1.

El Teorema de Bayes para el cálculo 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: Ninguna de las demás respuestas es correcta.

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) ó f(x)=P(X=x).

6. Un suceso aleatorio es: Un elemento del álgebra de sucesos asociado al espacio muestral.

7. Un suceso es: Un subconjunto del 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.

11. Dada la variable aleatoria X y la v.a. Y=X+b, entonces: E[Y]=E[X]+b.

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.

15. Dos sucesos son independientes: Si la probabilidad de la intersección es igual al producto

de sus probabilidades ó ninguna de las demás 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) ó Ninguna de las demás respuestas es correcta.

17. Dados dos sucesos A y B cualesquiera: P (AUB)=P(A).P(B) o P(AUB)=P(A)+P(B)­P(A∩B).

18. Sean A y B dos sucesos independientes con P(A)=0. En este caso: P (A∩B)=0 P(A/B)=0.

19. En un control de calidad se considera la variable X=”número de artículos necesarios hasta

conseguir el primer defectuoso”. X se puede modelar siguiendo una distribución:
//Geométrica o ninguna de las demás respuestas es correcta.//

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.

22. En un control de calidad se determina el número de artículos defectuosos en una

inspección de 100 artículos. Se define la variable aleatoria X=”número de artículos
defectuosos”. X se puede modelar siguiendo una distribución: Binomial.

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.

24. En un contraste de hipótesis, cometemos Error de tipo II cuando: Aceptamos Ho siendo

falsa.

25. Un estimador de un parámetro muestral desconocido: No tiene que ser único.

26. El contraste de hipótesis permite: Decidir si el parámetro toma un determinado valor con
cierta probabilidad.

27. Un estimador es insesgado cuando: El sesgo es cero ó Su esperanza coincide con el

parámetro a estimar.

28. Un estimador es sesgado cuando: El sesgo es distinto de cero.

29. Un estimador es: Un estadístico.

30. El coeficiente de confianza en una estimación por intervalos, es: El complementario de α ó

Ninguna de las demás respuestas es correcta.

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.

33. La Función de Distribución de la N(0,1) es: Creciente.

34. Si se tiene que P(A)=P(B)=P(B/A)=0.5: P((AUB)^c)=0.25 ó P(A∩B)=0.25 ó P(AUB)=0.75.

35. ¿Cuál de las siguientes distribuciones no es reproductiva?: Binaria, B(p).

36. ¿Cuál de las siguientes distribuciones es reproductiva?: Poisson, P(λ).

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.

46. La Esperanza Matemática es: El valor esperado de una variable aleatoria.

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.

51. La corrección de Continuidad de Yates se aplica cuando aproximamos: Una distribución

discreta por una continua.

52. Las variables aleatorias multidimensionales discretas son independientes cuando: La

función de distribución conjunta es igual al producto de las funciones de distribución
marginales en todos los puntos.

53. El mejor estimador de la varianza poblacional es: La cuasi-varianza muestral.

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.

60. Sea un control de calidad en el que se determina si un artículo es defectuoso o no. Se

define la variable aleatoria X =”articulo defectuoso”. X se puede modelar siguiendo una
distribución: Binaria o ninguna de las demás respuestas es correcta.

61. Si XЄN(μ=0;σ^2=2), la v.a. Y=2X+1 tiene por distribución: N(μ=1;σ^2=8).

62. Si X1Єx^2(n1), X2Єx^2(n2),...,XkЄx^2(nk), e independientes entre sí, ¿qué distribución

sigue la variable X=∑^k i=1 Xi?: x^2(n1+n2+...+nk) o ninguna de las demás respuestas es
correcta.

63. El mejor estimador insesgado es: Eficiente y consistente ó N.C.

64. El nivel de significación α de un test representa la probabilidad de: Ninguna de las demás
respuestas es correcta.

65. En un contraste de hipótesis, 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 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).

69. La probabilidad es: Una medida asociada a los sucesos.

70. Dados tres sucesos mutuamente independientes: Dos de los tres sucesos considerados
podrían ser dependientes ó Ninguna de las demás respuestas es correcta.

71. El número de accidentes al mes en un punto negro de la carretera se puede modelar

siguiendo una distribución: Poisson.

72. En un control de calidad de un componente electrónico, 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=”número de fallos en dos horas del componente”. X se puede
modelar siguiendo una distribución: Poisson.

