Espacio muestran es el nombre que recibe el conjunto de todos los valores posibles de la característica X. Verdadera Falsa.
Si la variable es no numérica y se codifica numéricamente, no es posible realizar operaciones aritméticas. Verdadera Falsa.
Muestreo aleatorio simple. Al seleccionar n casos de un colectivo, todos ellos deben tener la misma probabilidad de ser elegidos y la extracción de un caso no condiciona la selección del caso siguiente. Si la población es finita, el muestreo es con reemplazamiento. Verdadera Falsa.
Sea X una variable (numérica o no) medida sobre un conjunto de n casos, es decir, se dispone de n valores x1, x2, ..., xn. Se define como espacio muestran el conjunto de los posibles valores de X. Verdadera Falsa.
Una variable numérica, en escala por intervalo, permiten comparar las diferencias o distancias entre dos casos con las diferencias o distancias que existen entre otros dos. Verdadera Falsa.
Los métodos paramétricos clásicos de estimación y de concentración de hipótesis se basan en unas premisas o hipótesis a priori sobre la forma de la distribución de la población generadora de la muestra. Verdadera Falsa.
Población es el nombre que recibe el colectivo sobre el que se va a realizar un análisis estadístico. Verdadera Falsa.
Un estadístico T= t(X1, X2, ..., XN)= t(x) es una variable aleatoria que depende de la muestra genérica X, y cuya distribución muestran depende de la distribución de la población X. Verdadera Falsa.
Las prioridades deseables de un estimador son la insesgadez, consistencia, eficacia y suficiencia. Verdadera Falsa.
Un estimador es insertado o centrado si su valor esperado coincide con el páramo desconocido θ que se estima, es decir, si se cumple que E[θ(x)]=θ. Verdadera Falsa.
El error Tipo I se produce cuando se acepta la hipótesis H1, cuando es falsa. Verdadera Falsa.
El error Tipo II se produce cuando se acepta la hipótesis H0 cuando es falsa. Verdadera Falsa.
La probabilidad límite, p, representa la probabilidad que el estadístico del contraste tiene valores iguales o más extremos, hacia H1, que el valor t obtenido con la muestra concreta. Verdadera Falsa.
El nivel de significación asociado a una regla de decisión es una medida del riesgo de tomar una decisión errónea (si es cierta H0). Verdadera Falsa.
En el contraste de ajuste, es recomendable utilizar la corrección de continuidad cuando los grados de libertad de la distribución chi-cuadrado sean iguales a 1, y si el número total de datos no es muy elevado. Verdadera Falsa.
En los modelos causales, las permutaciones aleatorias se utilizan para representar la parte de la variable dependiente que no puede ser explicada por las variables explicativas. Verdadera Falsa.
Los contrastes de ajuste se utilizan para comprobar si una muestra procede de una determinada población. Verdadera Falsa.
En un modelo lineal uniecuacional, una de las condiciones sobre la especificación es que los coeficientes de regresión son valores constantes para todos los datos muestrales. Verdadera Falsa.
Un modelo lineal en el que todas las variables explicativas x1, x2, ..., xk son cualitativas (llamadas factores) se denomina modelo de análisis de la varianza. Verdadera Falsa.
En los modelos logit, F(z) es la función de distribución de una variable lógica. Verdadera Falsa.
En los modelos probit, F(z) es la función de una variable aleatoria. Verdadera Falsa.
En los modelos probit, F(z) es la función de distribución Normal tipificada. Verdadera Falsa.
El estimador de máxima verosimilitud θ(x) se obtiene hallando el máximo de esta función: max L(θ)= L(θ). Verdadera Falsa.
Muestreo aleatorio estratificado: la población se divide en varios subconjuntos o estratos y en cada uno de éstos se toma una muestra; los estratos se seleccionan de forma que sean los más homogéneos posibles internamente y heterogéneos entre sí. Verdadera Falsa.
Muestra es el subconjunto de W que se observa, y que usa para inferir o extrapolar información sobre la población. Verdadera Falsa.
Los contrastes de ajuste se utilizan para decidir si la población generadora de los datos es de cierto tipo, para decidir si las poblaciones generadoras pueden considerarse idénticas o no y para decidir entre la homogeneidad de las poblaciones generadoras. Verdadera Falsa.
En un modelo lineal uniecuacional, una de las condiciones sobre la especificación es que la forma funcional se supone que es correcta. Verdadera Falsa.
En un modelo lineal uniecuacional, una de las condiciones sobre la especificación es que las variables X1, X2, ..., Xk influyen sobre Y, y su variación no depende de Y, ni de otras variables incluidas en el modelo. Verdadera Falsa.
Si una población, x, tiene de media μ y varianza σ², se representa mediante la expresión X∈D (μ;σ²) Verdadera Falsa.
La aproximación de la distribución de X converge hacia la distribución Normal rápidamente, aunque la variable X difiera bastante de la distribución Normal. Verdadera Falsa.
En poblaciones finitas, la variable aleatoria X no puede ser Normal, sin embargo, si el tamaño muestra n es grande y la fracción muestra pequeña (n≥20 y f≤0,20) la distribución muestra de x es aproximadamente Normal. Verdadera Falsa.
Un estimador θ (x1, x2, ..., xn) = θ(x) es sesgado si E[θ(x)]= θ-ε≠ θ siendo ε= θ-E[θ(x)] es sesgo o desviación sistemática cometida en cada estimación. Verdadera Falsa.
