ESTADISTICA DESCRIPTIVA

1. ¿Qué es un conjunto de datos y cómo se estructura?. Un conjunto de datos es una colección de datos relacionados organizados en una estructura tabular. Cada fila representa una observación o un elemento, y cada columna representa una variable o característica que se mide en cada observación. Por ejemplo, en un conjunto de datos sobre estudiantes, las filas podrían representar a cada estudiante individual, mientras que las columnas podrían representar variables como la edad, el género, el promedio de calificaciones y el número de horas estudiadas por semana. GGGGGGGGGGGGG.

2. ¿Cuáles son las diferencias entre datos cualitativos y cuantitativos?. Los datos cualitativos son descriptivos y categóricos, como el color de ojos o el estado civil, mientras que los datos cuantitativos son numéricos y pueden medirse, como la altura, el peso o el ingreso mensual. Los datos cualitativos se subdividen en nominales y ordinales, y los cuantitativos en discretos y continuos. HHHHHHHHHHH.

3. ¿Qué es un elemento en estadística?. Un elemento en estadística es una unidad individual sobre la cual se recolectan datos. Puede ser una persona, un objeto, un evento o cualquier entidad sobre la que se realiza una observación o medición. Por ejemplo, en un estudio sobre la salud, cada participante del estudio es un elemento. HHHF.

4. ¿Qué son las variables en un estudio estadístico?. Las variables son características o atributos que se miden u observan en los elementos de un estudio estadístico. Pueden ser cuantitativas (expresadas numéricamente) o cualitativas (expresadas categóricamente). Por ejemplo, en un estudio sobre estudiantes, la edad (cuantitativa) y el género (cualitativa) son variables. FFFFFFFFFFFF.

5. ¿Qué es una observación en el contexto de los datos estadísticos?. Una observación es un valor específico que toma una variable para un elemento dado. Es la medición o el registro de una variable en un elemento particular. Por ejemplo, si se mide la altura de 100 personas, cada medición individual de la altura es una observación. EDFFFFFFFFFFFF.

6. ¿Cuáles son las principales escalas de medición en estadística?. Las principales escalas de medición en estadística son: Nominal: Clasifica los datos en categorías sin orden. Ejemplo: colores de ojos (azul, marrón, verde). Ordinal: Clasifica los datos en categorías con un orden. Ejemplo: calificaciones de satisfacción (muy satisfecho, satisfecho, insatisfecho). Intervalo: Los datos tienen un orden y diferencias iguales entre valores, pero no un punto cero verdadero. Ejemplo: temperatura en grados Celsius. Razón: Los datos tienen un orden, diferencias iguales y un punto cero verdadero. Ejemplo: peso en kilogramos. DVX.

7. ¿Qué distingue a una variable cuantitativa de una cualitativa?. Una variable cuantitativa se expresa numéricamente y permite realizar operaciones aritméticas, como la edad o el ingreso. Una variable cualitativa, en cambio, describe cualidades o atributos y se expresa en categorías, como el color de los ojos o el género. GTFD.

8. ¿Qué tipo de escala de medición se usa para clasificar las ciudades por tamaño (pequeña, mediana, grande)?. La escala de medición usada para clasificar las ciudades por tamaño (pequeña, mediana, grande) es la escala ordinal, ya que clasifica los datos en categorías con un orden implícito. FSZSC.

9. ¿Cómo se define una variable continua?. Una variable continua es una variable cuantitativa que puede tomar cualquier valor dentro de un rango especificado. Los valores son infinitos y divisibles. Ejemplos de variables continuas incluyen la altura, el peso y el tiempo. EWD.

10. ¿Qué es un dato cualitativo y proporciona un ejemplo?. Un dato cualitativo es una información que describe cualidades o atributos y se expresa en categorías. Un ejemplo de dato cualitativo es el género de una persona (masculino, femenino, otro). ZXSCCCCCC.

11. ¿Qué caracteriza a la escala de intervalo en comparación con la escala de razón?. La escala de intervalo tiene un orden y diferencias iguales entre valores, pero no tiene un punto cero verdadero. La escala de razón también tiene un orden y diferencias iguales entre valores, pero además tiene un punto cero verdadero que indica la ausencia de la cantidad medida. Ejemplo de intervalo: temperatura en grados Celsius; ejemplo de razón: peso en kilogramos. RF.

12. ¿Cómo se utilizan las medidas de tendencia central en la estadística descriptiva y por qué son importantes?. Las medidas de tendencia central, como la media, la mediana y la moda, se utilizan para describir el punto central o típico de un conjunto de datos. La media proporciona el promedio aritmético de los datos, la mediana es el valor que divide los datos en dos mitades iguales, y la moda es el valor que ocurre con mayor frecuencia. Estas medidas son importantes porque ofrecen un resumen del conjunto de datos, facilitando la interpretación y comparación entre diferentes conjuntos de datos. TTTTTTTTTTTT.

13. ¿Qué es la desviación estándar y cómo ayuda a entender la variabilidad en un conjunto de datos?. La desviación estándar es una medida de la dispersión de los datos alrededor de la media. Cuanto mayor sea la desviación estándar, mayor será la variabilidad en el conjunto de datos. La desviación estándar ayuda a comprender cuán dispersos están los datos con respecto a la media, permitiendo evaluar la consistencia y la dispersión de los datos en estudios y experimentos. FFFFFF.

