debe observar para decir que la aproximación normal la binomial es buena, establece que nπ y n(1 – π), deben ser ambos menores que 5 V F.
Una de las cuatro condiciones de una distribución de probabilidad binomial, manifiesta que: solo hay dos posibles resultados la probabilidad no es la misma de un evento a otro las pruebas dependen una de otras.
Una de las desventajas del índice de Paasche es que requiere datos de cantidades para el año actual. V F.
Una de las diferencias entre estadística descriptiva y estadística inferencial es que en la primera se refiere únicamente a la descripción de las características de un conjunto de datos mientras que la inferencial llega a conclusiones generales a partir del análisis de las características de una muestra. V F.
Una de las dificultades de la desviación estándar es que no se puede interpretar fácilmente porque el resultado se expresa en unidades cuadráticas. V F.
Una de las dificultades que presenta la interpretación del valor de la desviación típica es que su resultado se presenta en unidades cuadráticas. V F.
Una de las distribuciones de probabilidad continua es la distribución de probabilidad normal. V F.
Una de las distribuciones de probabilidad que se presentan a continuación, no es discreta: De Poisson Binomial Normal .
Una de las medidas que nos permite identificar el nivel de alejamiento entre el valor mayor y el menor es el rango o recorrido. V F.
Una de las propiedades de la media aritmética establece la necesidad de considerar todos los valores o datos observados. V F.
Una de las propiedades de la media aritmética indica que su valor es único para cada conjunto de datos analizado. V F.
Una de las propiedades de la media aritmética, establece que la sumatoria de la desviación entre cada valor con respecto a la media aritmética siempre debe ser igual a uno. V F.
Una de las propiedades de la mediana, es que su cálculo: Se ve influenciado por la presencia de valores extremos No se ve influenciado por la presencia de valores extremos Solamente es útil cuando los valore se encuentran agrupados No se puede calcular cuando los datos son ordinales.
Una de las propiedades de la mediana, indica que su cálculo: Se ve influenciado por la presencia de valores extremos No se puede calcular cuando los valores son continuos No se ve influenciado por la presencia de valores extremos.
Una de las propiedades del nivel de medición de intervalo de las variables, manifiesta que las diferencias iguales en la característica, se representan por diferencias iguales en la medición. V F.
Una de las propiedades del nivel de medición nominal indica que las categorías de datos se encuentran representadas por etiquetas o nombres. V F.
Una de las propiedades del nivel de medición ordinal, manifiesta que las clasificaciones de los datos se encuentran representadas por conjuntos de etiquetas o nombres, las cuales tienen valores relativos. V F.
Una de las razones para calcular un índice es: que si los números son pequeños, con frecuencia es más fácil comprender el cambio del índice que las cifras reales. V F.
Una de las razones para estudiar estadística es que permite comprender la razón de las decisiones que se toman y proporciona un entendimiento mayor de la forma como estas afectan. V F.
Una de las razones por las que se debe evitar variables independientes correlacionadas, es que pueden generar resultados erróneos en las pruebas de hipótesis para las variables independientes individuales. V F.
Una de las siguientes distribuciones de probabilidad, no es distribución de probabilidad discreta: Binomial Hipergeométrica Normal.
Una de las suposiciones de la regresión múltiple es que las variables independientes no deberán estar correlacionadas. V F.
Una de las suposiciones de la regresión múltiple, es que existe una relación directa entre la variable dependiente y el conjunto de variables independientes. V F.
Una de las ventajas de la desviación media, consiste en que para su cálculo utiliza todos los valores en la muestra. V F.
Una de las ventajas del índice de Lapeyres requiere datos sobre cantidades solo del periodo base. V F.
Una distribución binomial estriba en que la probabilidad de éxito debe permanecer igual en todas las pruebas. V F.
Una distribución de frecuencias se considera como una herramienta que permite resumir información. V F.
Una distribucion de probabilidad binomial se caracteriza porque los resultados son eventos mutuamente excluyentes V F.
Una distribución de probabilidad contínua puede adoptar una infinidad de valores dentro de un rango específico V F.
Una distribución de probabilidad es el listdo de todos los eventos de un experimento y la probabilidad asociada con cada resultado. V F.
Una distribución de probabilidad normal es simétrica respecto de la mediana. V F.
Una distribución de probabilidad normal estándar tiene una media de cero y una desviación estándar de uno. V F.
Una distribucion de probabilidad normal se caracteriza por ser asintotica, esto significa que la curva se aproxima al eje X pero nunca lo toca. V F.
