Estadistica empresarial 2

Escoger la afirmación errónea respecto a la inferencia: Es una extensión de lo particular o lo general. Pretende mejorar el conocimiento de poblaciones a través de muestras. Se basa en la compatibilidad entre muestra y estadístico. Se interesa por los parámetros poblacionales y por el modelo poblacional.

Escoger la afirmación errónea respecto al m.a.s. como tipo de muestreo: Otorga la misma probabilidad a todas las posibles muestras de tamaño n (elementos de la muestra son independientes). Cada elemento de la población tiene la misma probabilidad de ser elegido. Cada elemento de la muestra tiene la misma distribución de probabilidad que la población de la que procede. Es un muestreo no probabilístico.

La media de una muestra aleatoria simple, cuando la muestra es grande, se comporta como una variable normal: Porque es el estimador de máxima verosimilitud. Porque es un estimador insesgado. Como consecuencia del teorema central del límite. Porque el muestreo se realiza con repetición.

Elegir la afirmación correcta. En una m.a.s. cada elemento de la población tiene la misma probabilidad de ser elegido. El m.a.s. es un muestreo no probabilístico. Es indiferente el tipo de muestreo utilizado siempre que la muestra se tome de la población adecuada. Ninguna de las anteriores.

La media de una m.a.s., en general, se comporta como una variable aleatoria normal: Gracias a su distribución en el muestreo.. Porque es su comportamiento habitual. Sólo se puede aplicar el comportamiento normal en muestras grandes. Porque es un estimador consistente.

Antes de recoger los datos, ¿es posible que en una Muestra Aleatoria Simple, cada uno de los elementos que la componen (x1, x2, …, xn) sean variables aleatorias con la misma distribución de probabilidad que la población de donde provienen?. No, ya que x1, x2, …, xn son siempre datos conocidos. Sí, debido al tipo de muestreo. No, ya que la muestra se extrae de forma sencilla y aleatoria. Ninguna de las anteriores.

Dada una muestra aleatoria simple, si el tamaño muestral es suficientemente grande es posible calcular la distribución de la media muestral cualquiera que sea la distribución de la población. Sí, se infiere que siempre es igual que la población. Sí, es la misma que la de cualquier elemento muestral. Sí, se aproxima a una normal por el TCL. Ninguna de las anteriores.

Sabemos que (nS^2x / O^2 )= χ^2 n-1 únicamente es cierto cuando: Cualquiera que sea la distribución poblacional. Cuando la media poblacional siga una distribución t n-1. Cuando la distribución de la población sea discreta. Cuando la distribución de la variable aleatoria que caracteriza a la población se comporte según una ley normal.

Elegir la afirmación correcta sobre el objetivo fundamental de la inferencia: Caracterizar una muestra a partir de la población de la que procede. Caracterizar una población a través del estudio exhaustivo de todos sus miembros. Caracterizar una población a través del estudio de un subconjunto representativo de ella. Caracterizar una población a través de un censo.

Las características teóricas de una muestra aleatoria simple indican que disponemos de: Datos altamente significativos al ser recogidos de forma dirigida con técnicas simples. Datos dependientes al ser recogidos de manera aleatoria. Elementos muestrales que son variables aleatorias con una distribución de probabilidad idéntica a la poblacional. Elementos con las condiciones de cualquier muestreo sin reemplazamiento.

Supuesta una poblacional normal de la que se extrae una m.a.s., ¿qué situación obliga a utilizar para el estadístico estimador media muestral un modelo t en vez de n-1 una distribución Normal?. Que el tamaño muestral no es suficientemente pequeño. Que la varianza de la población es desconocida. No es posible aplicar el teorema central del límite. Ninguna de las anteriores.

Elija la afirmación correcta sobre el muestreo aleatorio simple. Sólo se considera un muestreo probabilístico cuando se efectúa con repetición. Sólo se considera un muestreo probabilístico cuando se efectúa sin repetición. Es un mecanismo subjetivo de selección muestral. Cada elemento muestral sigue la distribución de probabilidad de la población de partida.

