Estadística Tema 1

La estadística descriptiva tiene como objetivo principal: Inferir resultados. Contrastar hipótesis. Resumir y describir datos. Predecir valores futuros.

La población estadística es: Una muestra. El conjunto total de elementos estudiados. Un subconjunto. Una variable.

Una muestra es: Toda la población. Un subconjunto de la población. Una variable. Un parámetro.

El tamaño de la población se suele representar por: N. n. k. f.

Los datos estadísticos pueden obtenerse mediante: Encuestas. Experimentos. Observación. Todas.

Una variable estadística es: Un individuo. Una característica observable. Un parámetro. Una frecuencia.

Una variable cuantitativa es aquella que: No se puede medir. No es numérica. Toma valores numéricos. Es siempre continua.

Una variable cualitativa es: Numérica. Medible. Categórica. Continua.

El color de ojos es una variable: Cuantitativa. Cualitativa. Continua. Discreta.

La estatura es una variable: Cualitativa. Cuantitativa continua. Cuantitativa discreta. Ordinal.

Las variables cualitativas ordinales: No tienen orden. Tienen orden natural. Son numéricas. Son discretas.

El número de hijos es una variable: Cualitativa. Continua. Cuantitativa discreta. Ordinal.

La frecuencia absoluta ni es: La proporción. El número de veces que aparece un valor. La acumulada. El porcentaje.

La frecuencia relativa fi se calcula como: ni . N. ni / N. N / ni. ni + N.

La suma de las frecuencias relativas es: N. 0. 1. 100.

La frecuencia acumulada representa: Valores repetidos. Valores mayores. Valores menores o iguales. Valores centrales.

En una tabla de frecuencias agrupadas, la marca de clase es: El extremo inferior. El extremo superior. El punto medio del intervalo. La amplitud.

Los intervalos se consideran habitualmente: Cerrados. Abiertos. Semi-abiertos. Discretos.

La amplitud de un intervalo es: El número de clases. La diferencia entre extremos. La marca de clase. La frecuencia.

En una distribución agrupada, las frecuencias se asocian a: Valores exactos. Marcas de clase. Percentiles. Cuartiles.

La media aritmética se define como: Valor más frecuente. Valor central. Promedio de los datos. Valor acumulado.

La media se calcula como: Σχί. Σχί / N. Σηί. Σfi.

La media ponderada utiliza: Frecuencias. Intervalos. Percentiles. Rangos.

La mediana es el valor que deja: El 25 % de datos a cada lado. El 50% de datos a cada lado. El 75 % a la derecha. Todos iguales.

Para datos agrupados, la mediana se localiza con: La frecuencia relativa. La frecuencia acumulada. La media. La varianza.

La moda es: El valor medio. El valor central. El valor más frecuente. El mayor valor.

Puede haber distribuciones: Sin media. Sin mediana. Sin moda. Sin rango.

El recorrido se define como: Media - moda. Máximo – mínimo. Mediana - media. Varianza - desviación.

La varianza mide: Centralización. Dispersión. Posición. Forma.

La varianza se expresa en: Las mismas unidades. Unidades al cuadrado. Porcentajes. Frecuencias.

La desviación típica es: La varianza. La raíz de la varianza. El cuadrado de la media. El recorrido.

La desviación típica tiene las mismas unidades que: La varianza. La frecuencia. La variable. El rango.

La cuasi-varianza utiliza en el denominador: N. N + 1. N-1. fi.

La desigualdad de Chebyshev se aplica a: Distribuciones normales. Cualquier distribución. Solo simétricas. Solo discretas.

Según Chebyshev, para k = 2 al menos están dentro del intervalo: 50%. 75%. 90%. 95%.

Los cuartiles dividen la distribución en: 2 partes. 3 partes. 4 partes. 10 partes.

El segundo cuartil coincide con: La media. La moda. La mediana. El rango.

Los deciles dividen la distribución en: 4 partes. 5 partes. 10 partes. 100 partes.

El percentil 50 es igual a: Q1. Q3. Mediana. Moda.

El recorrido intercuartílico es: Q3 - Q1. Q1 - Q3. Q2 - Q1. Q4 - Q2.

El primer momento respecto al origen es: La varianza. La desviación. La media. La moda.

