Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
6. Un suceso aleatorio es: Un elemento del álgebra de sucesos asociado al espacio muestral.
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 o ninguna
de las demás 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 ó P(AUB)=0.28.
10. Dada la variable aleatoria X y la v.a. Y=aX+b, entonces: V[Y]=a^2V[X] o Ninguna de las
demás respuestas es correcta.
12. Dada la variable aleatoria X y la v.a. Y=X-b, entonces: Ninguna de las demás 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 ó Un suceso.
14. Conteo cuando interviene el orden y hay repetición: Variaciones con repetición.
16. Siendo x1 y x2 dos valores cualesquiera de una v.a. X, tales que x1< x2, entonces: F(x1)≤
F(x2) ó Ninguna de las demás respuestas es correcta.
18. Sean A y B dos sucesos independientes con P(A)=0. En este caso: P (A∩B)=0 P(A/B)=0.
20. Las condiciones de las variables aleatorias para aplicar el teorema central del límite son:
Deben ser independientes o tienen que ser idénticamente distribuidas.
21. Las variables aleatorias discretas están definidas por: La función de probabilidad.
23. Si X є N (μ=0, б=2), la v.a. Y=4X+2 tiene por distribución: Ninguna de las demás respuestas
es correcta.
26. El contraste de hipótesis permite: Decidir si el parámetro toma un determinado valor con
cierta probabilidad.
31. A diez estudiantes elegidos al azar se le anotaron las calificaciones de los exámenes finales
de Física y Economía. Para probar si existe un mayor rendimiento en alguna de las materias,
¿qué tipo de prueba se utilizará?: Diferencia de medias dependientes o apareadas.
32. Las variables aleatorias multidimensionales son vectores formados por: Variables aleatorias
o N.C.
37. Sean A y B dos sucesos tales que P(A)=P(B)=P(B/A)=0.5: ninguna de las demás respuestas
es correcta ó P(AUB)≤1 ó P(AUB)<1.*
38. Sean Xi Є B(p),i=1...8, independientes. La v.a. X=Σ^8 i=1 Xi tiene por distribución: b(8,p).
39. Si el valor que se está contrastando en la hipótesis nula está en el intervalo de confianza
asociado, entonces: No existen evidencias para rechazar que el parámetro es el valor
contrastado.
40. Si el valor que se está contrastando en la hipótesis nula no está en el intervalo de confianza
asociado, entonces: Se rechaza la hipótesis ó Ninguna de las demás respuestas es correcta.
41. Los intervalos de confianza bilaterales I0.99 e I0.95 para μ en una población normal son
tales que: I0.95 C I0.99 ó ninguna de las demás respuestas es correcta.
42. Un estimador consistente es aquel que: Bajo ciertas condiciones, su varianza tiende a cero
o N.C.
43. Un estimador de la esperanza de una variable aleatoria es: La media muestral o N.C.
44. Para que la ley de Laplace de asignación de probabilidad pueda aplicarse://Los sucesos Ei
que intervienen deben de ser independientes entre sí o Requiere, entre otros requisitos, que
los sucesos Ei que intervienen sean igualmente verosímiles.
45. Dos sucesos son mutuamente excluyentes si: Son sucesos disjuntos.
47. Sea X una variable aleatoria de tipo continuo: F(x)=∂F(x)/∂ x ó ninguna de las demás
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 repetición: Combinaciones con repetición o
N.C.
50. Sea X1 una v.a. tal que X1ЄD(μ1=4;σ1=1/5), y sea X2 otra v.a. Que X2ЄD(μ1=5;σ1=1/25). La
v.a. Y definida como combinación lineal de las anteriores Y=3X1-4X2+8.: Tiene de media cero y
de varianza uno, si X1 y X2 son independientes.
54. El estadístico media muestral, obtenido por muestreo aleatorio simple en una población de
media μ y desviación típica σ, tendrá por distribución: Bajo determinadas circunstancias una
N(μ;σ^2/n) ó Ninguna de las demás respuestas es correcta.
55. Se están anotando los datos de las averías de una máquina en una fabrica. Desde que la
máquina se avería hasta que se cambia hay estipulado un tiempo de máximo 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 distribución: Uniforme
continua.
56. Se están anotando los datos de una máquina en una fábrica. Sea X=”tiempo entre averías”.
X se puede modelar siguiendo una distribución: Exponencial o ninguna de las demás
respuestas es correcta.