14. ¿Cuál es la diferencia entre una prueba de hipótesis y un intervalo de confianza en inferencia estadística?. Una prueba de hipótesis se utiliza para determinar si hay suficiente evidencia en una muestra de datos para rechazar una hipótesis nula sobre una población. En contraste, un intervalo de confianza proporciona un rango de valores dentro del cual se espera que se encuentre un parámetro poblacional con un cierto nivel de confianza. Mientras que la prueba de hipótesis se enfoca en tomar una decisión sobre la hipótesis, el intervalo de confianza proporciona una estimación de la incertidumbre sobre un parámetro poblacional. RFT.

15. ¿Cómo se interpreta el valor p en el contexto de una prueba estadística?. El valor p representa la probabilidad de obtener un resultado igual o más extremo que el observado en la muestra, dado que la hipótesis nula es verdadera. Un valor p bajo (generalmente menor que 0.05) sugiere que el resultado observado es poco probable bajo la hipótesis nula y, por lo tanto, proporciona evidencia para rechazar la hipótesis nula. Un valor p alto indica que no hay suficiente evidencia para rechazar la hipótesis nula. TGY.

16. ¿Por qué es importante que una muestra sea representativa de la población?. Respuesta: Una muestra representativa asegura que los resultados obtenidos a partir de la muestra sean generalizables a la población completa. Si la muestra no es representativa, los resultados pueden ser sesgados y no reflejar con precisión las características de la población, lo que puede llevar a conclusiones erróneas o inexactas sobre el fenómeno en estudio. GFRE.

17. ¿Cómo se elige un tamaño de muestra adecuado para un estudio y qué factores influyen en esta decisión?. El tamaño de la muestra se elige basado en varios factores, incluyendo el nivel de confianza deseado, el margen de error aceptable y la variabilidad en la población. La fórmula general para el tamaño de la muestra considera estos factores para asegurar que la muestra sea suficientemente grande para obtener estimaciones precisas y confiables. Factores adicionales, como el costo y la disponibilidad de datos, también pueden influir en la decisión del tamaño de muestra. RFD.

¿Qué papel juegan las herramientas de software en la automatización del análisis estadístico y cuáles son sus ventajas?. Las herramientas de software automatizan muchas de las tareas relacionadas con el análisis estadístico, como el cálculo de estadísticas descriptivas, la realización de pruebas de hipótesis y la creación de gráficos. Las ventajas incluyen la reducción del tiempo necesario para realizar cálculos complejos, la minimización de errores humanos y la capacidad de manejar grandes volúmenes de datos. Estas herramientas también facilitan la realización de análisis complejos y la visualización de resultados de manera clara y accesible. FEEEE.

18. ¿Cómo han influido las tecnologías emergentes, como el Big Data y el aprendizaje automático, en la estadística moderna?. Las tecnologías emergentes como el Big Data y el aprendizaje automático han transformado la estadística moderna al permitir el análisis de conjuntos de datos masivos y complejos que antes eran inabordables. El Big Data permite manejar y analizar grandes volúmenes de datos en tiempo real, mientras que el aprendizaje automático utiliza algoritmos avanzados para detectar patrones y realizar predicciones basadas en los datos. Estas tecnologías han ampliado las capacidades analíticas y han llevado a desarrollos en áreas como la inteligencia artificial y la minería de datos. FDER.

19. ¿Qué desafíos presentan las herramientas de análisis estadístico en términos de interpretación de resultados?. REEEE. Aunque las herramientas de análisis estadístico facilitan el procesamiento de datos, pueden presentar desafíos en la interpretación de resultados. Los usuarios deben tener un conocimiento sólido de los métodos estadísticos para interpretar correctamente los resultados. Además, el software puede generar resultados que son difíciles de entender sin un contexto adecuado o sin una comprensión de las suposiciones subyacentes. Es crucial combinar el análisis computacional con la interpretación crítica para garantizar conclusiones válidas y útiles.

20. ¿Por qué es importante considerar la calidad de los datos al utilizar software de análisis estadístico?. La calidad de los datos es fundamental porque los resultados del análisis estadístico dependen de la precisión y la integridad de los datos utilizados. Datos erróneos, incompletos o sesgados pueden llevar a conclusiones incorrectas, independientemente de la sofisticación del software utilizado. Asegurarse de que los datos sean precisos y representativos es esencial para obtener resultados válidos y tomar decisiones informadas basadas en el análisis estadístico. FDD.

21. ¿Qué se entiende por media en estadística?. La media es el promedio de un conjunto de datos obtenidos, sumando todos los valores y dividiendo entre el número total de elementos. DERS.

22. ¿Cuál es el concepto de mediana en estadística?. La mediana corresponde a la posición central de un conjunto de datos cuando estos están ordenados de menor a mayor. DERF.

23. ¿Cómo se calcula la mediana en un conjunto de datos?. Para calcular la mediana se ordenan los datos de manera ascendente y se elige el valor que ocupa la posición central. FDDSDS.

