ESTADISTICA I - Bimestre II

La medida de dispersión que permite conocer que el 25% de las observaciones son menores que él y que el 75% de las observaciones se encuentran sobre el mismo, se denomina: Q1. P1. D1.

Las medidas que dividen al conjunto de datos en cien partes iguales, son los: deciles. cuartiles. percentiles.

La medida de dispersión que es útil para comparar distribuciones expresadas en diferentes unidades es: la desviación media. la varianza. el coeficiente de variación.

Una de las siguientes medidas, no corresponde al conjunto de medidas de dispersión: rango o recorrido. desviación media. media ponderada.

Para su cálculo, es necesario considerar las diferencias entre la media aritmética y cada uno de los valores en términos absolutos: desviación media absoluta. coeficiente de variación. desviación típica o estándar.

La determinación de los valores correspondientes, sigue la misma metodología que el cálculo de la mediana: cuartiles, deciles y percentiles. desviación típica o estándar. varianza.

El promedio de las distancias entre los valores observados y la media aritmética, constituye la: amplitud de variación. desviación media. desviación típica o estándar.

En cualquier distribución simétrica, aproximadamente el 68% de observaciones se encontrarán entre: más y menos una desviación estándar respecto a la media. más y menos dos desviaciones estándar respecto a la media. más y menos tres desviaciones estándar respecto a la media.

Las probabilidades clásica y empírica, se originan en el enfoque: subjetivo. objetivo. binomial.

Aquel tipo de probabilidad que parte del supuesto de que los resultados de un experimento son igualmente posibles, se denomina: clásica. empírica. subjetiva.

Al calcular el valor de una probabilidad, ésta puede tomar valores entre cero y: uno. diez. infinito.

Cuando la probabilidad se basa en cualquier información disponible, nos estamos refiriendo a la probabilidad: subjetiva. clásica. empírica.

La regla especial de multiplicación en el cálculo de probabilidades, se expresa como: P(A o B) = P(A) + P(B). P(A y B) = P(A) P(B). P(A o B) = P(A) + P(B) – P(A y B).

Al lanzar una moneda, los eventos cara y sello, se caracterizan por ser eventos: independientes. mutuamente excluyentes. dependientes.

La probabilidad de que al lanzar una moneda, su resultado sea una “cara”, es: 1. 2. 1/2.

Al lanzar un dado, la probabilidad de que el número resultante sea un “tres”, es igual. 1/2. 1/3. 1/6.

Para aplicar la regla especial de la adición, los eventos deben ser: independientes. mutuamente excluyentes. dependientes.

Si dos eventos no son independientes, para determinar la probabilidad conjunta de dichos eventos, se debe utilizar la regla: especial de multiplicación. general de multiplicación. especial de adición.

Cuando no interesa el orden en el que se presentan los objetos seleccionados de un conjunto total, se utiliza: permutaciones. combinaciones. diagrama de árbol.

Cuando los eventos se presentan en dos o más etapas, es conveniente trabajar con: reglas de adición. reglas de multiplicación. diagrama de árbol.

La distribución de probabilidad hipergeométrica, se aplica cuando: los ensayos son independientes. la variable aleatoria cambia en cada ensayo. los muestreos se realizan en una población finita.

Para encontrar la media de una distribución de Poisson, debemos emplear la siguiente fórmula: µ = n/π. µ = nπ. µ = n+π.

Para el cálculo de la probabilidad binomial se utilizan: permutaciones. combinaciones. cuartiles.

El factorial de 4, es: 24. 10. 12.

Cuando las pruebas no son independientes, la distribución de probabilidad a utilizarse es: Hipergeométrica. Binomial. De Poisson.

El producto entre el número de eventos y las probabilidades de éxito y fracaso, en una distribución de probabilidad binomial, nos da como resultado el valor de la. desviación típica o estándar. media aritmética. varianza.

Cuando se trabaja en intervalos definidos de espacio o tiempo es aconsejable el uso de la distribución de probabilidad: De Poisson. Hipergeométrica. Binomial.

Una de las características de la distribución de probabilidad de Poisson, indica que la variable: es continua. se mueve en un intervalo de tiempo o espacio. es de tipo cualitativo.

Al mencionar que describe el número de veces que se presenta un evento durante un intervalo específico que puede ser de tiempo, distancia, área o volumen, nos estamos refiriendo a la probabilidad: Binomial. Hipergeométrica. De Poisson.

En una tabla de distribución de probabilidades, se considera el concepto de frecuencia. absoluta simple. relativa simple. absoluta acumulada.

En la distribución de probabilidad de Poisson, la media y la varianza son: iguales. diferentes. no hay relación.

La ley de los eventos improbables, se establece cuando la probabilidad de éxito es: grande y n es pequeña. muy pequeña y n es grande. es pequeña y n también lo es.

El área total bajo la curva normal es: 0,5. 1. 0,25.

