1.

El Teorema de Bayes para el clculo de probabilidades a posteriori: Se requiere, entre

otros requisitos, que los sucesos Ei que intervienen sean excluyentes.
2. El valor de K en la siguiente figura es(P4T6)o (P5T6): Ninguna de las dems respuestas es
correcta o 0.25 PARA QUE SEA UNA FUNCION DE DENSIDAD

3. Sean A y B dos sucesos aleatorios independientes. A partir de B=B(AUA^c) puede

deducirse que: A^c y B son independientes.
4. Dada la variable aleatoria continua X, entonces: f(x)=F(x)/x.
5. Dada la variable aleatoria discreta X, entonces: F(x)=P(X x) f(x)=P(X=x).
6. Un suceso aleatorio es: Un elemento del lgebra de sucesos asociado al espacio
muestral.
7. Un suceso es: Un subconjunto del espacio muestral o ninguna respuesta correcta( elemento
algebra,conjunto posibles..)
8. Sean A y B dos sucesos tales que P (A)=0.1 y P (B)=0.2. En este caso: P (AUB) 0.3
ninguna de las dems respuestas es correcta.
9. Sean A y B dos sucesos tales que P(A)=0.1 y P(B)=0.2. Se suponen A^c y B^c
independientes, en este caso: P(AUB)=0.75 P(AUB)=0.28.
10. Dada la variable aleatoria X y la v.a. Y=aX+b, entonces: V[Y]=a^2V[X] Ninguna de las
dems respuestas es correcta.
11. Dada la variable aleatoria X y la v.a. Y=X+b, entonces: E[Y]=E[X]+b. V[Y]= V[X]
12. Dada la variable aleatoria X y la v.a. Y=X-b, entonces: Ninguna de las dems respuestas
es correcta.
13. Para una variable aleatoria X y un intervalo I, se tiene que X^-1(I) es: Un subconjunto del
Espacio muestral Un suceso.
14. Conteo cuando interviene el orden y hay repeticin: Variaciones con repeticin.
15. Dos sucesos son independientes: Si la probabilidad de la interseccin es igual al
producto de sus probabilidades ninguna de las dems respuestas es correcta.
16. Siendo x1 y x2 dos valores cualesquiera de una v.a. X, tales que x1< x2, entonces: F(x1)

 F(x2) Ninguna de las dems respuestas es correcta.

17. Dados dos sucesos A y B cualesquiera: P (AUB)=P(A).P(B)
P(AUB)=P(A)+P(B)P(AB).
18. Sean A y B dos sucesos independientes con P(A)=0. En este caso: P (AB)=0
P(A/B)=0.
19. En un control de calidad se considera la variable X=nmero de artculos necesarios
hasta conseguir el primer defectuoso. X sepuede modelar siguiendo una distribucin:
//Geomtrica o ninguna de las dems respuestas es correcta.//
20. Las condiciones de las variables aleatorias para aplicar el teorema central del lmite son:
Tienen que ser idnticamente distribuidas. O ninguna es correcta.
21. Las variables aleatorias discretas estn definidas por: La funcin de probabilidad.
22. En un control de calidad se determina el nmero de artculos defectuosos en una
inspeccin de 100 artculos. Se define la variable aleatoria X=nmero de artculos
defectuosos. X se puede modelar siguiendo una distribucin: Binomial.
23. Si X N (=0, =2), la v.a. Y=4X+2 tiene por distribucin: Ningundae las dems
respuestas es correcta.
24. En un contraste de hiptesis, cometemos Error de tipo II cuando: Aceptamos Ho siendo
falsa.
25. Un estimador de un parmetro muestral desconocido: No tiene que ser nico.
26. El contraste de hiptesis permite: Decidir si el parmetro toma undeterminado valor con
cierta probabilidad. O ninguna es correcta.
27. Un estimador es insesgado cuando: El sesgo es cero Su esperanza coincide con el
parmetro a estimar.
28. Un estimador es sesgado cuando: El sesgo es distinto de cero. O ninguna es correcta.
29. Un estimador es: Un estadstico.
30. El coeficiente de confianza en una estimacin por intervalos, es: El complementario de

 Ninguna de las dems respuestas es correcta.