El segundo momento central es: La media. La varianza. La moda. El rango.

El coeficiente de asimetría de Fisher mide: Dispersión. Centralización. Simetría. Posición.

Una asimetría positiva indica: Cola a la izquierda. Cola a la derecha. Simetría. Curtosis alta.

Una distribución simétrica tiene coeficiente de asimetría: 1. -1. 0. 3.

El coeficiente de curtosis mide: Dispersión. Apuntamiento. Centralización. Posición.

El valor típico de la curtosis normal es: 0. 1. 2. 3.

El histograma representa: Frecuencias acumuladas. Rectángulos de área proporcional. Puntos. Sectores.

En un histograma, el área es proporcional a: Marca de clase. Frecuencia. Amplitud. Mediana.

El diagrama de sectores es adecuado para: Datos continuos. Datos bidimensionales. Comparar proporciones. Regresión.

El diagrama de caja representa: Media y varianza. Moda y rango. Cuartiles y valores atípicos. Frecuencias.

Los bigotes del boxplot llegan hasta: Máximo y mínimo. Media ± desviación. 1,5 veces el IQR. Percentiles.

Los valores fuera de los bigotes son: Medianas. Atípicos. Centrales. Frecuentes.

Una variable bidimensional asigna a cada individuo: Un valor. Dos valores. Tres valores. Una frecuencia.

Una tabla de contingencia es: Un histograma. Una tabla conjunta. Una tabla marginal. Un diagrama.

En una tabla bidimensional, nij representa: Frecuencia relativa. Frecuencia absoluta conjunta. Media. Marginal.

La suma de todas las nij es igual a: 1. n. k. fi.

Las distribuciones marginales son: Bidimensionales. Unidimensionales. Cualitativas. Continuas.

El diagrama de dispersión representa: Intervalos. Rectángulos. Pares de puntos. Sectores.

El diagrama de dispersión sirve para analizar: Dispersión. Centralización. Relación entre variables. Frecuencias.

Una nube con tendencia creciente indica: Relación negativa. Relación positiva. No relación. Independencia.

La covarianza mide: Dispersión individual. Relación lineal. Centralización. Forma.

Una covarianza positiva indica: Relación inversa. Relación directa. No relación. Independencia.

Si la covarianza es cero: Son independientes. No hay relación lineal. No hay relación alguna. Son iguales.

El coeficiente de correlación es: Dimensional. Adimensional. Siempre positivo. Mayor que 1.

El coeficiente de correlación está entre: 0 y 1. -∞ y +∞. −1 y +1. 0 y 100.

|r| cercano a 1 indica: Débil relación. Fuerte relación lineal. No relación. Independencia.

La recta de regresión se obtiene minimizando: Errores absolutos. Errores relativos. Suma de errores. Suma de cuadrados.

La ecuación de la recta es: y = x + b. y = ax + b. x = ay + b. y = bx.

La pendiente de la recta es: b. x. a. s.

El término independiente es: a. b. r. s.

La recta de regresión sirve para: Clasificar. Predecir. Describir frecuencias. Agrupar datos.

El coeficiente de determinación se representa como: r. R. R². s.

R² mide: Riesgo. Dispersión. Calidad del ajuste. Pendiente.

El valor de R² está entre: -1 y 1. 0 y 1. 0 y∞. -∞ y ∞.

En regresión lineal simple: R² = r. R² = r². R² = Vr. R² = 1/r.

Un R² alto indica: Mal ajuste. Buen ajuste. Independencia. Dispersión alta.

La estadística descriptiva no pretende: Resumir. Representar. Inferir. Describir.

La media es sensible a: Valores extremos. Orden. Intervalos. Frecuencias.

La mediana es robusta frente a: Outliers. Frecuencias. Dispersión. Tamaño.

La moda es especialmente útil en variables: Continuas. Discretas. Cualitativas. Numéricas.

El histograma solo es válido para: Datos cualitativos. Datos cuantitativos. Datos ordinales. Datos nominales.

La correlación no implica: Relación. Dependencia. Causalidad. Asociación lineal.

La regresión permite: Explicar Y con X. Explicar X con Y. Ambas. Ninguna.

El coeficiente r mide: Dispersión. Asociación lineal. Pendiente. Centralización.