ApMatEsBii

Existe una correlación lineal cuando: La gráfica de dispersión presenta una distante separación entre los valores de las variables. Existe correlación y los puntos graficados de los datos pareados dan como resultado un patrón que se puede aproximar mediante una línea recta. No hay relación entre las variables.

Una correlación es negativa cuando el valor de r está en el rango de: -1≤r<0. 0≤r≤1. r=0.

El modelo de regresión lineal simple explica la relación entre: La variable dependiente y una o más variables independientes. La variable dependiente y una única variable independiente. Variables cualitativas.

Se conoce como línea de regresión a: La línea recta que mejor se ajusta al diagrama de dispersión de los datos. La relación entre los datos muestrales. La gráfica que representa los datos pareados.

La ecuación de regresión expresa una relación entre: La variable explicativa y la variable independiente. La variable independiente y la variable predictora. La variable explicativa y la variable respuesta.

En la ecuación de la recta el valor del estadístico b0, hace referencia a: La intersección “y” de la ecuación de regresión. Pendiente de la ecuación de regresión. El valor atípico.

El coeficiente de determinación R^2 representa: Una medida de qué tan bien se ajusta la ecuación de regresión múltiple a los datos muestrales. Una relación lineal entre más de una variable. Proporción de la variación en Y.

El coeficiente de determinación R^2 es muy bueno si: Es cercano a 0. Es cercano a 1. Es igual a 1.

La regresión logística es utilizada en problemas de: Predicción de una variable cuantitativa. Clasificación binaria. Ajuste de una recta.

Si tenemos un conjunto de datos muestrales con las estaturas y peso de hombres y mujeres, donde la variable respuesta representa el género: 1=Hombre y 0= Mujer. En este caso es conveniente utilizar: Regresión lineal múltiple . Regresión lineal simple. Regresión logística.

El ANOVA de un factor se utiliza para realizar pruebas de hipótesis de que: Tres o más poblaciones tienen medias que no son iguales. Tres o más poblaciones tienen medias que son todas iguales. Dos o más poblaciones tienen medias que no son todas iguales.

Uno de los requisitos para aplicar el ANOVA de un factor es que: Las muestras sean independientes entre sí. Las poblaciones tienen diferente varianza. Las distribuciones de las poblaciones son binomiales.

Los valores más grandes del dato estadístico de prueba producen: Valores P más grandes. Varianzas distintas. Valores P más pequeños.

El ANOVA de un factor requiere calcular el estadístico de prueba F para: Aceptar la diferencia entre las poblaciones. Rechazar la diferencia entre las medias poblacionales. Aceptar o rechazar la igualdad de las medi.

En el ANOVA de un factor el dar aceptada la hipótesis nula significa: Que los grupos no difieren en el valor medio de la variable respuesta. Que el valor medio se podrá considerar dependiente del factor. Que los grupos difieren en el valor medio de la variable dependiente.

En el ANOVA de dos factores al utilizar “gráficos de interacción”, si los segmentos de líneas son aproximadamente paralelas significa que: No hay interacción de los dos factores. Hay interacción entre los factores. No es posible identificar la interacción entre los factores.

Una interacción entre dos factores existe cuando: El efecto de uno de los factores no cambia para diferentes categorías. El efecto de uno de los factores cambia para diferentes categorías del otro factor. El efecto de los dos factores cambia para diferentes categorías de ambos factores.

Cuando se realiza la prueba del efecto del factor fila, si el valor P es pequeño ejemplo (menor a 0.05), se concluye: No hay efecto del factor de fila. Hay un efecto del factor de fila. Hay un efecto del factor de columna.

En el ANOVA de dos factores, uno de los requisitos a cumplir es que para cada celda los valores muestrales deben provenir de una población con una distribución que es: Aproximadamente normal. Binomial. Categórica.

Si tengo el consumo de CPU de una aplicación web categorizados por el intervalo de tiempo de ejecución y el tipo de sistema operativo: Windows y MACOS, ¿cuál método sería más recomendable utilizar para este caso?. ANOVA de un factor. ANOVA de dos factores. ANOVA de tres factores.

Las pruebas no paramétricas a diferencia de las paramétricas: Requieren que las muestras provengan de distribuciones normales. No requieren que las muestras provengan de poblaciones con distribuciones normales o cualquier otra distribución. Necesitan que las muestras sigan una distribución binomial.

La prueba del signo utiliza signos positivos y negativos para evaluar afirmaciones: Afirmaciones sobre la moda de una población. Que involucra numéricos con tres categorías. Afirmaciones sobre la mediana de una población.

