ESTADISTICA I

Al aplicar el factor de correccion 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.

Al calcular el valor de una probabilidad, ésta puede tomar valores entre cero y: Uno. Diez. Infinito.

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 par de dados una sola vez, la probabilidad de obtener un 2 en el primer dado y un 4 en el segundo, es de: 1/36. 2/36. 1/6.

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: Independiente. Mutuamente excluyentes. Dependientes.

Al mencionar que describe el número de veces que se presenta un evento durante un intervalo específico que puede ser de tiempo, distancia, área o volumen, nos estamos refiriendo a la probabilidad. Binomial. hipergeométrica. De Poisson.

Aquel tipo de probabilidad que parte del supuesto de que los resultados de un experimento son igualmente posibles, se denomina: Clásica. Empírica. Subjetiva.

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 alrededor del 95% del área se encuentra bajo la curva normal, significa que el valor de Z es: ± 1. ± 2. ± 3.

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 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 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 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 se basa en cualquier información disponible, nos estamos refiriendo a la probabilidad: Subjetiva. Clásica. Empírica.

Cuando las pruebas no son independientes, la distribución de probabilidad a utilizarse es: Hipergeométrica. Binomial. De Poisson.

Cuando los eventos se presentan en dos o más etapas, es conveniente trabajar con: Reglas de adición. Reglas de multiplicación. Diagrama de árbol.

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: Normal. Binomial. Hipergeométrica.

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 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 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 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 en intervalos definidos de espacio o tiempo es aconsejable el uso de la distribución de probabilidad: De Poisson. Hipergeométrica. Binomial.

De acuerdo al enfoque objetivo, las probabilidades se clasifican en: Clásica y empírica. Clásica y subjetiva. Empírica y subjetiva.

El área bajo la curva normal a cada uno de los lados de la media, es: 10%. 25%. 50%.

El área 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.

El área bajo la curva normal cuando Z = -3, es (utilice la tabla correspondiente): 0,4987. 0,012. 0,0013.

El área bajo la curva normal se caracteriza por ser: adimensional. dimensional. cuadrática.

El área de la curva normal a cada uno de los lados de la media aritmética es: 50%. 25%. 100%.

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 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 definición siempre será igual a: cero. uno. infinito.

El número de alumnos que toman el curso de Estadística I, se considera como variable: continua. discreta. normal.

El número de combinaciones de cinco objetos tomados de tres en tres es igual a: 10. 60. 15.

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 permutaciones de cinco objetos tomados de tres en tres es igual a: 10. 60. 15.

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 promedio de las distancias entre los valores observados y la media aritmética, constituye la: amplitud de variación. desviación media. desviación típica o estándar.

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 del coeficiente de asimetría de Pearson, puede tomar valores ente: +3 y -3. +1 y -1. +2 y -2.

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 a: D2; Q2; y P2. D5; Q2; y P25. D5; Q2; y P50.

El valor del Coeficiente de Asimetría de Pearson, en una distribución simétrica será igual a: Cero. Uno. Tres.

El 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 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 que nos muestra la distancia entre un determinado valor y la media aritmética en términos de desviaciones estándar es: Z. µ. σ.

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 estándar respecto a la media. mas y menos tres desviaciones estándar respecto a la media.

En el cálculo de las probabilidades, en un evento binomial, se debe aplicar el concepto de: Combinaciones. Permutaciones. Media aritmética.

En el caso de las probabilidades conjuntas, la regla de adición se aplica, cuando los eventos son: Dependientes. Mutuamente excluyentes. Independientes.

En la distribución de probabilidad binomial, la media aritmética se calcula a través de la siguiente formula: u=n/π. u=n*π. u=n+π.

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 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 un evento binomial, si la probabilidad de éxito es 0,20 de un conjunto de 9 observaciones, el resultado de que se presenten exactamente 5, es igual a: 0,983. 0,017. 0,483.

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 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 tabla de distribución de probabilidades, se considera el concepto de frecuencia absoluta simple relativa simple absoluta acumulada. absoluta simple. absoluta acumulada. relativa simple.

Es aquella medida que indica la amplitud de variación entre los valores observados en la investigación. rango o recorrido. Desviación media. coeficiente de variación.

Indica que las tres cuartas partes de las observaciones se encuentran bajo ese valor y la cuarta parte restante sobre el mismo: D3. D4. Q3.

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 curva normal se caracteriza por ser simétrica y por ello tiene la forma de: Parábola. Parábola. Campana.

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 una familia de distribuciones: Discretas. Continuas. Aleatorias.

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 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 la probabilidad de ocurrencia de un evento es proporcional al tamaño del intervalo, se denomina distribución de probabilidad. Binomial. De Poisson. Hipergeométrica.

La distribución de probabilidad hipergeométrica se caracteriza 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 probabilidad de éxito: Cambia en cada ensayo. Permanece fija en todos los ensayos. No influye en el resultado final.

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 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 falta de simetría en la distribución de un conjunto de datos, demuestra que los datos son: simétricos asimétricos normales. simétricos. asimétricos. normales.

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 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 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 es útil para comparar distribuciones expresadas en diferentes unidades es: la desviación media. la varianza. El coeficiente de variación.

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 que nos indica que las tres cuartas partes de las observaciones, se encuentran bajo ese valor y que la cuarta parte restante se encuentra sobre aquel valor, es el: D3. Q3. P3.