31. A diez estudiantes elegidos al azar se le anotaron las calificaciones de los exmenes
finales de Fsica y Economa. Para probar si existe un mayor rendimiento en alguna de
las materias, qu tipo de prueba se utilizar?: Diferencia de medias dependientes o
apareadas.
32. Las variables aleatorias multidimensionales son vectores formados por:
Variables aleatorias N.C.
33. La Funcin de Distribucin de la N(0,1) es: Creciente. O ninguna de las dems respuestas es
correcta.
34. Si se tiene que P(A)=P(B)=P(B/A)=0.5: P((AUB)^c)=0.25 P(AB)=0.25 P(AUB)=0.75.
35. Cul de las siguientes distribuciones no es reproductiva?: Binaria, B(p). o ninguna es
correcta.
36. Cul de las siguientes distribuciones es reproductiva?: Poisso, P(). O ninguna es correcta.
37. Sean A y B dos sucesos tales que P(A)=P(B)=P(B/A)=0.5: P((AUB)^c)=0.25 P(AB)=0.25
P(AUB)=0.75.
38. Sean Xi B(p),i=1...8, independientes. La v.a. X=^8 i=1 Xi tiene por distribucin: b(8,p). o
ninguna es correcta. (cuidado con bn(8,p). que esa no es)
39. Si el valor que se est contrastando en la hiptesis nula est en el intervalo de confianza
asociado, entonces: No existen evidencias para rechazar que el parmetro es el valor
contrastado. O ninguna es correcta.
40. Si el valor que se est contrastando en la hiptesis nula no esta en el intervalo de
confianza asociado, entonces: Se rechaza la hiptesis Ninguna de las dems
respuestas es correcta.
41. Los intervalos de confianza bilaterales I0.99 e I0.95 para en una poblacin normal
son tales que: I0.95 C I0.99 ninguna de las dems respuestas es correcta..
42. Un estimador consistente es aquel que: Bajo ciertas condiciones, su varianza tiende a
cero N.C.
43. Un estimador de la esperanza de una variable aleatoria es:
La media muestral N.C.

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

intervalo. Sea X=instante en el que se produce cambio.X se puede modelar siguiendo

una distribucin: Uniforme continua. O ninguna es correcta.
56. Se estn anotando los datos de una mquina en una fbrica. Sea X=tiempo entre
averas. X se puede modelar siguiendo una distribucin: Exponencial ninguna de las
dems respuestas es correcta.
57. Se estn anotando los datos de las averas de una mquina en una fbrica. Sea
X=numero de averas en un mes. X se puede modelar siguiendo una distribucin:
Poisson. O ninguna es correcta.
58. Una variable aleatoria: Es una funcin del espacio muestral en R que verifica ciertas
propiedades.
59. Las variables aleatorias discretas toman siempre: Un conjunto numerable de valores
N.C.
60. Sea un control de calidad en el que se determina si un artculo esdefectuoso o no. Se
define la variable aleatoria X =articulo defectuoso.X se puede modelar siguiendo una
distribucin: Binaria ninguna de las dems respuestas es correcta.
61. Si XN(=0;^2=2), la v.a. Y=2X+1 tiene por distribucin: N(=1;^2=8).
62. Si X1x^2(n1), X2x^2(n2),...,Xkx^2(nk), e independientes entre s, qu distribucin
sigue la variable X=^k i=1 Xi?: x^2(n1+n2+...+nk) ninguna de las dems respuestas
es correcta.
63. El mejor estimador insesgado es: Eficiente y consistente N.C.
64. El nivel de significacin de un test representa la probabilidad de: Ninguna de las dems
respuestas es correcta.
65. En un contraste de hiptesis, cometemos Error de tipo I cuando: Rechazamos Ho
siendo cierta .
66. Si se tiene que P(A)=P(B)=P(B/A)=0.25: ninguna de las dems respuestas es correcta.
67. 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.

