Estadística

Las medidas de posición central tienen como objetivo: Resumir la distribución de frecuencias en un valor único. Determinar la mayor o menor separación entre los valores de la variable. Estudiar la forma de la distribución. Posicionar un valor dentro de la distribución de frecuencias.

¿Bajo qué condiciones puede tomar la desviación típica un valor negativo?. La desviación típica nunca puede ser negativa. Cuando mas de la mitad de los datos son negativos. Cuando la dispersión es muy pequeña. Cuando todos los datos son negativos.

¿Cuál sería la mejor medida de posición central para resumir el siguiente conjunto de valores: 1, 1, 4, 5, 7, 8 y 135?: La moda. La media ponderada. La media aritmética. La mediana.

Si se estudia la dispersión de la variable "edad de los empleados de una empresa", ¿cuál de los siguientes resultados es posible?. Varianza= 2 años. Desviación típica= -2 años. Coeficiente de variación= 2 años. Coeficiente de variación= 200%.

¿Qué le sucede a la media si multiplicamos por dos todos los valores de la variable?. También se duplica porque la media varía con los cambios de escala. Nada, porque la media no varía con los cambios de escala. Nada, porque la media no varía con los cambios de origen. También se duplica porque la media varia con los cambios de origen.

Se debe tipificar un valor cuando. Hay mucha concentración de valores alrededor de la media aritmética. Se desea estudiar la dispersión de la variable. En la distribución de frecuencias hay mucha dispersión. Se desea comparar, en términos relativos, con otro valor de otra variable.

¿Cuál es el valor tipificado correspondiente a un individuo que pesa 80 kg, en una distribución con una media de 84 kg y una varianza igual a 4?. 2. 1. -2. -1.

Si la desviación típica de la variable X es igual a 2 y realizamos la siguiente transf. lineal: Y = 5 + 3X, entonces la desviación típica de la variable Y es igual a: 6, porque la desviación típica sólo varía antes cambios de escala. 2, porque la desviación típica no varía ante cambios de escala u origen. 11, porque la desviación típica varía ante cambios de escala y de origen. 7, porque la desviación típica sólo varía ante cambios de origen.

El coeficiente de variación de Pearson. Sólo puede tomar valores entre -1 y 1. Puede tomar cualquier valor. Sólo puede tomar valores entre 0 y 1. Sólo puede tomar valores mayores o iguales que 0.

¿Qué medidas descriptivas dividen el conjunto de individuos de una distribución en k partes iguales?. Los percentiles, si k=10. Los cuartiles, si k=25. Los cuantiles. Los deciles, si k=100.

El coeficiente de asimetría de Fisher puede tomar cualquier valor: Negativo o nulo. Negativo, positivo o nulo. Entre -1 y 1. Positivo o nulo.

Determinar la mediana y la moda del siguiente conjunto de valores: 1, 4, 5, 7, 1, 3. Mediana = 3,5: moda = 7. Mediana = 6; Moda = 1. Mediana = 3,5; Moda = 1. Mediana = 4; Moda = 7.

¿Cuál es el valor de la variable que es superado por el 50% de los individuos?. La mediana. El decil 5. El cuartil 2. Todas las respuestas son correctas.

Si una distribución es leptocúrtica, entonces esta distribución tiene una forma: Simétrica, similar a la de la distribución normal. Asimétrica e igual de apuntada que la normal. Más apuntada que la distribución normal. Más aplastada que la distribución normal.

El objetivo de las medidas de dispersión es: Analizar la homogeneidad de la distribución de frecuencias. Determinar que valor es el mas alejado o disperso. Estudiar la forma de la distribución. Estudiar la separación entre los individuos y la variable.

Las medidas de posición no central o cuantiles son: Los valores de la variable que dividen la distribución en 4 partes iguales. La media aritmetica, la mediana y la moda. Los valores de la variable que se situan en la parte central de la distribución de frecuencias. Los valores de la variable que se situan en la parte central de la distribución de frecuencias.

¿Qué se puede decir de la dispersión de una distribución cuya media es -10 y cuya desviación típica es 2?. Que es baja puesto que CV = -5. Que es alta puesto que CV = 5. Que es baja puesto que CV = -2. Que es baja puesto que CV = 0,2.

En una distribución de frecuencias puede haber. Una media aritmética y 2 modas. 10 cuartiles. Una mediana y 2 medias aritméticas. Una media aritmética y 2 medianas.