Un estimador es consistente si al aumentar n indefinidamente converge en probabilidad al parámetro estimador; o sea, si n→ ∞, θ (x1, x2, ..., xn)→ θ. Verdadera Falsa.
Si el estimador θ(x) es asintóticamente insertado y su varianza tiende a cero cuando n tiende a infinito, se verifica que es consistente. El recíproco en general no es cierto. Verdadera Falsa.
Un estadístico T= t(x1, x2, ..., xn) se dice suficiente con respecto de un parámetro θ de la distribución de X, si contiene toda la información muestra relativa a θ. Verdadera Falsa.
En general, sean θ1(x) y θ2(x) dos estimadores insertados de un parámetro θ∈ ⊖; el estimador θ1 es más eficiente que θ2 si se verifica que V[θ1(X)] ≤ V[θ2(X)], ∀θ∈ ⊖. Verdadera Falsa.
Los contrastes de hipótesis son técnicas que, partiendo de muestras, están orientadas a la toma de decisiones sobre algunas características poblacionales. Verdadera Falsa.
En los contrastes no paramédicos se plantean las hipótesis nula y alternativa no estando referidas a un parámetro concreto de la población, sino a toda la distribución de X. Verdadera Falsa.
El nivel de significación α asociado a una regla de decisión {C0, C1} es α= max P(I). Verdadera Falsa.
La escala de medida tipo ratio es una escala numérica en la que existe un origen (cero), el cual representa la ausencia de valor de la variable. Verdadera Falsa.
Muestreo aleatorio irrestricto: en el caso de que la población sea finita el muestreo se realiza sin reemplazamiento, pero de forma que todos los elementos de la población (no seleccionados previamente) tienen la misma probabilidad de ser elegidos. Verdadera Falsa.
Muestreo por conglomerados: la población se divide en varios subconjuntos o conglomerados donde se toman las correspondientes muestras; los conglomerados deben tomarse homogéneos entre sí. Verdadera Falsa.
Muestreo polietápico: los datos se seleccionan en varios instantes de tiempo o etapas. Verdadera Falsa.
En el muestreo aleatorio simple, las distintas observaciones se obtienen con igual probabilidad y de forma independiente unas de otras; si la probabilidad es finita, con reemplazamiento. Verdadero Falso.
Las probabilidades deseables de cualquier estimador son sesgadez, inconsistencia, insuficiencia e ineficiencia. Verdadera Falsa.
Un estimador θ (X1, X2, ..., XN) = θ(X) es centrado o insesgado si su valor esperado coincide con el parámetro desconocido θ que se estima, es decir, si se cumple que E(θ(X)) =θ. Verdadera Falsa.
En los contrastes no paramétricos se plantean las hipótesis nula y alternativa estando siempre referidas a un parámetro concreto de la población. Verdadera Falsa.
En el muestreo aleatorio por conglomerado: la población divide en varios subconjuntos o conglomerados donde se toman las correspondientes muestras; los conglomerados se seleccionan en varios instantes de tiempo o etapas. Verdadera Falsa.
Para todo valor X E R se verifica que F(x) de la población converge en probabilidad hacia la función de distribución F*(x) de la muestra x, cuando x tiende a infinito. Verdadera Falsa.
La estimación de parámetros tiene como objetivo obtener valores numéricos de algún parámetro (o de varios), conocidos de una población W en la que se mide una característica. Verdadera Falsa.
Para estimar un parámetro σ cabe utilizar distintos estimadores cuyas propiedades se estudian a partir de sus correspondientes distribuciones muestrales. Verdadera Falsa.
El error estándar de X es una medida de precisión de la estimación de la media poblacional, μ, cuando se usa como estimador la media muestral. Verdadera Falsa.
En el caso que el tamaño muestral n sea pequeña, la distribución muestral de X (y la de S²) dependerá de la forma de la población generadora de la muestra y no será adecuado utilizar las aproximaciones basadas en la distribución Normal. Verdadera Falsa.
Si X e Y son dos poblaciones relacionadas, y los n datos de ambas muestras están apareados, cada pareja de datos se toma sobre el mismo caso o utilidad experimental. Verdadera Falsa.
El estimador es insesgado si su valor esperado no coincide con el parámetro desconocido σ que se estima. Verdadera Falsa.
La probabilidad límite, p, que es la probabilidad que el estadístico T tome valores iguales o más extremos que el valor muestral obtenido entendiendo más extremos en la dirección de la hipótesis H1. Verdadera Falsa.
Un método no paramétrico se basa en hipótesis a priori sobre la forma de la población generadora de la muestra. Verdadera Falsa.
El error Tipo I se produce cuando se acepta erróneamente la H0. Verdadera Falsa.
Al realizar contrastes de ajuste, es recomendable utilizar la corrección de continuidad cuando los grados de libertad de la distribución chi-cuadrado sean iguales a 1, y si el número total de datos no es muy elevado. Verdadera Falsa.
El contraste de Mann-Whitney se utiliza para comparar dos poblaciones nacionales. Verdadera Falsa.
En la construcción de un modelo hay que tener presente que se trata de estimar relaciones causales, y la casualidad es de naturaleza extraestadística. Por lo tanto, cualquier modelo debe ser interpretable en el ámbito para el que ha sido construido. Verdadera Falsa.
Un modelo lineal en el que todas las variables explicativas son cualitativas (llamadas factores) se denomina modelo de análisis de la varianza. Verdadera Falsa.
|