68. Sea ZN(0,1), independiente de Yx^2 y sea X=raz de n*Z/raz de Y, entonces:

Xt(n).
69. La probabilidad es: Una medida asociada a los sucesos.
70. Dados tres sucesos mutuamente independientes: Dos de los tres sucesos
considerados podran ser dependientes Ninguna de las dems respuestas es correcta.
71. El nmero de accidentes al mes en un punto negro de la carretera se puede modelar
siguiendo una distribucin: Poisson.
72. 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.
73. La funcin de distribucin de una variable aleatoria: Est comprendida entre cero y uno. O
ninguna es correcta.
74. Si X e Y no son independientes: La suma de las esperanzas es laesperanza de a
suma.
75. El mtodo mxima verosimilitud permite calcular: El estimador demxima verosimilitud.
76. El nivel de significacin de un contraste de hiptesis es la mxima probabilidad de:
Rechazar Ho dado que Ho es verdadera N.C.
77. El nivel de confianza de un intervalo de confianza es: La probabilidad de que el
parmetro est en el intervalo.
78. La media muestral es: Un estadstico una variable aleatoria.
79. La Varianza Matemtica: Es una esperanza. ninguna es correcta.
80. Una coleccin numerable de sucesos es: Un conjunto de sucesos que se puede contar. O
ninguna es correcta.
81. Conteo cuando se ordenan todos los elementos de un conjunto: Permutacin Ninguna
de las dems respuestas es correcta.
82. En un control de calidad, un lote es defectuoso cuando al ir sacando uno a uno los

artculos, salen 3 artculos defectuosos. El procesose para cuando salido el tercer

defectuoso. Sea X=nmero de artculos necesarios hasta parar el proceso. X se puede
modelar siguiendo una distribucin: Binomial negativa.
83. Un control de calidad de un componente electrnico 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.
84. Para una realizacin muestral, un intervalo de confianza contieneP: uede contener un
parmetro poblacional o no, dependiendo del nivelde confianza.
85. Para una realizacin muestral, los extremos de un intervalo de confianza son: Nmeros.
86. La utilizacin de los rboles de decisin (o posibilidades) se justifica por: El teorema de
la particin o probabilidad total. ninguna es correcta.
87. Dados dos estimadores de un mismo parmetro poblacional desconocido, si la varianza
del primer estimador es menor que la del segundo: El estimador 1 es ms
representativo del parmetro.
88. La probabilidad de A condicionada a B es: La probabilidad de que ocurra A slo cuando
B ha sucedido. ninguna es correcta.
89. Sean A y B dos sucesos tales que P(A)=P(B)=0.2: P(AUB) 0.4.
90. Si P(B) distinto de P(B/A), entonces los sucesos son: Ninguna de las dems
respuestas es correcta.
91. Si P(B)=P(B/A), entonces los sucesos son: Independientes. O ninguna de las dems
respuestas es correcta.
92. En un avin hay N plazas. Sea X=nmero de mujeres en el pasaje. X se puede
modelar siguiendo una distribucin: Binomial. O ninguna es correcta.
93. Las variables aleatorias continuas estn definidas por: La funcin de distribucin. O la
funcin de densidad
94. En general, los sucesos extremos de un intervalo de confianza son: Estadsticos.

95. El estadstico usado para construir un intervalo de confianza para el cociente de

varianzas sigue una distribucin de tipo: F de Snedecor.
96. El estadstico del intervalo de confianza para la media con la varianza conocida se
aproxima a una distribucin: Normal N.C.
97. El estadstico del intervalo de confianza para la media con la varianza desconocida se
aproxima a una distribucin: t de Student.
98. El estadstico del intervalo de confianza de varianza sigue una distribucin:
Chi-cuadrado.
99. Dos sucesos son independientes: Si la probabilidad de la interseccin es igual al
producto de sus probabilidades N.C.
100. Sean las vs.as. Y= de K e i=1 Yi (siendo Yix^2(n)), y TN(T;^2T),
independienteentre s, qu distribucin sigue la v.a. (TT/T)/(raz de Y/kn)?:
t(kn).
101. El estimador de mxima verosimilitud: No tiene que existir siempre.
102. Sea el experimento aleatorio "Contar el nmero de averas de un aparato
electrnico en un da": El conjunto de los resultados posible es numerable.
103. Dada la figura que se acompaa: Se corresponde con una funcin de distribucin
de una variable aleatoria continua. O ninguna es correcta
104. El nmero de bytes usados en un ordenador con una memoria de N bytes se
puede modelar siguiendo una distribucin: Binomial.
105. La duracin (en aos) de 6 componentes electrnicos seleccionados
aleatoriamente son 3, 4, 5, 5, 6, 7. Suponiendo normalidad en la variable generadora
de la muestra, el mejor estimador de la varianza poblacional es: 2.
106. Dada una variable aleatoria normal. Se tiene que su funcin de densidades:
Simtrica respecto su esperanza.
107. 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.
108. Dos sucesos son disjuntos si: La interseccin es el conjunto vaco. O ninguna es correcta.
109. Dada una v.a, X con distribucin h(1,a,b), se verifica: X es B(p) con p=a/(a+b).
110. La varianza de la suma de dos variables aleatorias normales independientes es
igual a: La suma de las varianzas de cada una de ellas.
111. Se estn anotando los datos de las averas de una central elctrica. Sea
X=tiempo entre averas. X se puede modelar siguiendo una distribucin: N.C.
112. Una realizacin muestral es una coleccin de: Datos.
113. Un estimador asintticamente insesgado es aquel que: Su esperanza tiene al
parmetro a estimar cuando aumenta el tamao muestral considerablemente N.C.
114. El estimador de un parmetro poblacional que se desea estimar: Debe de ser, al
menos, asintticamente insesgado.
115. Un estadstico es: Una variable aleatoria.
116. Una muestra aleatoria simple es una coleccin de: Variables aleatorias
independientes.
117. Un estimador de un parmetro poblacional que se desea estimar: Debe de ser, al
menos, asintticamente insesgado.
118. El contraste y es: Unilateral izquierdo o de cola
izquierda.
119. Dados dos sucesos independientes se verifica que: Son compatibles.
120. Dos variables aleatorias estn idnticamente distribuidas si:
Sus funciones de distribucin son iguales a todos su puntos. O ninguna es correcta
121. En general, los extremos de un intervalo de confianza son: [NO son nmeros].
122. A diez estudiantes elegidos al azar se le anotaron las calificaciones en los
exmenes finales de Fsica y Economa. Para probar si existe un mayor rendimiento en

