CREAR TEST

TEST BORRADO, QUIZÁS LE INTERESE: Examenes teoria ad2

COMENTARIOS	ESTADÍSTICAS	RÉCORDS

REALIZAR TEST

Título del Test: Examenes teoria ad2 Descripción: teoría UCA ad2 Autor: Andrea OTROS TESTS DEL AUTOR Fecha de Creación: 06/02/2025 Categoría: Universidad Número Preguntas: 42

COMPARTE EL TEST

Comentar

No hay ningún comentario sobre este test.

Temario:

Al aumentar el nivel de confianza y también el tamaño muestral, el intervalo de confianza para la media poblacional... El cambio de amplitud del intervalo dependerá de los cambios en α y n. Aumenta también en amplitud. Disminuye en amplitud. No varía. . Si en un contraste el nivel de significación se fija en 0.05 y se obtiene un p-valor igual a 0.13, entonces: Se rechaza la hipótesis nula. No hay evidencias para rechazar la hipótesis nula. Se acepta la hipótesis alternativa. No hay evidencia suficiente para tomar una decisión. . Consideramos que dos muestras son dependientes o pareadas si: Tienen el mismo tamaño muestral. Si se pueden restar para obtener la muestra de la diferencia. Si las diferencias son normales y homocedásticas. Si los valores proceden ordenadamente de los mismos individuos. La distribución chi-cuadrado de Pearson: Se obtiene como suma de n normales tipificadas al cuadrado. Se usa para comparar la media de dos variables. Se obtiene como suma de n normales tipificadas e independientes al cuadrado. Casi siempre toma valores positivos. Para una variable aleatoria, X ~ N(µ, σ)... Si µ = 1 y σ = 1, decimos que la variable X está tipificada. σ es positivo y mide la dispersión de la variable. Sus parámetros, µ y σ, tienen que ser necesariamente positivos. σ puede ser cero, lo que indicaría que la media es absolutamente representativa de la población. Marque la respuesta INCORRECTA en relación a un test de rachas: Si al aplicar un test de rachas para evaluar la aleatoriedad, obtengo un p-valor = 0.0015, tendría que analizar a fondo la calidad de la muestra y, si no encuentro una respuesta satisfactoria del porqué de ese p-valor (como que se han reordenado los datos), tendría que prescindir de dicha muestra. Si tengo una muestra 1,2,3,4,5,6,7,8,9,10,11,12,13 y le aplico un test de rachas, rechazaré la aleatoriedad de la misma. El test de rachas es un test no paramétrico. Para analizar la aleatoriedad de los datos, puede elegir entre un test de rachas y un test de autocorrelación, de Durbin-Watson por ejemplo. . Descubra la respuesta correcta: 1 - β = P[No rechazar H0 | H0 es cierta]. α = P[Rechazar H0 | H0 es falsa]. 1 - α = P[Rechazar H0 | H0 es falsa]. β = P[No rechazar H0 | H0 es falsa]. . En una población dicotómica se desea contrastar que el diseño muestral, en relación al número de individuos que componen cada grupo, es equilibrado. Obtenida la muestra, tendremos que plantear: Un intervalo para la igualdad de varianzas (σ²₁ = σ²₂). Un contraste de hipótesis de igualdad de medias (µ₁ = µ₂). Un contraste de hipótesis para la proporción de uno de los grupos (p = 0.5). Un contraste de hipótesis de dos proporciones (p₁ = p₂). . El test de la U de Mann-Whitney o test de Wilcoxon-Mann-Whitney... Es la alternativa no paramétrica al test de dos muestras independientes de la t de Student, cuando al menos una de las muestras no es aleatoria. Es un test no paramétrico para dos poblaciones basado en la suma de rangos de las muestras y que contrasta la igualdad de medianas. Es la alternativa no paramétrica que debemos utilizar cuando deseamos contrastar la igualdad de las medias de la muestra. Es un test paramétrico para dos poblaciones basado en las rachas de las muestras y que