73. La función de distribución de una variable aleatoria: Está comprendida entre cero y uno.

74. Si X e Y no son independientes: La suma de las esperanzas es la esperanza de a suma.

75. El método máxima verosimilitud permite calcular: El estimador de máxima verosimilitud.

76. El nivel de significación de un contraste de hipótesis es la máxima probabilidad de:

Rechazar Ho dado que Ho es verdadera ó N.C.

77. El nivel de confianza de un intervalo de confianza es: La probabilidad de que el parámetro

esté en el intervalo.

78. La media muestral es: Un estadístico ó una variable aleatoria.

79. La Varianza Matemática: Es una esperanza.

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.

86. La utilización de los árboles de decisión (o posibilidades) se justifica por: El teorema de la

partición o probabilidad total.

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.

88. La probabilidad de A condicionada a B es: La probabilidad de que ocurra A sólo cuando B

ha sucedido.

89. Sean A y B dos sucesos tales que P(A)=P(B)=0.2: P(AUB)≤ 0.4.

90. Si P(B)/=P(B/A), entonces los sucesos son: Independientes ó Ninguna de las demás
respuestas es correcta.

91. Si P(B)=P(B/A), entonces los sucesos son: Independientes.

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.

94. En general, los sucesos extremos de un intervalo de confianza son: Estadísticos.

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.

99. Dos sucesos son independientes: Si la probabilidad de la intersección es igual al producto

de sus probabilidades ó N.C.

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).

101. El estimador de máxima verosimilitud: No tiene que existir siempre.

102. Sea el experimento aleatorio "Contar el número de averías de un aparato electrónico en

un día": El conjunto de los resultados posible es numerable.

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.

105. La duración (en años) de 6 componentes electrónicos 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 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.

108. Dos sucesos son disjuntos si: La intersección es el conjunto vacío.

109. Dada una v.a, X con distribución 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 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.

113. Un estimador asintóticamente insesgado es aquel que: Su esperanza tiene al parámetro a

estimar cuando aumenta el tamaño muestral considerablemente o N.C.

114. El estimador de un parámetro poblacional que se desea estimar: Debe de ser, al menos,
asintóticamente insesgado.

115. Un estadístico es: Una variable aleatoria.

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.

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 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.

126. Sean XiЄB(p=0.5) independientes, la v.a. ,tiene por distribución: [Opciones: a)

N(μ=30;σ=15); b) P(λ=30); c)N.C.]

127. Si XЄN(μ=0;σ=2), la v.a. Y=4X+2 tiene por distribución: [Opciones: a) N (μ=2;σ^2=34); b) N

(μ=2;σ^2=32); c)N.C.]

1. Las variables aleatorias discretas toman siempre: UN CONJUNTO NUMERABLE DE VALORES.

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

4. Sean A y B dos sucesos independientes y con P(A)= 0: 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: (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(A∩B)

8. La varianza matemática: ES UNA ESPERANZA.

9. Dos sucesos son mutuamente excluyentes si: SON SUCESOS DISUNTOS

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

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 =“número de artículos necesarios hasta

conseguir el primer defectuoso”. X se puede modelar siguiendo una distribución:
GEOMÉTRICA.

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

17. La probabilidad es: UNA MEDIDA ASOCIADA A LOS SUCESOS

18. Las condiciones de las variables aleatorias para aplicar el teorema central del límite son:
TIENEN QUE SER IDENTICAMENTE DISTRIBUIDAS.

19. En un control de calidad de un componente electrónico, 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
distribución: BINARIA.

20. La corrección de Continuidad de Yates se aplica cuando aproximamos: UNA DISTRIBUCION

DISCRETA POR UNA CONTINUA

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

23. La Esperanza Matemática es: EL VALOR ESPERADO DE UNA VARIABLE ALEATORIA.

24. Una variable aleatoria ES UNA FUNCIÓN 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

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).

28. En un control de calidad de un componente electrónico, 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 distribución: POISSON

29. El número de accidentes al mes en un punto negro de la carretera se puede modelar

siguiendo una distribución: POISSON.

30. Dos variables aleatorias están idénticamente distribuidas si: SUS FUNCIONES DE
DISTRIBUCION SON IGUALES EN TODOS SUS PUNTOS.