alguna de las materias, qu tipo de prueba se utilizara?: [Opciones: a) Diferencia de

medias dependientes o apareadas; b) Diferencia de proporciones; c)N.C.]
123. Conteo cuando interviene el orden y hay repeticin: Variaciones con repeticin.
124. Las variables aleatorias discretas estn definidas por: La funcin de cuanta.
125. Las variables aleatorias multidimensionales son vectores formados por:
[Opciones: a) Nmeros; b) N.C.; c) Variables aleatorias.
126. Sean XiB(p=0.5) independientes, la v.a. ,tiene por distribucin:
[Opciones: a) N(=30;=15); b) P(=30); c)N.C.]
127. Si XN(=0;=2), la v.a. Y=4X+2 tiene por distribucin: [Opciones: a) N
(=2;^2=34); b) N (=2;^2=32); c)N.C.]
1. Las variables aleatorias discretas toman siempre: UN CONJUNTO
NUMERABLE DE VALORES. O ninguna es correcta
2. Sean A y B dos sucesos tales que P(A)= 0.1 y P(B)=0.2. En este caso:
P(AUB)0.3 o ninguna de las dems respuestas es correcta.
3. Sea X1 una variable aleatoria tal que X1 pertenece D() y sea X2, otra v.a tal
que X2 pertenece a D(..) La v.a Y definida como combinacin lineal de las
anteriores Y= TIENE MEDIA CERO Y DE VARIANZA UNO, SI X1 y
X2 SON INDEPENDIENTES
4. Sean A y B dos sucesos independientes y con P(A)= 0: P(AB)=0 o P(A/B)=0
5. Las variables aleatorias multidimensionales son vectores formados por:
VARIABLES ALEATORIAS
6. El valor de K en la siguiente figura es: (P4T6)o (P5T6) 0.25 PARA QUE SEA UNA
FUNCION DE DENSIDAD
7. Dados dos sucesos A y B cualesquiera: P(AUB)=P(A)+P(B)-P(AB)
8. La varianza matentica: ES UNA ESPERANZA.
9. Dos sucesos son mutuamente excluyentes si: SON SUCESOS DISJUNTOS o ninguna es
correcta.

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

REQUIERE, ENTRE OTROS REQUISITOS, QUE LOS SUCESOS EI

QUE INTERVIENEN SEAN EXCLUYENTES
34. Una coleccin numerable de sucesos es: UN CONJUNTO DE SUCESOS
QUE SE PUEDEN CONTAR o ninguna es correcta.
35. Las variables aleatorias continuas estn definidas por: LA FUNCIN DE
DENSIDAD o la funcin de distribucion
36. El nmero de personas que llegan a urgencias una noche de puede modelar
siguiendo una distribucin : POISSON
37. En un avin hay N plazas. Sea X=numero de mujeres en el pasaje X se
puede modelar siguiendo una distribucin:

BINOMIAL o ninguna es correcta.

