Medidas de tendencia central

Prueba de conceptos de los captulos
Levin Prueba de conceptos
Prueba de conceptos
Captulo 2
Imprima este texto y escriba sobre la lnea, una V si el enunciado es verdadero o una F si es falso. Las respuestas correctas se encuentran en el archivo correspondiente en este mismo CD. _____ 1. En comparaci n con un arre!lo "u ordenamiento# de datos, la distribuci n de frecuencias tiene la venta$a de representar los datos de una manera comprimida. _____ %. &na o$iva 'm(s )ue* tiene forma de + y su inclinaci n es hacia aba$o y a la derecha. _____ ,. &n histo!rama es una serie de rect(n!ulos, cada uno proporcional en ancho al n-mero de elementos )ue caen dentro de una clase especfica de datos. _____ .. &na sola observaci n se conoce como datos puntuales, mientras )ue una colecci n de datos se conoce como tabular. _____ /. Las clases de cual)uier distribuci n de frecuencias relativas son completamente incluyentes y mutuamente excluyentes. _____ 0. Cuando una muestra contiene las caractersticas importantes de cierta poblaci n en las mismas proporciones en )ue se encuentran en 1sta, se dice )ue se trata de una muestra representativa. _____ 2. &na poblaci n es una colecci n de todos los elementos )ue se est(n estudiando. _____ 3. +i uni1ramos los puntos medios de las barras consecutivas de un histo!rama de frecuencias con una serie de rectas, estaramos !raficando un pol!ono de frecuencias. _____ 4. 5ntes de or!ani6ar la informaci n y anali6arla mediante m1todos estadsticos, se le conoce como datos preprocesados. _____17. &na desventa$a del ordenamiento de datos es )ue no nos permite hallar f(cilmente los valores mayor y menor del con$unto de datos. _____11. Los datos discretos s lo se pueden expresar con n-meros enteros. _____1%. Como re!la !eneral, los estadsticos consideran )ue una distribuci n de frecuencias est( incompleta si tiene menos de %7 clases. _____1,. +iempre es posible construir un histo!rama a partir de un pol!ono de frecuencias. _____1.. La escala vertical de la o$iva para una distribuci n de frecuencias relativas indica la fracci n del n-mero total de observaciones )ue entran en cada clase. _____1/. &n ordenamiento de datos se forma clasificando los datos sin procesar con respecto al tiempo de observaci n. _____10. &na o$iva 'menor )ue* tiene forma de + y su inclinaci n es hacia aba$o y a la derecha. _____12. &na venta$a de los histo!ramas, en comparaci n con un pol!ono de frecuencias, es )ue muestra con m(s claridad cada clase de la distribuci n. _____13. El promedio de bateo de un $u!ador de b1isbol se calcula utili6ando una muestra.
_____14. &na distribuci n de frecuencias or!ani6a los datos en !rupos de valores )ue describen una o m(s caractersticas de esos datos. _____%7. 5 una serie de rect(n!ulos cuyo ancho es proporcional al alcance de los valores dentro de la clase y cuya altura es proporcional al n-mero de elementos )ue caen dentro de la clase, se le conoce como pol!ono de frecuencias. _____%1. Los anchos de clase de una distribuci n de frecuencias son de i!ual tama8o. %%. 9Cu(l de los si!uientes representa el es)uema m(s preciso para clasificar datos: a# ;1todos cuantitativos. b# ;1todos cualitativos. c# &na combinaci n de ambos m1todos. d# &n es)uema puede ser determinado s lo con informaci n especfica acerca de la situaci n. 9Cu(l de los si!uientes <= es un e$emplo de datos comprimidos: a# Distribuci n de frecuencias. b# 5rre!lo de datos. c# >isto!rama. d# =$iva. 9Cu(l de las afirmaciones si!uientes acerca de los rect(n!ulos de un histo!rama es correcta: a# Los rect(n!ulos tienen una altura proporcional al n-mero de elementos )ue entran en las clases. b# ?or lo !eneral existen cinco rect(n!ulos en cada histo!rama. c# El (rea de un rect(n!ulo depende s lo del n-mero de elementos de la clase en comparaci n con el n-mero de elementos de todas las dem(s clases. d# @odos los anteriores. e# Los incisos a# y c#, pero no b#. 9?or )u1 resulta cierto )ue las clases de una distribuci n de frecuencias son completamente incluyentes: a# <in!-n dato puntual entra en m(s de una clase. b# >ay siempre m(s clases )ue datos puntuales. c# @odos los datos entran en una clase o en otra. d# @odos los incisos anteriores. e# Los incisos a# y c#, pero no b#. Cuando se construye una distribuci n de frecuencias, el primer paso consiste en a# dividir los datos en al menos cinco clases. b# clasificar los datos puntuales en clases y contar el n-mero de puntos de cada clase. c# decidir acerca del tipo y n-mero de clases en )ue se dividir(n los datos. d# nin!uno de los anteriores. Conforme aumenta el n-mero de observaciones y clases, la forma de un pol!ono de frecuenciasA a# @iende a hacerse cada ve6 m(s lisa.
%,.
%..
%/.
%0.
%2.
b# @iende a tomar forma de sierra. c# ?ermanece i!ual. d# Bara s lo si los datos son m(s confiables. %3. 9Cu(l de las si!uientes afirmaciones acerca de las o$ivas de frecuencias acumuladas para un con$unto de datos en particular es verdadera: a# @anto la curva 'mayor )ue* como la 'menor )ue* tienen la misma pendiente. b# Las curvas 'mayor )ue* tienden a irse hacia arriba y a la derecha. c# Las curvas 'menor )ue* tienden a irse hacia aba$o y a la derecha. d# Las curvas 'menor )ue* tienden a irse hacia arriba y a la derecha. 5 partir de una o$iva construida para un con$unto particular de datosA a# Los datos ori!inales pueden reconstruirse siempre de manera exacta. b# Los datos ori!inales siempre se pueden aproximar. c# Los datos ori!inales nunca se pueden aproximar ni reconstruir, pero se pueden obtener conclusiones v(lidas con respecto a los datos. d# <in!uno de los anteriores. e# Los incisos a# y b#, pero no c#. 5l construir una distribuci n de frecuencias para una muestra, el n-mero de clases depende deA a# El n-mero de datos puntuales. b# El alcance de los datos recolectados. c# El tama8o de la poblaci n. d# @odos los anteriores. e# Los incisos a# y b#, pero no c#. 9Cu(l de las si!uientes afirmaciones es verdadera: a# El tama8o de una muestra nunca puede ser i!ual al tama8o de la poblaci n de la )ue se toma. b# Las clases describen s lo una caracterstica de los datos )ue ser(n or!ani6ados. c# En !eneral, como re!la, los especialistas en estadstica utili6an entre 0 y 1/ clases. d# @odos los anteriores. e# Los incisos b# y c#, pero no a#. Como re!la !eneral, 9)u1 cantidad de clases tienden a utili6ar los especialistas en estadstica cuando or!ani6an datos: a# ;enos de cinco. b# Entre una y cinco. c# ;(s de ,7. d# Entre %7 y %/. e# <in!uno de los incisos anteriores. 9Cu(l de las si!uientes <= es una prueba acerca de la utilidad de los datos: a# La fuente de los datos. b# La contradicci n con respecto a otra evidencia. c# La falta de evidencia. d# El n-mero de observaciones. e# <in!uno de los anteriores. &na distribuci n de frecuencias relativas presenta las frecuencias en t1rminos deA
%4.
