Cuestionario de Estadística Básica

¿El rango o recorrido (R) de un conjunto de datos se define como: R = Ls - Li. R = Li - Ls. R = (Ls + Li)/2. R = N. Ls.

¿Cuál de las siguientes es una fuente de datos primaria?. Entrevistas, encuestas u observación con cuestionarios. Libros y revistas. Censos publicados. Bases de datos bibliográficas.

La frecuencia relativa (hi) se calcula como: hi = Fi / fi. hi = N / fi. hi = (Fi – fi) / N. hi = fi / N.

¿Cuál opción describe correctamente una fuente de datos secundaria?. Entrevistas a actores clave. Libros, revistas, datos estadísticos y censos. Observación directa en campo. Formularios de registro propios.

¿Cuál es un ejemplo de variable cuantitativa continua?. Número de suspensos. Nivel de colesterol. Número de hijos. Número de hermanos.

¿Qué es la población en estadística?. Los datos recogidos en una encuesta. El conjunto sobre el que queremos obtener conclusiones. Un solo elemento observado. Un subconjunto de datos que se analiza.

¿Qué es una variable en estadística?. Un único valor constante. Un dato atípico. Un símbolo que puede tomar distintos valores de un conjunto (dominio). Un error de medición.

Sobre la frecuencia absoluta (fi): Es el porcentaje que representa cada categoría. Es la suma de porcentajes acumulados. Es la razón entre la frecuencia acumulada y N. Es el número de veces que aparece un valor; la suma de todas las fi es N.

¿Cuál de los siguientes ejemplos corresponde a una muestra?. La población de aves en peligro de extinción del Amazonas. De los investigadores que publicaron tesis en 2009, 50 seleccionados por sorteo. La población de perros callejeros en la ciudad de Milagro. La población marginada en Sudáfrica.

¿Cuál es un ejemplo de variable cuantitativa discreta?. Número de artículos vendidos. Salario. Talla de ropa en centímetros. Estatura.

Una variable cualitativa nominal se caracteriza por: Ser siempre numérica. No poder ordenarse; solo clasifica categorías (p. ej., religión, estado civil). Poder ordenarse de menor a mayor. Medirse en una escala continua.

Un histograma de frecuencias se usa para representar: Variables cualitativas ordinales. Variables cuantitativas continuas. Cualquier tipo de variable categórica. Variables cualitativas nominales.

Una variable cualitativa ordinal se caracteriza por: Ser siempre continua. Tener valores numéricos únicamente. Admitir un orden (p. ej., nivel de estudios, grado de satisfacción). No admitir ningún orden.

Una “población finita” se caracteriza por: Tener un número limitado de elementos. Estar compuesta por una sola observación. Tener elementos imposibles de contar. No permitir el muestreo.

¿Qué es una muestra?. Una lista de variables. El total de elementos existentes. Un subconjunto accesible de la población sobre el que se hacen observaciones. Un solo individuo de la población.

Los cuartiles Q1, Q2, Q3 corresponden respectivamente a: P30, P60, P90. P25, P50, P75. P20, P40, P60. P10, P50, P90.

En una distribución sesgada a la derecha (cola hacia los valores altos), es mas probable que: Media menor que mediana. Media mayor que mediana. Media igual a mediana. Mediana mayor que máximo.

Si una tabla de frecuencias muestra que la categoría C tiene la mayor frecuencia, entonces: C es la moda. C es un valor atípico. C es la mediana. C es el cuartil uno.

Dividir la población en estratos homogéneos y extraer una muestra de cada estrato corresponde a: Muestreo sistemático. Muestreo por conglomerados. Muestreo por conveniencia. Muestreo estratificado.

La relación correcta entre percentil y mediana es: P75= mediana. P25= mediana. P50= mediana. P40= mediana.

Seleccionar al azar algunas escuelas y encuestar a todos los alumnos de esas escuelas es: Muestreo por conglomerados. Muestreo aleatorio simple. Muestreo estratificado. Muestreo sistemático.

Para datos agrupados en intervalos, la media se estima usando: La frecuencia acumulada. Los límites superiores de clase. Solo el número de intervalos. Las marcas de clase Xi y las frecuencias fi.