El factor de corrección por continuidad, consiste en: multiplicar el valor de la variable por la frecuencia relativa. dividir el valor de la variable para el número de sucesos posibles. sumar o restar 0,5 a los valores de la variable según sea el requerimiento.

En la distribución de probabilidad normal estándar, la desviación estándar es de: 0. 1. 0,5.

Para la probabilidad de que por lo menos ocurra X, se utiliza el área por encima de: X + 0,5. X – 0,5. X ± 0,5.

El número de distribuciones normales es: limitado. ilimitado. nulo.

El área de la curva normal a cada uno de los lados de la media aritmética es: 50%. 25%. 100%.

El área bajo la curva normal a cada uno de los lados de la media, es: 10%. 25%. 50%.

Cuando el valor de Z es 1 y el área bajo la curva normal es 0,3413 , para hallar la probabilidad de que el valor sea mayor que 1, debemos: sumar 0,5 al 0,3413. restar 0,3413 de 0,5. considerar como resultado el 0,3413.

Una de las dificultades que presenta para su análisis, es que su resultado viene expresado en unidades cuadráticas: desviación típica o estándar. varianza. coeficiente de variación.

La falta de simetría en la distribución de un conjunto de datos, demuestra que los datos son: simétricos. asimétricos. normales.

La relación descrita entre las medidas es correcta, porque los valores calculados son iguales: D1 = P10. Q1 = P10. D2 = P50.

Cuando se toma en cuenta los valores absolutos de las diferencias entre cada uno de los valores observados con respecto a la media aritmética, estamos calculando la: desviación estándar. desviación media. varianza.

La probabilidad que se basa en el número de veces que ocurra un evento como proporción del número de intentos conocidos, se denomina: clásica. empírica. subjetiva.

La regla general de multiplicación que se refiere a eventos que no son independientes, se expresa como: P(A y B) = P(A) P(B). P(A y B) = P(A) P(B|A). P(A o B) = P(A) + P(B).

La probabilidad de obtener una “cara” al lanzar una moneda, es un ejemplo de probabilidad: clásica. subjetiva. empírica.

Al lanzar un dado, la probabilidad de que el número extraído sea un 8, es: 1/8. 0. 8.

Al lanzar una moneda, el evento de extraer una cara, se encuentra en el conjunto de: resultados posibles. resultados favorables. total de observaciones.

Si se lanza una moneda 2 veces, la probabilidad de que salga cara y cara, nos indica que los eventos son: excluyentes. dependientes. independientes.

En la distribución de probabilidad binomial, la media aritmética se calcula a través de la siguiente fórmula: µ = n/π. µ = nπ. µ = n+π.

Para que sea aplicable la distribución de probabilidad hipergeométrica, la relación entre la población y la muestra debe ser: n/N < 0,05. n/N > 0,05. n/N = 0,05.

La distribución de probabilidad binomial, se aplica cuando entre otras características, se cumple que: la variable es continua. existen dos resultados posibles éxito o fracaso. la variable se mide en intervalos de tiempo.

En la distribución de probabilidad de Poisson, la media y la varianza se calculan con la misma fórmula, que dice: n*π. n+π. n/π.

Una característica de las distribuciones de probabilidad, indica que los resultados son eventos: mutuamente excluyentes. independientes. dependientes.

Una de las características de la distribución de probabilidad hipergeométrica, establece que la probabilidad de éxito, en cada ensayo es: la misma. diferente. proporcional a todo el conjunto.

La distribución de probabilidad hipergeométrica se caracteriza porque los ensayos son. dependientes. independientes. excluyentes.

Una de las cuatro condiciones de una distribución de probabilidad binomial, manifiesta que: solo hay dos posibles resultados. la probabilidad no es la misma de un evento a otro. las pruebas dependen unas de otras.

En la distribución de probabilidad normal, la media de la variable expresada en términos de Z, siempre será igual a: 0. 1. 0,5.

Si la media aritmética es igual a 30, la desviación estándar es igual a 4, entonces el valor de X = 20 en términos de Z será: 2,5. - 2,5. -5.

El valor que nos muestra la distancia entre un determinado valor y la media aritmética en términos de desviaciones estándar es: Z. µ. σ.

La curva normal se caracteriza por ser simétrica y por ello tiene la forma de: parábola. elipse. campana.

Al aplicar el factor de corrección por continuidad, se debe restar 0,5 al valor de X, cuando se desea establecer la probabilidad de que: ocurran más de X. por lo menos ocurra X. ocurran X o menos.

Para determinar el área entre dos puntos que se localizan al mismo lado de la media, se determinan los valores de Z y se: resta la probabilidad menor de la mayor. suman las probabilidades mayor y menor. divide la probabilidad menor para la mayor.

El resultado del coeficiente de Pearson, puede tomar valores entre: +3 y -3. +1 y -1. +2 y -2.