24. ¿Qué representa la moda en estadística?. La moda es el valor con mayor frecuencia en un conjunto de datos, es decir, el valor que se repite con mayor frecuencia. EDR.

25. ¿Cómo se identifica la moda en un conjunto de datos?. La moda se identifica observando cuál es el valor que se repite con mayor frecuencia en el conjunto de datos. GREE.

26. ¿Qué son los cuartiles en estadística?. Los cuartiles son tres valores que dividen un conjunto de datos ordenados en cuatro partes iguales (25% cada una). FDDDD.

27. ¿Cómo se obtienen los cuartiles en un conjunto de datos?. Para obtener los cuartiles se ordenan los datos de menor a mayor y se dividen en cuatro partes iguales. El primer cuartil (Q1) es el valor que deja el 25% de los datos por debajo, el segundo cuartil (Q2) es la mediana, y el tercer cuartil (Q3) deja el 75% de los datos por debajo. DDSD.

28. ¿Qué representan los percentiles en estadística?. Los percentiles representan los valores que dividen un conjunto de datos en 100 partes iguales. FRE.

29. ¿Cómo se interpreta un percentil en estadística?. Un percentil se interpreta como el valor que deja un porcentaje específico de datos por debajo de él en un conjunto de datos ordenados. DFDD.

30. ¿Qué es el rango en estadística y cómo se calcula?. El rango es una medida de dispersión que se calcula como la diferencia entre el valor máximo y el valor mínimo de un conjunto de datos. Se expresa como:. FVVV.

31. ¿Qué es la varianza y cuál es su fórmula para una población?. La varianza mide la media de los cuadrados de las desviaciones de cada valor respecto a la media del conjunto de datos. Para una población, la varianza (σ2) se calcula como:. JJJ.

32. ¿Cómo se diferencia la varianza de una muestra de la varianza de una población?. La varianza de una muestra (s2) se calcula con una fórmula similar a la población, pero dividiendo por 𝑛−1 en lugar de 𝑁, para corregir el sesgo de la muestra:. FFF.

33. ¿Qué es la desviación estándar y cómo se relaciona con la varianza?. La desviación estándar es la raíz cuadrada de la varianza, y se expresa en las mismas unidades que los datos originales. Para una población, se calcula:. EEEEE.

34. ¿Por qué la desviación estándar es una medida más intuitiva que la varianza?. La desviación estándar es más intuitiva porque se expresa en las mismas unidades que los datos originales, lo que facilita su interpretación directa en el contexto del problema. FFFFF.

35. ¿Qué es el coeficiente de variación y cómo se calcula?. El coeficiente de variación (CV) es una medida relativa de dispersión que se expresa como un porcentaje. Se calcula como:. DDDD.

36. ¿Para qué se utiliza el coeficiente de variación?. El coeficiente de variación se utiliza para comparar la variabilidad relativa entre diferentes conjuntos de datos, especialmente cuando tienen diferentes unidades o magnitudes. FF.

37. ¿Cómo afecta la presencia de valores atípicos al rango?. El rango es muy sensible a los valores atípicos, ya que se basa únicamente en los valores extremos. Un valor atípico puede aumentar considerablemente el rango, distorsionando la percepción de la dispersión de los datos. GFF.

38. ¿Cuál es una ventaja de la varianza sobre el rango como medida de dispersión?. La varianza utiliza todos los datos del conjunto para calcular la dispersión, proporcionando una medida más completa y menos susceptible a los valores atípicos que el rango. FGGG.

39. ¿En qué situaciones es especialmente útil la desviación estándar?. La desviación estándar es especialmente útil en análisis estadísticos que requieren una medida de dispersión enlas mismas unidades que los datos originales, como en la evaluación de la consistencia de las mediciones o la comparación de la dispersión de diferentes conjuntos de datos. GTF.

40. ¿Qué son las reglas de conteo y para qué sirven?. Son herramientas que permiten determinar de cuántas maneras diferentes se pueden organizar, seleccionar o agrupar elementos. Son útiles en problemas de combinatoria, planificación y toma de decisiones. HHHH.

41. ¿En qué consiste el principio de multiplicación?. El principio de multiplicación indica que, si un evento tiene varias maneras de ocurrir y otro evento independiente tiene varias maneras de suceder, el total de formas en que ambos pueden ocurrir juntos se obtiene multiplicando las opciones de cada uno. HRDD.

42. ¿Qué diferencia hay entre una permutación y una combinación?. La diferencia principal es que en las permutaciones el orden importa, mientras que en las combinaciones no. Por ejemplo, en una lista de nombres, cambiar el orden altera la permutación, pero no afecta la combinación si solo importa quiénes fueron seleccionados. FFFF.

43. ¿Qué es una permutación?. FFFFF. Es una forma de organizar elementos en un orden específico. Se utiliza cuando el orden de los elementos importa, como al asignar puestos en un podio de ganadores (primero, segundo y tercero).

44. ¿Qué es una combinación?. Es una selección de elementos en la que no importa el orden. Se usa, por ejemplo, al elegir un grupo de personas para formar un equipo, ya que el orden en el que se seleccionan no afecta el resultado. FVV.

45. ¿Qué es un evento en probabilidad?. Un evento es un resultado o conjunto de resultados posibles dentro de un experimento. Por ejemplo, obtener un número par al lanzar un dado es un evento compuesto por varios resultados (2, 4 y 6). BBFFF.