Una de las ventajas de las pruebas no paramétricas es que éstas: Se pueden aplicar a más tipos de datos que las pruebas paramétricas. Solo pueden ser aplicadas a ciertos tipos de datos. Se puede aplicar a limitadas situaciones.

Para evaluar afirmaciones que involucra pares relacionados de datos muestrales se usa la prueba no paramétrica: Prueba del signo o prueba de rangos con signo de Wilcoxson. Prueba de la suma de rangos de Wilcoxson. Prueba de correlación lineal.

En las pruebas basadas en rangos, un rango se entiende como: Un número asignado a un elemento muestral individual de acuerdo con su lugar en la lista ordenada. Colocar un elemento muestral en una lista ordenada. Un elemento muestral asignado en orden a la posición en la li.

En afirmaciones sobre pares relacionados es importante tener en cuenta que: Se debe incluir los empates del par relacionado cuando ambos valores son iguales. Se excluyen los empates borrando cualquier par relacionado en el que ambos valores sean iguales. La cantidad de signos positivos debería se mayor a la cantidad de signos negativos.

El requisito que se debe cumplir en este tipo de pruebas es: Los datos muestrales sean una muestra no aleatoria. La muestra sea una muestra estratificada. La muestra sea una muestra aleatoria simple.

La prueba de rangos con signo de Wilcoxon para datos pareados es un tipo de prueba: Paramétrica. No paramétricas. Paramétrica y no paramétrica.

Con la prueba de rangos con signo de Wilcoxon para datos pareados, se puede probar una afirmación de que: Una sola población de valores individuales tiene una mediana igual a algún valor declarado. Una población de valores individuales tiene una media igual a algún valor declarado. Una población de datos pareados tiene diferencias con una media igual a cero.

En la prueba del signo con datos pareados se usa. Solo los signos de las diferencias. Las magnitudes de las diferencias. Datos muestrales en rangos.

El Análisis de Varianza (ANOVA) es un tipo de prueba: No Paramétrica. Paramétrica. De hipótesis.

El ANOVA se aplica cuando se desea comparar las medias de dos o más grupos. V. F.

En el ANOVA de un factor se requiere calcular el estadístico de prueba F para aceptar o rechazar la igualdad de medias. V. F.

En el ANOVA de dos factores se puede identificar posibles interacciones de los dos factores utilizando “gráficos de interacción”. En este caso si los segmentos de líneas son aproximadamente paralelas significa que: Hay interacción. Hay interacción solo en un factor. No hay interacción.

El ANOVA de dos factores es aplicable cuando tenemos solo una variable independiente. V. F.

Uno de los requisitos para aplicar el ANOVA de un factor es que: Las muestras sean independientes entre sí. Las poblaciones tienen diferente varianza. Las distribuciones de las poblaciones son binomiales.

Una interacción entre dos factores existe cuando: El efecto de uno de los factores cambia para diferentes categorías del otro factor. Si el efecto de uno de los factores no cambia para diferentes categorías. Si el efecto de los dos factores cambia para diferentes categorías de ambos factores.

Si tengo el consumo de CPU de una aplicación web categorizados por el intervalo de tiempo de ejecución y el tipo de sistema operativo: Windows y MACOS. Cuál método sería más recomendable utilizar para este caso: ANOVA de un factor. ANOVA de dos factores. ANOVA de tres factores.

En el ANOVA de un factor el dar aceptada la hipótesis nula significa: Que los grupos no difieren en el valor medio de la variable respuesta. Que el valor medio se podrá considerar dependiente del factor. Que los grupos difieren en el valor medio de la variable dependiente.

Cuando se realiza la prueba del efecto del factor fila, si el valor P es pequeño ejemplo (menor a 0.05), se concluye: No hay efecto del factor de fila. Hay un efecto del factor de columna. Hay un efecto del factor de fila.

¿Cuál de las siguientes pruebas no requieren que los datos tengan una distribución particular?. Pruebas paramétricas. Pruebas no paramétricas. ANOVA.

La prueba del signo es un tipo de prueba: La prueba del signo es un tipo de prueba:. No Paramétrica. Que sigue una distribución normal.

En una muestra de usuarios de telefonía móvil se desea probar una hipótesis de que existe diferencia entre el uso del celular por parte de los hombres y el uso del celular en las mujeres. ¿Qué tipo de prueba se debe aplicar?. ANOVA de un factor. Prueba paramétrica. Prueba no paramétrica.

