estadistica

1. ¿Por qué son importantes las distribuciones muestrales en inferencia estadística?. a. Porque permiten estimar parámetros poblacionales a partir de muestras. b. Porque sustituyen las pruebas de hipótesis. c. Porque eliminan el muestreo. d. Porque garantizan normalidad en cualquier variable.

2. ¿Qué es la distribución Normal?. a. Una distribución continua simétrica en torno a la media. b. Una distribución discreta para muestras pequeñas. c. Una distribución que no depende de parámetros. d. Una distribución que solo se aplica a variables cualitativas.

3. ¿Para qué se utiliza la distribución Exponencial?. c. Para modelar tiempos entre eventos en procesos aleatorios. b. Para medir correlaciones lineales. d. Para calcular proporciones. a. Para comparar medias de poblaciones.

4. ¿En qué caso se utiliza la distribución muestral de la proporción?. b. Para estimar la proporción de hogares con una característica específica. c. Para estudiar el promedio de ingresos. d. Para calcular la varianza de salarios. a. Para medir tiempos de vida de productos financieros.

5. ¿Cuál es una aplicación de la distribución Uniforme en economía?. d. La asignación aleatoria de becas o subsidios. a. El cálculo de la media del PIB. c. La estimación de la inflación mensual. b. La variación del desempleo trimestral.

6. ¿Por qué es importante el Teorema del Límite Central en economía?. b. Porque permite hacer inferencias poblacionales a partir de muestras. c. Porque garantiza la normalidad en cualquier variable. d. Porque elimina la necesidad de usar muestras. a. Porque sustituye los intervalos de confianza.

7. ¿Por qué es importante la distribución Exponencial?. a. Porque se usa en teoría de colas y análisis de supervivencia. b. Porque elimina el error muestral. c. Porque describe fenómenos cualitativos. d. Porque solo aplica a distribuciones discretas.

11. ¿Cuándo se utiliza la prueba t en lugar de la z?. d. Cuando la varianza poblacional es desconocida y n pequeño. c. Cuando se analizan proporciones. b. Cuando se trabaja con datos cualitativos. a. Cuando la varianza poblacional es conocida y n grande.

10. ¿Cuál es la diferencia entre una prueba unilateral y bilateral?. c. La unilateral evalúa si la media es mayor o menor a un valor, la bilateral si es diferente. d. La unilateral evalúa diferencias absolutas, la bilateral proporciones. b. La bilateral no depende del valor p. a. La bilateral siempre es más confiable.

13. ¿Qué es el nivel de significancia (α)?. b. La probabilidad de cometer un error de tipo I. c. La probabilidad de cometer un error de tipo II. d. La probabilidad de aceptar H0 siendo falsa. a. El valor p mínimo aceptable.

12. ¿Por qué son importantes las pruebas de hipótesis en economía?. d. Porque permiten evaluar afirmaciones y tomar decisiones con base en datos. c. Porque eliminan la incertidumbre en los resultados. b. Porque sustituyen a los intervalos de confianza. a. Porque garantizan siempre el valor verdadero del parámetro.

14. ¿Qué es un error tipo I?. b. Rechazar H0 siendo verdadera. c. No rechazar H0 siendo falsa. d. Aceptar H0 siendo falsa. a. Aceptar H1 siendo falsa.

15. ¿Qué es un error tipo II?. d. No rechazar H0 siendo falsa. c. Rechazar H0 siendo verdadera. b. Rechazar H1 siendo verdadera. a. Calcular mal el nivel de confianza.

16. ¿Qué es una prueba de hipótesis?. c. Un procedimiento estadístico para evaluar afirmaciones sobre una población. d. Una técnica descriptiva para resumir datos. b. Un método para calcular solo promedios. a. Un gráfico de frecuencias.

17. ¿Qué indica un valor p menor a 0.05?. c. Se rechaza H0, resultado estadísticamente significativo. d. Se acepta H0. b. El error tipo II es alto. a. No hay suficiente evidencia contra H0.