38. Para obtener la probabilidad condicionada P(A/B) SE REQUIERE QUE

P(B)0
39. Las variables aleatorias discretas estn definidas por: LA FUNCIN DE
PROBABILIDAD
40. Si se tiene que P(A)=P(B)=P(B/A) P(AB)=0.25
41. Cul de las siguientes distribuciones no es reproductiva: BINARIA, B(p) o ninguna es
correcta.
42. El numero de bytes usados en un ordenador con una memoria de N bytes se
puede modelar siguiendo una distribucin: BINOMIAL
43. Sean A y B dos sucesos aleatorios independientes. A partir de B=B(AUAC)
puede deducirse que: A^C y B SON INDEPENDIENTES
44. Sean A y B dos sucesos tales que P(A)=P(B)=0.2 P(AUB)0.4
45. 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 o ninguna es correcta.
46. La media de la diferencia de dos variables aleatorias normales es igual a LA

DIFERENCIA DE LAS MEDIAS DE CADA UNA DE ELLAS.

47. En un control de calidad un lote es defectuoso cuando, al ir sacando uno a uno
los artculos, salen tres artculos defectuosos. El proceso se para cuando ha
salido el tercer defectuoso. Sea X=nmero de artculos necesarios hasta
parar el proceso. X se puede modelar siguiendo una distribucin:
BINOMIAL NEGATIVA
48. En un control de calidad en el que se determina el nmero de artculos
defectuosos en una inspeccin de 100 artculos. Se define la variable aleatoria
X =Numero de artculos defectuosos. X se puede modelar siguiendo una
distribucin: BINOMIAL
49. Sea el experimento aleatorio Contar el numero de averas de un aparato
electrnico en un da EL CONJUNTO DE LOS RESULTADOS POSIBLE
ES NUMERABLE
50. Conteo cuando se ordenan todos los elementos del conjunto
PERMUTACIONES o ninguna de las dems respuestas es correcta.
51. En una cafetera hay N tipos de bocadillos. La variable aleatoria X=seleccionar
el azar del bocadillo i se puede modelar siguiendo una distribucin:
UNIFORME o ninguna de las dems respuestas es correcta.
52. La funcin de distribucin de una variable aleatoria EST ENTRE CERO Y
UNO o ninguna es correcta.
53. Siendo X1 y X2 dos valores cualesquiera de una v.a X tales que X1 < X2 entonces:
F(x1) F(x2) Ninguna de las dems respuestas es correcta.

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.

55. Dos sucesos son independientes: SI LA PROBABILIDAD DE LA

INTERSECCION ES IGUAL AL PRODUCTO DE SUS
PROBABILIDADES o Ninguna es correcta.
56. Sea X una variable aleatoria de tipo continuo: F(x)=F(x)/ x o ninguna es correcta
57. Sean las vs. as. Y= de K e i=1 Yi independiente entre si Qu
distribucin la v.a..?: t(kn)
58. Sea X una variable aleatoria de tipo discreto : F(X)=P(X=x)
59. Sea Z N(0,1). Independientemente de Z2 N(0,1) y sea X=Z1/Z2, entonces:
X t(1). O ninguna de las dems respuestas es correcta.
60. Si X1 X2 .e independiente entre s qu distribucin sigue la variable
X=.: x2 (n1 +n2++nK)
61. Conteo cuando no interviene el orden y hay repeticin: COMBINACIONES
CON REPETICION
62. Un suceso aleatorio es: UN ELEMENTO DEL ALGEBRA DE SUCESOS
ASOCIADO AL ESPACIO MUESTRAL
63. Dada la figura que se acompaa (P4T6): SE CORRESPONDE CON UNA
FUNCION DE DISTRIBUCION DE UNA VARIABLE ALEATORIA
CONTINUA o ninguna de las dems respuestas es correcta.
64. Se estn anotando los datos de las averas de una maquina en una fbrica. Desde
que la maquina se avera hasta que se cambia hay estipulado un tiempo mximo
de cambio de 10 horas. Se puede realizar el cambio en cualquier instante de
dicho intervalo. Sea X=instante en el que se produce cambio, X se puede
modelar siguiendo una distribucin: UNIFORME CONTINUA
65. Dada una variable aleatoria normal. Se tiene que su funcin de densidad es:
SIMETRICA RESPECTO A SU ESPERANZA o ninguna es correcta.
66. la probabilidad es: una medida asociada a los sucesos
67. sea X una variable aleatoria de tipo discreta : f(x)=p(X=r)

68. una coleccin numerable de sucesos es : ninguna respuesta correcta o Un conjunto de

sucesos que se puede contar.
69. Dada la variable aleatoria continua x,entonces : f(x)=F(x)/x
70. siendo z1 y z2 dos valores cualesquiera de una v.a. X, tales que z1<z2:
F(x1) F(x2) Ninguna de las dems respuestas es correcta.

