Escolar Documentos
Profissional Documentos
Cultura Documentos
44. Para que la ley de Laplace de asignacin de probabilidad pueda aplicarse: Requiere, entre
otros requisitos, que los sucesos Ei que intervienen sean igualmente verosmiles.
requisitos, que los sucesos Ei que intervienen sean igualmente verosmiles.
45. Dos sucesos son mutuamente excluyentes si: Son sucesos disjuntos.
46. La Esperanza Matemtica es: El valor esperado de una variable aleatoria.
47. Sea X una variable aleatoria de tipo continuo: F(x)=F(x)/ x ninguna de las dems
respuestas es correcta.
48. Para obtener la probabilidad condicionada P(A/B): Se requiere que P(B)0
49. Conteo cuando no interviene el orden y hay repeticin: Combinaciones con repeticin
N.C.
50. Sea X1 una v.a. tal que X1D(1=4;1=1/5), y sea X2 otra v.a. Que
X2D(1=5;1=1/25). La v.a. Y definida como combinacin lineadl e las anteriores
Y=3X1-4X2+8.:
Tiene de media cero y de varianza uno, si X1 y X2 son independientes.
51. La correccin de Continuidad de Yates se aplica cuando aproximamos : Una distribucin
discreta por una continua. O ninguna de las dems respuestas es correcta.
52. Las variables aleatorias multidimensionales discretas son independientes cuando: La
funcin de distribucin conjunta es igual al producto de las funciones de distribucin
marginales en todos los puntos.
53. El mejor estimador de la varianza poblacional es: La cuasi-varianzamuestral.
54. El estadstico media muestral, obtenido por muestreo aleatorio simple en una poblacin
de media y desviacin tpica , tendr por distribucin: Bajo determinadas
circunstancias una N(;^2/n) Ninguna de las dems respuestas es correcta.
55. Se estn anotando los datos de las averas de una mquina en una fabrica. Desde que
la mquina se avera hasta que se cambia hay estipulado un tiempo de mximo de
cambio de 10 horas. Se puede realizar el cambio en cualquier instante de dicho
10. Se estn anotando los datos de las averas de una mquina en una fbrica. Sea
X=el nmero de averas en un mes, X se puede modelar siguiendo una
distribucin: POISSON
11. La media de la suma de dos variables aleatorias normales es igual a: LA SUMA
DE LAS MEDIAS DE CADA UNA DE ELLAS o ninguna es correcta.
12. Dada una v.a, X con distribucin h(1,a,b) se verifica: X ES B(p) CON
p=a/(a+b)
13. Para una variable aleatoria X y un intervalo I, se tiene que X-1(I) es: UN
SUCESO o un subconjunto del espacio muestral.
14. Si X e Y no son independientes: LA SUMA DE LAS ESPERANZAS ES LA
ESPERANZA DE LA SUMA.
15. En un control de calidad se toma la variable =nmero de artculos necesarios
hasta conseguir el primer defectuoso. X se puede modelar siguiendo una
distribucin: GEOMTRICA.
16. Para que la ley de Laplace de asignacin de probabilidad pueda aplicarse
REQUIERE, ENTRE OTROS REQUISITOS, QUE LOS SUCESOS EI
QUE INTERVIENEN SEAN IGUALMENTE VEROSIMILES
17. La probabilidad es: UNA MEDIDA ASOCIADA A LOS SUCESOS
18. Las condiciones de las variables aleatorias para aplicar el teorema central del
lmite son: TIENEN QUE SER IDENTICAMENTE DISTRIBUIDAS. O ninguna es correcta.
19. En un control de calidad de un componente electrnico, se deja funcionar el
mismo durante dos horas. El componente es defectuoso si falla mas de N veces,
y no lo es si falla menos de N veces. Sea X=el componente es defectuoso. X
se puede modelar siguiendo una distribucin: BINARIA.
20. La correccin de Continuidad de Yates se aplica cuando aproximamos: UNA
DISTRIBUCION DISCRETA POR UNA CONTINUA o ninguna de las dems respuestas es correcta
21. Las condiciones de las variables aleatorias para aplicar el teorema central del
lmite son: Tienen que ser idnticamente distribuidas o ninguna es correcta.