,7.
,1.
,%.
,,.
,..
a# b# c# d# e# ,/.
Cracciones. <-meros enteros. ?orcenta$es. @odos los incisos anteriores. Los incisos a# y c#.
Las !r(ficas de distribuciones de frecuencias se utili6an debido a )ueA a# @ienen una lar!a historia en aplicaciones pr(cticas. b# 5traen la atenci n sobre los patrones )ue si!uen los datos. c# @oman en cuenta los datos ses!ados o incompletos. d# ?ermiten estimar con facilidad los valores. e# Incisos b# y d#. Los datos continuos se diferencian de los datos discretos en )ueA a# Las clases de datos discretos est(n representadas por fracciones. b# Las clases de datos continuos pueden representarse por fracciones. c# Los datos continuos s lo toman valores enteros. d# Los datos discretos pueden tomar cual)uier valor real. El conteo doble es resultado de tener datos ______________o _______________. +e encontr )ue /7 de 1,777 clientes en un estudio tienen las caractersticas de todos los clientes. Los /7 clientes son una muestra _________________. El _________y la _________son dos m1todos de arre!lo de datos. &na _________ es una colecci n de todos los elementos de un !rupo. &na colecci n de al!unos elementos, pero no de todos, se conoce como _________. 5l dividir los datos puntuales en clases parecidas y contar el n-mero de observaciones de cada clase tendremos una _________. +i los datos s lo pueden tomar un n-mero limitado de valores, las clases de esos datos se conocen como _________. En cual)uier otro caso, las clases son _________. &na distribuci n de frecuencias relativas presenta las frecuencias en t1rminos de _________o de _________. &na !r(fica de una distribuci n de frecuencias acumuladas se conoce como _________. +i una colecci n de datos se conoce como con$unto de datos, una sola observaci n se conoce como _________.
,0.
,2. ,3. ,4. .7. .1. .%. .,. ... ./.
Prueba de conceptos
Captulo 3
Imprima este texto y escriba sobre la lnea, una V si el enunciado es verdadero o una F si es falso. Las respuestas correctas se encuentran en el archivo correspondiente en este mismo CD. _____ 1. El valor de cada observaci n del con$unto de datos se toma en cuenta cuando calculamos su mediana. _____ %. Cuando la poblaci n est( ses!ada positiva o ne!ativamente, a menudo es preferible utili6ar la mediana como me$or medida de posici n, debido a )ue siempre cae entre la media y la moda. _____ ,. Las medidas de tendencia central de un con$unto de datos se refieren al !rado en )ue las observaciones est(n dispersas. _____ .. &na medida de lo puntia!udo de una curva de distribuci n es el ses!o. _____ /. Con un con$unto de datos no a!rupados, la moda se utili6a con m(s frecuencia como medida de tendencia central. _____ 0. +i or!ani6amos las observaciones de un con$unto de datos en orden descendente, el dato puntual )ue se encuentra en medio es la mediana del con$unto de datos. _____ 2. Cuando se traba$a con datos a!rupados, podemos calcular una media aproximada si suponemos )ue cada valor de una clase dada es i!ual a su punto medio. _____ 3. El valor )ue m(s se repite en un con$unto de datos se conoce como media aritm1tica. _____ 4. +i la curva de cierta distribuci n tiene el extremo m(s lar!o hacia la i6)uierda de la escala de medici n del e$e hori6ontal, se dice )ue la distribuci n est( ne!ativamente ses!ada. _____17. Despu1s de a!rupar un con$unto de datos en cierto n-mero de clases, podemos identificar la clase mediana como la )ue tiene el mayor n-mero de observaciones. _____11. &na media calculada a partir de un con$unto de datos a!rupados siempre da una buena estimaci n del valor real, aun)ue rara ve6 es exacto. _____1%. ?odemos calcular una media para cual)uier con$unto de datos, si tenemos su distribuci n de frecuencias. _____1,. La moda siempre se encuentra en el punto m(s alto de la !r(fica de una distribuci n de datos. _____1.. El n-mero de elementos de una poblaci n se denota por n. _____1/. ?ara un arre!lo de datos con /7 observaciones, la mediana ser( el valor de la observaci n n-mero %/ del arre!lo. _____10. Los valores extremos de un con$unto de datos tienen un fuerte efecto sobre la mediana. _____12. La diferencia entre las observaciones m(s alta y m(s ba$a de un con$unto de datos se
conoce como media !eom1trica. _____13. La dispersi n de un con$unto de datos da una idea de la confiabilidad de la medida de tendencia central. _____14. La desviaci n est(ndar es i!ual a la ra6 cuadrada de la varian6a. _____%7. La diferencia entre las observaciones m(s alta y m(s ba$a de un con$unto de datos se conoce como el ran!o cuartil. _____%1. El ran!o intercuartil se basa s lo en dos valores tomados del con$unto de datos. _____%%. La desviaci n est(ndar se mide en las mismas unidades )ue las observaciones del con$unto de datos. _____%,. &n fractil es una posici n en una distribuci n de frecuencias en la )ue una proporci n "o fracci n# de los datos se encuentra en ella o arriba de ella. _____%.. La varian6a, al i!ual )ue la desviaci n est(ndar, toma en cuenta todas las observaciones del con$unto de datos. _____%/. El coeficiente de variaci n es una medida absoluta de la dispersi n. _____%0. La medida de dispersi n )ue con m(s frecuencia utili6an los especialistas en estadstica es la desviaci n est(ndar. _____%2. &na de las venta$as de las medidas de dispersi n es )ue cual)uier estadstico )ue mide variaci n absoluta, tambi1n mide variaci n relativa. _____%3. &na desventa$a al utili6ar el ran!o para medir la dispersi n es )ue no toma en cuenta la naturale6a de las variaciones entre la mayora de las observaciones. _____%4. La varian6a indica la distancia promedio a la media de cual)uier observaci n del con$unto de datos. _____,7. Cada poblaci n tiene una varian6a )ue se simboli6a con s%. _____,1. De acuerdo con el teorema de Chebyshev, no m(s del 11D de las observaciones de una poblaci n puede tener resultados est(ndar de la poblaci n mayores )ue , o menores )ue E,. _____,%. El ran!o intercuartil es un e$emplo especfico de un ran!o interfractil. _____,,. Es posible medir el ran!o de una distribuci n de extremo abierto. _____,.. El ran!o intercuartil mide el ran!o promedio de la cuarta parte m(s ba$a de una distribuci n.
,/.
Cuando se calcula la tasa promedio de expansi n de la deuda de una compa8a, la media correcta a utili6ar es laA a# b# c# d# ;edia aritm1tica. ;edia ponderada. ;edia !eom1trica. Cual)uiera de los dosA a# o c#.
,0.