71. Dada la variable aleatoria discreta x, entonces : : F(x)=P(X x) f(x)=P(X=x).

72. dada la figura que acompaa: se corresponde con una funcion de distribucion
de una variable aleatoria continua
73. para que la ley de laplace de asignacion de probabilidad pueda aplicarse:
requiere entre otros requisitos que los sucesos E que intervienen sean
igualmenteverosimiles
74. Un suceso es: un subconjunto del espacio muestral o ninguna respuesta correcta(
elemento algebra,conjunto posibles)
75. La esperanza matematicaes : el valor esperado de una variable aleatoria.
76. Dados tres sucesos mutuamente independientes : dos de los 3 sucesos podrian
ser dependientes o ninguna es correcta.
77. Si p(b) distinto p(b/a) entonces : ninguna respuesta correcta.
78. Conteo cuando no interviene el orden y hay repeticion :combinacion con
repeticion.
79. Dos variables aleatorias estanidenticamente distribuidas si : sus funciones de
distribucion son iguales en todos sus puntos.
80. Dados 2 sucesos a y b cuales quiera: p(AuB)=P(a)+p(b)-p(A,inters,b)
81. para una variable aleatoria x, y un intervalo i, se tiene que x^-1(I): un subcojunto de
Espacio muestral o un suceso.
82. Un suceso es : ninguna respuesta correcta( elemento algebra,conjunto
posibles..) o un subconjunto del espacio muestral.
83. el valor de k es (P4T6)o (P5T6): ninguna respuesta correcta o 0.25 PARA QUE SEA UNA

FUNCION DE DENSIDAD

84. Sea el experimento aleatorio contar numeroaverias de un aparato electronico..el

conjunto de los resultados posible es numerable.
85. Si se tiene p(a)=p(b)=p(b/a)=0.5 : P((AUB)^c)=0.25 P(AB)=0.25 P(AUB)=0.75.
86. sea a y b dos sucesos independientes y con p(a)=0 : P(A B) = 0 o P(A/B)=0
87. dada la v.a. X la y v.a. y=x- entonces : v[y]=v[x]+ sigma cuadrado.
88. Si se tiene que p(a)=p(b)=p(b/a)=0.5 : P((AUB)^c)=0.25 P(AB)=0.25 P(AUB)=0.75.
89. la probabilidad de a condicionada a b es : la prob de que ocurra a solo cuando
b ha sucedido o ninguna es correcta.
90. sea a y b dos sucesos independientes p(a)=0 entonces : P(A B) =0 o P(A/B)=0
91. arboles de decision : el teorema de la particion o probabilidad total.
92. Para una variable aleatoria x y un intervalor i, se tiene q x-1(i) : un subconjunto
del espacio muestral o un suceso
93. Sea a y b dos sucesos ..0.5 : ninguna respuesta es correcta.
1.- Una variable tipificada es tal que: Su media es 0 y su desviacin tpica 1 Ninguna de las
dems respuestas es correcta.
2.- Tipificar unos datos, consiste en: Centrar los datos y dividirlos por su desviacin tpica.
3.- El metodo de mnimos cuadrados para estimacin de modelos estocsticos: ninguna de las
dems respuestas es correcta.
4.- Si el coeficiente de asimetra toma valores positivos, indica que: m0<=me<=x
5.- Para analizar el grado de relacin entre dos variables nominales, Ninguna de las dems
respuestas es correcta.
6.- Para analizar el grado de relacion entre dos variables en escala por ratios: Es posible usar el
coeficiente de Pearson Ninguna de las dems respuestas es correcta.
7.- El Proceso de tipificacin de una variable estadstica, consiste en:
Un cambio de origen y escala. O ninguna es correcta

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.

11.- Si Cov(X,Y)>=0: Rxy>=0.