22. Conteo cuando interviene el orden y hay repeticin: VARIACIONES CON
REPETICIN
23. La Esperanza Matemtica es: EL VALOR ESPERADO DE UNA
VARIABLE ALEATORIA.
24. Una variable aleatoria ES UNA FUNCIN DEL ESPACIO MUESTRAL EN
R QUE VERIFICA CIERTAS PROPIEDADES
25. La covarianza de una variable aleatoria bidimensional es UNA ESPERANZA
26. Si P(B)=P(B/A), entonces los sucesos son: INDEPENDIENTES o ninguna de las dems
respuestas es correcta.
27. Sean Xi B(p),i=18 independientes. La v.a X= de B y i=1 X; tiene por
distribucin: b (8,p).
28. En un control de calidad de un componente electrnico, se deja funcionar el
mismo durante dos horas. El componente es defectuoso si falla mas de N veces,
y no lo es si falla menos de N veces. Sea X=numero de fallos en dos horas
del componente. X se puede modelar siguiendo una distribucin:
POISSON o ninguna es correcta.
29. El nmero de accidentes al mes en un punto negro de la carretera se puede
modelar siguiendo una distribucin:
POISSON.
30. Dos variables aleatorias estn idnticamente distribuidas si: SUS FUNCIONES
DE DISTRIBUCION SON IGUALES EN TODOS SUS PUNTOS. O ninguna es correcta.
31. La funcin de Distribucin de la N(0,1) es CRECIENTE o ninguna de las dems respuestas es
correcta.
32. Dos sucesos son disjuntos si: LA INTERSECCION ES EL CONJUNTO
VACO o ninguna es correcta.
33. El Teorema de Bayes para el clculo de probabilidades a posteriori
54. Se estn anotando los datos de las averas de una maquina en una fabrica. Sea
X=Tiempo entre avera. X se puede modelar siguiendo una distribucin:
EXPONENCIAL.
FUNCION DE DENSIDAD
8.- Si el coeficiente de asimetra toma valores prximos a cero, indica que: m0~me~x.
9.- El rango es una medida de dispersin aplicable a: Variables ordinales o superiores
Ninguna
de las respuestas es correcta.
10.- La interseccin entre los modelos de regresin de X/y y de Y/X coincide con:
El centro de gravedad de la distribucin
. O ninguna es correcta.
2. Si
:
con el signo > en vez de >=)
3. Para analizar el grado de relacin entre dos variables en escala por ratios:NINGUNA
/O/ Es posible usar el coeficiente de correlacin de Pearson.
4. La mediana de una distribucin de datos,
y de
coincide con:El
. O ninguna es correcta.
6. Una variable tipificada es tal queSu media es 0 y su desviacin tpica 1.o Ninguna
Ninguna
10. El proceso de tipificacin de una variable estadstica, consiste en:Un cambio de
11. El error medio en las estimaciones de un modelo de regresin mltiple es: 0.0 o
ninguna es correcta.
12. La moda es una medida de centralizacin aplicable a variables:Ninguna de las
13. Dada una variable estadstica medida a travs de una escala por ratios: Ninguna
/O/ Es obligatorio el agrupar por intervalos para calcular cualquier tipo de medida
14. Si
.
18. La varianza como medida de dispersin, No siempre ser aplicable, depender del tipo
de variables.
19. El rango es una medida de dispersin aplicable a:Variables ordinales o superiores /o/
Ninguna
23. Si
NINGUNA
24. Para analizar el grado de relacin entre dos variables ordinales: Es posible usar la chicuadrado(x^2) de Pearson o ninguna es correcta.
25. Si el coeficiente de asimetra toma valores positivos, indica que:
26. Para analizar el grado de relacin entre dos variables nominales:Ninguna de las
dems respuestas escorrecta.
