cuestionario ie

Si el test es unilateral o bilateral depende de: Solo de la hipótesis alternativa. Hipótesis compuesta. Ambas hipótesis. Hipótesis simple.

La región crítica de tamaño alpha que minimiza entre todas las regiones críticas del mismo tamaño se dice que es: La región crítica más potente. Región crítica minimal. Mejor región crítica. Región crítica óptima.

El teorema de Rao Blackwell permite obtener un estimador insesgado de mínima varianza uniformemente a través de: Estimador insesgado. Estimador completo. Estimador eficiente. Estimador suficiente.

La suma de 40 variables aleatorias independientes uniformes en el intervalo (-2,2) tiene una distribución: Una uniforme en (-40, 40). Chi cuadrado con 80 grados de libertad. Una uniforme en (40-2, 40+2). Aproximadamente una N(0, 160/3).

El denominador de la desigualdad de Frechet de Cramer Rao es conocido como: La cantidad de información. Cota superior de la varianza. Cota inferior de la varianza. Información sobre la varianza.

Un estimador de una función paramétrica se dice que es mejor si: Dos propiedades de un buen estimador. Tres propiedades de un buen estimador. Todas las propiedades de un buen estimador. Ninguna de las propiedades.

Los estimadores de máxima verosimilitud son necesariamente: Insesgados. Suficientes. Eficientes. Completos.

Parámetros son aquellas constantes que ocurren en : Muestras. Función de densidad. Una fórmula. Nada del resto.

Una región crítica proporciona una base para: Comprobar que H0 es falsa. Decidir el rechazo de H0. Ninguna decisión sobre la aceptación y el rechazo. Aceptar H0 y H1.

Un intervalo de confianza con nivel 1-alpha es mejor si tiene: La más pequeña amplitud. La mayor amplitud. Los límites del intervalo son equidistantes. Una amplitud prefijada.

El nivel se significación es la probabilidad asociada a: El error tipo I. El error tipo II. No se comete error. Una decisión correcta.

De los dos tipos de errores asociados a un contraste de hipótesis, el error que se fija a priori es: Error tipo I. Error tipo II. Ambos errores. Ningún error es severo.

La hipótesis de que la varianza tiene un valor específico puede ser contratada por: F test. T test. Z test. Nada del resto.

Un estimador T(x) es suficiente para una función paramétrica si contiene toda la información que esta contenida en: La población. La muestra. La función paramétrica. Nada de lo anterior.

Si la varianza de un estimador alcanza la cota de Cramer Rao el estimador es: Suficiente. Consistente. Eficiente. Insesgado.

La desigualdad de Frechet-Cramer-Rao aporta a la varianza de un estimador una: Una cota superior de la varianza. Una cota inferior de la varianza. La varianza asintótica del estimador. Cota superior e inferior de la varianza.

Si T es un estimador suficiente de theta entonces: T es un estadístico eficiente de theta. T es también estimador consistente de theta^2. Ninguna de las anteriores. Log(T) es un estimador suficiente de thet.

Si un estimador Tn de un parámetro theta converge en probabilidad a theta cuando n tiende a infinito se dice que es: Suficiente. Eficiente. Consistente. Insesgado.

Si el valor esperado de un estimador T(X) no es igual a la función paramétrica, se dice que es: Estimador insesgado. Estimador Sesgado. Estimador consistente. Estimador inconsistente.

El error cuadrático medio de un estimador T es expresado como: Sesgo+var(T). (Sesgo+Var(T))^2. Sesgo^2 +Var(T)^2. Sesgo^2 +Var(T).

Bajo condiciones de regularidad, los estimadores de máxima verosimilitud son: Insesgados y de mínima varianza. Consistentes y asintóticamente eficientes. Lineales insesgados de mínima varianza. Los que asignan la máxima probabilidad al valor del parámetro.

Para contrastar mu<=mu0 frente a mu>mu0 se llega a: Un test unilateral a la izquierda. Un test unilateral a la derecha. Un test de dos colas. Un test de cola izquierda.

En un contraste de hipótesis con un tamaño del 5%. Si el p-valor obtenido es 0.085, entonces: No se puede rechazar la hipótesis nula. No puede adoptarse una decisión acerca de la validez de la hipótesis nula. Debe rechazarse la hipótesis nula. Mejor realizar el test de nuevo.

El lema de Neyman- Pearson proporciona: Un test insesgado. Un test más potente. Un test admisible. Un test minimax.

La potencia de un test es: La probabilidad de rechazar la hipótesis nula cuando es falsa. La probabilidad de rechazar la hipótesis nula cuando es cierta. La probabilidad de cometer error del tipo II. Uno menos la probabilidad de cometer error tipo I.

La expresión de un intervalo de confianza para el cociente de varianzas de dos poblaciones normal utiliza la: Distribución chi cuadrado. Distribución F de Snedecor. La distribución T de Student. La distribución normal.

Los grados de libertad de un T estadístico para muestras emparejadas basadas en n pares de observaciones es: 2n-1. 2(n-1). 2n. N-1.

El test de la T-student es aplicable solo cuando: Los valores de la variable son independientes. La variable es distribuida normalmente. La muestra es bastante grande. La variable es distribuida como una chi cuadrado con n grados de libertad.

La potencia de un test está relacionada : Error tipo I. Error tipo II. Ambos errores. Error tipo III.

Un estimador es considerado mejor si su distribución es: Continua. Discreta. Concentrada en torno al verdadero valor del parámetro. Normal.

El teorema de factorización para la suficiencia es conocido como: Teorema de Rao- Blackwell. eorema de Cramer Rao. Teorema de Neyman. Teorema de Schefe.

Si la media muestral X (barra) es un estimador de la media poblacional mu, entonces es: Insesgado y eficiente. Insesgado e ineficiente. Sesgado y eficiente. Sesgado e ineficiente.

El área de la región critica del test depende de: Tamaño del test. Tamaño del error tipo II. Valor del estadístico. Número de observaciones.

El sesgo de un estimador no insesgado puede ser: Solo positivo y pequeño. Solo negativo y grande. Positivo o negativo. Depende de la distribución.

Para contrastar mu=mu0 frente a mu!=mu0 se llega a: Un test unilateral a la izquierda. Un test unilateral a la derecha. Test de dos colas. Nada del resto.

El tamaño de un test es conocido como: La potencia del test. Tamaño máximo del error tipo II. Valor crítico del estadístico. Tamaño máximo del error tipo I.

Un intervalo de confianza es : La probabilidad a priori de que el intervalo contenga el verdadero valor del parámetro. Un intervalo donde se encuentra el estimador con un nivel de confianza determinado. Un intervalo donde se encuentra el valor del parámetro con una probabilidad determinada. Un intervalo donde se encuentra el valor del parámetro con un nivel de confianza determinado.

Una decisión errónea acerca de la aceptación/rechazo en un contraste lleva a: Un tipo de error. Dos tipos de errores. Tres tipos de errores. Cuatro tipos de errores.

un estadistico suficiente es minimal si y solo si es: una funcion de cualquier otro estadistico suficiente. (la otra es la unica opcion que tengo).