Estadística

Qué distribución se utiliza para construir un intervalo de confianza para la media, cuando el tamaño de la muestra es pequeño y la desviación estándar de la población desconocido. Distribución t student. Distribución normal. Distribución F. Distribución binomial.

Cual de los siguientes factores no afecta el ancho de un intervalo con confianza. El tamaño de la muestra. El valor observado de la media muestral. El nivel de confianza seleccionado. La desviación estándar de la población.

Qué es un intervalo de confianza. Un rango de valores dentro del cual se espera que se encuentre el parámetro de la población, con cierto nivel de confianza. Un valor único que representa una estimación precisa del parámetro de la población. El promedio de los valores en una muestra específica. Un tipo de muestra de prueba estadística para verificar una hipótesis.

Qué sucede con la variabilidad del intervalo de confianza si aumentamos el nivel de confianza. La variabilidad aumenta. La variabilidad disminuye. No cambia. Depende del tamaño de la muestra.

Si se reduce el nivel de confianza de un intervalo que sucede con la probabilidad de cometer un error tipo uno. La probabilidad de cometer un error tipo uno aumenta. La probabilidad de cometer un error tipo uno disminuye. La probabilidad de cometer un error tipo uno no se ve afectado por el nivel de confianza. Depende de la media de la muestra.

Cual de las siguientes afirmaciones es una interpretación incorrecta de un intervalo de confianza al 95 %. Hay un 95 % de probabilidad de que el valor de la muestra esté dentro del intervalo. El intervalo al 95 % significa que en el 95 % de las muestras, el parámetro estará dentro del intervalo. Un 95 % de los intervalos construidos de esta forma contendrá el valor poblacional. Un 5 % de los intervalos construidos de esta forma no contendrá el valor poblacional.

Un intervalo de confianza más amplio implica una estimación más precisa del parámetro de la población. Verdadero. Falso.

Un intervalo de confianza al 95 % significa que hay un 95 % de probabilidad de que el parámetro de la población esté dentro del intervalo calculado a partir de la muestra. Verdadero. Falso.

Si construimos muchos intervalos de confianza al 95 % a partir de diferentes muestras aproximadamente el 95 % de estos intervalos contendrán el parámetro de la población. Verdadero. Falso.

A medida que aumenta el tamaño de la muestra del ancho del intervalo de confianza disminuye. Verdadero. Falso.

Los intervalos de confianza para la media de una población, normalmente se construyen usando la distribución normal cuando el tamaño demuestra es grande. Verdadero. Falso.

Cuál de las siguientes es un ejemplo de estimación puntual. Usar la media muestral para estimar la media poblacional. Calcular un intervalo para la media poblacional. Utilizar el percentil 50 para estimar la mediana. Calcular la varianza de la muestra.

El estimador insesgado más eficiente es aquel que tiene. La menor varianza. La mayor varianza. El mayor sesgo. La mayor dispersión.

Si un estimador es sesgado, qué significa. El valor esperado del estimador no es igual al valor verdadero del parámetro poblacional. El estimador tiene una varianza muy baja. El estimador siempre produce el valor correcto del parámetro. El estimado es siempre insesgado.

Qué ocurre cuando un estimador tiene sesgo negativo?. El estimador tiende a subestimar el valor del parámetro poblacional. El estimado es más eficiente que un estimador insesgado. El estimado siempre subestimar parámetro poblacional. El estimador siempre es consistente.

Cual de las siguientes afirmaciones es correcta respecto de un estimado eficiente. Tiene la menor varianza entre los estimadores sesgados. Es siempre insesgado. Produce siempre el valor exacto del parámetro. No depende del tamaño de la muestra.

Para qué tipo de distribución es la media muestral es un estimado insesgado. Todas las distribuciones. Solo distribuciones normales. Distribuciones simétricas. Distribuciones asimétricas.

Cuál de los siguientes estimadores insesgado para la varianza poblacional. La varianza muestral. La media muestral. La desviación estándar muestral. La media muestral.

Si un estimador es consistente que implica. El estimador se sproxima al valor verdadero del parámetro conforme aumenta el tamaño de la muestra. El estimador es siempre insesgado. El estimador tiene una varianza muy baja. El estimador produce siempre el valor concreto del parámetro.

Cuál es un estimador insesgado de la media poblacional. La media muestral. La mediana muestral. La moda muestral. La desviación típica.

Cuál es la propiedad de un estimador que garantiza que , en promedio, el estimador no se aleje del parámetro poblacional. Insesgado. Consistencia. Eficiencia. Robustez.

La varianza de un estimador se refiere a. La medida de dispersión de los estimadores obtenidas en diferentes muestras. La diferencia entre el estimador y el parámetro. La precisión del estimador. La media de la muestra.

El error estándar de la media se reduce al aumentar el tamaño de la muestra porque. La media muestral se aproxima a la media poblacional. El tamaño de la muestra aumenta la precisión de los dos. La varianza de la muestra disminuye al aumentar el tamaño. El error sistemático se reduce al aumentar el tamaño de la muestra.

Un estimador es suficiente. Cuando no queremos tener más de uno. Cuándo es insesgado y consistente, simultáneamente. Cuando recoge toda la información que proporciona la muestra. Cuando hemos logrado que sea fácil del calcular y con buenas propiedades.

Con relación a un parámetro de una determinada distribución. Cada método de estimación obtiene un estimador que a veces no es válido. Existen muchos estimadores que podían servir. Todos los métodos dan un estimador. Solo existe un estimador para ese parámetro con buenas propiedades.

Usamos el método de máxima verosimilitud para. Buscar el máximo de la función de distribución. Buscar el mínimo de la función de verosimilitud. Buscar la moda de la función de verosimilitud. Buscar el valor que hace que el estimador sea insesgado.

La eficiencia relativa. Relaciona dos estimadores con el mismo sesgo. Compara las variaciones de dos estimadores con el mismo sesgo. Relaciona dos estimadores de misma varianza. Relaciona dos estimadores eficiente.

La estimación puntual. Nos garantiza que la estimación está cerca del parámetro desconocido. Es útil a pesar de que nos da solo una estimación para el parámetro. Es inútil porque nos da solo un posible valor lata el parámetro desconocido.

El método de los momento. Obtiene estimadores con mejores propiedades que el método de máximo verosimilitud. Obtiene estimadores parecidos a los del método de máximo verosimilitud. Obtiene estimadores igualando momentos poblacionales a momentos muéstrales. Obtiene estimadores igualando momentos poblacionales a los parámetros a estimar.

Cuál es cierta. Si existe un estimador suficiente, ese es el de máxima verosimilitud. Si existe un estimador insesgado , ese es el de máxima verosimilitud. El estimador de máxima verosimilitud es asintoticamnete insesgado. El estimador de máxima verosimilitud es consistente e insesgado.

Cuál es cierta. La cuasivarianza muestral no es un estimador insesgado de la varianza poblacional. La varianza muestral es un estimador asintoticamente insesgado de la varianza poblacional. La varianza muestral es un estimador insesgado de la varianza poblacional.

Un estimador eficiente. Siempre está relacionado con la cota de Carmen-rao. Necesita que el tamaño de la muestra sea suficientemente grande. Es el estimador obtenido con el lema neyman-rearsin.