18. ¿Qué representa la hipótesis alternativa (H1)?. c. La afirmación que se acepta si se rechaza H0. d. La media de la población. b. La desviación estándar de la muestra. a. La probabilidad de error tipo I.

19. ¿Qué representa la hipótesis nula (H0)?. a. La afirmación que se pone a prueba. b. El resultado que se obtiene al rechazar H1. d. La afirmación que se acepta siempre. c. Un intervalo de confianza.

9. ¿Cuándo se utiliza la distribución t de Student en lugar de la Normal?. b. Cuando la muestra es pequeña y no se conoce la desviación estándar poblacional. d. Cuando la desviación estándar poblacional es conocida. c. Cuando los datos son cualitativos. a. Cuando la muestra es grande.

8. ¿Qué permite la distribución muestral de la diferencia de medias?. d. Comparar dos grupos y determinar si hay diferencias significativas. c. Medir correlaciones lineales. b. Estimar probabilidades de un solo evento. a. Calcular varianzas poblacionales.

10. ¿Por qué la distribución Normal es fundamental en economía?. a. Porque aparece con frecuencia en fenómenos naturales y sociales. b. Porque todos los datos siguen exactamente una normalidad. c. Porque solo se aplica a grandes poblaciones. d. Porque elimina el error de muestreo.

11. ¿Qué caracteriza a la distribución Uniforme?. a. Todos los valores del intervalo tienen la misma probabilidad. d. Cada valor tiene probabilidad distinta. c. Solo aplica a datos categóricos. b. Los valores extremos son más probables.

12. ¿Quién desarrolló la distribución t de Student?. b. William Gosset. c. Ronald Fisher. d. Karl Pearson. a. Carl Gauss.

13. ¿Cuál es una aplicación del Teorema del Límite Central en economía?. b. Estimar la media de ingresos de un país a partir de una muestra. c. Predecir el PIB con certeza absoluta. d. Calcular correlaciones exactas. a. Determinar la proporción exacta de hogares pobres sin muestra.

4. ¿Qué evalúa el ANOVA?. c. La igualdad de medias en tres o más grupos. d. La independencia de variables cualitativas. b. La correlación entre dos variables. a. La igualdad de proporciones en dos grupos.

3. ¿Qué es el método de mínimos cuadrados en regresión?. c. Un método para minimizar la suma de los errores al ajustar una recta. d. Una prueba para calcular el valor p. b. Un procedimiento para reducir la varianza poblacional. a. Una técnica para comparar proporciones.

5. ¿Qué indica un coeficiente de correlación cercano a +1?. b. Correlación positiva fuerte. d. No existe relación entre las variables. c. Las variables son independientes. a. Correlación negativa fuerte.

6. ¿Qué mide el análisis de correlación?. c. La relación lineal entre dos variables cuantitativas. d. La diferencia entre dos proporciones. b. La dispersión de datos en una muestra. a. La media de una variable en una población.

7. ¿Qué mide el estadístico F en el ANOVA?. c. La proporción de varianza explicada entre grupos respecto a la varianza dentro de los grupos. b. El coeficiente de correlación. d. El error tipo I. a. La media poblacional.

8. ¿Qué mide la regresión lineal simple?. b. La relación entre una variable independiente y una dependiente. c. La diferencia entre dos medias poblacionales. d. La varianza dentro de un grupo. a. La asociación entre dos variables cualitativas.

9. ¿Qué significa un coeficiente de correlación igual a 0?. c. Ausencia de relación lineal entre variables. b. Causalidad directa entre variables. d. Relación positiva perfecta. a. Relación negativa perfecta.

14. ¿Qué establece el Teorema del Límite Central?. c. Que la media muestral se aproxima a una distribución Normal cuando el tamaño de muestra es grande. d. Que la media poblacional cambia con la muestra. b. Que toda población es normal. a. Que la varianza poblacional siempre es constante.