¿Cuál es la distribución de la media muestral cualquiera que sea la distribución de la población (sólo conocemos la varianza de dicha población), y supuesta extraída una muestra aleatoria simple de tamaño 1000?. Es exactamente una Normal. Se aproxima, por el Teorema Central del Límite, a una t de Student. Se aproxima, por el Teorema Central del Límite, a una Normal. Ninguna de las anteriores.

Elegir la afirmación correcta. En una m.a.s. (con reemplazamiento) cada elemento de la población tiene diferente probabilidad de ser elegido. En una m.a.s. (con reemplazamiento) los elementos muestrales son independientes unos de otros. Es indiferente el tipo de muestreo utilizado siempre que la muestra se tome de la población adecuada. El m.a.s. es un muestreo no probabilístico.

Escoger la afirmación correcta respecto a la inferencia: Necesariamente las técnicas de estimación tienen objetivos no paramétricos. Necesariamente las técnicas de estimación tienen objetivos paramétricos. Las técnicas de estimación pueden tener objetivos paramétricos y no paramétricos. Necesariamente las técnicas de estimación tienen simultáneamente objetivos paramétricos y no paramétricos.

Escoger la afirmación correcta respecto a la inferencia: Necesariamente las técnicas de contrastación de hipótesis tienen objetivos no paramétricos. Necesariamente las técnicas de contrastación de hipótesis tienen objetivos paramétricos. Las técnicas de contrastación de hipótesis pueden tener objetivos paramétricos y no paramétricos. Necesariamente las técnicas de contrastación de hipótesis tienen simultáneamente objetivos paramétricos y no paramétricos.

Escoger la afirmación correcta respecto a la inferencia: La inferencia clásica usa sólo información muestral y trata los parámetros poblacionales como variantes. La inferencia clásica usa información no muestral y trata los parámetros poblacionales como variantes. La inferencia clásica usa sólo información muestral y trata los parámetros poblacionales como valores fijos siempre desconocidos. La inferencia clásica usa información no muestral y trata los parámetros poblacionales como valores fijos siempre desconocidos.

Escoger la afirmación correcta respecto a la inferencia: La inferencia bayesiana usa sólo información muestral y trata los parámetros poblacionales como variantes. La inferencia bayesiana usa información no muestral y trata los parámetros poblacionales como variantes. La inferencia bayesiana usa sólo información muestral y trata los parámetros poblacionales como valores fijos siempre desconocidos. La inferencia bayesiana usa información no muestral y trata los parámetros poblacionales como valores fijos siempre desconocidos.

Escoger la afirmación correcta respecto a la inferencia: Es más sencillo matemáticamente que las poblaciones sean finitas y discretas. Es más sencillo matemáticamente que las poblaciones sean infinitas y discretas. Es más sencillo matemáticamente que las poblaciones sean finitas y continuas. Es más sencillo matemáticamente que las poblaciones sean infinitas y continuas.

Escoger la afirmación falsa respecto a los problemas o desventajas de obtener información censal (recoger toda la información poblacional mediante censos): Suele asociarse a elevado costes y mucho tiempo. Aparecen errores en la recogida de información dado que es compleja por extensa. Aparecen errores de muestreo. No siempre viable por problemas de autodestrucción, indefinición, inestabilidad o cambio potencial en la población.

Escoger la afirmación falsa respecto a los problemas o desventajas de obtener y utilizar información muestral (recoger información por muestreo para después hacer inferencias sobre la población): Suele necesitarse personal especializado para el análisis. Las conclusiones son inseguras e imprecisas. Aparecen errores de muestreo por variablidad muestral. Aparecen costes de trabajo de campo por complejidad en la selección muestral superiores a los que se dan en el trabajo de campo si se desea información censal de toda la población.