46. ¿Cómo se define la probabilidad de un evento?. La probabilidad indica la posibilidad de que un evento ocurra. Se expresa como una proporción entre los resultados favorables al evento y el total de resultados posibles. GGG.

47. ¿Qué significa que dos eventos sean mutuamente excluyentes?. Dos eventos son mutuamente excluyentes si no pueden ocurrir al mismo tiempo. Por ejemplo, al lanzar un dado, no es posible obtener simultáneamente un 2 y un 5 en la misma tirada. GGGG.

48. ¿Qué son los eventos independientes y dependientes?. Dos eventos son independientes si la ocurrencia de uno no afecta la probabilidad del otro, como lanzar dos monedas. Son dependientes si lo que sucede con uno influye en el otro, como sacar cartas de una baraja sin devolverlas. GGGG.

49. ¿Qué son la regla de la adición y la del producto en probabilidad?. La regla de la adición se usa para encontrar la probabilidad de que ocurra uno u otro evento cuando no pueden suceder juntos. La regla del producto se aplica para calcular la probabilidad de que ocurran dos eventos al mismo tiempo si son independientes. BBBBBB.

50. ¿Qué es una distribución de probabilidad continua?. Es un modelo matemático que describe cómo se distribuyen los valores de una variable aleatoria que puede tomar cualquier valor dentro de un intervalo continuo. Ejemplos de variables continuas incluyen la altura, el peso y el tiempo. BBBB.

51. ¿En qué se diferencia una distribución continua de una distribución discreta?. En una distribución continua, los valores posibles pertenecen a un rango infinito dentro de un intervalo, mientras que en una distribución discreta los valores son finitos o contables (como lanzar un dado). Además, la probabilidad de que una variable continua tome un valor exacto es cero. BBBB.

52. ¿Qué es una función de densidad de probabilidad (FDP)?. Es una función matemática que describe la forma de la distribución de probabilidad de una variable continua. La FDP indica cuán probable es que un valor esté cerca de una cierta región, pero no da probabilidades exactas para puntos específico. BBBB.

53. ¿Por qué la probabilidad de que una variable continua tome un valor específico es cero?. FFF. Debido a que una variable continua puede tomar infinitos valores en un intervalo, la probabilidad de que ocurra un valor exacto es infinitesimalmente pequeña y, por lo tanto, se considera cero. En su lugar, se calculan probabilidades para rangos de valores.

54. ¿Cuál es el papel del área bajo la curva en una distribución continua?. El área bajo la curva de la función de densidad de probabilidad representa la probabilidad total de todos los posibles valores. Esta área es siempre igual a 1, lo que asegura que la suma de todas las probabilidades sea del 100%. DDCC.

55. ¿Qué es una distribución normal y por qué es importante?. La distribución normal, también conocida como la campana de Gauss, es una de las distribuciones más importantes. Modela muchos fenómenos naturales y sociales, y es clave en estadística para realizar inferencias, ya que muchos estadísticos asumen que los datos se distribuyen normalmente. CVCCC.

56. ¿Qué es una distribución uniforme continua?. Es una distribución en la que todos los valores dentro de un intervalo tienen la misma probabilidad de ocurrir. Un ejemplo sería seleccionar un número aleatorio entre 0 y 1, donde cada valor tiene la misma probabilidad de ser elegido. DDSDDD.

57. ¿Cuándo se utiliza la distribución exponencial?. La distribución exponencial se usa para modelar el tiempo entre eventos que ocurren de forma continua y aleatoria, como el tiempo de espera entre llegadas de clientes a una tienda o el tiempo entre fallos. FFFFFF.

58. ¿Qué significa que una función de densidad sea simétrica o asimétrica?. Una función de densidad simétrica tiene el mismo comportamiento a ambos lados de su media (como la distribución normal). Una función asimétrica, en cambio, tiene una distribución más concentrada hacia un extremo del intervalo. VVVV.

59. .¿Por qué las distribuciones continuas son fundamentales en estadística?. Porque permiten modelar fenómenos complejos que involucran variables que pueden tomar cualquier valor en un intervalo. Además, muchas técnicas estadísticas, como la estimación y las pruebas de hipótesis, se basan en distribuciones continuas, especialmente en la distribución normal. GGGG.

60. . ¿Qué es el muestreo aleatorio simple (MAS)?. El muestreo aleatorio simple es una técnica de selección en la que todos los elementos de la población tienen la misma probabilidad de ser elegidos para formar parte de la muestra. Este método garantiza que la selección sea justa y minimiza sesgos. BBB.

61. ¿Cuáles son las ventajas del muestreo aleatorio simple?. Representatividad: Cada elemento tiene igual oportunidad de ser seleccionado, lo que reduce el sesgo. o Simplicidad: Es fácil de entender y aplicar. o Base para inferencias: Permite hacer generalizaciones estadísticamente válidas de la muestra a la población. BBBB.

62. ¿Qué limitaciones tiene el MAS?. Requiere una lista completa de la población, lo que puede ser difícil de obtener en algunos casos. o Costoso y lento si la población es muy grande. o No asegura diversidad, ya que la aleatoriedad puede no capturar bien subgrupos específicos. BBBB.