La prueba del signo permite el contraste de hipótesis respecto a la mediana. V. F.

La prueba de Wilcoxson utiliza únicamente signos positivos para probar afirmaciones: V. F.

Las pruebas no paramétricas se pueden aplicar a más tipos de datos que las pruebas paramétricas. V. F.

La prueba de rangos con signo de Wilcoxon para datos pareados permite probar una afirmación de que una sola población de valores individuales tiene una mediana igual a algún valor declarado. V. F.

No es posible usar la prueba del signo con datos pareados, porque es necesario usar los signos de las diferencias. V. F.

Para relaciones de datos muestrales se usa la prueba del signo o prueba de rangos con signo de Wilcoxson. V. F.

En las pruebas basadas en rangos, un rango se entiende como: Un número asignado a un elemento muestral individual de acuerdo con su lugar en la lista ordenada. Colocar un elemento muestral en una lista ordenada. Un elemento muestral asignado en orden a la posición en la lista.

La siguiente expresión: Y=-5.6+2.24X1+3.78X2, hace referencia a una ecuación de regresión lineal: Simple. Múltiple. Logística.

El análisis de varianza de dos factores, se utiliza con: Datos divididos en categorías de acuerdo con dos factores. Datos no divididos de acuerdo con un factor. Pruebas de hipótesis de tres o más poblaciones con medias que son todas iguales.

Una de las ventajas de las pruebas no paramétricas es que éstas: Se pueden aplicar a más tipos de datos que las pruebas paramétricas. Solo pueden ser aplicadas a ciertos tipos de datos. Se puede aplicar a limitadas situaciones.

Supongamos que se desea estimar la cantidad de grasas en la sangre en función de la edad y el peso de una persona. En este caso las variables explicativas serían: Edad y Peso. Grasas en la sangre y Peso. Edad y grasas en la sangre.

El dato estadístico de prueba para el ANOVA de un factor se calcula como: F= varianza entre las muestras/varianza dentro de las muestras. F= varianza dentro de las muestras/varianza entre las muestras. F= número de muestras - tamaño de muestras.

Para predecir el valor de la variable Y=Peso en función de la variable X=Altura, usaría la regresión: Lineal simple. Lineal múltiple. Logística.

La prueba de rangos con signo de Wilcoxon tiene en cuenta: Las magnitudes de las diferencias. Solo los signos de las diferencias. Los signos positivos de los datos pareados.

Si tenemos un coeficiente de correlación r=0.85, estaríamos frente a una correlación: Positiva. Negativa. No existe realación.

Cuando los valores más grandes del dato estadístico de prueba dan como resultado valores P más pequeños, la prueba ANOVA es de cola: Derecha. Izquierda. No es podible identificar si es de cola derecha o izquierda.

El la prueba del signo si tengo datos nominales con dos categorías, se debe. Representar cada miembro de una categoría con un signo positivo y cada miembro de la otra categoría con uno negativo. Representar cada miembro de una categoría con un signo negativo y cada miembro de la otra categoría también con signo netagivo. Los miembros de ambas categorías deben ser representados con signo positivo.

Cuando se evidencie una tendencia en los datos ya sea creciente o decrecientes, es conveniente utilizar: Regresión lineal. Regresión logística. Modelos no paramétricos.

Supongamos que tenemos tres grupos de profesionales: Arquitectos, Psicólogos e Informáticos, y deseamos conocer si existen diferencias singinifactivas en el nivel de estrés entre los grupos de profesionales. ¿Qué ANOVA podríamos aplicar?. ANOVA de un factor. ANOVA de dos factores. No es posible aplicar el ANOVA.

Supongamos que queremos estimar la calificación obtenida en la materia de matemáticas según el número de horas de estudio semanal. Para este ejemplo la variable explicativa sería: Calificación. Número de horas de estudio semanal. Matemáticas.

En la prueba del signo, si dos conjuntos de datos tienen medianas iguales, la cantidad de signos positivos debería ser: Aproximadamente igual a la cantidad de signos negativos. Diferente a la cantidad de signos negativos. Igual a la cantidad de signos positivos.

Se dice que existe una correlación positiva entre dos variables si cada vez que: Aumenta el valor de X aumenta proporcionalmente el valor de Y. Aumenta el valor de X dismunuye proporcionalmente el valor de Y. Disminuye el valor de X aumenta proporcionalmente el valor de Y.