1.-El mtodo mxima verosimilitud permite calcular: El estimador de mxima verosimilitud
2.-El mejor estimador de la varianza poblacional es: La cuasi-varianza muestral
3.-La media, mediana y moda son: Ninguna de las dems respuestas es correcta
4.-Un estimador es: Un estadstico
5.-Una realizacin muestral es una coleccin de: Datos // Ninguna de las dems respuestas es
correcta
6.-El mejor estimador insesgado es: Ninguna de las dems respuestas es correcta
7.-Un estimador es insesgado cuando: Su esperanza coincide con el parmetro a estimar // El
sesgo es cero
8.-Un estimador consistente es aquel que: Bajo ciertas condiciones, su varianza tiende a cero
// Ninguna de las dems respuestas es correcta
9.-Una muestra aleatoria simple es una coleccin de: Variables aleatorias independientes
10.-El estadistico media muestral, obtenido por muestreo aleatorio simple en una poblacion
media y desviacin tpica , tendr por distribucin: Bajo determinadas circunstancias N (;
2 /n) // Ninguna de las dems respuestas es correcta.
asintticamenteinsesgado.
19. Un estimador de la esperanza de una variable aleatoria es:
La media muestral NC.
20. La media muestral es: Un estadstico // Una variable aleatoria.
21. Un estimador de un parmetro muestral desconocido: No tiene que ser nico.
22. Dados dos estimadores de un mismo parmetro poblacional desconocido, si la varianza del
primer estimador es menos que la del segundo: El estimador 1 es ms representativo del
parmetro.
23. Una muestra aleatoria simple es una coleccin de: Variables aleatorias independientes.
24. Un estimador asintticamente insesgado es aquel que: Su esperanza tiende al parmetro
cuando
aumenta el tamao muestral considerablemente NC.
1.- Si el valor que se esta contrastando en la hipotesis nula esta en el intervalo de confianza
asociado, entonces: No existen evidencias para rechazar que el parametro es el valor
contrastado.
2.-Los intervalos deconfianza bilaterales I 0.99 e I 0.95 para en una poblacion normal son
tales que: I 0.99C I 0.95
3.- Cunto es necesario aumentar el tamao muestral para que la amplitud de un intervalo de
confianza para la media con varianza conocida, se reduzca a la mitad? Cuadriplicarlo.
4.- El contraste de hiptesis permite:
Decidir si el parmetro toma un determinado valor con cierta probabilidad. O ninguna es
correcta.
5.-En un contraste de hiptesis, cometemos Error de tipo II cuando: Aceptamos H 0 siendo
falsa
6.-El estadstico usado para construir un intervalo de confianza para el cociente de varianzas
sigue una distribucin de tipo: Ninguna de las dems respuestas es correcta. // F de Snedecor.
7.-Los intervalos de confianza bilaterales I 0.99 e I 0.95 para en una poblacin normal son
tales que: Ninguna de las demas respuestas es correcta
8.-Para una realizacin muestral, un intervalo de confianza contiene: Puede contener un
parmetro poblacional o no, dependiendo del nivel de confianza.
9.-Si el valor que se esta contrastando en la hiptesis nula no esta en el intervalo de confianza
asociado, entonces: Ninguna de las dems respuestas es correcta. // Se rechaza la hipotesis
10.-Para una realizacin muestral, los extremos de un intervalo de confianza son: Nmeros.
11.-Si el valor que se esta contrastando en la hiptesis nula esta en el intervalo de confianza
asociado, entonces: No existen evidencias para rechazar que el parmetro es el valor
contrastado. O ninguna es correcta.
12.-El estadstico del intervalo de confianza para la media con la varianza conocida se aproxima
a una distribucin: Ninguna de las dems respuestas es correcta. // Normal
13.-El contraste y es: H 0 : 1 2 2 21 y H 1 : 1 2 2 2
-----Si se conoce que los sucesos que y son mutuamente excluyentes y exhaustivos, y que ,
cual de las afirmaciones que siguen es falsa?.
--------Si R^2xy,z>R^2xy:
La variable Z amortigua la relacin real entre X e Y. o ninguna de las dems es correcta.
----Dos conocidos estn registrados en un gimnasio. Uno de ellos asiste el 75% de los das y el
otro el 25%, siendo independientes las ausencias o no de ellos. Cual es la probabilidad de que
un da cualquiera asista al gimnasio al menos uno de ellos?.
0.8125 o ninguna de las dems respuestas es correcta.
------El numero de accidentes al mes en un punto negro de la carretera se puede modelar
siguiendo una distribucin:
Poisson o ninguna es correcta.
------- El numero de personas que llegan a urgencias una noche se puede modelar siguiendo
una distribucin:
Poisson o ninguna es correcta.