Estadística Aplicada

Cuál de los siguientes enunciados sobre Distribucion t-student considera usted que es correcta?. La distribución t de Student es simétrica respecto a la media poblacional desconocida. La distribución t de Student se aplica solo cuando se conoce la varianza poblacional. La función de densidad de la distribución t de Student no depende de los grados de libertad. La distribución t de Student es particularmente útil para trabajar con muestras de tamaño pequeño (n < 30).

Cuál de los siguientes enunciados sobre Distribucion Normal considera usted que es correcto?. En una distribución normal, todos los valores están a la derecha de la media. El coeficiente de curtosis de una normal es siempre positivo. La desviación estándar de una distribución normal siempre es uno. La función de densidad de una distribución normal se describe como f(x)=1σ2π√e−(x−μ)22σ2.

Cuál de los siguientes enunciados sobre Distribucion exponencial considera usted que es correcto?. Si X∼Exp(λ), entonces −X sigue una distribución exponencial. La distribución exponencial tiene un parámetro de forma y uno de escala. La probabilidad de que una variable exponencial tome exactamente un valor específico es cero. La función de supervivencia de una distribución exponencial es S(x)=1−eλx.

Cuál de los siguientes enunciados sobre Distribucion t-student considera usted que es correcta?. La distribución t de Student solo se aplica a muestras de tamaño mayor a 30. La distribución t de Student tiene dos picos (es bimodal). La distribución t de Student es particularmente útil para trabajar con muestras de tamaño pequeño (n < 30). La distribución t de Student es simétrica respecto a la media poblacional desconocida.

Cuál de los siguientes enunciados sobre Distribucion Normal considera usted que es correcto?. En una distribución normal, aproximadamente el 50% de los valores se encuentran a la izquierda de la media. La probabilidad de que una variable normal tome cualquier valor dentro de dos desviaciones estándar es 50%. La probabilidad de que una variable normal exacta tome un valor exacto es 1. La distribución normal solo se usa para datos discretos.

Cuál de las siguientes afirmaciones sobre la Distribución Estadisticas continuas y sus caracteristicas son correctas?. Si se reduce el nivel de confianza, el intervalo de confianza se vuelve más amplio. El intervalo de confianza para una proporción muestral es p^±Zα/2p^n√. Si el tamaño de muestra es grande (n≥30), se puede utilizar la aproximación normal para calcular un intervalo de confianza para la media, incluso si la distribución poblacional no es normal. Para calcular un intervalo de confianza de la media, siempre se usa la distribución normal, independientemente del tamaño de la muestra o de σ.

Cuál de las siguientes afirmaciones sobre la Distribución Estadisticas continuas y sus caracteristicas son correctas?. Para X1,X2,…,Xn muestral, el estadístico Z=X¯−μ/S sigue una distribución normal estándar N(0,1). Si la varianza poblacional σ2 es desconocida y n es pequeño, la distribución muestral de X¯ sigue una distribución t de Student con n−1 grados de libertad. Si n→∞, la distribución muestral de la media tenderá a ser exponencial. El intervalo de confianza para la media poblacional es X¯±Zα/2S2 cuando σ es desconocida.

Cuál de las siguientes afirmaciones sobre la Distribución Estadisticas continuas y sus caracteristicas son correctas?. Para que la media muestral sea un estimador consistente, el tamaño de la muestra no influye. El teorema del límite central solo se aplica a poblaciones con distribución normal. El valor esperado de la varianza muestral es E(S²)=σ². El error estándar de la media aumenta conforme crece el tamaño de la muestra.

Cuál de las siguientes afirmaciones sobre la Distribución Estadisticas continuas y sus caracteristicas son correctas?. El intervalo de confianza para la media de una población con σ desconocida se calcula con X¯±Zα/2Sn√,utilizando la distribución normal estándar. Si n→∞, el intervalo de confianza para la media se vuelve más amplio. Un intervalo de confianza del 95% es más estrecho que uno del 90%, ya que tiene mayor nivel de confianza. Si el intervalo de confianza no contiene el valor hipotético bajo Ho, se rechaza la hipótesis nula al nivel de significancia α.

Cuál de las siguientes afirmaciones sobre la Distribución Estadisticas continuas y sus caracteristicas son correctas?. El intervalo de confianza para la diferencia de medias de dos muestras independientes siempre se calcula con la fórmula (X¯1−X¯2)±Zα/2S21n1+S22n2−−−−−−−√, sin importar si las varianzas son iguales o diferentes. El valor crítico de Zα/2 es mayor para un intervalo de confianza del 90% que para uno del 95%. El intervalo de confianza de la media siempre incluye el valor verdadero de la media poblacional μ. El error estándar utilizado en el cálculo del intervalo de confianza de la media es σ/√n.

Cuál de las siguientes afirmaciones sobre Erro es en contraste de Hipotesis es correcta?. En pruebas estadísticas, el error de tipo II no está relacionado con la potencia de la prueba. No es posible disminuir simultáneamente el riesgo de error de tipo I y tipo II aumentando el tamaño de la muestra. Un errordetipoII se conoce como un falso positivo. El errordetipoII implica perder una señal, es decir, fallas en detectar un efecto cuando en realidad existe.

