analisis de datos 2 uja

En un contraste de hipótesis cometer un error de tipo I consiste en: Rechazar una H0 que es verdadera. No rechazar una Ho que es falsa. Aceptar una H1 que es falsa.

La hipótesis que se somete a contraste es: Hipótesis Nula. Hipótesis Alternativa. Ambas.

Sabemos que 2 estimadores de un mismo parámetro A y B son insesgados y que la varianza de A es menor que la de B, por lo tanto: A es más eficiente que B. A es más consistente que B. A es más suficiente que B.

Dos psicólogos, Pedro y Pablo desean someter a contraste la hipótesis de que la varianza en una determinada población es menor de 12. Pedro selecciona una m.a.s formada por 30 observaciones y decide utilizar un NC del 95% mientras que pablo selecciona una m.a.s de 50 y un NC del 95%. ¿para cual de los dos es mayor la probabilidad de cometer un error tipo II?. Para Pedro. Para Pablo. Para ambos.

La estimación por intervalos es preferible a la estimación puntual porque: Tenemos más valores posibles para el parámetro por lo que es más difícil equivocarse. Tenemos la certeza de que el parámetro estará dentro del intervalo. Conocemos el error que se somete en la estimación.

Una hipótesis estadística es compleja cuando: Determina el valor del parámetro poblacional. No determina totalmente el valor del parámetro poblacional. A y B son falsas.

Un intervalo confidencial es mejor cuanto: Mayor sea su coeficiente confidencial y menor su amplitud. Menor sea su coeficiente confidencial y menor su amplitud. Mayor sea su coeficiente confidencial y mayor su amplitud.

En un contrate de hipótesis cometer un error tipo II consiste en: Rechazar una H0 que es verdadera. No rechazar una H0 que es falsa. Aceptar una H1 falsa.

Una hipótesis estadística es simple cuando: Determina el valor del parámetro poblacional. No determina totalmente el valor del parámetro poblacional. A y B son falsas.

Que escala de medida es necesaria como mínimo para poder utilizar la prueba de Kruskal-Wallis: Nominal. Ordinal. Intervalo.

Que son los límites de intervalo de confianza: Nivel de riesgo repartidos en las 2 colas de la distribución cuando el contraste es bilateral. Lo contrario del nivel de riesgo. Los 2 valores que acotan el rango en el que esperamos que se encuentre el verdadero valor del parámetro con una confianza determinada.

Que tipo de contraste se llevaría a cabo teniendo en cuenta la hipótesis H0: h1=/h2 || H1: h1=h2. Bilateral. Unilateral izquierdo. Hipótesis no bien formuladas.

Con el mismo conjunto de datos, el uso apropiado de un contraste unilateral, comparado con un contraste bilateral, causará que: Haya menos grados de libertad. Haya mayor probabilidad de rechazar una hipótesis nula falsa. Tenga menos poder estadístico.

El contraste de hipótesis básicamente consiste en: Utilizar info muestral para estimar los parámetros de la muestra. Comprobar si una afirmación sobre la población es sostenible o no a la luz de los resultados encontrados en la muestra. Estimar un parámetro mediante un rango de valores.

El error que se comete al rechazar una hipótesis nula que en realidad es cierta se llama: Error de tipo I. Error de tipo II. Potencia.

La estimación de parámetros por intervalos: Nos permite estimar el estadístico usando el valor del parámetro. Nos permite estimar el parámetro a partir del estadístico muestral y asumiendo un margen de error. A y B son correctas.

La media de una distribución chi-cuadrado con n grado de libertad es n. la única moda se encuentra en n-2, cuando n es superior a 2. Sabiendo esto, la mediana de la distribución chi-cuadrado será: Igual a n. Mayor que n. Menor que n.

Se sabe que un investigador ha rechazado la hipótesis nula, a un nivel de significación del 0,01, utilizando una muestra de 4 observaciones y sin suponer la normalidad de la población. Con estas condiciones, lo correcto es que haya utilizado: Un contraste de una medida con varianza conocida. La prueba de Chi-cuadrado como bondad de ajuste. La prueba de Kolmogorov-Smirnov.

Si al calcular un intervalo de confianza para estimar un parámetro hacemos que el nivel de significación del nivel de riesgo se haga más grande, manteniendo constante todo lo demás, la amplitud del intervalo. Disminuye. Aumenta. Depende del tipo de datos que manejemos.