Un valor P pequeño, menor a un nivel de significancia de 0.05 conduce a: Rechazar la hipótesis nula de la igualdad de medias. Aceptar la hipótesis nula de la igualdad de medias. Rechazar la hipótesis nula de la diferencia de medias.

Si conocemos la recta de regresión de Y sobre X, ésta la podemos utilizar para: Determinar la dependencia entre las variables. Determinar la frecuencia de aparición de los valores de "x". Interpolar valores de la variable no observada.

Las pruebas no paramétricas a diferencia de las paramétricas: Requieren que las muestras provengan de distribuciones normales. No requieren que las muestras provengan de poblaciones con distribuciones normales o cualquier otra distribución. Necesitan que las muestras sigan una distribución binomial.

El ANOVA es: Un procedimiento estadístico para determinar la relación entre variables. Procedimiento estadístico para determinar si las diferencias entre grupos son estadísticamente significativas. Una prueba no paramétrica.

El modelo de regresión lineal simple explica la relación entre: La variable dependiente y una o más variables independientes. La variable dependiente y una variable independiente. Dos variables dependientes.

Un valor de r=0 indica que: No hay relación lineal entre las variables. Hay una relación negativa. Existe una relación fuerte entre las variables.

En el ANOVA de dos factores, uno de los requisitos a cumplir es que para cada celda los valores muestrales deben provenir de una población con una distribución que es: Aproximadamente normal. Binomial. Categórica.

En afirmaciones sobre pares relacionados es importante tener en cuenta que: Se debe incluir los empates del par relacionado cuando ambos valores son iguales. Se excluyen los empates borrando cualquier par relacionado en el que ambos valores sean iguales. La cantidad de signos positivos debería se mayor a la cantidad de signos negativos.

El método de mínimos cuadrados consiste en: Minimizar la suma de los cuadrados de los errores. Maximizar la suma de los cuadrados de los errores. Determinar las diferencias entre los valores reales observados y los parámetros del modelo.

El diagrama de dispersión que se presenta a continuación indica que las variables están: Relacionadas linealmente. No relacionadas linealmente. Totalmente realacionadas.

La prueba del signo utiliza signos positivos y negativos para evaluar: Afirmaciones sobre la moda de una población,. Suupuestos que involucran numéricos con tres categorías. Afirmaciones sobre la mediana de una población.

El coeficiente de determinación r^2 se puede expresar de la siguiente forma: r^2 = variación explicable/variación total. r^2 = variación total/variación explicable. (y- )^2.

El requisito que debe cumplirse para realizar un ANOVA es: Aleatoriedad. Elasticidad. No aleatoriedad.

El requisito que se debe cumplir en el tipo de prueba paramétrica es: Los datos muestrales sean una muestra no aleatoria. La muestra sea una muestra estratificada. La muestra sea una muestra aleatoria simple.

La regresión logística es un tipo de análisis de regresión: Lineal simple. Lineal Múltiple. No Lineal.

En la ecuación de la recta: Y=b0 +b1X, el valor del estadístico b0, hace referencia a: La intersección “y” de la ecuación de regresión. La pendiente de la ecuación de regresión. El valor atípico.

En casos donde tenemos pares relacionados de datos muestrales. ¿Qué tipo de prueba se dbe aplicar?. Correlación lineal. Prueba del signo o prueba de rangos con signo de Wilcoxon. Prueba F.

Suponga que una empresa basa las predicciones de sus ventas anuales en los resultados de la demanda total en la industria, identifique la varaible dependiente e independiente: X=Demanda Total, Y=Ventas. X=Ventas, Y=Demanda Total. X=Ventas, Y=Empresa.

Cuando se realiza la prueba del efecto del factor fila, si el valor P es pequeño (ejemplo menor a 0.05), se concluye: No hay efecto del factor de fila. Hay un efecto del factor de fila. Hay un efecto del factor de columna.

La prueba de rangos con signo de Wilcoxon para datos pareados, es un tipo de prueba. Paramétrica. No Paramétrica. Paramétrica y no paramétrica.

La aplicación del ANOVA de un factor, se basa en un contraste de hipótesis donde la hipótesis nula indica que: No hay diferencias entre las medias de los diferentes grupos. Al menos una de las medias es significativamente distinta de las otras. Al menos una de las medias es igual a las otras.

Si tenemos dos variables X e Y de tal forma que representan los años de experiencia y el sueldo de los trabajadores de una empresa. Sobre los datos obtenidos se determina el modelo de regresión Y = 600 + 5X. Considerando que X indica los años de experiencia, cuál sería el sueldo estimado de un nuevo trabajador con 10 años de experiencia. 650. 600. 50.