El valor del Coeficiente de Asimetría de Pearson, en una distribución simétrica será igual. cero. uno. tres.

El valor de la mediana, es igual a: D2; Q2; y P2. D5; Q2; y P25. D5; Q2; y P50.

La media en una distribución de probabilidad, se considera como el valor típico de un conjunto de eventos y por ello también se conoce como valor: esperado. representativo. único.

El número de alumnos que toman el curso de Estadística I, se considera como variable: continua. discreta. normal.

La distribución de probabilidad discreta en la que cada ensayo termina en solo uno de los resultados mutuamente excluyentes, se denomina: Normal. Binomial. De Poisson.

Para la probabilidad de que ocurra más que X, se utiliza el área por encima de: X + 0,5. X – 0,5. X ± 0,5.

Si la media aritmética es igual a 21, la desviación estándar es igual a 3, entonces el valor de X = 18 en términos de Z será: 1. -1. 0.

El área bajo la curva normal se caracteriza por ser. adimensional. dimensional. cuadrática.

Según la regla empírica, alrededor del 95% del área bajo la curva normal se encuentra. una desviación estándar de la media. dos desviaciones estándar de la media. tres desviaciones estándar de la media.

Cuando alrededor del 95% del área, se encuentra bajo la curva normal, significa que el valor de Z es: ± 1. ± 2. ± 3.

La medida de dispersión cuyo resultado se expresa en unidades cuadráticas, es la: desviación estándar. desviación media. varianza.

La medida que nos indica que las tres cuartas partes de las observaciones, se encuentran bajo ese valor y que la cuarta parte restante se encuentra sobre aquel valor, es el: D3. Q3. P3.

Es aquella medida que indica la amplitud de variación entre los valores observados en la investigación: rango o recorrido. desviación media. coeficiente de variación.

Cuando se trabaja con datos muestrales, en el cálculo de la desviación estándar, se debe dividir para: N. N - 1. N + 1.

Cuando nos referimos al proceso que induce a que ocurra una y sólo una de varias posibles observaciones, estamos definiendo un: evento. resultado. experimento.

La probabilidad condicional, significa que se está trabajando con: un evento. dos o más eventos. un resultado.

El número de combinaciones de tres elementos tomados tres a la vez, es igual a: 1. 3. 6.

La distribución de probabilidad hipergeométrica, se caracteriza porque la probabilidad de éxito: cambia en cada ensayo. permanece fija en todos los ensayos. no influye en el resultado final.

Se considera como una buena aproximación de la distribución normal a la binomial cuando, nπ y n(1 – π) son por lo menos: 5. 1. 10.

Uno de los tres enunciados siguientes no corresponde a las características de la distribución normal: tiene forma de campana. es asimétrica con respecto al origen. desciende suavemente en ambas direcciones del valor central.

El valor del percentil 75, nos indica que bajo ese valor se encuentra el: 25% de las observaciones. 50% de las observaciones. 75% de las observaciones.

Cuando la moda, es mayor a la mediana y mayor a la media aritmética, se dice que la distribución es: simétrica. asimétrica negativa. asimétrica positiva.

Al lanzar un dado, la probabilidad de que el resultado sea "dos" y número par, identifica eventos: mutuamente excluyentes. no excluyentes. dependientes.

El factorial de cero, por definición siempre será igual. cero. uno. infinito.

En la fórmula de cálculo de la distribución de probabilidad de Poisson, se utiliza el valor de e, que es igual a: 2,718281. 3,141592. 1.

Una de las siguientes características, identifica a un evento binomial: la distribución de probabilidad es normal. se utiliza cuando la variable es continua. la probabilidad de éxito se mantiene constante.

Una de las características de la distribución de probabilidad hipergeométrica, establece que la probabilidad de éxito: permanece constante. disminuye en cada ensayo. cambia de ensayo a ensayo.

La distribución de probabilidad en la que la probabilidad de ocurrencia de un evento es proporcional al tamaño del intervalo, se denomina distribución de probabilidad: Binomial. De Poisson. Hipergeométrica.

Cuando nos referimos a la distribución de probabilidad que se caracteriza por ser simétrica con respecto a su media, estamos hablando de la distribución de probabilidad: Normal. Binomial. Hipergeométrica.

Una distribución normal, se caracteriza porque la variable aleatoria Z , siempre tiene: media = 0 y desviación estándar = 1. media = 1 y desviación estándar = 0. media y desviación estándar = 0.

En un problema en el que n es 6 y se solicita encontrar la probabilidad de que por lo menos se presenten 4 casos, debería. sumar las probabilidades correspondientes a 4, 5 y 6. identificar la probabilidad de 4. sumar las probabilidad de 0 hasta 4.

La distribución de Poisson es una familia de distribuciones: Discretas. Continuas. Aleatorias.