Escoger la afirmación correcta respecto al muestreo probabilístico: Sus estimaciones siempre son ciertas. Los resultados de las estimaciones son valorables. Los resultados de las estimaciones son mejores debido a que lo hacen personas especializadas mediante técnicas subjetivas. Ninguna de las afirmaciones anteriores es correcta.

Escoger la afirmación correcta respecto al muestreo no probabilístico: Sus estimaciones siempre son ciertas. Los resultados de las estimaciones son valorables. Los resultados de las estimaciones son mejores debido a que lo hacen personas especializadas mediante técnicas subjetivas. Ninguna de las afirmaciones anteriores es correcta.

Escoger la afirmación correcta: Un estimador es un parámetro “a priori”. Un estimador es cualquier función muestral que incluya parámetros en su “expresión”. Un estimador es un estadístico “a posteriori”. Ninguna de las afirmaciones anteriores es correcta.

Dada una población de media 3 y varianza 4, si se extrae una m.a.s. de tamaño 4 cómo será el comportamiento de la media muestral. Escoger la afirmación correcta: Una variante de media 3, varianza 4 y modelo desconocido. Una variante de media 3, varianza 1 y modelo aproximadamente normal (converge en distribución según el TCL). Una variante de media 3, desviación típica 1 y modelo desconocido. Ninguna de las afirmaciones anteriores es correcta.

Escoger la afirmación falsa: La distribución del estadístico depende de la población de origen. La distribución del estadístico depende del parámetro a estimar. La distribución del estadístico depende del tipo de muestreo. La distribución del estadístico depende de la forma de su función.

Dada una población de media 3 y varianza 4, si se extrae una m.a.s. de tamaño 4 cómo será el comportamiento de la varianza muestral. Escoger la afirmación correcta: Una variante de media 3 y modelo desconocido (falta información sobre modelo poblacional). Una variante de media 4 y modelo desconocido (falta información sobre modelo poblacional). No se puede calcular la media o esperanza de la variante varianza muestral ya que falta información (no se conoce el modelo poblacional). Ninguna de las afirmaciones anteriores es correcta.

Dada una población de media 3 y varianza 4, si se extrae una m.a.s. de tamaño 400 cómo será el comportamiento de la media muestral. Escoger la afirmación correcta: Una variante de media 3, varianza 0,1 y modelo desconocido. Una variante de media 3, varianza 0,01 y modelo aproximadamente normal (converge en distribución según el TCL). Una variante de media 3, desviación típica 0,01 y modelo desconocido. Ninguna de las afirmaciones anteriores es correcta.

Dada una población Normal de media 3 y varianza 4, N(3,2), si se extrae una m.a.s. de tamaño 4 cómo será el comportamiento de la media muestral. Escoger la afirmación correcta: Una variante de media 3, varianza 1 y modelo desconocido. Una variante de media 3, varianza 1 y modelo aproximadamente normal (converge en distribución según el TCL). Una variante de media 3, desviación típica 1 y modelo normal. Ninguna de las afirmaciones anteriores es correcta.

Dada una población Normal de media 3 y varianza 4, N(3,2), si se extrae una m.a.s. de tamaño 4 cómo será el comportamiento de la varianza muestral. Escoger la afirmación correcta: Una variante de media 3, varianza 6 y modelo desconocido. Una variante de media 3, varianza 6 y modelo normal. Una variante de media 3, varianza 6 y modelo χ3. Ninguna de las afirmaciones anteriores es correcta.

Dada una población Binomial B(1, 1/2), si se extrae una m.a.s. de tamaño 2500 cómo será el comportamiento de la proporción muestral. Escoger la afirmación correcta: Una variante de media 1/2, varianza 1/10000 y modelo desconocido. Una variante de media 1/2, varianza 1/10000 y modelo normal. Una variante de media 1/2, varianza 1/10000 y modelo aproximadamente normal. Ninguna de las afirmaciones anteriores es correcta.