La moda tiene todas las venta$as si!uientes exceptoA
a# b# c# d# ,2.
&n con$unto de datos puede no tener valor modal. Cada valor de un con$unto de datos puede ser una moda. Es difcil anali6ar un con$unto de datos multimodal. La moda se ve excesivamente afectada por los valores extremos.
9Cu(l es la principal suposici n )ue hacemos cuando calculamos la media de datos a!rupados: a# @odos los valores son discretos. b# Cada valor de una clase es i!ual a su punto medio. c# <in!-n valor se presenta m(s de una ve6. d# Cada clase contiene exactamente el mismo n-mero de valores. 9Cu(l de las afirmaciones si!uientes <= es correcta: a# 5l!unos con$untos de datos no tienen media. b# El c(lculo de una media se ve afectado por los valores extremos del con$unto de datos. c# &na media ponderada se debe utili6ar cuando es necesario tomar en consideraci n la importancia de cada valor. d# @odas estas afirmaciones son correctas. 9Cu(l de los si!uientes es el primer paso para calcular la mediana de un con$unto de datos: a# ?romedie los dos valores centrales del con$unto de datos. b# =rdene los datos. c# Determine los pesos relativos de los valores de los datos en t1rminos de su importancia. d# <in!uno de los anteriores. 9Cu(l de las si!uientes <= es una venta$a del uso de la mediana: a# Los valores extremos afectan a la mediana con menos intensidad )ue a la media. b# &na mediana se puede calcular para descripciones cualitativas. c# La mediana puede calcularse para cada con$unto de datos, incluso para todos los con$untos )ue presentan clases de extremo abierto. d# La mediana es f(cil de entender. e# @odas las anteriores son venta$as de utili6ar la mediana. 9?or )u1, normalmente, es me$or calcular una moda de un con$unto a!rupado de datos, en lu!ar de hacerlo con un con$unto no a!rupado de datos: a# Los datos no a!rupados tienden a ser bimodales. b# La moda para los datos a!rupados ser( la misma, independientemente del ses!o de la distribuci n. c# Los valores extremos tienen menos efecto sobre los datos a!rupados. d# La posibilidad de esco!er como moda un valor )ue no sea representativo es reducida. 9En cu(l de estos casos sera la moda m(s -til como indicador de la tendencia central: a# Cada valor de un con$unto de datos ocurre exactamente una ve6. b# @odos los valores de un con$unto de datos, excepto tres, ocurren s lo una ve6. @res valores se presentan 177 veces cada uno. c# @odos los valores de un con$unto de datos ocurren 177 veces cada uno. d# @odas las observaciones de un con$unto de datos tienen el mismo valor. 9Cu(l de los si!uientes es un e$emplo de par(metro:
,3.
,4.
.7.
.1.
.%.
.,.
a# b# c# d# e# ...
x. n. . @odos los anteriores. b# y c#, pero no a#.
9Cu(l de las si!uientes <= es una medida de tendencia central: a# ;edia !eom1trica. b# ;ediana. c# ;oda. d# ;edia aritm1tica. e# @odos los incisos anteriores son medidas de tendencia central. Cuando una distribuci n es sim1trica y tienen s lo una moda, el punto m(s alto de la curva de distribuci n se conoce comoA a# Fan!o. b# ;oda. c# ;ediana. d# ;edia. e# @odos los anteriores. f# b#, c# y d#, pero no a#. Cuando nos referimos a una curva )ue tiene una cola hacia el extremo i6)uierdo, podemos decir )ue esA a# +im1trica. b# +es!ada a la derecha. c# ?ositivamente ses!ada. d# @odos los anteriores. e# <in!uno de los anteriores. Las desventa$as de utili6ar el ran!o como medida de dispersi n incluyen las si!uientes, excepto )ueA a# +e ve altamente afectado por los valores extremos. b# ?uede cambiar dr(sticamente de una muestra a otra. c# Es difcil de calcular. d# Est( determinado solamente por dos puntos del con$unto de datos. 9?or )u1 es necesario elevar al cuadrado las diferencias respecto a la media cuando calculamos la varian6a de la poblaci n: a# ?ara )ue los valores extremos no afecten el c(lculo. b# ?or)ue es posible )ue N sea muy pe)ue8a. c# 5l!unas de las diferencias ser(n positivas y otras ne!ativas. d# <in!una de las anteriores. +upon!a )ue una poblaci n tiene G 177 y G 17. +i una observaci n particular tiene un resultado est(ndar de 1, se puede concluir )ueA a# +u valor es 117. b# +e encuentra entre 47 y 117, pero su valor exacto no se puede determinar. c# +u valor es mayor )ue 117.
./.
.0.
.2.
.3.
.4.
10
d# <o se puede determinar nada sin conocer el valor de N. /7. +upon!a )ue una poblaci n tiene G 177, G 17 y N G 1,777. De acuerdo con el teorema de Chebyshev, 9cu(l de las si!uientes situaciones <= es posible: a# 1/7 valores son mayores )ue 1,7. b# 4,7 valores est(n entre 177 y 173. c# %% valores est(n entre 1%7 y 1%/. d# 27 valores son menores )ue 47. e# @odas las situaciones anteriores son posibles. 9Cu(l de los si!uientes es un e$emplo de una medida relativa de dispersi n: a# La desviaci n est(ndar. b# La varian6a. c# El coeficiente de variaci n. d# @odos los anteriores. e# a# y b#, pero no c#. 9Cu(l de las afirmaciones si!uientes es verdadera: a# La varian6a puede calcularse para datos a!rupados o no a!rupados. b# La desviaci n est(ndar puede calcularse para datos a!rupados o no a!rupados. c# La desviaci n est(ndar puede calcularse para datos a!rupados o no a!rupados, pero la varian6a s lo se puede calcular para datos no a!rupados. d# a# y b#, pero no c#. +i dividimos la desviaci n est(ndar de una poblaci n entre la media de la misma poblaci n y multiplicamos el resultado por 177, estaramos calculandoA a# El resultado est(ndar de la poblaci n. b# La varian6a de la poblaci n. c# La desviaci n est(ndar de la poblaci n. d# El coeficiente de variaci n de la poblaci n. e# <in!uno de los anteriores. 9En )u1 se diferencia el c(lculo de la varian6a de la muestra del c(lculo de la varian6a de la poblaci n: a# se sustituye por x. b# N se sustituye por n E 1. c# N se sustituye por n. d# a# y c#, pero no b#. e# a# y b#, pero no c#. El cuadrado de la varian6a de una distribuci n esA a# La desviaci n est(ndar. b# La media. c# El ran!o. d# La desviaci n absoluta. e# a# y d#. f# <in!uno de los anteriores. El teorema de Chebyshev dice )ue 44D de los valores estar(n dentro de 0, desviaciones est(ndar de la media, paraA
/1.
/%.
/,.
/..
//.
/0.
11
a# b# c# d# e# /2. /3. /4. 07. 01. 0%. 0,. 0.. 0/. 00. 02. 03.
Distribuciones con forma de campana. Distribuciones positivamente ses!adas. Distribuciones con cola a la i6)uierda. @odas las distribuciones. <in!una distribuci n.