Una de las siguientes distribuciones de probabilidad, no es distribución de probabilidad discreta: Binomial. Hipergeométrica. Normal.

El valor de la mediana de un conjunto de valores es equivalente, a los valores del cuartil 2, decil 5 y: Percentil 50. Percentil 25. Decil 2.

La probabilidad que considera el número de veces que ocurre el evento y el número total de observaciones, se denomina probabilidad: clásica. empírica. subjetiva.

Si lanzamos un dado, la probabilidad de que el resultado sea el número “dos”, es: 1/6. 1. 1/2.

El área bajo la curva normal cuando Z = -2, es (utilice la tabla de áreas bajo la curva normal que se encuentra en el texto): 0.4987. 0.0120. 0.4772.

El área bajo la curva normal cuando Z = -3, es (utilice la tabla de áreas bajo la curva normal que se encuentra en el texto): 0.4987. 0.0120. 0.1179.

Indica que las tres cuartas partes de las observaciones se encuentran bajo ese valor y la cuarta parte restante sobre el mismo: D3. D4. Q3.

El número de combinaciones de cinco objetos tomados de tres en tres es igual a: 10. 60. 15.

El número de permutaciones de cinco objetos tomados de tres en tres es igual a: 10. 60. 15.

La probabilidad de que al extraer una carta de una baraja de 52, sea un as de trébol, resulta ser igual a. 4/52. 1/52. 13/52.

La probabilidad de que al lanzar un dado, el resultado que se obtenga sea el número 4, es igual a: 1/2. 1/3. 1/6.

Al lanzar un par de dados una sola vez, la probabilidad de obtener un 2 en el primer dado y un 4 en el segundo, es de: 1/36. 2/36. 1/6.

En un evento binomial, si la probabilidad de éxito es 0,20 de un conjunto de 9 observaciones, el resultado de que se presenten exactamente 5, es igual a: 0,983. 0,017. 0,483.

El área bajo la curva normal a cada uno de los lados de la media, es: 10%. 25%. 50%.

Si la media aritmética de un conjunto de datos es 100 y la desviación estándar es 16, para un valor de 132, la referencia tipificada o valor de Z, es igual a: 2. – 2. 1,16.

Al aplicar el factor de corrección por continuidad, se debe restar 0,5 al valor de X, cuando se desea establecer la probabilidad de que: Ocurran más de X. Por lo menos ocurra X. Ocurran X o menos.

Las medidas de dispersión, son útiles para comparar la dispersión de dos o más distribuciones. V. F.

A la diferencia entre cada valor observado con respecto a la media aritmética calculada se le denomina desviación. V. F.

La amplitud de variación o intervalo de variación, es una medida de dispersión que nos permite conocer el recorrido de una variable desde el menor valor hasta su máximo. V. F.

Una de las ventajas de la desviación media, consiste en que para su cálculo utiliza todos los valores en la muestra. V. F.

La varianza como medida de dispersión se utiliza para comparar la diferencia o variación en dos o más conjuntos de datos. V. F.

La desviación estándar de un conjunto de valores no puede ser negativa. V. F.

La desviación estándar de un conjunto de datos, se la establece extrayendo la raíz cuadrada del valor obtenido como varianza. V. F.

El coeficiente de variación, se expresa en términos de las unidades medidas por la variable y corresponde al cociente entre la media aritmética y la desviación estándar. V. F.

De acuerdo al Teorema de Chebyshev, el 88,9% de los valores, estarán entre la media más o menos tres desviaciones estándar. V. F.

Los cuartiles son aquellas medidas de dispersión en las que se divide en 10 partes iguales a un conjunto de valores. V. F.

El valor del decil 5, se puede interpretar como que bajo ese valor se encuentran 5 observaciones. V. F.

El primer cuartil, es aquel valor bajo el cual se encuentra el 75% de observaciones y sobre el mismo se ubican el 25% restante de las observaciones. V. F.

El cuartil 2, es igual al valor de la mediana e igual al percentil 50 y decil 5. V. F.

La inferencia estadística, se ocupa de obtener conclusiones acerca de una muestra basándose en las características de la población. V. F.

La probabilidad de un evento cuyo valor es igual a cero, representa la certeza de que dicho evento no se puede presentar. V. F.

La probabilidad puede ser analizada desde el punto de vista objetivo y subjetivo. La probabilidad subjetiva a la vez puede subdividirse en probabilidad clásica y empírica. V. F.

En el caso de las probabilidades, un evento viene a ser aquel suceso particular de un experimento. V. F.

La probabilidad clásica, hace referencia a que los resultados de un experimento son igualmente posibles. V. F.

Un conjunto de eventos se considera como colectivamente exhaustivo, cuando la ocurrencia de un evento implica que ninguno de los otros puede ocurrir al mismo tiempo. V. F.

Las reglas de adición se aplican a la unión de eventos, mientras que las reglas de multiplicación se refieren al producto de eventos. V. F.