El coeficiente de variación sirve para: Detectar valores atípicos de forma exacta. Comparar la variabilidad relativa entre conjuntos con distintas unidades o escalas. Medir la relación entre media y mediana. Comparar promedios de diferentes grupos con la misma unidad.

Si n es impar, la posición de la mediana es: n/2. (n-1)/2. (n+1)/2. n.

Una ojiva (curva de frecuencia acumulada) que crece con rapidez en los valores bajos sugiere: Mayor concentración de observaciones en los valores bajos. Distribución uniforme. Ausencia de concentración. Mayor concentración de observaciones en los valores altos.

Seleccionar aleatoriamente algunos conglomerados y censar todas las unidades dentro de ellos corresponde a: Muestreo estratificado. Muestreo sistemático. Muestreo aleatorio simple. Muestreo por conglomerados.

¿Qué representa la mediana en un conjunto de datos ordenados?. El promedio de todos los valores. El valor que deja 50% por debajo y 50% por encima. El valor que deja 25% por debajo. El valor más frecuente.

Si la ojiva (frecuencia acumulada) sube rápidamente al inicio y luego se estabiliza, eso sugiere que: No hay concentración de datos. Todos los valores son iguales. La mayoría de datos están en los valores bajos. La mayoría de datos están en los valores altos.

En datos agrupados, ¿qué paso inicial se realiza para hallar la mediana?. Ordenar las marcas de clase de mayor a menor. Hallar N/2 e identificar el intervalo cuya frecuencia acumulada contiene a N/2. Calcular el rango total. Identificar el intervalo con mayor frecuencia simple.

El rango intercuartil (RIC) mide: El porcentaje de valores por encima de la media. La dispersión de la mitad central de los datos. La diferencia entre el valor máximo y el mínimo. La tendencia central de los datos.

Un evento simple es: Un resultado que no puede descomponerse en resultados más básicos. Un evento cuya probabilidad es cero. Un evento con probabilidad uno. La unión de varios eventos incompatibles.

En una permutación: El orden no importa y participan todos los elementos. El orden importa y se permite repetir elementos siempre. El orden importa y participan todos los elementos sin repetir. El orden no importa y participan solo algunos elementos.

Si dos eventos son mutuamente excluyentes, entonces: Siempre son independientes. Su probabilidad conjunta es mayor que cualquiera por separado. No pueden ocurrir al mismo tiempo. Su probabilidad es siempre cero.

El principio de suma se usa cuando: Las alternativas dependen unas de otras. Las alternativas son excluyentes entre sí y se requiere contar cualquiera de ellas. Las alternativas pueden ocurrir simultáneamente. Se desconoce el número de alternativas.

El teorema de Bayes se utiliza para: Actualizar probabilidades iniciales utilizando información nueva u observada. Construir intervalos de confianza de la media. Medir la dispersión de los datos alrededor de la media. Calcular la media ponderada de una muestra.

La regla empírica se utiliza cuando: La distribución tiene forma de campana aproximadamente simétrica. La distribución es fuertemente sesgada. Los datos son cualitativos. No se conoce la media.

La regla de Laplace permite calcular probabilidades cuando: Los casos no son equiprobables. Solo hay dos resultados posibles. Todos los casos posibles son igualmente probables y se comparan casos favorables con casos posibles. No se conoce el espacio muestral.

El principio fundamental de conteo (multiplicación) establece que: La cantidad total de formas se obtiene restando opciones. No puede aplicarse más de una vez. La cantidad total de formas se obtiene sumando opciones excluyentes. La cantidad total de formas se obtiene multiplicando las alternativas de etapas sucesivas.

Según los axiomas de la probabilidad, la probabilidad de cualquier evento está en el intervalo: De cero a uno. De menos cien a cien. De cero a cien. De menos uno a uno.

En una combinación: El orden no importa y se selecciona un subconjunto de elementos. Las repeticiones son obligatorias. Siempre participan todos los elementos. El orden importa.

Según la regla empírica, aproximadamente qué porcentaje de observaciones cae dentro de dos desviaciones estándar de la media: 99 por ciento. 68 por ciento. 95 por ciento. 50 por ciento.

Dos eventos son independientes cuando: Su suma de probabilidades es uno. La ocurrencia de uno no modifica la probabilidad del otro. Ocurren siempre juntos. Son incompatibles por definición.