57. Se están anotando los datos de las averías de una máquina en una fábrica. Sea X=”numero
de averías en un mes”. X se puede modelar siguiendo una distribución: Poisson.
58. Una variable aleatoria: Es una función del espacio muestral en R que verifica ciertas
propiedades.
59. Las variables aleatorias discretas toman siempre: Un conjunto numerable de valores ó N.C.
64. El nivel de significación α de un test representa la probabilidad de: Ninguna de las demás
respuestas es correcta.
67. La media de la suma de dos variables aleatorias normales es igual a: La diferencia de las
medias de cada una de ellas. //La suma de las medias de cada una de ellas//
68. Sea ZЄN(0,1) independiente de Yєx^2 y sea X=raíz de n*Z/raíz de Y, entonces: Xєt(n).
70. Dados tres sucesos mutuamente independientes: Dos de los tres sucesos considerados
podrían ser dependientes ó Ninguna de las demás respuestas es correcta.
73. La función de distribución de una variable aleatoria: Está comprendida entre cero y uno.
80. Una colección numerable de sucesos es: Un conjunto de sucesos que se puede contar.
81. Conteo cuando se ordenan todos los elementos de un conjunto: Permutación ó Ninguna de
las demás respuestas es correcta.
82. En un control de calidad, un lote es defectuoso cuando al ir sacando uno a uno los
artículos, salen 3 artículos defectuosos. El proceso se para cuando salido el tercer defectuoso.
Sea X=”número de artículos necesarios hasta parar el proceso”. X se puede modelar siguiendo
una distribución: Binomial negativa.
83. Un control de calidad de un componente electrónico 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 distribución:
Binaria.
84. Para una realización muestral, un intervalo de confianza contiene: Puede contener un
parámetro poblacional o no, dependiendo del nivel de confianza.
85. Para una realización muestral, los extremos de un intervalo de confianza son: Números.
87. Dados dos estimadores de un mismo parámetro poblacional desconocido, si la varianza del
primer estimador es menor que la del segundo: El estimador 1 es más representativo del
parámetro.
90. Si P(B)/=P(B/A), entonces los sucesos son: Independientes ó Ninguna de las demás
respuestas es correcta.
92. En un avión hay N plazas. Sea X=”número de mujeres en el pasaje”. X se puede modelar
siguiendo una distribución: Binomial.
93. Las variables aleatorias continuas están definidas por: La función de distribución.
95. El estadístico usado para construir un intervalo de confianza para el cociente de varianzas
sigue una distribución de tipo: F de Snedecor.
96. El estadístico del intervalo de confianza para la media con la varianza conocida se aproxima
a una distribución: Normal ó N.C.
97. El estadístico del intervalo de confianza para la media con la varianza desconocida se
aproxima a una distribución: t de Student.
98. El estadístico del intervalo de confianza de varianza sigue una distribución: Chi-cuadrado.
100. Sean las vs.as. Y=∑ de K e i=1 Yi (siendo YiЄx^2(n)), y TЄN(μT;σ^2T), independiente entre
sí, ¿qué distribución sigue la v.a. (TμT/σT)/(raíz de Y/kn)?: t(kn).
103. Dada la figura que se acompaña: Se corresponde con una función de distribución de una
variable aleatoria continua.
104. El número de bytes usados en un ordenador con una memoria de N bytes se puede
modelar siguiendo una distribución: Binomial.
106. Dada una variable aleatoria normal. Se tiene que su función de densidades: Simétrica
respecto su esperanza.
107. ¿Cuánto es necesario aumentar el tamaño muestral para que la amplitud de un intervalo
de confianza para la media con varianza conocida, se reduzca a la mitad?: Cuadriplicarlo.
109. Dada una v.a, X con distribución h(1,a,b), se verifica: X es B(p) con p=a/(a+b).
111. Se están anotando los datos de las averías de una central eléctrica. Sea X=”tiempo entre
averías”. X se puede modelar siguiendo una distribución: N.C.
112. Una realización muestral es una colección de: Datos.
114. El estimador de un parámetro poblacional que se desea estimar: Debe de ser, al menos,
asintóticamente insesgado.
