This is a timed quiz.
You have 25 minutes to complete the 50 questions in this quiz.
Un estimador es insesgado cuando:
Tiene mínima varianza
Ninguna de las demás respuestas es correcta
El sesgo es distinto de cero
El sesgo es cero
La diferencia entre el parámetro a estimar y la esperanza del estimador es:
El error en la estimación.
La precisión en la estimación.
El sesgo de la estimación.
Ninguna de las demás respuestas es correcta.
La media muestral es:
Una realización muestral.
Un parámetro poblacional.
Un estadístico.
Un estimador es:
Un parámetro.
Una muestra aleatoria simple.
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?.
Diferencia de medias independientes.
Diferencia de proporciones.
Diferencia de medias dependientes o apareadas.
El coeficiente de confianza en una estimación por intervalo, es:
La amplitud del intervalo.
α
El complementario de α .
Una realización muestral es una colección de:
Vectores aleatorios.
Variables aleatorias.
Variables aleatorias independientes.
El estadístico media muestral, obtenido por muestreo aleatorio simple en una población de media μ y desviación típica σ , tendrá por distribución:
Siempre una N(μ ; σ^2)
Siempre una N(μ;σ^2/n)
Para tamaños muestrales pequeños una N(μ;σ^2/n)
Una variable tipificada es tal que
Su media es 0 y su desviación típica 0.
Su media es 1 y su desviación típica 0.
Su media es 1 y su desviación típica 1.
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)
Si la varianza del error S_ε^2 crece:
Disminuye el coeficiente de determinación
Aumenta el coeficiente de correlación.
Aumenta el coeficiente de determinación.
Con respecto a la región de aceptación C_0 de un contraste de hipótesis, es cierto que:
Su amplitud es independiente del parámetro sobre el que se va a realizar el contraste y del tipo de población.
Su valor no depende de la muestra extraída.
Dependiente del tamaño de muestra.
El estimador de máxima verosilitud:
Bajo determinadas circunstancias, siempre existe.
Siempre existe.
No tiene que existir siempre.
El estadístico del intervalo de confianza para la media con la varianza conocida se aproxima a una distribución:
Chi-cuadrado.
Normal.
t de Student.
Si el valor que se esta 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
Se acepta que el parámetro es igual a dicho valor.
No existen evidencias para aceptar que el parámetro es el valor contrastado.
Un estimador asintóticamente insesgado es aquel que:
Su varianza tiende a cero al tender n a infinito.
Su esperanza tiende al parámetro a estimar cuando aumenta el tamaño muestral considerablemente.
Su esperanza coincide con la esperanza del parámetro a estimar.
El nivel de significación de un contraste de hipótesis es la máxima probabilidad de:
Rechazar Ho cuando ésta es falsa.
No rechazar Ho cuando Ho es falsa.
Aceptar Ho dado que Ho es verdadera.
La amplitud de un intervalo de confianza para la media poblacional con varianza poblacional conocida depende de:
Es independiente del tamaño de muestra.
La media muestral.
La varianza de la muestra.
Un estimador de la esperanza de una variable aleatoria es:
La realización muestral.
La varianza muestral.
La esperanza del parámetro.
El mejor estimador insesgado es:
Insesgado y eficiente.
Consistente y asintóticamente insesgado.
Su varianza es mayor que el valor de la cota de Frechet-Cramer-Rao.
El método máxima verosimilitud permite calcular:
El parámetro de máxima verosimilitud.
El estimador de máxima verosimilitud.
El estadístico de máxima verosimilitud.
Sean dos variables X e Y en las que el coeficiente de correlación lineal R_(xy)=0
R_(xy) no puede nunca tomar el valor cero.
X e Y no pueden estar relacionadas en forma lineal.
X e Y no están relacionadas.
Un estimador consistente es aquel que:
Su varianza coincide con la cota de Frechet-Cramer-Rao.
Tiene varianza mínima.
Es asintóticamente normal.
Para una realización muestral, los extremos de un intervalo de confianza son:
Datos.
Números.
Estadísticos.
En un contraste de hipótesis, cometemos Error de tipo I cuando:
Aceptamos H0 siendo falsa.
Rechazamos H0 siendo cierta .
Cuando no comentemos error de tipo II.
Tipificar unos datos, consiste en
Centrar los datos y dividirlos por su desviación típica.
Determinar cuál es el máximo y cuál es el mínimo.
Centrar los datos y dividirlos por su varianza.
La media, mediana, moda y percentiles son:
Variables independientes.
Una variable aleatoria.
El estadístico del intervalo de confianza para la varianza sigue una distribución:
Los intervalos de confianza bilaterales I_0.99 e I_0.95 para μ en una población normal son tales que:
I_0.99 ⊃ I_0.95
I_0.99⊂ I_0.95
I_0.99=I_0.95
Su esperanza coincide con el parámetro a estimar
Su esperanza coincide con la esperanza de la variable aleatoria
Su esperanza tiende a cero
El método de mínimos cuadrados para estimación de modelos estocásticos
Es tal que la varianza es mínima.
Consigue hacer mínimos los errores en las estimaciones.
Minimiza la media del error.
La mediana como media de centralización, es aplicable a variables:
En escala nominal o superior
En escala por intervalos o superior.
En escala ordinal o superior.
El estadístico usado para construir un intervalo de confianza para el cociente de varianzas sigue una distribución de tipo
Chi-cuadrado
Normal
t de Student
El nivel de significación α de un test representa la probabilidad de:
Aceptar H0 siendo falsa
Tomar una decisión errónea
Rechazar H0 siendo cierta
Un estimador es sesgado cuando:
El sesgo es distinto de cero.
Nunguna de las demás respuestas es correcta.
Datos:
Ninguna de las demas respuestas es correcta.
Una variable tipificada es tal que:
Su media es 0 y su desviación típica 1
Rechazar Ho dado que Ho es verdadera
Aceptar Ho dado que Ho es falsa
Eficiente y consistente
Bajo ciertas condiciones, su varianza tiende a cero.
Los intervalos deconfianza bilaterales I_0.99 e I_0.95 para μ en una población normal son tales que:
I_0.99 ⊂ I _0.95
I_0.99 = I_0.95
El contraste Ho: σ^2/σ^2 ≥1 y H1:σ^2/σ^2 <1 es:
Unilateral izquierdo o de cola izquierda.
Unilateral derecho o de cola derecha.
Bilateral o de dos colas.
El estadístico usado para construir un intervalo de confianza para el cociente de varianzas sigue una distribución de tipo:
F de Snedecor.
Ante unas inminentes elecciones, una empresa de sondeos electorales afirma que el numero de diputados del partido x estaría en una horquilla de 134 a 148 diputados. esta estimacion puede considerarse:
Contraste de diferencia de medias.
Estimacion por intervalo.
Contraste de hipotesis.
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
1.667
√2
Si el valor que se esta contrastando en la hipótesis nula no esta en el intervalo de confianza asociado, entonces:
Se acepta la hipótesis.
No existen evidencias para rechazar que el parámetro es el valor contrastado.
Una muestra aleatoria simple es una colección de:
La amplitud de un intervalo de confianza para la varianza poblacional depende de:
Es independiente de la varianza de la muestra.
Ninguna de las demás respuestas es correcta.(no se cual es la correcta)