Un experimento aleatorio se caracteriza porque: Produce siempre el mismo resultado. No puede repetirse bajo condiciones similares. No permite enumerar los posibles resultados. Tiene resultados posibles conocidos, pero no se sabe cuál ocurrirá en cada realización.

El espacio muestral es: El conjunto de resultados observados en una muestra. El conjunto de valores atípicos. La lista de eventos incompatibles. El conjunto de todos los resultados posibles de un experimento aleatorio.

¿Qué enuncia el teorema de Chebyshev para cualquier distribución?. Que exactamente 95 por ciento de los datos está a dos desviaciones estándar. Que casi todos los datos están a una desviación estándar de la media. Que solo aplica a la distribución normal. Que al menos una fracción mínima de datos queda dentro de cierto número de desviaciones estándar, sin exigir forma específica de la distribución.

En una distribución binomial, la variable de interés representa: El tiempo entre eventos. La posición promedio de los datos. La suma de todos los valores observados. El número de éxitos en un número fijo de ensayos.

El muestreo por conglomerados se aplica cuando: Interesa asegurar cuotas exactas por subgrupo. Solo se requiere una muestra muy pequeña. Se divide la población en grupos naturales y se seleccionan algunos grupos para estudiar sus elementos. La población está muy concentrada en un solo lugar.

Si en un modelo binomial se incrementa la probabilidad de éxito manteniendo fijo el número de ensayos, tiende a: Mantener igual la probabilidad de todos los conteos. Disminuir la probabilidad de observar muchos éxitos. Aumentar la probabilidad de observar conteos altos de éxitos. Volver simétrica cualquier distribución.

El valor p se interpreta como: La probabilidad de que la muestra sea representativa. El umbral fijo para rechazar siempre la hipótesis nula. La probabilidad de observar un resultado tan extremo o más, si la hipótesis nula fuera verdadera. La probabilidad de que la hipótesis alternativa sea verdadera.

La hipótesis nula es: El resultado observado en la muestra. Una afirmación sobre un parámetro poblacional que se somete a verificación. La conclusión final del estudio. Un intervalo de confianza.

El muestreo aleatorio simple se caracteriza porque: Todas las unidades tienen la misma probabilidad y las selecciones son independientes. Se escogen conglomerados completos de manera no aleatoria. Se incluye a quien esté disponible. Se elige cada k-ésimo elemento tras un punto de arranque.

El muestreo estratificado busca: Elegir unidades cercanas para ahorrar tiempo. Evitar cualquier aleatoriedad. Asegurar representación de subgrupos definidos en la población. Reducir costos al concentrarse en áreas geográficas.

¿En qué se diferencia Bernoulli de binomial?. Bernoulli es cualitativa; binomial, cuantitativa. Bernoulli es un solo ensayo con dos resultados; binomial es varios ensayos independientes. Bernoulli usa muchos ensayos; binomial, uno. No existe diferencia.

El nivel de significancia (alfa) representa: La probabilidad de rechazar la hipótesis nula cuando es verdadera. La probabilidad de que la hipótesis alternativa sea falsa. La amplitud del intervalo de confianza. La probabilidad de aceptar una hipótesis verdadera.

El valor crítico en una prueba de hipótesis es: El promedio de la muestra. El punto que separa la región de rechazo de la región de no rechazo. El nivel de confianza. El tamaño de la muestra.

¿Cuál es una condición clave de la distribución binomial?. Los ensayos tienen probabilidades que cambian en cada intento. Solo se observa un ensayo. Los ensayos son dependientes entre sí. El número de ensayos es fijo y la probabilidad de éxito es la misma en cada ensayo.

Un error Tipo I ocurre cuando: Se acepta la hipótesis nula siendo falsa. Se acepta la hipótesis alternativa siendo falsa. Se rechaza la hipótesis nula siendo verdadera. Se calcula mal el estadístico de prueba.

En análisis de correlación, una correlación alta entre dos variables indica: Una asociación lineal fuerte, pero no prueba causalidad. Que existe causalidad directa entre ellas. Que ambas son cualitativas. Que una variable provoca a la otra.

El muestreo sistemático consiste en: Tomar todos los elementos de algunos grupos elegidos al azar. Dividir la población en estratos y muestrear dentro de cada uno. Seleccionar el primer elemento al azar y luego cada k-ésimo de la lista. Elegir elementos por conveniencia.