+i una curva se puede dividir en dos partes i!uales )ue son im(!enes de espe$o una de la otra, la curva es ________. +i no puede dividirse de esta manera, es ________. El smbolo x denota la media de una ________. representa la media de una ________. La asi!naci n de enteros consecutivos de ba$o valor a los puntos medios durante el c(lculo de la media se conoce como ________. Cuando traba$amos con cantidades )ue cambian en un periodo, es me$or calcular una media ________)ue una media ________. +i dos valores de un !rupo de datos ocurren con m(s frecuencia )ue los dem(s, se dice )ue la distribuci n de los datos es ________. El !rado en )ue los valores de una distribuci n est(n a!rupados es una medida de________. En una distribuci n de frecuencias, la mediana se encuentra en 7./ de ________debido a )ue la mitad de los valores son menores o i!uales a este valor. La diferencia entre los valores del primer y tercer cuartiles es el ran!o ________. La medida del cuadrado de la distancia promedio entre la media y cada observaci n de la poblaci n es ________. La ra6 cuadrada positiva de este valor es ________. La expresi n de la desviaci n est(ndar como porcenta$e de la media es ________. El n-mero de unidades de desviaci n est(ndar )ue una observaci n est( arriba o aba$o de la media se llama ________. Los fractiles )ue dividen a los datos en 177 partes i!uales se llaman ________.
12
Prueba de conceptos
Captulo 4
Imprima este texto y escriba sobre la lnea, una V si el enunciado es verdadero o una F si es falso. Las respuestas correctas se encuentran en el archivo correspondiente en este mismo CD. _____ 1. En la teora de la probabilidad, el resultado de al!-n experimento se conoce como actividad. _____ %. La probabilidad de )ue dos o m(s eventos estadsticamente independientes se presenten de manera simult(nea o consecutivamente es i!ual a la suma de sus probabilidades mar!inales. _____ ,. &tili6ando el teorema de Hayes podemos desarrollar las probabilidades, bas(ndonos en nueva informaci nI a estas probabilidades se les conoce tambi1n como probabilidades posteriores. _____ .. En probabilidad cl(sica, podemos determinar a priori las probabilidades basadas en un ra6onamiento l !ico antes de )ue cual)uier experimento se lleve a cabo. _____ /. El con$unto de todos los resultados posibles de un experimento se conoce como espacio muestral del experimento. _____ 0. En condiciones de dependencia estadstica, una probabilidad mar!inal puede calcularse para al!-n evento simple si se toma el producto de las probabilidades de los eventos con$untos en los )ue se presenta el evento simple. _____ 2. Cuando una lista de eventos )ue resulta de al!-n experimento incluye todos los resultados posibles, se dice )ue la lista es colectivamente excluyente. _____ 3. La probabilidad incondicional se conoce tambi1n como probabilidad mar!inal. _____ 4. &na probabilidad sub$etiva no es otra cosa )ue un pron stico emprico. _____17. Cuando la presentaci n de al!-n evento no tiene efecto sobre la probabilidad de presentaci n de al!-n otro, se dice )ue los dos eventos son estadsticamente independientes. _____11. Cuando se usa el planteamiento de frecuencia relativa, los c(lculos de probabilidad se hacen menos precisos para !randes cantidades de observaciones. _____1%. +imb licamente, una probabilidad mar!inal se expresa como ?"AB#. _____1,. +i A y B son dos eventos estadsticamente dependientes, la probabilidad de )ue se presenten A y B es ?"A# J ?"B#. _____1.. La probabilidad cl(sica supone )ue cada uno de los resultados posibles de un experimento es i!ualmente probable. _____1/. &na ra6 n por la cual los tomadores de decisiones de alto nivel utili6an la probabilidad sub$etiva es )ue deben enfrentarse a situaciones -nicas.
13
_____10. 5l hacer la estimaci n de la probabilidad de al!-n evento, el planteamiento de frecuencia relativa de presentaci n proporciona la mayor flexibilidad. _____12. El teorema de Hayes es la f rmula para calcular la probabilidad condicional en condiciones de dependencia estadstica. _____13. &na desventa$a del planteamiento sub$etivo de la probabilidad es )ue presupone eventos diferentes. _____14. El planteamiento de frecuencia relativa de la probabilidad probabilidades estadsticas correctas despu1s de 177 intentos. proporcionar(
_____%7. Cuando se utili6a el planteamiento sub$etivo de la probabilidad, dos personas con la misma informaci n pueden proporcionar respuestas distintas, pero i!ualmente correctas. _____%1. A y B son eventos independientes si ?"AKB# G ?"B#. %%. +i un evento no se ve afectado por el resultado de otro evento, se dice )ue ambos eventos sonA a# Dependientes. b# Independientes. c# ;utuamente excluyentes. d# @odos los anteriores. e# @anto b# como c#. +i ?"A o B# G ?"A#, entoncesA a# A y B son mutuamente excluyentes. b# Las (reas del dia!rama de Benn de A y B se traslapan. c# ?"A# J ?"B# es la probabilidad con$unta de 5 y H. d# <in!uno de los anteriores. La probabilidad simple de )ue se presente un evento se conoce como a# ?robabilidad bayesiana. b# ?robabilidad con$unta. c# ?robabilidad mar!inal. d# ?robabilidad condicional. 9?or )u1 los eventos resultantes de lan6ar una moneda al aire son mutuamente excluyentes: a# ?or)ue el resultado de cual)uier lan6amiento no se ve afectado por los resultados de los lan6amientos )ue le anteceden. b# ?or)ue no se pueden presentar cara y cru6 en el mismo lan6amiento. c# ?or)ue la probabilidad de obtener cara y la probabilidad de obtener cru6 son las mismas. d# ?or todas las anteriores. e# a# y b#, pero no c#. +i se dibu$ara un dia!rama de Benn para los eventos 5 y H, )ue son mutuamente excluyentes, 9)u1 cosa de lo si!uiente sera siempre verdadero para A y B: a# +us representaciones en el rect(n!ulo se traslapar(n. b# +us representaciones en el rect(n!ulo tendr(n (reas i!uales. c# +us representaciones en el rect(n!ulo no se traslapar(n.
%,.
%..
%/.
%0.