116. Una muestra aleatoria simple es una colección de: Variables aleatorias independientes.
117. Un estimador de un parámetro poblacional que se desea estimar: Debe de ser, al menos,
asintóticamente insesgado.
120. Dos variables aleatorias están idénticamente distribuidas si: Sus funciones de distribución
son iguales a todos su p.
121. En general, los extremos de un intervalo de confianza son: [NO son números].
122. A diez estudiantes elegidos al azar se le anotaron las calificaciones en los exámenes
finales de Física y Economía. Para probar si existe un mayor rendimiento en alguna de las
materias, ¿qué tipo de prueba se utilizaría?: [Opciones: a) Diferencia de medias dependientes
o apareadas; b) Diferencia de proporciones; c) N.C.]
123. Conteo cuando interviene el orden y hay repetición: Variaciones con repetición.
124. Las variables aleatorias discretas están definidas por: La función de cuantía.
125. Las variables aleatorias multidimensionales son vectores formados por: [Opciones: a)
Números; b) N.C.; c) Variables aleatorias.
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
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 combinación lineal de las anteriores Y=… TIENE MEDIA
CERO Y DE VARIANZA UNO, SI X1 y X2 SON INDEPENDIENTES
6. El valor de K en la siguiente figura es: (P5T6) 0.25 PARA QUE SEA UNA FUNCION DE
DENSIDAD
10. Se están anotando los datos de las averías de una máquina en una fábrica. Sea X=”el
número de averías en un mes”, X se puede modelar siguiendo una distribución: 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
12. Dada una v.a, X con distribución 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
16. Para que la ley de Laplace de asignación de probabilidad pueda aplicarse REQUIERE, ENTRE
OTROS REQUISITOS, QUE LOS SUCESOS EI QUE INTERVIENEN SEAN IGUALMENTE VEROSIMILES
18. Las condiciones de las variables aleatorias para aplicar el teorema central del límite son:
TIENEN QUE SER IDENTICAMENTE DISTRIBUIDAS.
21. Las condiciones de las variables aleatorias para aplicar el teorema central del límite son:
DEBEN SER INDEPENDIENTES
22. Conteo cuando interviene el orden y hay repetición: VARIACIONES CON REPETICIÓN
27. Sean Xi Є B(p),i=1……8 independientes. La v.a X=∑ de B y i=1 X; tiene por distribución: b
(8,p).
30. Dos variables aleatorias están idénticamente distribuidas si: SUS FUNCIONES DE
DISTRIBUCION SON IGUALES EN TODOS SUS PUNTOS.
34. Una colección numerable de sucesos es: UN CONJUNTO DE SUCESOS QUE SE PUEDEN
CONTAR
35. Las variables aleatorias continuas están definidas por: LA FUNCIÓN DE DENSIDAD
36. El número de personas que llegan a urgencias una noche de puede modelar siguiendo una
distribución: POISSON
37. En un avión hay N plazas. Sea X=”numero de mujeres en el pasaje” X se puede modelar
siguiendo una distribución: BINOMIAL
39. Las variables aleatorias discretas están definidas por: LA FUNCIÓN DE PROBABILIDAD
42. El número de bytes usados en un ordenador con una memoria de N bytes se puede
modelar siguiendo una distribución: BINOMIAL
43. Sean A y B dos sucesos aleatorios independientes. A partir de B=B∩(AUAC) puede
deducirse que: AC y B SON INDEPENDIENTES
47. En un control de calidad un lote es defectuoso cuando, al ir sacando uno a uno los
artículos, salen tres artículos defectuosos. El proceso se para cuándo ha salido el tercer
defectuoso. Sea X=”número de artículos necesarios hasta parar el proceso”. X se puede
modelar siguiendo una distribución: BINOMIAL NEGATIVA
50. Conteo cuando se ordenan todos los elementos del conjunto PERMUTACIONES
51. En una cafetería hay N tipos de bocadillos. La variable aleatoria X=”seleccionar el azar del
bocadillo i” se puede modelar siguiendo una distribución: UNIFORME
52. La función de distribución de una variable aleatoria ESTÁ ENTRE CERO Y UNO
53. Siendo X1 y X2 dos valores cualesquiera de una v.a X tales que X1 < X2 entonces:
P(X1)≤F(X2)
54. Se están anotando los datos de las averías de una maquina en una fábrica. Sea
X=”Tiempo entre avería”. X se puede modelar siguiendo una distribución: EXPONENCIAL.