63. ¿Qué es un estimador puntual?. Un estimador puntual es un valor único calculado a partir de los datos muestrales para aproximar un parámetro desconocido de la población, como la media, la proporción o la varianza. GFERR.

64. ¿Qué propiedades debe tener un buen estimador puntual?. MUESTREO Y PRUEBA DE HIPÓTESIS Y HERRAMIENTAS ESTADÍSTICAS o Insesgado: Su valor esperado es igual al parámetro poblacional. o Eficiente: Tiene la menor varianza posible entre los estimadores no sesgados. o Consistente: A medida que aumenta el tamaño de la muestra, el estimador se acerca al valor verdadero del parámetro. VVDDDD.

65. ¿Qué ejemplos de estimadores puntuales existen?. Media muestral (X̄): Estima la media poblacional (μ). o Proporción muestral (p̂): Estima la proporción poblacional (p). o Varianza muestral (S²): Estima la varianza poblacional (σ²). FVDDD.

66. ¿Cuál es la diferencia entre un estimador puntual y un estimador por intervalo?. El estimador puntual proporciona un valor único como aproximación del parámetro poblacional, mientras que el estimador por intervalo ofrece un rango de valores dentro del cual se espera que se encuentre el parámetro con un cierto nivel de confianza. FFFEEE.

67. . ¿Por qué es importante la eficiencia en los estimadores?. La eficiencia asegura que, entre varios estimadores posibles, el elegido tenga la menor varianza, es decir, que las estimaciones fluctúen lo menos posible en diferentes muestras. DDDD.

68. . ¿Cómo se relaciona el tamaño de la muestra con los estimadores puntuales?. MUESTREO Y PRUEBA DE HIPÓTESIS Y HERRAMIENTAS ESTADÍSTICAS o A mayor tamaño de la muestra, mejora la precisión de los estimadores puntuales, ya que tienden a acercarse más al valor verdadero del parámetro de la población. SEDD.

69. ¿Cuándo es recomendable utilizar el muestreo aleatorio simple?. Es recomendable cuando se tiene acceso completo a la población y se busca una muestra representativa sin necesidad de dividirla en subgrupos específicos. También es ideal en estudios donde se desea aplicar técnicas estadísticas básicas para hacer inferencias. GGGGGGGGG.

70. ¿Qué es una prueba de hipótesis?. Es un procedimiento estadístico que permite evaluar si una suposición o afirmación sobre un parámetro poblacional es consistente con los datos muestrales. Se basa en decidir si se acepta o rechaza la hipótesis nula (H₀) en favor de una hipótesis alternativa (H₁). BBB.

71. ¿Qué es la hipótesis nula (H₀) y la hipótesis alternativa (H₁)?. La hipótesis nula (H₀) es la afirmación inicial que asume que no hay un efecto o diferencia significativa. La hipótesis alternativa (H₁) plantea lo opuesto: que sí existe un efecto o diferencia significativa. El objetivo de la prueba es evaluar si los datos proporcionan suficiente evidencia para rechazar H₀. FFFF.

72. . ¿Qué es el nivel de significancia (α) y cuál es su importancia?. El nivel de significancia (α) es la probabilidad de cometer un error tipo I, es decir, rechazar la hipótesis nula cuando es verdadera. Un valor comúnmente utilizado es 0.05, lo que implica un 5% de riesgo de tomar una decisión incorrecta al rechazar H₀. FFFF.

73. ¿Qué es un valor p y cómo se interpreta?. El valor p es la probabilidad de obtener resultados tan extremos como los observados, asumiendo que la hipótesis nula es verdadera. Si el valor p es menor que el nivel de significancia (α), se rechaza la hipótesis nula; de lo contrario, no se rechaza. CCXXXX.

74. ¿Qué tipos de errores se pueden cometer en una prueba de hipótesis?. Error tipo I: Rechazar H₀ cuando es verdadera. o Error tipo II: No rechazar H₀ cuando es falsa. Minimizar estos errores es crucial para obtener resultados confiables. SZXX.

75. ¿Cuáles son las principales pruebas estadísticas paramétricas?. o Algunas de las más comunes son: ▪ Prueba t de Student: Para comparar medias entre dos grupos. ▪ ANOVA: Para comparar medias entre tres o más grupos. Pruebas de hipótesis y herramientas estadísticas ▪ Regresión lineal: Para analizar la relación entre variables. EEEE.

76. ¿Qué son las pruebas no paramétricas y cuándo se usan?. Las pruebas no paramétricas no requieren supuestos fuertessobre la distribución de los datos. Se utilizan cuando los datos no siguen una distribución normal o cuando las muestras son pequeñas. Ejemplos incluyen la prueba de Mann-Whitney U y la prueba de Chi-cuadrado. VVVVVVVVVVVVV.

77. ¿Qué es un intervalo de confianza y cómo complementa la prueba de hipótesis?. Un intervalo de confianza es un rango de valores dentro del cual se espera que se encuentre el parámetro poblacional con un cierto nivel de confianza (por ejemplo, 95%). Complementa la prueba de hipótesis al proporcionar una estimación del parámetro en lugar de una simple decisión de rechazar o no rechazar H₀. BVCVN BV.