Cuando dos eventos son mutuamente excluyentes, la regla general de adición se puede expresar de la siguiente forma P(A o B) = P(A) + P(B) – P(A y B). V. F.

La regla de multiplicación cuando los eventos son independientes, se puede expresar como P(A y B) = P(A) P(B). V. F.

La regla del complemento se utiliza para determinar la probabilidad de que ocurra un evento restando de 1 la probabilidad de que el evento no ocurra. V. F.

Se considera como probabilidad condicional a aquella probabilidad de que ocurra un evento determinado dado que otro evento ya ha sucedido. V. F.

La combinación es un arreglo o disposición de r objetos seleccionados de un solo grupo de n objetos posibles. V. F.

Los eventos son excluyentes si la ocurrencia de uno no afecta la ocurrencia del otro. V. F.

El símbolo nPr, se lee: permutación de n elementos, seleccionados r a la vez. V. F.

Si en un conjunto de datos, se selecciona un grupo de objetos en donde es importante el orden en e que se presentan, entonces esa selección se denomina combinación. V. F.

El valor esperado de una distribución de probabilidad, es el promedio ponderado en el que los valores posibles se ponderan mediante sus probabilidades de ocurrencia. V. F.

Si los valores que puede tomar una variable son discretos, entonces también se puede trabajar con una distribución de probabilidad discreta. V. F.

Una distribución de probabilidad, se caracteriza porque en todos los ensayos la probabilidad de éxito es diferente y por ende lo será la probabilidad de fracaso. V. F.

La distribución de probabilidad binomial, se caracteriza, porque la variable aleatoria cuenta el número de éxitos en una cantidad fija de ensayos. V. F.

El cálculo de la probabilidad binomial, utiliza el concepto de combinaciones. V. F.

En una distribución de probabilidad binomial, los ensayos son dependientes, esto significa que el resultado de un ensayo afecta al resultado de algún otro. V. F.

En una distribución de probabilidad binomial, la suma del producto entre la variable y su probabilidad, nos da como resultado la media de la distribución. V. F.

En las distribuciones de probabilidad de Poisson y binomial, las probabilidades de éxito son variables de acuerdo al evento que se establece. V. F.

La distribución de probabilidad de Poisson, se utiliza para experimentos en los que el número de eventos es muy pequeño y la probabilidad de éxito es muy grande. V. F.

La distribución de probabilidad de Poisson, es útil para hacer análisis de control de calidad y se caracteriza porque la probabilidad de ocurrencia de un evento es muy pequeña. V. F.

En una distribución de probabilidad de Poisson, la media y la varianza son iguales al tamaño muestral multiplicado por la probabilidad de éxito. V. F.

Uno de los criterios para utilizar la distribución de probabilidad hipergeométrica establece que se lo hará si el tamaño de la muestra n es mayor que 5% del tamaño N de la población. V. F.

Cuando se trabaja con variables continuas, se debe calcular la distribución de probabilidad normal. V. F.

La distribución de probabilidad normal es simétrica con respecto a la media. V. F.

La distribución normal y su correspondiente curva normal, tiene como característica que es asimétrica con respecto a su media. V. F.

Alrededor del 95% del área bajo la curva normal, está entre la media más una y menos una desviación estándar: µ ± 1δ. V. F.

La distribución de probabilidad normal, se caracteriza por ser asimétrica positiva o negativa y el área bajo la curva será +1 o -1, según la asimetría. V. F.

En una distribución normal, siempre la media es menor que la mediana y la moda. V. F.

La media aritmética en una curva normal, expresada en términos de Z es igual a cero. V. F.

Cuando los valores de n van aumentando, se recomienda no trabajar con la aproximación normal a la binomial. V. F.

Para la probabilidad de que “por lo menos ocurra X”, se usa el área sobre los valores menores que (X – 0,5). V. F.

Para la probabilidad de que “ocurran menos de X”, se usa el área sobre los valores mayores que (X – 0,5). V. F.

Las medidas de dispersión permiten analizar el grado de separación que existe entre los valores con respecto a un valor dado. V. F.

Una de las características de la desviación media consiste en que para su cálculo utiliza todos los valores en la muestra o población. V. F.

El rango o recorrido es una de las medidas de dispersión que nos indica el recorrido de la variable analizada. V. F.

La desviación media utiliza valores absolutos por cuanto de no ser así la sumatoria de los resultados sería cero. V. F.

La varianza como medida de dispersión, se utiliza para comparar la diferencia o variación en dos o más conjuntos de observaciones. V. F.

Para calcular la desviación estándar de un conjunto de datos se extrae la raíz cuadrada de la varianza. V. F.

El coeficiente de variación, permite comparar la dispersión de dos conjuntos de valores cuyas variables tienen unidades de medida diferentes. V. F.