57. Sean las vs.as. Y=∑ de K e i=1 Yi……… independiente entre si ¿Qué distribución la
v.a………..?: t(kn)
62. Un suceso aleatorio es: UN ELEMENTO DEL ALGEBRA DE SUCESOS ASOCIADO AL ESPACIO
MUESTRAL
63. Dada la figura que se acompaña (P4T6): SE CORRESPONDE CON UNA FUNCION DE
DISTRIBUCION DE UNA VARIABLE ALEATORIA CONTINUA
64. Se están anotando los datos de las averías de una maquina en una fábrica. Desde que la
maquina se avería hasta que se cambia hay estipulado un tiempo máximo 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 distribución: UNIFORME
CONTINUA
65. Dada una variable aleatoria normal. Se tiene que su función de densidad es: SIMETRICA
RESPECTO A SU ESPERANZA
70. siendo z1 y z2 dos valores cualesquiera de una v.a. X, tales que z1<z2… ninguna respuesta
es correcta.
72. dada la figura que acompaña: se corresponde con una función de distribución de una
variable aleatoria continua
73. para que la ley de Laplace de asignación de probabilidad pueda aplicarse: requiere entre
otros requisitos que los sucesos E que intervienen sean igualmente verosímiles.
76. Dados tres sucesos mutuamente independientes: dos de los 3 sucesos podrían ser
dependientes.
78. Conteo cuando no interviene el orden y hay repetición: combinación con repetición.
79. Dos variables aleatorias están idénticamente distribuidas si : sus funciones de distribución
son iguales en todos sus puntos.
92. Para una variable aleatoria x y un intervalo i, se tiene q x-1(i): un subconjunto del espacio
muestral.
1.- Una variable tipificada es tal que: Su media es 0 y su desviación típica 1 ó Ninguna de las
demás respuestas es correcta.
2.- Tipificar unos datos, consiste en: Centrar los datos y dividirlos por su desviación típica.
3.- El método de mínimos cuadrados para estimación de modelos estocásticos: ninguna de las
demás respuestas es correcta.
5.- Para analizar el grado de relación entre dos variables nominales, Ninguna de las demás
respuestas es correcta.
6.- Para analizar el grado de relación entre dos variables en escala por ratios: Es posible usar el
coeficiente de Pearson o Ninguna de las demás respuestas es correcta.
7.- El Proceso de tipificación de una variable estadística, consiste en: Un cambio de origen y
escala.
8.- Si el coeficiente de asimetría toma valores próximos a cero, indica que: m0~me~x.
9.- El rango es una medida de dispersión aplicable a: Variables ordinales o superiores o
Ninguna de las respuestas es correcta.
10.- La intersección entre los modelos de regresión de X/y y de Y/X coincide con: El centro de
gravedad de la distribución (x,y).
12.- Si la varianza del error S2e crece: Disminuye el coeficiente de determinación ó Ninguna de
las demás respuestas es correcta.
14.- La media como medida de posición es aplicable: Únicamente para variables en escala
cuantitativa.
16.- Para analizar el grado de relación entre dos variables en escala por intervalos: Es posible
usar los coeficientes predictivos λ.
17.- Para analizar el grado de relación entre dos variables ordinales: Es posible usar la X^2 de
Pearson.
18.- La moda es una medida de centralización aplicable a variables: Ninguna de las demás
respuestas es correcta.
19.- El error medio en las estimaciones de un modelo de regresión múltiple es: 0.0
20.- Sean dos variables X e Y en las que el coeficiente de correlación lineal Rxy=0: X e Y no
pueden estar relacionadas en forma lineal.
3. Para analizar el grado de relación entre dos variables en escala por ratios: NINGUNA
/O/ Es posible usar el coeficiente de correlación de Pearson.
8. Para analizar el grado de relación entre dos variables en escala por intervalos: Es
posible usar los coeficientes predictivos .
11. El error medio en las estimaciones de un modelo de regresión múltiple es: 0.0
13. Dada una variable estadística medida a través de una escala por ratios: Ninguna
/O/ Es obligatorio el agrupar por intervalos para calcular cualquier tipo de medida
18. La varianza como medida de dispersión, No siempre será aplicable, dependerá del tipo
de variables.