Cuál de las siguientes afirmaciones sobre Erro es en contraste de Hipotesis es correcta?. En cualquier prueba estadística, el nivel de significancia afecta solo la probabilidad de un error de tipo II. Reducir el nivel de significancia (α) disminuye la probabilidad de cometer un error de tipo I, pero puede aumentar la probabilidad de un error de tipo II. El errordetipoII ocurre cuando se rechaza incorrectamente la hipótesis nula (Ho) siendo verdadera. Si el valor p de una prueba es mayor que α, se rechaza la hipótesis nula, lo que significa que has cometido un error de tipo I.

Cuál de las siguientes afirmaciones sobre Erroes en contraste de Hipotesis es correcta?. En cualquier prueba estadística, el nivel de significancia afecta solo la probabilidad de un error de tipo II. No es posible disminuir simultáneamente el riesgo de error de tipo I y tipo II aumentando el tamaño de la muestra. Reducir el nivel de significancia (α) disminuye la probabilidad de cometer un error de tipo I, pero puede aumentar la probabilidad de un error de tipo II. La probabilidad de un errordetipoII es controlada exclusivamente por el valor p de una prueba estadística.

Cuál de las siguientes afirmaciones sobre Erroes en contraste de Hipotesis es correcta?. La probabilidad de cometer un error de tipo II se llama niveldesignificancia (α). En R, el parámetro beta se utiliza para controlar la probabilidad de error de tipo I en una prueba estadística. La relación entre los errores de tipo I y tipo II depende del tamaño del efecto, el nivel de significancia y el tamaño de la muestra. En cualquier prueba estadística, el nivel de significancia afecta solo la probabilidad de un error de tipo II.

Cuál de las siguientes afirmaciones sobre Error es en contraste de Hipotesis es correcta?. El error de tipo I ocurre cuando no se rechaza Ho siendo verdadera. El error de tipo I es preferible al errordetipoII, ya que el primero tiene menos consecuencias. La probabilidad de cometer un errordetipoII se denota por β, y su complemento (1−β) se denomina potencia de la prueba.. En R, el parámetro beta se utiliza para controlar la probabilidad de error de tipo I en una prueba estadística.

Cuál de las siguientes expresiones con respecto modelo ANOVA y su importancia es correcta?. En un modelo ANOVA en RStudio, la suma de cuadrados entre grupos representa la variabilidad explicada por las diferencias entre las medias de los grupos. En RStudio, el ANOVA no asume independencia de las observaciones. En un ANOVA en RStudio, el término “Residuals” se refiere a la variabilidad entre los grupos. Si el p-value en ANOVA en RStudio es menor a 0.05, significa que no hay diferencias significativas entre los grupos.

Cuál de las siguientes expresiones con respecto Analisis de varianza y ji-Cuadrada como prueba de independencia es correcta?. La función chisq.test() en R se utiliza para realizar la prueba Chi-cuadrado de independencia entre dos variables categóricas. Un valor de p alto en ANOVA en R sugiere que existen diferencias significativas entre los grupos. En R, un valor de Chi-cuadrado alto siempre indica que las variables están relacionadas, sin importar el p-value. En R, si el valor de Chi-cuadrado es alto y el p-value es también alto, se concluye que existe una fuerte asociación entre las variables.

Cuál de las siguientes expresiones con respecto Analisis de varianza y ji-Cuadrada como prueba de independencia es correcta?. En R, un valor de p cercano a 1 en la prueba Chi-cuadrado indica que la asociación observada puede ser explicada por el azar. En R, el valor de p en la prueba Chi-cuadrado siempre es mayor que 0.05 si hay asociación entre las variables. Un valor de p alto en ANOVA en R sugiere que existen diferencias significativas entre los grupos. En R, un p-value de 0.9 en la prueba Chi-cuadrado indica una asociación significativa entre las variables.

Cuál de las siguientes expresiones con respecto Analisis de varianza y ji-Cuadrada como prueba de independencia es correcta?. En ANOVA en R, un p-value menor que 0.05 implica que todas las medias de los grupos son iguales. La función anova() en R se utiliza para realizar pruebas de independencia entre dos variables categóricas. La función anova() en R se utiliza para realizar un análisis de varianza entre grupos en un modelo de regresión. En R, la función chisq.test() devuelve únicamente el valor de Chi-cuadrado, sin incluir el p-value.

Cuál de las siguientes expresiones con respecto modelo ANOVA y su importancia es correcta?. La función TukeyHSD() en RStudio se utiliza para realizar el ANOVA de dos vías. Un valor bajo del estadístico F en ANOVA en RStudio siempre sugiere una fuerte diferencia entre las medias de los grupos. Un modelo ANOVA en RStudio asume que las observaciones dentro de cada grupo son independientes. Un modelo ANOVA en RStudio puede comparar tanto variables categóricas como continuas como variables dependientes.