El coeficiente de variación constituye el cociente entre la media aritmética para la desviación estándar, expresada como un porcentaje. V. F.

Por la regla empírica, se puede decir que el 68% de observaciones se encuentra entre más 2 y menos 2 desviaciones estándar con respecto a la media aritmética. V. F.

El cálculo de deciles, centiles y percentiles, sigue el mismo procedimiento de la media aritmética. V. F.

El primer cuartil, es aquel valor bajo el cual se encuentra el 75% de observaciones y sobre el mismo se ubican el 25% de las observaciones. V. F.

El cuartil 2 es igual al valor de la mediana e igual al percentil 5O y decil 5. V. F.

Si los valores calculados de la media aritmética, mediana y moda son iguales, significa que el conjunto de datos se encuentra distribuido de forma asimétrica. V. F.

El empleo de la teoría de la probabilidad, permite analizar los riesgos y reducir el peligro existente al tomar decisiones. V. F.

Cuando la probabilidad de ocurrencia de un evento es 1 o cercana a 1, significa que el evento muy difícilmente se puede presentar. V. F.

El concepto de probabilidad objetiva se subdivide en probabilidad clásica y probabilidad empírica. V. F.

El lanzamiento de una moneda es un ejemplo de eventos mutuamente excluyentes. V. F.

Un evento se caracteriza por ser mutuamente excluyente porque su ocurrencia implica que ningún otro evento se puede presentar al mismo tiempo. V. F.

Al lanzar un dado, los eventos de que se presenten "un número par" y "los números 2, 4 o 6" son eventos mutuamente excluyentes. V. F.

Si la ocurrencia de un evento impide que otro se presente al mismo tiempo, estamos refiriéndonos a eventos independientes. V. F.

La regla general de la adición se refiere a los eventos que son mutuamente excluyentes y se escribe de la siguiente manera: P(A o B) = P(A) + P(B). V. F.

La combinación es un arreglo o disposición de r objetos seleccionados de un solo grupo de n objetos posibles. V. F.

Por definición, siempre el factorial de cero será igual a -1. V. F.

Los eventos son excluyentes, si la ocurrencia de uno no afecta la ocurrencia del otro. V. F.

Una permutación, es un arreglo en el cual es importante el orden de los objetos seleccionados de un conjunto determinado de objetos. V. F.

Una combinación, es un arreglo en el que no es importante el orden de los objetos seleccionados de un grupo específico de ellos. V. F.

El símbolo nPr, se lee permutación de n elementos seleccionados r a la vez. V. F.

Una variable aleatoria que es el resultado de un experimento o que debido al azar puede tomar valores diferentes, solamente se puede considerar como discreta, pero no como continua. V. F.

En una distribución de probabilidad, también se pueden extraer los valores de la varianza y la desviación estándar. V. F.

En una distribución de probabilidad, la media aritmética se conoce como valor esperado. V. F.

Una de las características de la distribución de probabilidad binomial es que la probabilidad de éxito permanece igual en todos los ensayos. V. F.

Una característica de la distribución de probabilidad binomial, consiste en que los ensayos son independientes, esto es, que el resultado de un ensayo no afecta al resultado de algún otro. V. F.

Para calcular la probabilidad binomial, se debe aplicar el concepto de las permutaciones. V. F.

Cuando se selecciona una muestra de una población finita, sin reposición, es aconsejable aplicar la distribución de probabilidad hipergeométrica. V. F.

Uno de los criterios para utilizar la distribución de probabilidad hipergeométrica, establece que se lo hará si el tamaño de la muestra n es mayor que el 5% del tamaño N de la población. V. F.

La distribución de Poisson, es utilizada como modelo para describir la distribución de errores en la captura de datos. V. F.

La distribución de probabilidad de Poisson, se basa en el supuesto que los intervalos son independientes, esto es cuanto mayor sea la extensión del intervalo, mayor será la probabilidad. V. F.

La distribución de probabilidad normal, es una distribución discreta en la que la media siempre será mayor que la mediana y la moda. V. F.

Una distribución de probabilidad normal se caracteriza por ser asintótica, esto significa que la curva se aproxima al eje X pero nunca lo toca. V. F.

A través de las medidas de dispersión se puede realizar el análisis del grado de separación entre los valores de un conjunto de datos. V. F.

Según la necesidad del investigador existen diferentes medidas de dispersión que son útiles de acuerdo a las características puntuales de cada una de ellas. V. F.

Mientras más grande sea el resultado obtenido de una medida de dispersión, significa que más compactos se encuentran los valores de un conjunto de datos. V. F.

El rango o amplitud de variación, permite identificar el número de puestos que recorre una variable desde el menor valor hasta el valor máximo. V. F.

Para establecer el valor de la desviación media absoluta, se deben considerar los valores absolutos de las diferencias entre cada uno de los valores registrados y la media aritmética del conjunto de datos. V. F.