31. La función de Distribución de la N(0,1) es CRECIENTE

32. Dos sucesos son disjuntos si: LA INTERSECCION ES EL CONJUNTO VACÍO

33. El Teorema de Bayes para el cálculo de probabilidades a posteriori REQUIERE, ENTRE

OTROS REQUISITOS, QUE LOS SUCESOS EI QUE INTERVIENEN SEAN EXCLUYENTES

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

38. Para obtener la probabilidad condicionada P(A/B) SE REQUIERE QUE P(B)≠0

39. Las variables aleatorias discretas están definidas por: LA FUNCIÓN DE PROBABILIDAD

40. Si se tiene que P(A)=P(B)=P(B/A) P(A∩B)=0.25

41. ¿Cuál de las siguientes distribuciones no es reproductiva: BINARIA, B(p)

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

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 electrónico, 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
distribución: BINARIA

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
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

48. En un control de calidad en el que se determina el número de artículos defectuosos en una

inspección de 100 artículos. Se define la variable aleatoria X =”Numero de artículos
defectuosos”. X se puede modelar siguiendo una distribución: BINOMIAL

49. Sea el experimento aleatorio “Contar el numero de averías de un aparato electrónico en un

día” EL CONJUNTO DE LOS RESULTADOS POSIBLE ES NUMERABLE

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.

55. Dos sucesos son independientes: SI LA PROBABILIDAD DE LA INTERSECCION ES IGUAL AL

PRODUCTO DE DOS PROBABILIDADES

56. Sea X una variable aleatoria de tipo continuo: F(x)=derivada?(x)/derivada x

57. Sean las vs.as. Y=∑ de K e i=1 Yi……… independiente entre si ¿Qué distribución la
v.a………..?: t(kn)

58. Sea X una variable aleatoria de tipo discreto: F(X)=P(X=x)

59. Sea Z Є N(0,1). Independientemente de Y Є a X2 =… Entonces: X Є t(n)

60. Si X1 Є X2 . e independiente entre sí ¿ qué distribución sigue la variable X=….: x2 (n1

+n2+…+nK)
61. Conteo cuando no interviene el orden y hay repetición: COMBINACIONES CON REPETICION

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

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 colección numerable de sucesos es : ninguna respuesta correcta.

69. Dada la variable aleatoria continua x, entonces: f(x)=e&(x)/@c

70. siendo z1 y z2 dos valores cualesquiera de una v.a. X, tales que z1<z2… ninguna respuesta
es correcta.

71. Dada la variable aleatoria discreta x, entonces: f(x)=p(x=r)

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.

74. Un suceso es: un subconjunto del espacio muestral.

75. La esperanza matemática es: el valor esperado de una variable aleatoria.

76. Dados tres sucesos mutuamente independientes: dos de los 3 sucesos podrían ser
dependientes.

77. Si p(b) distinto p(b/a) entonces : ninguna respuesta correcta.

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.

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.. un subconjunto de espacio
muestral.

82. Un suceso es : ninguna respuesta correcta( elemento algebra, conjunto posibles..)

83. el valor de k es: ninguna respuesta correcta.

84. Sea el experimento aleatorio contar numero averías de un aparato electrónico… el

conjunto de los resultados posible es numerable.

85. Si se tiene p(a)=p(b)=p(b/a)=0.5 : p((AuB)2)=0.25

86. Sea a y b dos sucesos independientes y con p(a)=0: p(a inter 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(ainterb)=0.25

89. la probabilidad de a condicionada a b es: la probabilidad de que ocurra a solo cuando b ha

sucedido

90. sea a y b dos sucesos independientes p(a)=0 entonces: p(a inter) =0

91. arboles de decisión: el teorema de la partición o probabilidad total.

92. Para una variable aleatoria x y un intervalo i, se tiene q x-1(i): un subconjunto del espacio
muestral.

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 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.

4.- Si el coeficiente de asimetría toma valores positivos, indica que: m0<=me<=x

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).

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

12.- Si la varianza del error S2e crece: Disminuye el coeficiente de determinación ó Ninguna de
las demás respuestas es correcta.

13.- El método de mínimos cuadrados para obtener los coeficientes de regresión en un

modelo: Es aplicable a cualquier tipo de modelo.

14.- La media como medida de posición es aplicable: Únicamente para variables en escala
cuantitativa.

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

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.

21.- Si R^2xy,z>R^2xy: La relación entre las variables X e Y se debe al efecto de la variable Z.

1. Si el coeficiente de asimetría toma valores próximos a cero, indica que:

2. Si : (misma versión con menor el resultado es el mismo pero

con el signo > en vez de >=)

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.

4. La mediana de una distribución de datos,

5. La intersección entre los modelos de regresión de y de coincide con:El

centro de gravedad de la distribución .
6. Una variable tipificada es tal que Su media es 0 y su desviación típica 1.o Ninguna

7. Para una variable estadística de tipo numérico cualquiera: Es posible el calcular

cualquier tipo de medida

8. Para analizar el grado de relación entre dos variables en escala por intervalos: Es
posible usar los coeficientes predictivos .