12.- Si la varianza del error S2e crece: Disminuye el coeficiente de determinacin Ninguna de
las
dems respuestas es correcta.
13.- El mtodo de mnimos cuadrados para obtener los coeficientes de regresin en un
modelo:
Es aplicable a cualquier tipo de modelo. O ninguna es correcta.
14.- La media como medida de posicin es aplicable: Unicamente para variables en escala
cuantitativa.
15.- Si Cov(X,Y)>0: Rxy>=0.
16.- Para analizar el grado de relacin entre dos variables en escala por intervalos:
Es posible usar los coeficientes predictivos .
17.- Para analizar el grado de relacin entre dos variables ordinales: Es posible usar la X^2 de
Pearson. O ninguna es correcta.
18.- La moda es una medida de centralizacin aplicable a variables: Ninguna de las dems
respuestas es correcta.
19.- El error medio en las estimaciones de un modelo de regresin multiple es:
0.0 o ninguna es correcta.
20.- Sean dos variables X e Y en las que el coeficiente de correlacin lineal Rxy=0:
X e Y no pueden estar relacionadas en forma lineal. O ninguna es correcta.
21.- Si R^2xy,z>R^2xy: La relacin entre las variables X e Y se debe al efecto de la variable Z.

1. Si el coeficiente de asimetra toma valores prximos a cero, indica que:

2. Si
:
con el signo > en vez de >=)

(misma versin con menor el resultado es el mismo pero

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,

5. La interseccin entre los modelos de regresin de

centro de gravedad de la distribucin

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

7. Para una variable estadstica de tipo numrico cualquiera:Es posible el calcular

cualquier tipo de medida o ninguna de las dems es correcta.

8. Para analizar el grado de relacin entre dos variables en escala por intervalos:Es

posible usar los coeficientes predictivos .

9. Si la varianza del error

crece:Disminuye el coeficiente de determinacin /O/

Ninguna
10. El proceso de tipificacin de una variable estadstica, consiste en:Un cambio de

origen y escala. O ninguna es correcta.

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

dems respuestas es correcta

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
.

La relacin entre las variables

se debe al efecto de la variable

15. El mtodo de mnimos cuadrados para estimacin de modelos estocsticosNinguna

16. Sean dos variables

en las que el coeficiente de correlacin lineal

X e Y no pueden estar relacionadas en forma lineal. O ninguna es correcta

17. Si el coeficiente de asimetra toma valores positivos, indica que:

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

20. La media como medida de posicin es aplicable:nicamente para variables en escala

cuantitativa.
21. Tipificar unos datos, consiste en Centrar los datos y dividirlos por su desviacin tpica.

22. El mtodo de mnimos cuadrados para obtener los coeficientes de regresin en un

modelo:
Es aplicable a cualquiertipo de modelo o ninguna es correcta.

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.

11.-La duracin (en aos) de 6 componentes electrnicos seleccionados aleatoriamente son 3,

4, 5, 5, 6, 7. Suponiendo normalidad en la variable generadora de la muestra, el mejor
estimador de la varianza poblacional es: 2
12.-El estimador de un parmetro poblacional que se desea estimar: Debe de ser, al menos,
asintticamente insesgado.
13.-La media, mediana, moda y percentiles son: Estadsticos
14.-La media muestral es: Un estadstico // Una variable aleatoria.
15.-Un estimador es sesgado cuando: El sesgo es distinto de cero. O ninguna es correcta
16.-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.
17.-Un estadstico: Una variable aleatoria
18.-Un estimador asintticamente insesgado es aquel que: Su esperanza tiende al parmetro
cuando aumenta el tamao muestral considerablemente /o/ Ninguna es correcta.
19.-El estimador de mxima verosilitud: No tiene que existir siempre
20.-A diez estudiantes elegidos al azar se le anotaron las calificaciones en los exmenes finales
de Fsica y Economa. Para probar si existe un mayor rendimiento en alguna de las materias,
qu tipo de prueba se utilizara?. Ninguna es correcta.
1. La media muestral es: Un estadstico /o/ Una variable aleatoria.
2. Un estimador es sesgado cuando: El sesgo es distinto de cero. O ninguna es correcta.
3. 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.
4. La media, mediana, moda y percentiles son: Estadsticos.
5. Un estimador es: Un estadstico.
6. Una muestra aleatoria simple es una coleccin de: Variables aleatorias independientes.
7. Una realizacin muestral es una coleccin de: Datos /o/ Ninguna de las dems respuestas es
correcta.
8. El mejor estimador de la varianza poblacional es: La cuasi-varianza muestral.
9. Un estadstico: Una variable aleatoria.
10. Un estimador asintticamente insesgado es aquel que: Su esperanza tiende al parmetro
cuando
aumenta el tamao muestral considerablemente /o/ Ninguna es correcta.
1. Un estimador es insesgado cuando: Su esperanza coincide con el parmetro a estimar.
2. Un estimador consistente es aquel que: Bajo ciertas condiciones, su varianza tiende a cero //
NC.