78. ¿Qué herramientas o software se utilizan para realizar pruebas de hipótesis?. Entre las herramientas más utilizadas están: ▪ SPSS: Software para análisis estadístico sencillo. ▪ R y Python: Programación estadística avanzada. ▪ Excel: Para cálculos básicos y análisis de datos sencillo. BBGB.

79. ¿Cómo se elige la prueba estadística adecuada para un análisis?. • La selección depende de varios factores: Tipo de datos: Continuos, discretos o categóricos. o Número de grupos: Comparación entre dos o más grupos. o Distribución de los datos: Si los datos siguen una distribución normal, se usan pruebas paramétricas; de lo contrario, se prefieren pruebas no paramétricas. o Relación entre variables: Si se busca comparar o predecir, se usan pruebas como ANOVA o regresión. BBBBB.

1) ¿Cuál es la relación entre la varianza y la desviación estándar?. a. No tienen relación. b. La desviación estándar es el cuadrado de la varianza. c.La varianza es el cuadrado de la desviación estándar. d.Son siempre iguales.

2) ¿Cuál de las siguientes es una medida de dispersión?. a. MEDIANA. b. MEDIA. c.MODA. d. VARIANZA.

3) EN UN CONJUNTO DE DATOS NO AGRUPADOS DONDE LA CANTIDAD DE DATOS ES PAR A QUÉ ES IGUAL LA MEDIANA. a.AL VALOR MENOR DE LOS DOS VALORES QUE SE ENCUENTRAN EN EL CENTRO. b.AL VALOR MAYOR DE LOS DOS VALORES QUE SE ENCUENTRAN EN EL CENTRO. c.AL PROMEDIO DE LOS DOS VALORES QUE SE ENCUENTRAN EN EL CENTRO DE LOS DATOS. d.AL ÚNICO VALOR QUE ESTÁ EN EL CENTRO.

4) ¿Cómo se define el rango?. a. El valor central de un conjunto de datos. b. La frecuencia de los datos. c. La media de todos los datos. d. La diferencia entre el valor más alto y el valor más bajo.

5) CUÁL DE LAS SIGUIENTES MEDIDAS DE TENDENCIA CENTRAL ES APLICABLE SÓLO PARA VARIABLES CUANTITATIVAS NOMINAL. a. RANGO. b. MEDIANA. c.MEDIA. d. MODA.

6) SI PARA DOS CONJUNTOS DE DATOS LA RELACIÓN ENTRE S1/S2<1 QUE PODEMOS DECIR DE LA EFICIENCIA DE ESTOS DOS GRUPOS. a. QUE EL GRUPO 1 ES MÁS EFICIENTE. b.QUE LOS DOS GRUPOS SON IGUALES. c.QUE EL GRUPO 2 ES MÁS EFICIENTE. d. NINGUNA DE LAS ANTERIORES.

7) CUÁL DE LAS SIGUIENTES MEDIDAS DE TENDENCIA CENTRAL NO ES SENSIBLE A VALORES EXTREMOS. a. DESVIACIÓN ESTÁNDAR. b. MODA. c.MEDIANA. d. MEDIA.

8) Si un conjunto de datos tiene dos modas, se dice que es: a. BIMODAL. b. MODAL. c. ASIMÉTRICO. d.UNIMODAL.

9) En un conjunto de datos ordenados, la mediana es: a. El valor que aparece con más frecuencia. b. El promedio de los datos. c. El valor al final de los datos. d. El valor en el centro de los datos.

10) Si en un conjunto de datos hay tres valores que se repiten con la misma frecuencia, se dice que es: a. MODAL. b. MULTIMODAL. cASIMÉTRICO. d.UNIMODAL.

11) CUÁNDO SE TIENEN DOS CONJUNTOS DE DATOS CON UNIDADES DIFERENTES CUÁL DE LAS SIGUIENTES MEDIDAS DE DISPERSIÓN ES LA QUE SE DEBE UTILIZAR. a. RANGO. b. COEFICIENTE DE VARIACIÓN. c.DESVIACIÓN ESTÁNDAR. d. VARIANZA.

12) Si un conjunto de datos tiene una distribución asimétrica hacia la derecha, la media tiende a ser: a. Mayor que la mediana. b. Menor que la mediana. c.Ninguna de las anteriores. d. Igual que la mediana.

13) ¿Cuál es la relación entre la varianza y la desviación estándar?. a. No tienen relación. b. La varianza es el cuadrado de la desviación estándar. c.Son siempre iguales. d. La desviación estándar es el cuadrado de la varianza.

14) ¿Qué mide la desviación estándar?. a. La distancia promedio entre los datos y la media. b. El valor central de los datos. c. La distancia promedio entre los datos y la mediana. d. La frecuencia de los datos más frecuentes.

15) ¿Qué medida de tendencia central se obtiene sumando todos los valores y dividiéndolos entre la cantidad de datos?. a. MEDIA. b. MODA. c.MEDIANA. d. DESVIACIÓN ESTÁNDAR.

