ESTADÍSTICA 1 2ºBIMESTRE

Las medidas de dispersión nos permiten conocer el nivel de concentración de un conjunto de datos alrededor de un valor de referencia. V. F.

Para calcular la desviación media, es necesario considerar los valores absolutos de las diferencias entre cada valor con respecto a la media aritmética. V. F.

La varianza se puede encontrar extrayendo la raíz cuadrada de la desviación típica o estándar. V. F.

La desviación típica puede considerarse como una medida de mayor precisión que la desviación media. V. F.

El coeficiente de variación permite comparar la dispersión relativa existente entre grupos de datos diferentes, inclusive en su unidad de medida. V. F.

Un conjunto de datos simétrico es aquel cuya media aritmética es menor que la mediana y que la moda. V. F.

El coeficiente de Pearson, puede tomar valores entre -3 y 3. V. F.

Los cuartiles, deciles y percentiles, son medidas que nos permiten establecer la posición de un determinado valor. V. F.

El cuartil 2 es igual al valor de la mediana, al decil 5 y al percentil 50. V. F.

Para calcular los valores de cuartiles, deciles o percentiles, primero se debe localizar la posición del dato que contiene el valor de la medida a encontrarse. V. F.

El concepto de probabilidad hace referencia a la cuantificación de un evento que pudiera presentarse o no. V. F.

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 probabilidad se puede calcular a través del cociente entre los resultados posibles para los resultados favorables a un evento. V. F.

Se dice que dos o más eventos resultan ser mutuamente excluyentes cuando la presencia de uno impide que otro se presente al mismo tiempo. V. F.

La probabilidad empírica también se conoce como probabilidad relativa ya que representa la fracción de eventos similares que sucedieron en el pasado. V. F.

La regla especial de adición se utiliza cuando los eventos son mutuamente excluyentes. V. F.

La regla general de la multiplicación se aplica cuando dos o más eventos son independientes. V. F.

El diagrama de árbol nos ayuda a calcular las probabilidades cuando estos implican la existencia de varias etapas. V. F.

Las combinaciones son útiles cuando al determinar el número de casos que se pueden presentar interesa mucho el orden en el que se muestren los objetos seleccionados. 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.

Las distribuciones de probabilidad llevan el mismo concepto y características de las distribuciones de datos. V. F.

Una distribución de probabilidad binomial se caracteriza porque los resultados son eventos mutuamente excluyentes. 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.

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 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.

Otra de las características 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 distribución va siendo más simétrica. V. F.

Cuando el tamaño de la población es finito se debe preferir el uso de la probabilidad binomial ya que la probabilidad hipergeométrica es utilizada más bien cuando la población es infinita. V. F.

La distribución de probabilidad de Poisson se caracteriza porque en ella los intervalos se superponen y son dependientes. V. F.

La distribución de probabilidad de Poisson, siempre tiene sesgo positivo. V. F.

Una variable continua se caracteriza porque puede existir una gran cantidad de valores intermedios entre dos valores consecutivos. V. F.

Dentro de las distribuciones de probabilidad continua se pueden identificar las distribuciones de probabilidad uniforme. 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.

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.

Las probabilidades normales se calculan primero transformando los valores de X a valores de Z o valores tipificados. V. F.

Por regla general se puede afirmar que el 68% de las observaciones se encuentran entre la media (µ) ± 2σ. V. F.

Una probabilidad normal es considerada como una buena aproximación a la distribución binomial cuando los productos nπ y n(1 – π), son por lo menos igual a 10. V. F.

Para aproximar una probabilidad normal a una distribución de probabilidad binomial, primero se debe realizar la corrección de continuidad de la variable. 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.

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.