14
d# <in!uno de los anteriores. e# b# y c#, pero no a#. %2. 9Cu(l es la probabilidad de )ue un valor esco!ido al a6ar de una determinada poblaci n sea mayor )ue la mediana de la poblaci n: a# 7.%/. b# 7./. c# 1.7. d# 7.02. +upon!a )ue se lan6a una sola ve6 un dado no car!ado. 9Cu(l de lo si!uiente es verdadero: a# La probabilidad de obtener un n-mero mayor )ue 1 es 1 E ?"obtener 1#. b# La probabilidad de obtener un , es 1 E ?"obtener 1, %, ., / o 0#. c# La probabilidad de obtener un / o un 0 es mayor )ue la probabilidad de obtener un , o un .. d# @odos los anteriores. e# a# y b#, pero no c#. +i 5 y H son eventos mutuamente excluyentes, entonces ?"A o B# G ?"A# J ?"B#. 9De )u1 manera cambia el c(lculo de ?"A o B# si A y B no son mutuamente excluyentes: a# ?"AB# debe restarse de ?"A# J ?"B#. b# ?"AB# debe sumarse a ?"5# J ?"H#. c# L?"A# J ?"B#M debe multiplicarse por ?"AB#. d# L?"A# J ?"B#M debe dividirse entre ?"AB#. e# <in!uno de los anteriores. Leo C. +Nart6, un chofer de taxi de Chica!o, ha visto )ue el clima afecta la disposici n a dar propina de sus clientes. +i est( lloviendo, sus clientes por lo !eneral dan poco de propina. +i no est( lloviendo, por lo !eneral, dan buenas propinas. 9Cu(l de las afirmaciones si!uientes son verdaderas: a# ?ropinas y clima son estadsticamente independientes. b# Las condiciones del clima )ue Leo toma en cuenta no son mutuamente excluyentes. c# ?"buena propina K lluvia# es mayor )ue ?"mala propina K lluvia#. d# <in!uno de los anteriores. e# a# y c#, pero no b#. +upon!a )ue se lan6a un dado dos veces consecutivas y )ue usted tiene )ue tra6ar el (rbol de probabilidades )ue muestre todos los resultados posibles de los dos lan6amientos. 9Cu(ntas ramas tendr( su (rbol: a# 0. b# 1%. c# ,0. d# .%. e# .3.
%3.
%4.
,7.
,1.
En las preguntas 32 a 34, remtase a la siguiente situacin: se colocan 10 bolas numeradas en una urna !as bolas 1 a 4 son ro"as # las bolas $ a 10 son a%ules ,%. 9Cu(l es la probabilidad de )ue una bola sacada al a6ar de la urna sea a6ul: a# 7.1.
15
b# c# d# e# ,,.
7... 7.0. 1.7. <o se puede determinar desde la informaci n dada.
La probabilidad de sacar la bola con el n-mero ,, por supuesto, es de 7.1. +e saca una bola y 1sta es ro$a. 9Cu(l de las si!uientes afirmaciones son verdaderas: a# ?"bola O, K bola sacada es ro$a# G 7.1. b# ?"bola O, K bola sacada es ro$a# P 7.1. c# ?"bola O, K bola sacada es ro$a# Q 7.1. d# ?"bola sacada es ro$a K bola sacada fue O,# G 7.%/. e# c# y d# solamente. En la pre!unta ,,, la probabilidad de sacar la bola n-mero , fue considerada despu1s de )ue se haba sacado una bola ro$a. Las nuevas probabilidades )ue consideramos se conocen comoA a# Exhaustivas. b# 5 priori. c# ;ar!inales. d# +ub$etivas. e# <in!uno de los anteriores. +imb licamente, una probabilidad mar!inal esA a# ?"5H#. b# ?"H5#. c# ?"HK 5#. d# ?"5HC#. e# <in!uno de los anteriores. +i sumamos las probabilidades de los eventos condicionales en los )ue el evento A se presenta cuando estamos en condiciones de dependencia estadstica, el resultado esA a# La probabilidad mar!inal de A. b# La probabilidad con$unta de A. c# La probabilidad condicional de A. d# <in!uno de los anteriores. &no de los resultados posibles de hacer al!o es un ________________. La actividad )ue produ$o este resultado es un ________________. El con$unto de todos los resultados posibles de una actividad es el ______________. &na representaci n !r(fica de los conceptos de probabilidad, )ue utili6a smbolos para representar resultados, es ______________. Los eventos )ue no se pueden presentar $untos se conocen como ______________. La probabilidad de )ue se presente un evento, dado )ue ya se present otro, se conoce como probabilidad ______________. En t1rminos de sus suposiciones, el planteamiento menos restrictivo del estudio de la probabilidad es el ______________. 5 menudo, el teorema de ______________se utili6a en la toma de decisiones
,..
,/.
,0.
,2. ,3. ,4. .7. .1. .%. .,.
16
administrativas, debido a )ue proporciona formas de actuali6ar las estimaciones de probabilidad anteriores, bas(ndose en nueva informaci n. ... ./. &na lista es ______________ si incluye todos los resultados posibles )ue se pueden tener de un experimento. @res planteamientos diferentes del estudio de la probabilidad son el planteamiento ______________, el planteamiento ______________y el planteamiento ______________.
17
Prueba de conceptos
Captulo 5
Imprima este texto y escriba sobre la lnea, una V si el enunciado es verdadero o una F si es falso. Las respuestas correctas se encuentran en el archivo correspondiente en este mismo CD. _____ 1. El valor esperado de un experimento se obtiene calculando el valor promedio aritm1tico de todos los resultados del experimento. _____ %. El valor de % para al!-n punto x )ue se encuentra en una distribuci n normal es el (rea entre x y la media de la distribuci n. _____ ,. Las colas derecha e i6)uierda de la distribuci n normal se extienden indefinidamente, sin tocar nunca el e$e hori6ontal. _____ .. ?ara una distribuci n normal, la media siempre se encuentra entre la moda y la mediana. _____ /. @oda el (rea menos aproximadamente tres d1cimos del 1D de una distribuci n normal se encuentra dentro de R, desviaciones est(ndar de la media. _____ 0. El desarrollo de una tabla de p1rdida condicional es un traba$o tedioso cuando existen muchas acciones y resultados posibles, debido a )ue la p1rdida resultante de cada pare$a acci nSresultado debe incluirse en la tabla. _____ 2. El (rea ba$o la curva de una distribuci n normal entre la media y un punto situado a 1.3 desviaciones est(ndar por arriba de la media es mayor para una distribuci n )ue tiene una media de 177 )ue para una distribuci n )ue tiene una media de 7. _____ 3. La distribuci n normal puede utili6arse para aproximar la distribuci n binomial cuando el n-mero de ensayos, n, es mayor o i!ual a 07. _____ 4. Los dos tipos de p1rdidas )ue anali6amos al resolver un problema de almacenamiento de inventario son a# p1rdidas de oportunidad y b# p1rdidas de actividad. _____17. Cuando la probabilidad de 1xito en un proceso de Hernoulli es del /7D " p G 7./#, su distribuci n binomial es sim1trica. _____11. &na distribuci n de frecuencias da una lista de las frecuencias observadas para un experimento )ue ya se ha llevado a caboI una distribuci n de probabilidad da una lista de a)uellos resultados )ue podran presentarse si el experimento se llevara a cabo. _____1%. El valor )ue una variable aleatoria puede tomar por lo !eneral se puede predecir con respecto a una presentaci n particular. _____1,. &na ve6 )ue el valor de p ya se ha determinado para un proceso de Hernoulli, el valor de & se calcula como 1 E p. _____1.. +i el n-mero esperado de lle!adas a una oficina se calcula como cinco por hora, uno puede tener una confian6a ra6onable de )ue cinco personas lle!ar(n en la si!uiente hora.