Un valor absoluto es aquel que considera el signo de la relación matemática entre los valores correspondientes. V. F.

La varianza es el resultado de extraer la raíz cuadrada de la desviación media o estándar. V. F.

El resultado de calcular el coeficiente de asimetría de Pearson, debe encontrarse entre -1 y 1. V. F.

Una de las características de la desviación media, establece que solamente considera los valores mínimo y máximo del conjunto y no trabaja con todos los valores. V. F.

El coeficiente de variación, es útil para comparar entre dos o más conjuntos de datos aunque correspondan a diferentes variables. V. F.

Para calcular el coeficiente de variación, se debe dividir la media aritmética del conjunto de datos para su correspondiente desviación típica y luego multiplicarlo por 100 para expresarlo como porcentaje. V. F.

Los cuartiles, deciles y percentiles, se constituyen en medidas similares a la mediana y permiten establecer la posición de un determinado valor. V. F.

El cuartil 1 nos indica que bajo ese valor se encuentra el 75% de observaciones o datos y que sobre ese valor se encuentra el 25% restante. V. F.

El cálculo de los cuartiles, lleva el mismo procedimiento que se desarrolla para el cálculo de la mediana. V. F.

Una de las dificultades con la varianza, es que no se puede interpretar directamente su resultado porque viene expresado en términos cuadráticos. V. F.

Los percentiles son aquellos que dividen al conjunto en 10 partes iguales y cada una de estas partes representa el 1%. V. F.

Los eventos se consideran como mutuamente excluyentes, cuando la presencia de uno impide que se presente otro al mismo tiempo. V. F.

El concepto de probabilidades se puede identificar desde dos puntos de vista: objetivo y subjetivo. V. F.

Dos eventos se consideran como mutuamente excluyentes, cuando la ocurrencia de uno depende de lo que haya sucedido antes. V. F.

El resultado de calcular la probabilidad de un evento, puede encontrarse entre -3 y 3. V. F.

En la probabilidad clásica, los eventos pueden ser mutuamente excluyentes y colectivamente exhaustivos. V. F.

La regla especial de la adición en las probabilidades, se utiliza cuando los eventos son inclusivos. V. F.

Un evento es independiente cuando la presencia de uno, impide que otro se pueda presentar. V. F.

La regla general de adición en el cálculo de las probabilidades conjuntas, se aplica cuando los eventos no son mutuamente excluyente, o denominados también inclusivos. V. F.

Si se requiere seleccionar un número de objetos tomados de un conjunto general y en el mismo es importante el orden en el que se presentan los objetos seleccionados, se utiliza el concepto de las permutaciones. V. F.

Por definición, el factorial de cero, es igual al infinito. V. F.

La media aritmética de una distribución de probabilidad, se obtiene de la sumatoria del cociente entre el evento y su probabilidad de ocurrencia. V. F.

Un experimento binomial se caracteriza porque en cada uno de los ensayos, la probabilidad de éxito se mantiene constante. V. F.

La media de una distribución de probabilidad discreta, se calcula a través del producto entre el valor de la variable y su probabilidad de éxito. V. F.

Cuando la probabilidad de éxito en los diferentes eventos o ensayos no se mantiene constante, se debe aplicar la distribución de probabilidad binomial. V. F.

Una distribución de probabilidad binomial se caracteriza porque la probabilidad de éxito o fracaso es igual para cada uno de los eventos. V. F.

En la distribución de probabilidad hipergeométrica, la probabilidad de éxito de cada evento no permanece constante. V. F.

Para calcular una probabilidad binomial, es necesario utilizar el concepto de las permutaciones de n objetos tomados r a la vez. V. F.

La media aritmética, en el ámbito de las probabilidades, también se conoce como valor esperado. V. F.

En la distribución de probabilidad de Poisson, una de las características del mismo establece que los intervalos no se superponen y son independientes. V. F.

La distribución de probabilidad normal es una distribución discreta en la que la media siempre será mayor que la mediana y la moda. V. F.

La distribución normal es simétrica con respecto a la media, es decir si se corta la curva normal en el valor central, ambas mitades serán como imágenes en el espejo. V. F.

Una distribución de probabilidad normal se caracteriza por ser simétrica y su representación gráfica viene dada a través de una curva en forma de campana. V. F.

Una buena aproximación de la distribución normal a la binomial se logra cuando nπ y n(1 – π), son por lo menos 10. V. F.

Las medidas de dispersión nos permiten conocer el nivel de concentración de un conjunto de datos alrededor de un valor de referencia. V. F.

Para calcular la desviación media, es necesario considerar los valores absolutos de las diferencias entre cada valor con respecto a la media aritmética. V. F.

La varianza se puede encontrar extrayendo la raíz cuadrada de la desviación típica o estándar. V. F.

La desviación típica puede considerarse como una medida de mayor precisión que la desviación media. V. F.