19. El rango es una medida de dispersión aplicable a:Variables ordinales o superiores /o/
Ninguna
20. La media como medida de posición es aplicable: Únicamente para variables en escala
cuantitativa.
21. Tipificar unos datos, consiste en Centrar los datos y dividirlos por su desviación típica.
23. Si NINGUNA
24. Para analizar el grado de relación entre dos variables ordinales: Es posible usar los
coeficientes predictivos λ /O/ Es posible usar la chi-cuadrado de Pearson
26. Para analizar el grado de relación entre dos variables nominales: Ninguna de las
demás respuestas es correcta.
3.-La media, mediana y moda son: Ninguna de las demás respuestas es correcta
5.-Una realización muestral es una colección de: Datos // Ninguna de las demás respuestas es
correcta
6.-El mejor estimador insesgado es: Ninguna de las demás respuestas es correcta
8.-Un estimador consistente es aquel que: Bajo ciertas condiciones, su varianza tiende a cero
// Ninguna de las demás respuestas es correcta
9.-Una muestra aleatoria simple es una colección de: Variables aleatorias independientes
10.-El estadístico media muestral, obtenido por muestreo aleatorio simple en una población
media μ y desviación típica σ , tendrá por distribución: Bajo determinadas circunstancias N (μ;
σ 2 /n) // Ninguna de las demás respuestas es correcta.
12.-El estimador de un parámetro poblacional que se desea estimar: Debe de ser, al menos,
asintóticamente insesgado.
20.-A diez estudiantes elegidos al azar se les anotaron las calificaciones en los exámenes
finales de Física y Economía. Para probar si existe un mayor rendimiento en alguna de las
materias, ¿qué tipo de prueba se utilizaría? Ninguna es correcta.
6. Una muestra aleatoria simple es una colección de: Variables aleatorias independientes.
7. Una realización muestral es una colección de: Datos /o/ Ninguna de las demás respuestas es
correcta.
2. Un estimador consistente es aquel que: Bajo ciertas condiciones, su varianza tiende a cero //
NC.
6. A diez estudiantes elegidos al azar se le anotaron las calificaciones en los exámenes finales
de Física y Economía. Para probar si existe mayor rendimiento en alguna de las materias, qué
tipo de prueba se utilizaría?: Diferencias de medias dependientes o apareadas.
7. Una muestra aleatoria simple es una colección de: Variables aleatorias independientes.
8. El estadístico media muestral, obtenido por muestreo aleatorio simple en una población de
media μ y desviación típica σ, tendrá por distribución: Bajo determinadas circunstancias una
N(μ;σ2/n) // NC.
18. El estimador de un parámetro poblacional que se desea estimar: Debe ser, al menos,
asintóticamente insesgado.
19. Un estimador de la esperanza de una variable aleatoria es: La media muestral ó NC.
22. Dados dos estimadores de un mismo parámetro poblacional desconocido, si la varianza del
primer estimador es menos que la del segundo: El estimador 1 es más representativo del
parámetro.
23. Una muestra aleatoria simple es una colección de: Variables aleatorias independientes.
2.-Los intervalos de confianza bilaterales I 0.99 e I 0.95 para μ en una población normal son
tales que: I 0.99C I 0.95
3.- ¿Cuánto es necesario aumentar el tamaño 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 hipótesis permite: Decidir si el parámetro toma un determinado valor con
cierta probabilidad.
6.-El estadístico usado para construir un intervalo de confianza para el cociente de varianzas
sigue una distribución de tipo: Ninguna de las demás respuestas es correcta. // F de Snedecor.
7.-Los intervalos de confianza bilaterales I 0.99 e I 0.95 para μ en una población normal son
tales que: Ninguna de las demás respuestas es correcta
9.-Si el valor que se está contrastando en la hipótesis nula no está en el intervalo de confianza
asociado, entonces: Ninguna de las demás respuestas es correcta. // Se rechaza la hipótesis
10.-Para una realización muestral, los extremos de un intervalo de confianza son: Números.
11.-Si el valor que se está contrastando en la hipótesis nula esta en el intervalo de confianza
asociado, entonces: No existen evidencias para rechazar que el parámetro es el valor
contrastado.
12.-El estadístico del intervalo de confianza para la media con la varianza conocida se aproxima
a una distribución: Ninguna de las demás respuestas es correcta. // Normal