18
_____1/. La distribuci n binomial no es realmente necesaria, pues sus valores se pueden aproximar siempre por otra distribuci n. _____10. La estatura de los humanos adultos se puede describir mediante una distribuci n de ?oisson. _____12. Cual)uier acci n )ue minimice la p1rdida esperada, minimi6ar( tambi1n la !anancia esperada. _____13. Despu1s de %7 ensayos de un experimento, se crea una curva de distribuci n con su forma definitiva. _____14. &n e$emplo de una p1rdida de oportunidad podra ser la p1rdida de ventas debido a un exceso de madure6 en la fruta de una tienda de abarrotes. _____%7. &na distribuci n en la )ue la media y la mediana tienen diferentes valores nunca podr( ser una distribuci n normal. _____%1. La media de una distribuci n binomial est( dada por np. %%. +i la !anancia diaria esperada de un puesto de a!uas frescas es de T1,../, entoncesA a# la !anancia del da si!uiente ser( de T1,../. b# la !anancia del da si!uiente ser( menor )ue T1,../. c# la !anancia del da si!uiente ser( mayor )ue T1,../. d# la p1rdida del da si!uiente ser( de T1,../. e# <in!uno de los anteriores. ?ara una distribuci n binomial dada con n fi$a, si p P 7./, entoncesA a# la distribuci n de ?oisson proporcionar( una buena aproximaci n. b# la distribuci n de ?oisson proporcionar( una mala aproximaci n. c# la distribuci n binomial estar( ses!ada hacia la i6)uierda. d# la distribuci n binomial estar( ses!ada hacia la derecha. e# la distribuci n binomial ser( sim1trica. +upon!a )ue tenemos una distribuci n de ?oisson con G %. Entonces la probabilidad de tener exactamente 17 presentaciones esA a# %E17e17 17U b# %17eV% %U c# 17%eE17 17U d# %17eE% 17U %/. 9Cu(l de las si!uientes es una caracterstica de la distribuci n de probabilidad para cual)uier variable aleatoria: a# +e da una probabilidad para cada valor posible. b# La suma de todas las probabilidades es uno. c# <o se presenta una probabilidad dada m(s de una ve6.
%,.
%..
19
d# @odos los anteriores. e# a# y b#, pero no c#. %0. 9Cu(l de las variables si!uientes nunca podr( ser descrita por una distribuci n binomial: a# El n-mero de partes defectuosas producidas en un proceso de ensambla$e. b# La cantidad de a!ua utili6ada diariamente por una sola ama de casa. c# El n-mero de personas de su !rupo )ue pueden responder correctamente a esta pre!unta. d# @odos los anteriores pueden ser descritas por una distribuci n binomial. +i p G 7.. para un proceso de Hernoulli, el c(lculo "2US,U.U#"7..#, "7.0#. da la probabilidad de obtenerA a# exactamente tres 1xitos en siete ensayos. b# exactamente cuatro 1xitos en siete ensayos. c# tres o m(s 1xitos en siete ensayos. d# cuatro o m(s 1xitos en siete ensayos. e# nin!uno de los anteriores. ?ara distribuciones binomiales con p G 7.%A a# &na distribuci n con n G %,777 se aproxima me$or a la distribuci n normal )ue una con n G /7. b# <o importa )u1 valor se ten!a de n, la distribuci n est( ses!ada hacia la derecha. c# La !r(fica de esta distribuci n con p G 7.% y n G 177 sera exactamente la !r(fica inversa de la distribuci n binomial con n G 177 y p G 7.3. d# @odos los anteriores. e# a# y b#, pero no c#. 9Cu(l de las si!uientes es una condici n necesaria para el uso de una distribuci n de ?oisson: a# La probabilidad de una lle!ada por se!undo es constante. b# El n-mero de lle!adas en cual)uier intervalo de un se!undo es independiente de las lle!adas en otros intervalos. c# La probabilidad de tener dos o m(s lle!adas en el mismo se!undo es cero. d# @odos los anteriores. e# b# y c#, pero no a#. 9En )u1 caso sera la distribuci n de ?oisson una buena aproximaci n de la binomial: a# n G .7, p G 7.,%. b# n G .7, & G 7.24. c# n G %77, & G 7.43. d# n G 17, p G 7.7,. e# a# y c#. f# @odos los anteriores. ?ara una curva normal con G // y G 17, 9)u1 fracci n del (rea total se encontrar( ba$o la curva a la derecha del valor //: a# 1.7. b# 7.03. c# 7./.
%2.
%3.
%4.
,7.
,1.
20
d# 7.,%. e# <o se puede determinar de la informaci n dada. ,%. +upon!a )ue est( utili6ando una distribuci n normal para aproximar una distribuci n binomial con G / y G %, y desea determinar la probabilidad de obtener m(s de siete 1xitos. De la tabla normal, usted determinara la probabilidad de )ue % fuera mayor )ueA a# 7. b# 7./. c# 7.2/. d# 1.7. e# 1.%/. f# 1./. ?ara una curva de distribuci n normal con una media de 1%7 y una desviaci n est(ndar de ,/, 9)u1 fracci n "en porcenta$e# del (rea ba$o la curva estar( entre los valores de .7 y 3%: a# 1%.2. b# 3/.1. e# 1,.3. d# .3.4. e# 1%.1. f# 14... 9Cu(les de las si!uientes curvas normales se parece m(s a la curva para G 17 y G /: a# b# c# d# e# f# ,/. La curva para G 17 y G 17. La curva para G %7 y G 17. La curva para G %7 y G /. La curva para G 1% y G ,. a#, c# y d#. <in!una de los anteriores.
,,.
,..
&na distribuci n binomial puede ser aproximada por una distribuci n de ?oisson siA a# n es !rande y p es !rande. b# n es pe)ue8a y p es !rande. c# n es pe)ue8a y p es pe)ue8a. d# <in!una de las anteriores. e# a# y b#, pero no c#. La desviaci n est(ndar de una distribuci n binomial depende deA a# La probabilidad de 1xito. b# La probabilidad de fracaso. c# El n-mero de ensayos. d# a# y b#, pero no c#. e# b# y c#, pero no a#. f# a#, b# y c#. El promedio ponderado de los resultados de un experimento se conoce como ______________. La distribuci n )ue trata solamente en t1rminos de 1xitos y fracasos se conoce como distribuci n ______________. +e le utili6a normalmente para describir un
,0.
,2. ,3.
21
______________. ,4. .7. .1. .%. .,. ... ./. Cuando aproximamos una distribuci n binomial mediante una distribuci n normal, debe utili6arse un factor de correcci n de ______________. La media de una distribuci n binomial, , se puede calcular como ______________, cuando n y p ya se conocen. La desviaci n est(ndar, , se calcula como ______________. ?ara una distribuci n de ?oisson, el smbolo )ue representa el n-mero medio de presentaciones por intervalo es ______________. &na lista de las probabilidades de los resultados )ue se podran obtener en un experimento, si 1ste se llevara a cabo, se conoce como ______________. Los dos par(metros )ue son necesarios para describir una distribuci n normal son ______________ y ______________. &na ______________es una variable )ue toma diferentes valores de acuerdo con los resultados de un experimento. Las distribuciones ______________solamente pueden tomar un n-mero limitado de valores, mientras )ue las distribuciones ______________pueden tomar cual)uier valor dentro de un intervalo.