16) SI PARA DOS CONJUNTOS DE DATOS LA RELACIÓN ENTRE S1/S2>1 QUE PODEMOS DECIR DE LA EFICIENCIA DE ESTOS DOS GRUPOS. a. QUE EL GRUPO 1 ES MÁS EFICIENTE. b. NINGUNA DE LAS ANTERIORES. c.QUE LOS DOS GRUPOS SON IGUALES. d. QUE EL GRUPO 2 ES MÁS EFICIENTE.

80. ¿Qué error se comete cuando se acepta una hipótesis nula que es falsa?. a. Error de Tipo II. b. Error de Tipo I. c.Error estándar. d. Error de muestreo.

81. Qué tipo de regla se debe aplicar cuando se pide calcular la probabilidad de un evento en negación EJ: Evento A= Que no salga un número par. a. Regla de la multiplicación. b. Regla del complemento. c.Regla de la diferencia. d. Regla de la adición.

82. ¿Qué prueba no paramétrica se utiliza para comparar más de dos grupos independientes?. a. Prueba de Mann-Whitney. b. Prueba de Kruskal-Wallis. c.Prueba de chi-cuadrado. d. Prueba de Wilcoxon.

83. En una prueba de hipótesis de dos colas, ¿cuándo se rechaza la hipótesis nula?. a. Solo si el valor p es mayor que el nivel de significancia. b. Si el valor p es exactamente igual al nivel de significancia. c.Nunca se rechaza la hipótesis nula en pruebas de dos colas. d. Si el valor p es menor que el nivel de significancia.

84. ¿Cómo se llama la probabilidad que está en función de una sola categoría?. a. Probabilidad conjunta. b. Probabilidad Subjetiva. c.Probabilidad marginal. d. Probabilidad Condicional.

85. Cómo se llama cuando dos eventos presentan la siguiente característica: No son mutuamente excluyentes. b. Colectivamente exhaustivos. c.Mutuamente excluyentes. d. Son Dependiente.

86. ¿Qué se obtiene al dividir la población en subgrupos y luego seleccionar aleatoriamente algunos de estos subgrupos para incluirlos en la muestra?. a. Muestreo por conveniencia. b. Muestreo sistemático. c.Muestreo estratificado. d. Muestreo por conglomerados.

87. ¿Qué prueba no paramétrica se utiliza para comparar más de dos grupos independientes?. a. Prueba ANOVA. b. Prueba de Kruskal-Wallis. c.Prueba de Pearson. d. Prueba t de Student.

88. ¿Cuál de las siguientes pruebas se utiliza para evaluar la independencia entre dos variables categóricas?. a. Prueba de chi-cuadrado. b.Prueba de Kruskal-Wallis. c.Prueba de Wilcoxon. d. Prueba de Mann-Whitney.

89. Si el evento A es "Personas con 160 años" ¿ que podríamos decir de este evento?. a. Es un evento compuesto. b. Es un espacio de evento. c.Es un Evento simple. d. Es un evento nulo.

90. ¿Cuál es el nivel de significancia más combinado utilizado en las pruebas de hipótesis?. a.0,05. b.0,50. c.0,10. d.0,01.

91. Si se desea realizar un estudio sobre los hábitos de los estudiantes universitarios y se seleccionan estudiantes de diferentes facultades, ¿qué tipo de muestreo es más adecuado?. a. Muestreo por conveniencia. b. Muestreo por conglomerados. c.Muestreo estratificado. d. Muestreo sistemático.

92. Si se eligen individuos fácilmente accesibles para formar la muestra, se está utilizando: a. Muestreo sistemático. b. Muestreo estratificado. c.Muestreo por conglomerados. d. Muestreo por conveniencia.

93. ¿Cuál (es) de los siguientes científicos son precursores de la Probabilidad ?. a. Albert Einstein. . Kolmogorov. c.Fermat. d.Godofredo Achewall.

94. Cuando se debe utilizar la siguiente fórmula de probabilidad: a. Cuando los eventos sean colectivamente exhaustivos. b. Cuando la intersección entre ambos eventos es igual a vacío. c.Cuando los eventos no son, mutuamente excluyentes. d. Cuando la intersección entre ambos eventos es diferente de vacío.

95. ¿Cuál de las siguientes es una prueba paramétrica?. a. Prueba t de Student. b. Prueba de Wilcoxon. c.Prueba de Mann-Whitney. d. Prueba de Kruskal-Wallis.

96. ¿Qué prueba no paramétrica se utiliza para evaluar la independencia entre dos variables categóricas?. a. Prueba t de Student. b. Prueba de chi-cuadrado. c.Prueba de Pearson. d. Prueba ANOVA.

97. ¿Cuándo se debe aplicar la probabilidad condicional?. a. Cuando se pida calcular la probabilidad de un evento dado que otro evento aun no ha ocurrido. b. Cuando se pida calcular la probabilidad de dos eventos mutuamente excluyentes. c.Cuando se pida calcular la probabilidad de dos eventos independientes. d. Cuando se pida calcular la probabilidad de un evento dado que otro evento ya ocurrió.

98. ¿Qué error ocurre cuando se rechaza una hipótesis nula que es verdadera?. a. Error de Tipo I. b. Error de muestreo. c.Error de Tipo II. d. Error estándar.