Si en un contraste de hipótesis bilateral, de comparación de dos medias, el valor del estadístico de contraste está en la región crítica, significa: Que no existe diferencia entre los grupos que se han comparado. Que existen diferencias estadísticamente significativas entre las medias de los 2 grupos. Que las puntuaciones de cada uno de los 2 grupos son mayores que el otro.

Si se rechaza una hipótesis nula mediante el nivel crítica p: Necesariamente se rechazará con el nivel de significación. No se rechazará necesariamente con el valor de significación. Implica que p > nivel de riesgo.

Un investigador espera encontrar que el tratamiento aplicado disminuya la puntuación media de las observaciones. De acuerdo con esta predicción lo más correcto es que use: Un contraste bilateral. Un contraste unilateral a la derecha. Un contraste unilateral a la izquierda.

Una hipótesis estadística es compuesta si: Es aceptada provisionalmente como verdadera. No especifica un valor concreto para el parámetro poblacional. Hace referencia a la comparación entre 2 parámetros.

Una variable binomial es aquella conseguida: Sumando variables normales estandarizadas. Sumando variables independientes de Bernoulli. Como límite en determinadas condiciones de una distribución de Poisson.

Que modelo de distribución seguirá una variable que ha sido formada a partir del cociente de los valores de dos variables que se distribuyen según x2, cada una de ellas dividida por sus grados de libertad. T-Student. F-Snedecor. Chi-cuadrado.

Un estimador es suficiente si: Si a medida que se dispone de más info, aumenta la probabilidad de que la estimación coincida con el parámetro. Cuando no se sobreestima ni subestima al parámetro correspondiente. Si utiliza toda la info de la muestra para estimar el parámetro. Todas son verdaderas.

La potencia de una prueba estadística se define como: La probabilidad de rechazar la hipótesis alternativa cuando es falsa. La probabilidad de rechazar la hipótesis nula cuando es falsa. La probabilidad de rechazar la hipótesis nula cuando es verdadera.

Un estadístico de contraste es: Una variable aleatoria. Es un parámetro. No varía de una muestra a otra.

La hipótesis nula y alternativa. Deben ser exhaustivas y mutuamente excluyentes. Pueden formularse en términos de la forma de la distribución o de los estadísticos muestrales. Ambas son correctas.

En un contraste de hipótesis al aumentar n, manteniendo los demás factores. La probabilidad de error tipo II aumenta. La probabilidad de rechazar la hipótesis nula siendo falsa aumenta. La potencia disminuye.

Cuando el número de ensayos es grande (igual o mayor a 30) y no viene en las tables, la distribución binomial se aproxima a: Distribución de Poisson. Distribución normal. Distribución uniforme.

Las tablas de la distribución normal siempre nos dan las probabilidades. Hacia la izquierda de un determinado valor. Hacia la derecha de un determinado valor. Ambas.

A medida que los grados de libertad aumentan (mayores o iguales a 30) se aproxima a: Una t de Student. F de Snedecor. Distribución normal.

Señala el estimador que es sesgado. Cuasivarianza. Varianza. Media. Proporción.

Tenemos un estimador que cumple con las propiedades de carencia de sesgo, consistencia, eficiencia y suficiencia. Hemos conseguido un buen estimador. La estimación será verdadera. Ambas son correctas.

Cuanto mayor sea la muestra, menos se va a alejar el estadístico de contraste del verdadero valor del parámetro y además: La varianza del estadístico es 0 cuando n tiende a infinito. La esperanza de ese estadístico es 0 cuando n tiende a infinito. La varianza de ese estadístico es 0 cuando la varianza tiende a infinito.

Señala el estimador insesgado. Media. Varianza. Pearson.

Un estimador es una variable aleatoria. Que varía de una muestra a otra. Es una constante. Depende del estadístico que se utilice.

Señala el estimador consistente. Varianza insesgada o cuasivarianza. Pearson. Mediana.

A la hora de construir un intervalo, se presiguen 2 objetivos. El intervalo debe ser lo suficientemente amplio como para que exista una gran probabilidad de que el parámetro se encuentre de ese intervalo. El intervalo debe ser lo suficientemente estrecho para que sea preciso. Ambas son correctas.

Para obtener un intervalo confidencial debemos de proceder: Restando y sumando al parámetro el error máximo. Sumando y restando al parámetro el error típico de la distribución muestral del estadístico. Ninguna es correcta.

Para construir un intervalo confidencial. Hemos de establecer una hipótesis acerca del mismo puesto que nos permite aceptar hipótesis en base a los valores que tome dicho intervalo. Para construir un intervalo no es necesario formular hipótesis. Ninguna es correcta.