9. Si la varianza del error crece: Disminuye el coeficiente de determinación /O/

Ninguna

10. El proceso de tipificación de una variable estadística, consiste en: Un cambio de

origen y escala.

11. El error medio en las estimaciones de un modelo de regresión múltiple es: 0.0

12. La moda es una medida de centralización aplicable a variables: Ninguna de las

demás respuestas es correcta

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

14. Si La relación entre las variables e se debe al efecto de la variable

.

15. El método de mínimos cuadrados para estimación de modelos estocásticos Ninguna

16. Sean dos variables e en las que el coeficiente de correlación lineal

e pueden estar relacionadas aunque no de forma lineal. /o// X e Y no pueden estar
relacionadas en forma lineal.

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

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.

22. El método de mínimos cuadrados para obtener los coeficientes de regresión en un

modelo: Es aplicable a cualquier tipo de modelo

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

25. Si el coeficiente de asimetría toma valores positivos, indica que:

26. Para analizar el grado de relación entre dos variables nominales: Ninguna de las
demás respuestas es correcta.

1.-El método máxima verosimilitud permite calcular: El estimador de máxima verosimilitud

2.-El mejor estimador de la varianza poblacional es: La cuasi-varianza muestral

3.-La media, mediana y moda son: Ninguna de las demás respuestas es correcta

4.-Un estimador es: Un estadístico

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

7.-Un estimador es insesgado cuando: Su esperanza coincide con el parámetro a estimar // El

sesgo es cero

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.

11.-La duración (en años) de 6 componentes electrónicos 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 parámetro poblacional que se desea estimar: Debe de ser, al menos,
asintóticamente insesgado.

13.-La media, mediana, moda y percentiles son: Estadísticos

14.-La media muestral es: Un estadístico // Una variable aleatoria.

15.-Un estimador es sesgado cuando: El sesgo es distinto de cero.

16.-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.

17.-Un estadístico: Una variable aleatoria

18.-Un estimador asintóticamente insesgado es aquel que: Su esperanza tiende al parámetro

cuando aumenta el tamaño muestral considerablemente /o/ Ninguna es correcta.

19.-El estimador de máxima verosimilitud: No tiene que existir siempre

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.

1. La media muestral es: Un estadístico /o/ Una variable aleatoria.

2. Un estimador es sesgado cuando: El sesgo es distinto de cero.

3. 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.

4. La media, mediana, moda y percentiles son: Estadísticos.

5. Un estimador es: Un estadístico.

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.

8. El mejor estimador de la varianza poblacional es: La cuasi-varianza muestral.

9. Un estadístico: Una variable aleatoria.

10. Un estimador asintóticamente insesgado es aquel que: Su esperanza tiende al parámetro

cuando aumenta el tamaño muestral considerablemente /o/ Ninguna es correcta.

1. Un estimador es insesgado cuando: Su esperanza coincide con el parámetro a estimar.

2. Un estimador consistente es aquel que: Bajo ciertas condiciones, su varianza tiende a cero //
NC.

3. Un estimador es: Un estadístico.

4. Un estadístico es: Una variable aleatoria.

5. El mejor estimador insesgado es: Eficiente y consistente ó 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.

9. La media, mediana y moda son: NC.

10. La media, mediana, moda y percentiles son: Estadísticos.

11. El método de máxima verosimilitud permite calcular: El estimador de máxima

verosimilitud.

12. El estimador de máxima verosimilitud: No tiene que existir siempre.

13. El mejor estimador de la varianza poblacional es: La cuasi-varianza muestral.

14. Una realización muestral es una colección de: Datos // NC.

15. La duración (en años) de 6 componentes electrónicos 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 parámetro a estimar // El

sesgo es cero.

17. Un estimador es sesgado cuando: El sesgo es distinto de cero.

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.

20. La media muestral es: Un estadístico // Una variable aleatoria.

21. Un estimador de un parámetro muestral desconocido: No tiene que ser único.

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.

24. Un estimador asintóticamente insesgado es aquel que: Su esperanza tiende al parámetro

cuando aumenta el tamaño muestral considerablemente o NC.
1.- 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.

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.

5.-En un contraste de hipótesis, cometemos Error de tipo II cuando: Aceptamos H 0 siendo

falsa

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

8.-Para una realización muestral, un intervalo de confianza contiene: Puede contener un

parámetro poblacional o no, dependiendo del nivel de confianza.

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

13.-El contraste y es: H 0: σ1 2 σ2 2⩾1 y H 1 : σ1 2 σ2 2