El coeficiente de variación permite comparar la dispersión relativa existente entre grupos de datos diferentes, inclusive en su unidad de medida. V. F.

Un conjunto de datos simétrico es aquel cuya media aritmética es menor que la mediana y que la moda. V. F.

El coeficiente de Pearson, puede tomar valores entre -3 y 3. V. F.

Los cuartiles, deciles y percentiles, son medidas que nos permiten establecer la posición de un determinado valor. V. F.

El cuartil 2 es igual al valor de la mediana, al decil 5 y al percentil 50. V. F.

Para calcular los valores de cuartiles, deciles o percentiles, primero se debe localizar la posición del dato que contiene el valor de la medida a encontrarse. V. F.

El concepto de probabilidad hace referencia a la cuantificación de un evento que pudiera presentarse o no. V. F.

La certeza de que un evento pudiera tener un resultado exitoso es igual a cero, mientras que la probabilidad de certeza de que un evento tenga un resultado desfavorable es igual a uno. V. F.

La probabilidad se puede calcular a través del cociente entre los resultados posibles para los resultados favorables a un evento. V. F.

Se dice que dos o más eventos resultan ser mutuamente excluyentes cuando la presencia de uno impide que otro se presente al mismo tiempo. V. F.

La probabilidad empírica también se conoce como probabilidad relativa ya que representa la fracción de eventos similares que sucedieron en el pasado. V. F.

La regla especial de adición se utiliza cuando los eventos son mutuamente excluyentes. V. F.

La regla general de la multiplicación se aplica cuando dos o más eventos son independientes. V. F.

El diagrama de árbol nos ayuda a calcular las probabilidades cuando estos implican la existencia de varias etapas. V. F.

Las combinaciones son útiles cuando al determinar el número de casos que se pueden presentar interesa mucho el orden en el que se muestren los objetos seleccionados. V. F.

En las permutaciones no interesa el orden en el que se presentan los objetos sino que se tienen que presentar una sola vez. V. F.

Las distribuciones de probabilidad llevan el mismo concepto y características de las distribuciones de datos. V. F.

Una distribución de probabilidad binomial se caracteriza porque los resultados son eventos mutuamente excluyentes. V. F.

La media de una distribución de probabilidad, también se conoce como el valor esperado y es igual a la sumatoria del producto de la variable por la probabilidad de ella. V. F.

En el caso de las distribuciones de probabilidad no es necesario identificar la desviación típica o estándar, ya que la varianza no viene expresada en unidades cuadráticas. V. F.

En las distribuciones de probabilidad binomial existen solamente dos resultados posibles para cada evento, éxito o fracaso. V. F.

En las distribuciones de probabilidad binomial, la probabilidad de éxito para cada uno de los eventos, no permanece constante debido a que los eventos se realizan sin reemplazamiento. V. F.

Otra de las características de la probabilidad binomial consiste en que si el valor de n va creciendo mientras que el valor de π, permanece constante, la forma de la distribución va siendo más simétrica. V. F.

Cuando el tamaño de la población es finito se debe preferir el uso de la probabilidad binomial ya que la probabilidad hipergeométrica es utilizada más bien cuando la población es infinita. V. F.

La distribución de probabilidad de Poisson se caracteriza porque en ella los intervalos se superponen y son dependientes. V. F.

La distribución de probabilidad de Poisson, siempre tiene sesgo positivo. V. F.

Una variable continua se caracteriza porque puede existir una gran cantidad de valores intermedios entre dos valores consecutivos. V. F.

Dentro de las distribuciones de probabilidad continua se pueden identificar las distribuciones de probabilidad uniforme. V. F.

La distribución de probabilidad normal se caracteriza por ser asimétrica positiva, ya que siempre la media aritmética es mayor que cualquier otro valor. V. F.

Una distribución de probabilidad normal se caracteriza porque se distribuye con media igual a 0 y varianza igual a 1, en términos de referencia tipificada o valores de Z. V. F.

Las probabilidades normales se calculan primero transformando los valores de X a valores de Z o valores tipificados. V. F.

Por regla general se puede afirmar que el 68% de las observaciones se encuentran entre la media (µ) ± 2σ. V. F.

Una probabilidad normal es considerada como una buena aproximación a la distribución binomial cuando los productos nπ y n(1 – π), son por lo menos igual a 10. V. F.

Para aproximar una probabilidad normal a una distribución de probabilidad binomial, primero se debe realizar la corrección de continuidad de la variable. V. F.

Si se trata de calcular la probabilidad de “por lo menos ocurra X”, entonces a la variable se le debe sumar 0,5. V. F.

En la aproximación normal a la binomial, también se deben satisfacer las cuatro características básicas de la probabilidad binomial, en donde una de ellas dice que la probabilidad de éxito se mantiene para cada una de las pruebas. V. F.