15. ¿Qué describe la distribución muestral de la media?. b. Cómo se distribuyen las medias de muchas muestras tomadas de la población. c. Cómo se distribuyen las varianzas poblacionales. d. Cómo se distribuyen las observaciones individuales. a. Cómo se distribuyen los datos extremos.

16. ¿Qué es un intervalo de confianza?. c. Un rango de valores dentro del cual se espera que se encuentre un parámetro poblacional. a. Un valor único que estima un parámetro. b. Una prueba de hipótesis sobre la media. d. Una medida de dispersión de datos muestrales.

17. ¿Qué es un estimador insesgado?. b. Aquel cuya media es igual al verdadero parámetro poblacional. c. Aquel que siempre subestima la media poblacional. d. Un estimador que elimina la varianza. a. Un estimador que depende solo de la proporción muestral.

18. ¿Cómo se interpreta un intervalo de confianza del 95% para la media poblacional?. c. Que hay un 95% de probabilidad de que el intervalo contenga la media verdadera. d. Que la media poblacional varía un 95%. b. Que el 95% de los datos están dentro del intervalo. a. Que el 95% de las medias muestrales coinciden con la media poblacional.

19. ¿Qué es una estimación puntual?. c. Un valor único calculado a partir de una muestra para estimar un parámetro. b. Un rango de valores posibles para un parámetro. a. Un intervalo con nivel de confianza. d. La desviación estándar poblacional.

20. ¿Qué es el error estándar?. b. Una medida de la precisión de una estimación muestral. c. El valor crítico usado en pruebas de hipótesis. d. La desviación estándar poblacional. a. La diferencia entre media muestral y media poblacional.

28. ¿Por qué son importantes los modelos de correlación, regresión y ANOVA en economía?. b. Porque permiten analizar relaciones, predecir valores y comparar grupos. a. Porque eliminan toda incertidumbre en los datos. c. Porque sustituyen las pruebas de hipótesis para proporciones. d. Porque garantizan causalidad directa en todos los casos.

En el modelo de regresión, ¿qué representa la pendiente de la recta?. a. El cambio promedio en la variable dependiente por cada unidad de la independiente. c. El valor promedio de la variable independiente. d. La media muestral. b. La varianza poblacional.

¿Qué valores puede tomar el coeficiente de correlación de Pearson?. c. Entre -1 y 1. d. Entre 0 y 1. b. Solo valores positivos. a. Entre -∞ y +∞.

¿Qué diferencia existe entre correlación y causalidad. a. La correlación mide asociación, pero no necesariamente causa-efecto. b. La correlación implica siempre causalidad. c. Son sinónimos en estadística. d. La causalidad siempre se mide con el coeficiente de Pearson.

¿Qué analiza la prueba Ji-Cuadrada de independencia?. c. Si existe relación entre dos variables categóricas. b. Si hay correlación lineal entre dos variables. d. Si la varianza entre grupos es homogénea. a. Si la media de dos poblaciones es igual.

27. ¿Cuando se rechaza la hipótesis nula en un ANOVA?. b. Cuando el valor p es menor al nivel de significancia. c. Cuando el valor p es mayor al nivel de significancia. d. Siempre que la varianza entre grupos sea 0. a. Cuando los boxplots son iguales.

26. ¿Cuál es la hipótesis nula en un ANOVA?. b. Todas las medias de los grupos son iguales. d. La varianza entre grupos es infinita. c. Todas las medias son diferentes. a. Al menos una media es distinta.

25. ¿Cuál es la hipótesis nula en la prueba Ji-Cuadrada de independencia?. d. No existe relación entre las variables categóricas. b. Al menos una variable depende de la otra. c. Existe correlación positiva perfecta. a. Las variables categóricas están relacionadas.