Un ingeniero en informática desea conocer el rendimiento de tres tipos de software. Para probar la igualdad de medias y evaluar las diferencias entre ellas, el ingeniero usa el ANOVA de un solo factor. En este caso identifique cual sería la hipótesis alterna. Al menos una de las medias es significativamente distinta de las otras. La medias son iguales. No hay diferencia entre las medias del rendimiento de los diferentes grupos de software.

En las pruebas basadas en rangos, un rango se entiende como: Un número asignado a un elemento muestral individual de acuerdo con su lugar en la lista ordenada. Colocar un elemento muestral en una lista ordenada. Un elemento muestral asignado en orden a la posición en la lista.

Cuando se trabaja con modelos de regresión lineal múltiple intervienen: Más de una variable explicativa. Una variable explicativa y una variable respuesta. Más de una variable respuesta.

Supongamos que tenemos el siguiente ejemplo donde la variable dependiente es las Ganancia en dólares y 2 variables independientes: Número de Vendedores y Precio del Producto, en este caso el ejemplo hace referencia a un modelo de regresión: Lineal simple. Lineal múltiple. Logística.

La regresión logística es utilizado en problemas de: Clasificación binaria. Predicción de variable cuantitativa. Ajuste de una recta.

En el ANOVA de dos factores se puede identificar posibles interacciones de los dos factores utilizando “gráficos de interacción”. En este caso si los segmentos de líneas son aproximadamente paralelas significa que: Hay interacción solo en un factor. Hay interacción. No hay interacción.

El residuo hace referencia a: La diferencia entre el valor muestral observado de y y el valor de y que se predice usando la ecuación de regresión. Un punto que cae lejos de los demás puntos de datos. Puntos que afectan fuertemente la gráfica de la línea de regresión.

Seleccione de las pruebas siguientes, cuál es una prueba no paramétrica: Test "t de Student" de diferencia de medias. Prueba de rangos con signo de Wilcoxon para datos pareados. Test de bondad de ajuste.

El coeficiente de determinación ajustado es el coeficiente de determinación múltiple R^2 modificado que permite tener en cuenta: El número de variables y el tamaño de la muestra. Los estadisticos de regresión. Los predictores de la ecuación de regresión.

Para evaluar afirmaciones que involucra pares relacionados de datos muestrales, ¿cuál prueba no paramétrica se usa?: Prueba del signo o prueba de rangos con signo de Wilcoxson. Prueba de la suma de rangos de Wilcoxson. Prueba de correlación lineal.

Un valor atípico es: Un punto que cae lejos de los demás puntos de datos. La cantidad que cambia cuando la variable se modifica en exactamente una unidad. El valor del coeficiente de correlacion lineal.

Considere un ejemplo de una investigación en pacientes con enfermedades respiratorias, donde la variable dependiente dicotómica fue ausencia "0" o presencia "1" de COVID-19. Identifique el tipo de regresión que es más recomendable aplicar en esta investigación: Regresión Lineal simple. Regresión lineal múltiple. Regresión logística.

El ANOVA se aplica cuando se desea comparar: Las medias de dos o más grupos. La hipótesis nula con la alterna. Los errores tipos I y II.

El coeficiente de determinación R^2 representa: Una medida de que tan bien se ajusta la ecuación de regresión múltiple a los datos muestrales. Una relación lineal entre más de una variable. Proporción de la variación en Y.

En la prueba del signo con datos pareados se usa: Solo los signos de las diferencias. Las magnitudes de las diferencias. Datos muestrales en rangos.

En el ANOVA de un factor ¿Qué distribución se usa con el dato estadístico de prueba?. La distribución F. Una distribución de ji-cuadrada. La distribución z.

Con la prueba de rangos con signo de Wilcoxon para datos pareados, se puede probar una afirmación de que: Una sola población de valores individuales tiene una mediana igual a algún valor declarado. Una población de valores individuales tiene una media igual a algún valor declarado. Una población de datos pareados tienen diferencias con una media igual a cero.

Se quiere comparar el tiempo de ejecución de un determinado programa mediante tres métodos diferentes. Se seleccionan aleatoriamente programas desarrollados con cada uno de los métodos y se observa el tiempo de ejecución. Este problema hace referencia al supuesto de: ANOVA de un factor. ANOVA de dos factores. ANOVA de tres factores.

La ecuación de regresión expresa una relación entre: La variable explicativa y la variable independie. La variable independiente y la variable predictora. La variable explicativa y la variable respuesta.