22
Prueba de conceptos
Captulo 6
Imprima este texto y escriba sobre la lnea, una V si el enunciado es verdadero o una F si es falso. Las respuestas correctas se encuentran en el archivo correspondiente en este mismo CD. _____ 1. Cuando los elementos incluidos en una muestra se basan en el $uicio del individuo )ue conduce la muestra, se dice )ue la muestra es no aleatoria. _____ %. &na estadstica es una caracterstica de una poblaci n. _____ ,. &n plan de muestreo )ue selecciona miembros de una poblaci n a intervalos uniformes con respecto al tiempo, al orden o al espacio se denomina muestreo estratificado. _____ .. Como re!la !eneral, no es necesario incluir un multiplicador de poblaci n finita en el c(lculo del error est(ndar de la media cuando el tama8o de la muestra es mayor )ue /7. _____ /. La distribuci n de probabilidad de todas las medias posibles de muestras se conoce como la distribuci n de muestreo de la media. _____ 0. Los principios de muestreo aleatorio simple son la base te rica de la inferencia estadstica. _____ 2. El error est(ndar de la media es la desviaci n est(ndar de la distribuci n de medias de la muestra. _____ 3. &n plan de muestreo )ue divide a la poblaci n en !rupos bien definidos de los cuales se extraen muestras aleatorias se conoce como muestreo de racimo. _____ 4. Con un mayor tama8o de muestra, la distribuci n de muestreo de la media se aproxima a la normalidad, sin importar la distribuci n de la poblaci n. _____17. El error est(ndar de la media disminuye en proporci n directa al tama8o de muestra. _____11. ?ara reali6ar una enumeraci n completa, se debe examinar cada elemento de una poblaci n. _____1%. En la vida diaria vemos muchos e$emplos de poblaciones infinitas de ob$etos fsicos. _____1,. ?ara obtener una distribuci n te rica de muestreo, consideramos todas las muestras de un tama8o dado. _____1.. Las muestras !randes son siempre una buena idea, por)ue disminuyen el error est(ndar. _____1/. +i la media de una cierta poblaci n fuera 1/, es probable )ue la mayor parte de las muestras )ue podramos tomar de esa poblaci n tuviera medias de 1/. _____10. La precisi n de una muestra est( determinada por el n-mero de elementos de la muestra y no por la fracci n de la poblaci n total muestreada. _____12. El error est(ndar de una estadstica de muestra es la desviaci n est(ndar de su distribuci n de muestreo.
23
_____13. El muestreo de $uicio tiene la desventa$a de )ue puede perder cierta representatividad de una muestra. _____14. La fracci n de muestreo compara el tama8o de una muestra con el tama8o de la poblaci n. _____%7. Cual)uier distribuci n de muestreo puede ser descrita totalmente por su media y su desviaci n est(ndar. _____%1. La precisi n con la )ue puede usarse la media de muestra para estimar la media de poblaci n disminuye al incrementarse el error est(ndar. %%. 9Cu(l de los si!uientes es un m1todo para seleccionar muestras de una poblaci n: a# ;uestreo de $uicio. b# ;uestreo aleatorio. c# ;uestreo de probabilidad. d# @odos los anteriores. e# a# y b#, pero no c#. Eli$a el par de smbolos )ue me$or complete esta oraci nA ______________es un par(metro, mientras )ue ______________es una estadstica. a# N, . b# , s. c# N, n. d# @odos los anteriores. e# b# y c#, pero no a#. En un muestreo aleatorio, podemos describir matem(ticamente lo ob$etivo de nuestras estimaciones. 9?or )u1: a# +iempre sabemos la probabilidad de )ue cual)uier elemento de la poblaci n se incluya en la muestra. b# @oda muestra siempre tiene una oportunidad i!ual de ser seleccionada. c# @odas las muestras son exactamente del mismo tama8o y pueden contarse. d# <in!una de las anteriores. e# a# y b#, pero no c#. +upon!a )ue est( efectuando un muestreo estratificado sobre una poblaci n particular y )ue la ha dividido en estratos de tama8os diferentes. 9C mo puede hacer ahora su selecci n de muestras: a# +eleccionando aleatoriamente un n-mero i!ual de elementos de cada estrato. b# Extrayendo un n-mero i!ual de elementos de cada estrato y valorando los resultados. c# Extrayendo elementos de cada estrato proporcionales a sus valores en la poblaci n. d# + lo a# y b#. e# + lo b# y c#. 9En cu(l de las si!uientes situaciones x G /n sera la f rmula correcta para calcular x: a# El muestreo es de una poblaci n infinita. b# El muestreo es de una poblaci n finita con reempla6o. c# El muestreo es de una poblaci n finita sin reempla6o.
%,.
%..
%/.
%0.
24
d# + lo a# y b#. e# + lo b# y c#. %2. La dispersi n entre medias de muestra es menor )ue la dispersi n entre los mismos elementos muestreados por)ueA a# Cada muestra es menor )ue la poblaci n de la )ue se extrae. b# Los valores muy !randes se promedian hacia aba$o, y los valores muy pe)ue8os hacia arriba. c# Los elementos muestreados se extraen todos de la misma poblaci n. d# <in!uno de los anteriores. e# b# y c#, pero no a#. +upon!a )ue una poblaci n con N G 1.. tiene G %.. 9Cu(l es la media de la distribuci n de muestreo de la media para muestras de tama8o %/: a# %.. b# %. c# ..3. d# <o puede determinarse de la informaci n dada. El teorema del lmite central nos ase!ura )ue la distribuci n de muestreo de la mediaA a# Es siempre normal. b# Es siempre normal para tama8os !randes de muestra. c# +e aproxima a la normalidad al tiempo )ue se incrementa el tama8o de muestra. d# ?arece normal s lo cuando N es mayor )ue 1,777. +upon!amos )ue, para una cierta poblaci n, se tiene )ue x tiene el valor de %7 cuando se toman muestras de tama8o %/, y el valor de 17 cuando se toman muestras de tama8o 177. 5l cuadruplicar el tama8o de la muestra, entonces, s lo se dividi a la mitad x. ?odemos concluir )ue el aumentar el tama8o de la muestra esA a# +iempre efica6 en cuanto al costo. b# 5l!unas veces es efica6 en cuanto al costo. c# <unca es efica6 en cuanto al costo. Femtase nuevamente a los datos de la pre!unta ,7. 9Cu(l debe ser el valor para esta poblaci n infinita: a# 1,777. b# /77. c# ,22./. d# 177. El multiplicador de poblaci n finita no tiene )ue usarse cuando la fracci n de muestreo esA a# ;ayor )ue 7.7/. b# ;ayor )ue 7./7. c# ;enor )ue 7./7. d# ;ayor )ue 7.47. e# <in!uno de los anteriores. El error est(ndar de la media de un tama8o de muestra de dos o m(s esA a# +iempre mayor )ue la desviaci n est(ndar de la poblaci n.
%3.
%4.
,7.
,1.
,%.
,,.