24. ¿Qué significa un poder estadístico alto en una prueba de hipótesis?. a. Alta probabilidad de rechazar H0 cuando es falsa. b. Imposibilidad de cometer error tipo II. c. Alta probabilidad de cometer error tipo I. d. Baja probabilidad de rechazar H0 cuando es falsa.

23. ¿Qué se interpreta si el valor p = 0.80 en una prueba?. a. No hay suficiente evidencia para rechazar H0. b. Hay un 80% de probabilidad de que H0 sea verdadera. c. Se rechaza H0 automáticamente. d. El nivel de significancia es 0.80.

22. ¿Qué se busca al formular la hipótesis nula para comparar medias?. b. H0: μ1 = μ2. a. H0: μ1 < μ2. c. H0: μ1 > μ2. d. H0: μ1 ≠ μ2.

21. ¿Qué se analiza en una prueba de hipótesis para proporciones?. b. La proporción de individuos que cumplen cierta característica. c. La relación entre dos variables. a. La varianza poblacional. d. La media de la población.

20. ¿Qué se analiza en una prueba de diferencia de proporciones?. b. Si dos grupos tienen la misma proporción en una característica. c. Si dos poblaciones tienen la misma media. d. Si existe correlación entre dos variables. a. Si la desviación estándar de dos grupos es igual.

¿Qué sucede con el intervalo de confianza si aumenta el tamaño de la muestra?. a. Se estrecha, aumentando la precisión de la estimación. b. Se hace más amplio. d. Desaparece la necesidad de muestreo. c. Se mantiene igual.

¿Cuál es la principal diferencia entre estimación puntual e intervalos de confianza. a. La puntual ofrece un valor único y el intervalo un rango de valores. b. La puntual siempre es más precisa que el intervalo. c. El intervalo no depende del tamaño de muestra. d. La puntual solo se usa en distribuciones normales.

¿Por qué los intervalos de confianza son importantes en economía?. a. Porque permiten cuantificar la incertidumbre y tomar decisiones más informadas. b. Porque eliminan la incertidumbre en los datos. c. Porque siempre garantizan el valor verdadero del parámetro. d. Porque sustituyen a las pruebas de hipótesis.

¿Qué es la precisión en la estimación por intervalos?. d. La amplitud del intervalo de confianza. c. La diferencia entre la media muestral y poblacional. b. El valor crítico de la distribución. a. La probabilidad de cometer error de tipo I.

21. ¿Qué sucede al aumentar el nivel de confianza en un intervalo de confianza?. a. El intervalo se amplía. b. El intervalo se estrecha. d. El intervalo desaparece. c. No cambia nada.

¿Qué representa el nivel de confianza en un intervalo de confianza?. c. La probabilidad de que el intervalo contenga el parámetro verdadero. d. La varianza de la población. b. El valor crítico de la distribución Normal. a. El error estándar de la media.

¿Cuando se usa la distribución t de Student en lugar de la Normal para intervalos de confianza?. d. Cuando la muestra es pequeña y no se conoce la desviación estándar poblacional. c. Cuando la muestra es grande y se conoce la desviación estándar poblacional. b. Cuando los datos son cualitativos. a. Cuando el nivel de confianza es bajo.

¿Cuál es la fórmula general de un intervalo de confianza?. c. Estimación puntual ± (Valor crítico * Error estándar). d. Media muestral / tamaño de muestra. b. Media poblacional ± varianza muestral. a. Proporción ± desviación estándar.

¿Qué es un intervalo de confianza unilateral?. b. Un intervalo que incluye solo valores por encima o por debajo de la estimación. c. Un intervalo que incluye valores por encima y por debajo de la estimación. d. Un intervalo que siempre es simétrico. a. Un intervalo que no depende del error estándar.

¿Qué impacto tiene una mayor varianza muestral en un intervalo de confianza?. b. Genera un intervalo más amplio. d. Elimina la necesidad de valor crítico. c. No afecta el intervalo. a. Produce un intervalo más estrecho.