contrasta la igualdad de medianas. . Señale la respuesta INCORRECTA. La eficiencia de un test sobre un parámetro poblacional, en términos de minimizar el riesgo (β) o de aumentar la potencia (1 - β), depende de: Lo cerca que esté el valor del parámetro en nuestra hipótesis nula del verdadero valor del mismo. La desviación típica de la población. El tamaño de la muestra. Informaciones que podamos tener de otros estudios realizados con antelación. Decimos que un procedimiento estadístico es robusto si: Simplemente si es un procedimiento paramétrico. Se verifica la normalidad, la homocedasticidad y la independencia, sería robusto respecto a esas condiciones. Se puede aplicar cualesquiera que sean las condiciones que se den. El procedimiento sigue siendo válido aunque se viole de forma leve alguna de las condiciones necesarias para su aplicación, sería robusto respecto a esa condición. La descomposición de la variabilidad encontrada por Fisher viene dada por SCT = SCTR + SCR. La SCTR es la suma de cuadrados debida a los tratamientos y actúa de forma que... Los cambios en SCTR no tienen una influencia directa en la sensibilidad del ANOVA para detectar diferencias entre los niveles del factor. Si SCTR = 0, el ANOVA tiene un p-valor = 1. Si SCTR disminuye, el modelo ANOVA es más sensible para encontrar diferencias entre los niveles de los factores. Si SCTR crece, el modelo ANOVA es menos sensible para encontrar diferencias entre los niveles de los factores. . ¿Es posible que un factor A sea independiente de otro B, pero que B dependa de A? Depende de las circunstancias. no si Solo es posible cuando los dos factores tienen el mismo número de clases. . Si en un ANOVA, dentro de cada nivel del factor todos los valores coinciden con su media, xij=xˉi∀j,∀ixij​=xˉi​∀j,∀i, entonces: No se puede afirmar nada a priori, sino que hay que aplicar el ANOVA y tomar una decisión en función de que p sea mayor o menor que α. Se rechaza la hipótesis nula y algunas medias son distintas para cualquiera que sea el α. No se rechaza la hipótesis nula para cualquiera que sea el α. No se puede aplicar el ANOVA. Dos sucesos A y B son independientes si: P(A ∩ B) = P(A) + P(B) P(A ∪ B) = P(A) + P(B) P(A ∩ B) = P(A) · P(B) P(A ∩ B) = P(A) - P(B) . Sea X una variable aleatoria, ¿qué valor tiene la función de distribución F(∞)? F(∞) = 0.95 F(∞) = 1.5 F(∞) = 1 . Para un valor de una variable aleatoria continua X se verifica que: P(X = a) = 0 P(X = a) > 0 P(X ≤ a) = P(X < a) . Sea X una variable aleatoria con función de distribución F(x), entonces se tiene que P(a ≤ X ≤ b) = F(b) - F(a): Nunca Si la variable aleatoria es continua siempre si la variable aleatoria es discreta. En una variable tipificada: La media es la mitad de la varianza La varianza es uno La media es la unidad La varianza es cero. El nivel de confianza 1 - α de un intervalo de confianza para un cierto parámetro indica que: Aproximadamente el 100(1 - α) % de los intervalos construidos no contienen el parámetro especificado Aproximadamente el 100(1 - α) % de los intervalos contienen el parámetro De cada 100 intervalos construidos, aproximadamente el (1 - α)100 % de ellos contienen el parámetro . Consideramos que dos muestras son dependientes o pareadas si: Tienen el mismo tamaño muestral Se pueden restar Los valores proceden ordenadamente de los mismos individuos . Si en un contraste el nivel de significación se fija en 0.05 y se obtiene un p-valor igual a 0.13, entonces: ) Se rechaza la hipótesis nula No hay evidencias para rechazar la hipótesis nula Se acepta la hipótesis alternativa . Cuando el tamaño muestral, n, crece