Una distribucion de probabilidad normal se caracteriza porque se distribuye con media igual a 0 y varianza igual a 1, en terminos de referencia tipificada o valores de Z V F.
Una distribución de probabilidad normal se caracteriza porque se distribuye con media igual a 0 y varianza igual a 1, en términos de referencia tipificada o valores de Z. V F.
Una distribución de probabilidad se caracteriza porque los resultados son eventos mutuamente excluyentes. V F.
Una distribución de probabilidad, establece toda la gama de posibles resultados que se pueden presentar en un experimento. V F.
Una distribución de probabilidad, se caracteriza porque en todos los ensayos la probabilidad de éxito es diferente y por ende lo será la probabilidad de fracaso. V F.
Una distribución se considera como asimétrica cuando los valores de la media aritmética, la mediana y la moda son iguales. V F.
Una forma de recoger información primaria sobre un objeto de estudio, es a través del desarrollo y aplicación de una encuesta. V F.
Una media poblacional se representa por el signo Ẍ (X barra) y una media muestral se representa por µ denominándose, dato estadístico y parámetro respectivamente. V F.
Una muestra es aquella parte de la población que reúne todas las características representativas de la población. V F.
Una permutación, es un arreglo en el cual es importante el orden de los objetos seleccionados de un conjunto determinado de objetos. V F.
Una permutación, es un arreglo en el que no es importante el orden de los objetos seleccionados de un grupo específico de ellos. V F.
Una probabilidad condicional es una posibilidad de que dos o más eventos sucedan al mismo tiempo. V F.
Una probabilidad normal es considerada como una buena aproximacion a la distribucion binomial cuando los productos nπ y n(1 – π), son por lo menos igual a 10. V F.
Una regresión múltiple permite evaluar la relación entre una variable dependiente y más de una variable independiente F V. V F.
Una serie estadística de frecuencias se compone de dos columnas, en la primera se ubican los valores o características que toma la variable y en la segunda la frecuencia o el número de veces que se repite el valor o característica. V F.
Una tabla de distribución de frecuencias nos permite presentar en forma resumida un conjunto de datos. V F.
Una tabla de distribución de frecuencias permite presentar de manera resumida la información obtenida de un objeto investigado. V F.
Una tabla de distribución de frecuencias, nos permite visualizar rápidamente las características de un conjunto de datos V F.
Una tabla de frecuencias, debería tener entre 5 y 20 intervalos de clase porque menos de 5 no revelarían mayores detalles de los datos. V F.
Una variable aleatoria discreta es la que adopta solo valores claramente separados. V F.
Una variable aleatoria que es el resultado de un experimento o que debido al azar puede tomar valores diferentes, solamente se puede considerar como discreta pero no como continua. V F.
Una variable continua se caracteriza porque puede existir una gran cantidad de valores intermedios entre dos valores consecutivos. V F.
Una variable continua se caracteriza porque puede existir una gran cantidad de valores intermedios, entre dos valores consecutivos. V F.
Una variable cuantitativa, puede ser discreta o continua dependiendo del origen de los datos. V F.
Una variable discreta es aquella que puede tomar valores intermedios entre uno y otro porque se origina en la medición. V F.
Una variable discreta es aquella que se origina en la medición y por tanto puede tomar un número infinito de valores. V F.
Una variable es cualitativa cuando la característica o variable en estudio no es numérica y más bien es un atributo. V F.
Una variable se puede medir en forma nominal o en forma ordinal, esto depende del tipo de variable al que corresponda V F.
Uno de los criterios para utilizar la distribucion de probabilidad hipergeometrica, establece que se lo hara si el tamaño de la muestra n es mayor que el 5% del tamaño N de la poblacion. V F.
Uno de los elementos que no corresponde a una tabla de distribución de frecuencias, es: Gráfico de paste Marca de clase Anchura de intervalo de clase.
Uno de los principios de la excelencia gráfica es que se comunican ideas complejas con claridad, precisión y eficiencia. V F.
Uno de los siguientes ejemplos no corresponde a una variable discreta: Número de personas en la ventanilla de un banco Estatura de los estudiantes de una aula, medida en metros Número de carros que circulan diariamente en una avenida.
Uno de los siguientes ejemplos, es una variable medida a través del nivel ordinal: El nombre de las personas dentro de un conjunto La raza a la que pertenecen un conjunto de perros La posición de los equipos dentro de un campeonato El número de pacientes atendidos en un consultorio.
Uno de los tres enunciados siguientes no corresponde a las características de la distribución normal: Tiene forma de campana Es asimétrica con respecto al origen Desciende suavemente en ambas direcciones del valor central.
Denunciar test Condiciones de uso