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 probabilidad condicional, significa que se está trabajando con: un evento dos o más eventos un resultado. un evento. dos o mas eventos. un resultado.

La probabilidad de obtener una "cara" al lanzar una moneda, es un ejemplo de probabilidad: Clásica. subjetiva. Empírica.

La probabilidad de que al extraer una carta de una baraja de 52, sea un as de trébol, resulta ser igual a: 4/52. 1/52. 13/52.

La probabilidad de que al lanzar un dado, el resultado que se obtenga sea el número 4, es igual a: 1/2. 1/3. 1/6.

La probabilidad de que al lanzar una moneda, su resultado sea “cara”, es: 1. 0. 1/2.

La probabilidad de que al lanzar una moneda, su resultado sea una “cara”, es: 1. 2. 1/2.

La probabilidad que considera el número de veces que ocurre el evento y el número total de observaciones, se denomina probabilidad: Clásica. Empírica. Subjetiva.

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 regla especial 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 o B) = P(A) + P(B) + P(A-B).

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 relación descrita entre las medidas es correcta, porque los valores calculados son iguales: D1 = P10. Q1 = P10. D2 = P50.

Las distribuciones de probabilidad, se caracterizan porque los resultados son eventos: Independientes. Mutuamente excluyentes. Dependientes.

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 que dividen al conjunto de datos en cien partes iguales, son los: Deciles. Cuartiles. Percentiles.

Las probabilidades clásica y empírica, se originan en el enfoque: Subjetivo. Objetivo. Binomial.

Para aplicar la regla especial de la adición, los eventos deben ser: Independientes. Mutuamente excluyentes. Dependientes.

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 el cálculo de la probabilidad binomial se utilizan: permutaciones. Combinaciones. cuartiles.

Para el cálculo de los cuartiles, deciles y percentiles, seguimos la misma metodología que para calcular la: Mediana. Media aritmética. Media geométrica.

Para encontrar la media aritmética en la distribución binomial, debemos emplear la siguiente fórmula: µ = nπ. µ = n+π. µ = n/π.

Para encontrar la media de una distribución de Poisson, debemos emplear la siguiente fórmula: µ = n/π. µ = nπ. µ = n+π.

Para la probabilidad de que ocurra menos que X, se utiliza el área por encima de: X + 0,5. X – 0,5. X ± 0,5.

Para la probabilidad de que ocurra X o menos, se utiliza el área por encima de: X + 0,5. X – 0,5. X ± 0,5.

Para la probabilidad de que ocurrra mas que X, se utiliza el área por encima de: X + 0,5. X – 0,5. X ± 0,5.

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 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 su cálculo, es necesario considerar las diferencias entre la media aritmética y cada uno de los valores en términos absolutos: desviación media absoluta. coeficiente de variación. desviación típica o estándar.

Por definición, se dice que el factorial de cero, siempre será igual a: uno. cero. cien.

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 una buena aproximación de la distribución normal a la binomial cuando, nπ y n(1 – π) son: Por lo menos 5. Exactamente 5. A lo más 5.

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 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, para determinar la probabilidad conjunta de dichos eventos, se debe utilizar la regla: Especial de multiplicación. General de multiplicación. Especial de adición.

Si la media aritmética de un conjunto de datos es 100 y la desviación estándar es 16, para un valor de 132, la referencia tipificada o valor de Z, es igual a: 2. -2. 1,16.

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.

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 presencia de un evento, no permite que se presente otro al mismo tiempo, los eventos se denominan: Independientes. Dependientes. Mutuamente excluyentes.

Si lanzamos un dado, la probabilidad de que el resultado sea el numero “dos”, es: 1/6. 1. 1/2.

Si se lanza una moneda 2 veces, la probabilidad de que salga cara y cara, nos indica que los eventos son: Excluyentes. Dependientes. Independientes.

Una característica de las distribuciones de probabilidad, indica que los resultados son eventos: Mutuamente excluyentes. Independientes. Dependientes.

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. 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. proporcional a todo el conjunto.

Una de las características de la distribución de probabilidad hipergeométrica, establece que la probabilidad de éxito: permanece constante. disminuye en cada ensayo. cambia de ensayo a ensayo.

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 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 dificultades que presenta para su análisis, es que su resultado viene expresado en unidades cuadráticas: desviación típica o estándar varianza coeficiente de variación. desviación típica o estándar. varianza. coeficiente de variación.

Una de las distribuciones de probabilidad que se presentan a continuación, no es discreta: De Poisson. Binomial. Normal.

Una de las siguientes características, identifica a un evento binomial: la distribución de probabilidad es normal. se utiliza cuando la variable es continua. la probabilidad de éxito se mantiene constante.

Una de las siguientes distribuciones de probabilidad, no es distribución de probabilidad discreta: Binomial. Hipergeométrica. Normal.

Una de las siguientes medidas, no corresponde al conjunto de medidas de dispersión: rango o recorrido desviación media media ponderada. rango o recorrido. desviación media. media ponderada.

Una distribución normal, se caracteriza porque la variable aleatoria Z , siempre tiene: media = 0 y desviación estándar = 1. media = 1 y desviación estándar = 0. media y desviación estándar = 0.

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.