la distribución de Student converge a una: N(−1,1) t_{n−1} N(0,1) . Al aumentar el nivel de confianza, manteniendo el mismo tamaño muestral, el intervalo de confianza para la media poblacional... Aumenta también en amplitud Disminuye en amplitud No varía . El coeficiente de simetría de una N(7,3) es: 7 3 1 0. El estimador insesgado de la media de una población N(μ,σ), x̄, tiene una distribución: x̄ ~ N(μ, σ/√n) x̄ ~ N(μ, σ/n) x̄ ~ N(μ, σ. En un contraste de hipótesis, no hay evidencias para rechazar la hipótesis nula si: La discrepancia está dentro de la región crítica La discrepancia está dentro de la región de aceptación La discrepancia no es muy grande . En un test de significación para la media de una variable normal y varianza conocida, rechazamos la hipótesis nula cuando: La media de la muestra empleada para realizar el test es 22, al 95% de confianza, sí No podemos dar ninguna solución sin conocer también el tamaño de la muestra, aunque se conozca la varianza . La distribución del cociente de dos varianzas muestrales es: Normal Chi-cuadrado F de Snedecor-Fisher . La distribución de la suma de variables normales independientes normalizadas al cuadrado es: normal Chi-cuadrado F de Snedecor-Fisher . Indique el juego de hipótesis acorde con la teoría de contrastes: H₀: μ = 10 y H₁: μ ≠ 10 H₀: μ ≥ 10 y H₁: μ ≤ 10 H₀: μ ≤ 50 y H₁: μ > 50 H₀: S² ≥ 64 y H₁: S² < 64 . La función de distribución de probabilidad de una variable aleatoria continua X: Es monótona creciente, positiva y es siempre menor o igual 1 Cumple que P(X = a) = F(a) Cumple que P(X ≥ a) = F(a). La media de una B(10;0.4) es igual a: 4 2.4 10. Al aumentar el nivel de confianza, manteniendo el mismo tamaño muestral, el intervalo de confianza para la media poblacional... Aumenta también la amplitud Disminuye en amplitud no varia. El coeficiente de simetría de una N(7;3) es: 7 3 1 0. no hay evidencias para rechazar la hipótesis nula si la discrepancia está dentro de la región crítica la discrepancia está dentro de la región de aceptación La discrepancia no es muy grande . En un test de significación para la media de una variable normal y varianza desconocida, rechazamos la hipótesis nula de que la media es 22, al 95% de confianza si: La media de la muestra empleada para realizar el test fuera 12 No podemos dar ninguna solución si no conocemos también el tamaño de la muestra, aunque se conozca la varianza de la población Si no nos dicen la desviación típica de la muestra no disponemos de suficiente información, aunque sepamos el tamaño de la muestra y su media. Sea x₀ la mediana de una variable aleatoria, ¿qué valor tiene la función de distribución F(x₀)? F(x₀) = 1 F(x₀) = 0,95 F(x₀) = 0,5. Para un valor a de una variable aleatoria continua X se verifica que: P(X = a) > 0 F(a) = P(X ≥ a) P(X ≤ a) = P(X > a) P(X ≤ a) = P(X < a). El nivel de confianza (1 - α) de un intervalo de confianza para un cierto parámetro indica que: Aproximadamente el 100(1 - α)% de los intervalos construidos no contienen el parámetro especificado Aproximadamente el 100(1 - α)% de los intervalos contienen el parámetro De cada 100 intervalos construidos, aproximadamente el (1 - α) 100% de ellos contiene al parámetro. En una muestra aleatoria simple de tamaño n extraída de una población de tamaño N… Todos los individuos tienen una probabilidad de pertenecer a la muestra de 1/N No se admite el reemplazamiento No todas las posibles muestras de tamaño n son igualmente probables. Cuando el tamaño muestral, n, crece, la distribución t de Student converge a una: N(n - 1, 1) X²(n - 1) F(n - 1, n - 1) N(0, 1).

Denunciar Test