3. Un estimador es: Un estadstico.

4. Un estadstico es: Una variable aleatoria.
5. El mejor estimador insesgado es: Eficiente y consistente NC.
6. A diez estudiantes elegidos al azar se le anotaron las calificaciones en los exmenes finales
de
Fsica y Economa. Para probar si existe mayor rendimiento en alguna de las materias, qu tipo
de
prueba se utilizara?: Diferencias de medias dependientes o apareadas.
7. Una muestra aleatoria simple es una coleccin de: Variables aleatorias independientes.
8. 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)
// NC.
9. La media, mediana y moda son: NC.
10. La media, mediana, moda y percentiles son: Estadsticos.
11. El mtodo de mxima verosimilitud permite calcular: El estimador de mxima
verosimilitud.
12. El estimador de mxima verosimilitud: No tiene que existir siempre.
13. El mejor estimador de la varianza poblacional es: La cuasi-varianza muestral.
14. Una realizacin muestral es una coleccin de: Datos // NC.
15. La duracin (en aos) de 6 componentes electrnicos seleccionados aleatoriamente son 3,
4, 5,
5, 6, 7. Suponiendo normalidad en la variable generadora de la muestra, el mejor estimador de
la
varianza poblacional es: 2.
16. Un estimador es insesgado cuando: Su esperanza coincide con el parmetro a estimar // El
sesgo es
cero.
17. Un estimador es sesgado cuando: El sesgo es distinto de cero. O ninguna es correcta.
18. El estimador de un parmetro poblacional que se desea estimar: Debe ser, al menos,

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?.

P(A)=P(B)=0.3, obligatoriamente. O ninguna de las dems respuestas es correcta.

------La distribucin F de Snedecor es:

El cociente entre dos variables aleatorias chi-cuadrado independientes. O ninguna de las
dems respuestas es correcta.
-------La distribucin T de Student es:
El cociente entre una variable aleatoria normal media cero y varianza uno y la raz de una
variable chi-cuadrado.
-------Si los sucesos A y B son incompatibles, entonces:
P(AUB)=P(A)+P(B) o ninguna de las dems es correcta.
-------Dados dos sucesos A,B tales que P(B/A)=0 con P(A)>0 yP(B)>0, entonces:
A,B son excluyentes ninguna de las dems respuestas es correcta.
-------En un control de calidad se considera la variable X=numero de artculos necesarios hasta
conseguir el primer defectuoso. X se puede modelar siguiendo una distribucin:
Geomtrica o ninguna d las dems respuestas es correcta.
---------En un control de calidad se toma un lote de 1000 artculos que estn enumerados. Sea
la variable aleatoria X=el artculo i es seleccionado. X se puede modelar siguiendo una
distribucin:
Uniforme o ninguna de las dems respuestas es correcta.
---------La mediana, como medida de centralizacin, es aplicable a variables:

---------La mediana como medida de posicin es aplicable:

--------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.

------- La funcin de densidad de la N(0,1) es:

Ninguna de las dems respuestas es correcta ->(opciones son escalonada acumulativa
creciente o ninguna)
-------- Si X e N( = 0,=2 ), la v.a. Y=3X+1 tiene por distribucin:
N( = 1, ^2=36). O ninguna de las dems es correcta.
--------- Entre las condiciones que han de cumplir las variables aleatorias para poder
aplicar el teorema central del lmite:
Deben de ser independientes o ninguna de las dems respuestas es correcta.
--------- La amplitud de un intervalo de confianza para la media poblacional depende
de:
---------- El estadstico del intervalo de confianza para la media con la varianza
desconocida se aproxima a una distribucin:
t de Student o ninguna de las dems respuestas es correcta.
--------- Con respecto a la regin de rechazo C1 de un contraste de hiptesis, es cierto
que:
???
-------- Con respecto a la regin de aceptacin C0 de un contraste de hiptesis, es
cierto que:
??????
-------- Para contrastar, mediante la prueba t, si dos poblaciones tienen la misma media
se requiere que:
Las dos muestras sean independientes. O ninguna es correcta.
-------- Con respecto al estadstico de un contraste de hiptesis, es cierto que:
???????