La probabilidad de rechazar la hipótesis nula cuando esta es la verdadera recibe el nombre de: Error tipo II. Error tipo I. Potencia de la prueba.

Señala la respuesta correcta: Cuando el nivel de riesgo disminuye, beta aumenta. El nivel de confianza aumenta y beta disminuye. Cuando el nivel de riesgo aumenta, beta disminuye. El nivel de confianza disminuye y beta aumenta. Cuando n aumenta, el error típico del estimador disminuye y beta disminuye. Todas son correctas.

El valor de la hipótesis alternativa se puede manipular en función de los intereses del investigador con el fin de aumentar el valor de la potencia. El valor de la potencia depende de: Del verdadero valor que tiene la hipótesis alternativa. Del verdadero valor del nivel de riesgo. Del tamaño de la muestra. Todas son correctas.

Al aumentar el nivel de riesgo disminuye beta y se aumenta el tamaño de potencia pero: Aumenta el error tipo I. Aumenta el error tipo II. A y B son verdaderas. Todas son falsas.

Cual de las siguientes afirmaciones es correcta: El nivel de riesgo es la probabilidad de cometer un error tipo I. Beta es la potencia de la prueba estadística. La potencia es igual al nivel de significación. El nivel de confianza es el nivel de significación.

Los parámetros que caracterizan una distribución binomial son: Número de éxitos y fracasos. Número de ensayo y probabilidad de cada ensayo. Número de ensayos y probabilidad de éxito.

Una distribución de probabilidad que sea unimodal, simétrica, asintótica respecto al eje de abcisas y mesocúrtica es una distribución. T de Student. Normal. Poisson. Chi-cuadrado.

Para conseguir una muestra realmente representativa de la población es mejor utilizar: Muestreo no aleatorio. Muestreo opinático. Muestreo aleatorio. Muestreo por cuotas.

El error típico de un estimador es: Desviación típica de una distribución normal tipificada. Desviación típica de la distribución muestral del estimador. El error que se comete al extraer una muestra a partir de la población.

Para conseguir un intervalo confidencial lo más preciso posible manteniendo constante el nivel de riesgo es: Aumentar el nivel de confianza. Disminuir el error típico del estimador. Disminuir el tamaño de la muestra. B y C son correctas.

Si la esperanza matemática de un estimador coincide con el valor del parámetro poblacional, el estimador es: Consistente. Eficiente. Suficiente. Insesgado.

Necesitamos calcular un intervalo de confianza, pero no conocemos la desviación típica: Utilizamos la desviación típica insesgada muestral para calcular el IC. No podemos realizar una estimación por intervalos de confianza. Utilizamos la varianza insesgada poblacional para calcular el IC.

El nivel de riesgo hace referencia a: La probabilidad de estimación correcta. La probabilidad de que el estimador puntual coincida exactamente con el valor del parámetro. La probabilidad de estimación incorrecta.

Cual de las siguientes es una característica de la distribución Chi-cuadrado. La media será igual a 2 veces sus grados de libertad. Solo puede asumir valores positivos. Puede asumir cualquier valor.

La distribución muestral de la media sigue un modelo de distribución. Desconocido. Normal. Binomial.

En el contexto del cálculo de un intervalo de confianza ¿Qué quiere decir que perdemos precisión en la estimación si aumentamos el nivel de confianza sin aumentar el tamaño de la muestra?. Que aumenta la anchura del IC (el rango de valores que incluye es mayor). Que el IC se vuelve más pequeño. Que aumenta el nivel de riesgo.

Cual de las siguientes NO es una característica de la distribución de Bernoulli. Solo hay 2 resultados posibles. El resultado obtenido en un ensayo está condicionado al resultado del ensayo previo. Los distintos resultados posibles son mutuamente excluyentes.

Cual de los siguientes es un estimador insesgado. Media. Varianza. Desviación Típica.

Una distribución normal tipificada se caracteriza por: Media= 0, desviación típica= 1. Expresarse en puntuaciones directas. Solo puede asumir valores positivos.

Conforme aumenta el tamaño muestral. El error típico es independiente del tamaño de la muestra. Disminuye el error típico. Aumenta el error típico.

En que caso de los siguientes se emplea el modelo de distribución T de Student para calcular probabilidades relacionadas con la distribución muestral de la media. Cuando desconocemos la desviación típica de la población. Cuando desconocemos la media de la población. Cuando desconocemos la varianza de la muestra.

Una variable se distribuye según N(500, 45), por lo que: La media es 45. El tamaño muestral es de 500. La desviación típica es de 45.