21. El coeficiente chi-2 de Pearson mide la relación entre: Dos variables medidas en escala nominal. Una variable cualitativa y otra cuantitativa. Dos variables cualitativas dicotómicas. Todas las respuestas son correctas.

La medida estadística más adecuada para analizar la fiabilidad de la relación entre variables cuantitativas es: El coeficiente de determinación. El coeficiente de contingencia de Pearson. No, porque es para variables cualitativas. La covarianza. No, porque es el fallo en el examen. El coeficiente de variación de Pearson. No, porque esto es de otro tema. El coeficiente de determinación.

La covarianza entre dos variables puede tomar los siguientes valores: Cualquier valor. Cualquier valor. Ninguna de las respuestas es correcta. Siempre es positiva. Entre 0 y 1.

La frecuencia absoluta conjunta de dos variables independientes coincide siempre con: El producto de las frecuencias marginales. El producto de las frecuencias relativas conjuntas. El producto de las frecuencias absolutas marginales dividido entre el número de individuos, N. El producto de las frecuencias condicionadas.

La medida estadística más adecuada para analizar la fiabilidad de la relación entre variables cuantitativas es: El coeficiente de contingencia de Pearson. La covarianza. El coeficiente de variación de Pearson. El coeficiente de determinación.

El coeficiente de regresión b: Tiene signo contrario a la covarianza y al coeficiente de correlación lineal de Pearson. Es el término constante de la recta de regresión. Tiene el mismo signo que la covarianza y que el coeficiente de correlación lineal de Pearson. No puede ser negativo.

El momento covariante ordinario es una medida que se utiliza para: Determinar la media conjunta. Analizar la dispersión de una variable estadística. Calcular la covarianza entre dos variables. Ninguna de las respuestas es correcta.

Si las variables X e Y son independientes: Cuando X aumenta Y disminuye. Las variables se relacionan de manera independiente con los individuos. Su covarianza es cero. No se puede afirmar nada sobre el valor de su covarianza.

¿Qué distribuciones unidimensionales se pueden obtener a partir de la siguiente distribución de frecuencias bidimensional?. Solo 2 distribuciones marginales. Ninguna distribución es unidimensional. 2 distribuciones marginales y 7 distribuciones condicionadas. 7 distribuciones marginales y 2 distribuciones condicionadas.

Si se analiza la asociación entre dos variables estadísticas, éstas deben ser: Una de ellas, al menos, cuantitativa. Una de ellas, al menos, cualitativa. Una cuantitativa y otra dicotómica. Las dos cuantitativas expresadas en intervalos.

El coeficiente chi-2 de Pearson mide la relación entre: Dos variables medidas en escala nominal. Todas las respuestas son correctas. Dos variables cualitativas dicotómicas. Una variable cualitativa y otra cuantitativa.

Cuando la variable Y depende de X: Y es la variable independiente y la X la variable dependiente. Y es la variable explicada y la X la variable explicativa. Hay que buscar la función que explicar X en función de Y. La regresión adecuada es X sobre Y.

Para conocer si existe relación entre dos variables cualitativas medidas en escala nominal, la medida adecuada es: El coeficiente de correlación tetracórico. El coeficiente de correlación lineal de Pearson. El coeficiente de regresión. El coeficiente de contingencia de Pearson.

La covarianza entre dos variables puede tomar los siguientes valores: Cualquier valor. Ninguna de las respuestas es correcta. Siempre es positiva. Entre 0 y 1.

Si la variable Y disminuye cuando la variable X aumenta, el coeficiente de correlación de Pearson toma los valores: Entre 0 y 1. Entre -0.5 y 0.5. Entre -1 y 0. No es posible calcular este coeficiente.

Si el coeficiente de correlación lineal de Pearson es negativo: Ambas variables disminuyen a la vez. La covarianza es negativa. No hay relación entre las variables. La covarianza es positiva.

En un estudio de regresión lineal, el coeficiente de determinación R2 se obtiene como: El cociente entre la covarianza y el coeficiente de correlación lineal de Pearson. El producto de la covarianza por el coeficiente de correlación lineal de Pearson. El cuadrado del coeficiente de regresión b. El cuadrado del coeficiente de correlación lineal de Pearson.

Si se quiere analizar la relación entre dos variables cualitativas dicotómicas (tabla 2*2), el coeficiente de asociación adecuado es: El coeficiente V de Cramer. El coeficiente Q de Yule. El coeficiente de variación de Pearson. El coeficiente de correlación lineal de Pearson.