99. Del experimento de Lanzar dos dados al aire ¿Cuál sería un posible evento simple?. a. Que la suma de sus caras sea igual a 9. b. Que la suma de sus caras sea menor a 7. c.Que la multiplicación de sus caras sea igual a 6. d. Que la suma de sus caras sea igual a 2.

100. ¿Del experimento de lanzar 3 dados al mismo tiempo Cuál sería el número de resultados del Espacio de eventos?. a.216. b.18. c.6. d.36.

101. ¿Qué prueba paramétrica se usa para comparar más de dos medios cuando se cumplen los supuestos de normalidad?. a. Prueba ANOVA. b. Prueba de Pearson. c.Prueba de Mann-Whitney. d. Prueba t de Student.

102. Para un análisis rápido sobre la satisfacción de los clientes de un supermercado, se encuestan únicamente a los primeros 20 clientes que salen del establecimiento. ¿Qué tipo de muestreo se está utilizando?. a. Muestreo estratificado. b. Muestreo por conveniencia. c.Muestreo por conglomerados. d. Muestreo sistemático.

103. ¿Qué prueba no paramétrica se utiliza para comparar dos muestras independientes?. a. Prueba de Pearson. b. Prueba t de Student. c.Prueba de Mann-Whitney. d. Prueba ANOVA.

104. Cuando se describe el experimento y el evento ¿Qué tipo de probabilidad se debe aplicar?. a. Probabilidad Empírica. b. Probabilidad Condicional. c.Probabilidad Subjetiva. d. Probabilidad Clásica.

105. ¿Qué prueba no paramétrica se utiliza para comparar dos muestras relacionadas?. a. Prueba ANOVA. b. Prueba t de Student para muestras dependientes. c.Prueba de Wilcoxon. d. Prueba de Mann-Whitney.

106. Cuando se describe el experimento y el evento ¿Qué tipo de probabilidad se debe aplicar?. a. Probabilidad Condicional. b. Probabilidad Empírica. c.Probabilidad Clásica. d. Probabilidad Subjetiva.

107. Si se quiere evaluar la opinión de los habitantes de una ciudad y se elige encuestar a cada décimo persona que pasa por una calle concurrida, ¿qué tipo de muestreo es este?. a. Muestreo por conveniencia. b. Muestreo por conglomerados. c.Muestreo sistemático. d. Muestreo estratificado.

108. Cómo se llama la probabilidad que está en función de dos categorías y tiene como característica la intersección?. a. Probabilidad Subjetivab. B. Probabilidad conjunta. c.Probabilidad marginal. d. Probabilidad Condicional.

109. ¿Qué tipo de muestreo se utiliza cuando se selecciona cada k-ésimo elemento de la población?. a. Muestreo estratificado. . Muestreo por conveniencia. c.Muestreo sistemático. d. Muestreo por conglomerado.

110. Para estudiar la satisfacción de los empleados de una empresa, se seleccionan grupos de empleados de distintas sucursales y se encuesta a todos los empleados dentro de los grupos seleccionados. ¿Qué tipo de muestreo se está utilizando?. a. Muestreo sistemático. b. Muestreo por conglomerados. c.Muestreo por conveniencia. d. Muestreo estratificado.

En qué tipo de muestreo se agrupan primero los elementos de la población en subgrupos homogéneos antes de extraer la muestra?. a. Muestreo estratificado. b. Muestreo sistemático. c.Muestreo por conglomerados. d. Muestreo por conveniencia.

112. ¿Qué tipo de muestreo se utiliza cuando cada miembro de la población tiene la misma probabilidad de ser seleccionado?. a. Muestreo por conveniencia. b. Muestreo estratificado. c.Muestreo sistemático. d. Muestreo aleatorio simple.

113. ¿Cuándo se debe aplicar la probabilidad condicional?. a. Cuando se pida calcular la probabilidad de un evento dado que otro evento aun no ha ocurrido. b. Cuando se pida calcular la probabilidad de dos eventos independientes. c.Cuando se pida calcular la probabilidad de un evento dado que otro evento ya ocurrió. d. Cuando se pida calcular la probabilidad de dos eventos mutuamente excluyentes.

114. En una prueba de hipótesis, si el valor p es menor que el nivel de significancia, se debe: a. Aumentar el tamaño de la muestra. b. Rechazar la hipótesis alternativa. c.Aceptar la hipótesis nula. d. Rechazar la hipótesis nula.

115. ¿Cuál es la hipótesis que se supone cierta al inicio de una prueba de hipótesis?. a. Hipótesis nula. b. Hipótesis alternativa. c.Hipótesis de investigación. d. Hipótesis descriptiva.

116. En un estudio sobre el rendimiento académico de los estudiantes de secundaria, se seleccionan estudiantes de diferentes niveles de rendimiento (alto, medio y bajo) para garantizar que todos los grupos estén representados. ¿Qué tipo de muestreo se ha utilizado?. a. Muestreo sistemático. b. Muestreo estratificado. c.Muestreo por conveniencia. d. Muestreo por conglomerados.

¿Qué prueba paramétrica se utiliza para comparar la media de una muestra con la media de una población conocida?. a. Prueba de Wilcoxon. b. Prueba de Kruskal-Wallis. c.Prueba de Mann-Whitney. d. Prueba t de una muestra.