25
b# Weneralmente mayor )ue la desviaci n est(ndar de la poblaci n. c# Weneralmente menor )ue la desviaci n est(ndar de la poblaci n. d# <in!uno de los anteriores. ,.. &n punto de inspecci n de la patrulla fronteri6a )ue detiene a todo cami n de pasa$eros utili6aA a# ;uestreo aleatorio simple. b# ;uestreo sistem(tico. c# ;uestreo estratificado. d# Enumeraci n completa. En una poblaci n normalmente distribuida, la distribuci n de muestreo de la mediaA a# Est( normalmente distribuida. b# @iene una media i!ual a la media de la poblaci n. c# @iene una desviaci n est(ndar i!ual a la desviaci n est(ndar de la poblaci n dividida entre la ra6 cuadrada de un tama8o de muestra. d# @odos los anteriores. e# @anto a# como b#. El teorema del lmite centralA a# Fe)uiere cierto conocimiento de la distribuci n de frecuencia. b# <os permite utili6ar estadsticas de muestra para hacer inferencias con respecto a par(metros de poblaci n. c# Felaciona la forma de una distribuci n de muestreo de la media con la media de la muestra. d# Fe)uiere )ue una muestra conten!a menos de ,7 observaciones. &na porci n de los elementos de una poblaci n ele!idos para su examen o medici n directa es una ______________. La proporci n de la poblaci n contenida en una muestra es la ______________. ______________ es el proceso mediante el cual se hacen inferencias acerca de una poblaci n a partir de informaci n sobre una muestra. La ______________es la distribuci n )ue se obtiene al encontrar la distribuci n de muestreo de todas las muestras de un tama8o dado de una poblaci n. El muestreo ______________se debe usar cuando cada !rupo considerado tiene una pe)ue8a variaci n dentro de s mismo, pero hay una amplia variaci n entre diferentes !rupos. &n m1todo aleatorio en el )ue los elementos se seleccionan a partir de la poblaci n a intervalos uniformes se denomina muestreo ______________. ______________es el !rado de precisi n con el cual la media de muestra puede estimar la media de poblaci n. Dentro de una poblaci n, los !rupos )ue son similares entre s "aun)ue los !rupos mismos ten!an una amplia variaci n interna# se conocen como ______________. &na distribuci n de muestreo de la porci n es la distribuci n de probabilidad de ______________.
,/.
,0.
,2. ,3. ,4. .7. .1.
.%. .,. ... ./.
26
Prueba de conceptos
Captulo 7
Imprima este texto y escriba sobre la lnea, una V si el enunciado es verdadero o una F si es falso. Las respuestas correctas se encuentran en el archivo correspondiente en este mismo CD. _____ l. +e dice )ue un estadstico es un estimador eficiente de un par(metro si, al aumentar el tama8o de la muestra, es casi se!uro )ue el valor del estadstico se acerca mucho al valor del par(metro. _____ %. &na estimaci n de intervalo es un intervalo de valores utili6ado para estimar la forma de la distribuci n de una poblaci n. _____ ,. +i un estadstico tiende a tomar valores mayores )ue el par(metro de la poblaci n con la misma frecuencia con )ue tiende a tomar valores menores, decimos )ue el estadstico es un estimador no ses!ado del par(metro. _____ .. La probabilidad de )ue un par(metro de poblaci n se encuentre dentro de una estimaci n de intervalo dada se conoce como nivel de confian6a. _____ /. 5l aumentar el tama8o de la muestra, la distribuci n t tiende a una forma m(s plana. _____ 0. Debemos utili6ar siempre la distribuci n t, y no la distribuci n normal, cuando se desconoce la desviaci n est(ndar de la poblaci n. _____ 2. ?odemos obtener una burda estimaci n de la desviaci n est(ndar de al!una poblaci n si tenemos al!una informaci n acerca de su alcance. _____ 3. Cuando se utili6a la distribuci n t para hacer estimaciones, se debe suponer )ue la poblaci n es aproximadamente normal. _____ 4. <o siempre es deseable utili6ar niveles de confian6a altos, debido a )ue producen intervalos de confian6a !randes. _____17. Existe una distribuci n t distinta para cada posible tama8o de muestra. _____11. &na estimaci n puntual a menudo resulta insuficiente, por)ue s lo puede ser correcta o incorrecta. _____1%. +e dice )ue una media de muestra es un estimador no ses!ado o imparcial de una media de poblaci n debido a )ue nin!-n otro estimador podra extraer de la muestra informaci n adicional acerca de la media de la poblaci n. _____1,. El estimador de )ue se utili6a con m(s frecuencia es s. _____1.. El error est(ndar de la poblaci n se calcula como p"1 E p#Sn. _____1/. El n-mero de !rados de libertad )ue se utili6an en una estimaci n de distribuci n t es i!ual al tama8o de la muestra. _____10. Conforme aumenta el tama8o de la muestra, la distribuci n t se aproxima menos a una distribuci n normal.
27
_____12. <o es necesario usar la distribuci n t en estimaci n si se conoce la desviaci n est(ndar de la poblaci n. _____13. La mediana de la muestra es siempre el me$or estimador de la mediana de la poblaci n. _____14. Conforme aumenta el ancho de un intervalo de confian6a, el nivel de confian6a asociado con el intervalo tambi1n se incrementa. _____%7. La estimaci n del error est(ndar de la media de una poblaci n finita utili6ando la estimaci n de la desviaci n est(ndar de la poblaci n, re)uiere )ue se use la distribuci n t para calcular los intervalos de confian6a subsecuentes. _____%1. Los porcenta$es )ue se encuentran en la tabla de la distribuci n t corresponden a la probabilidad de )ue el par(metro verdadero de la poblaci n se encuentre fuera del intervalo de confian6a. _____%%. En una distribuci n normal, 177D de la poblaci n se encuentra dentro de 0, desviaciones est(ndar de la media. %,. Cuando esco!emos un estimador de un par(metro de poblaci n, debe tomarse en cuentaA a# +uficiencia. b# Claridad. c# Eficiencia. d# @odos los anteriores. e# a# y c#, pero no b#. +upon!a )ue se pre!unt a %77 miembros de un !rupo si les !usta o no un producto en particular. /7 dicen )ue s y 1/7 dicen )ue no. +uponiendo )ue 's* si!nifica un 1xito, 9cu(l de las si!uientes es correcta: a# pX G 7.,,. b# pX G 7.%/. c# pX G 7.,,. d# pX G 7.%/. e# b# y d# solamente. +upon!a )ue est( tomando una muestra y calcula x G 177. Despu1s calcula el lmite superior de un intervalo de confian6a del 47D para I su valor es 11%. 9Cu(l es el lmite inferior de este intervalo de confian6a: a# 33. b# 4%. c# 177. d# <o se puede determinar a partir de la informaci n proporcionada. Despu1s de tomar una muestra y calcular x, un especialista en estadstica diceA 'ten!o el 33D de certe6a de )ue la media de la poblaci n est( entre 170 y 1%%*. 9Yu1 es lo )ue )uiere decir en realidad: a# La probabilidad de )ue se encuentre entre 170 y 1%% es de 7.33. b# La probabilidad de )ue G 11., el punto medio del intervalo, es de 7.33. c# El 33D de los intervalos calculados a partir de las muestras de este tama8o contendr( a la media de la poblaci n.
%..
%/.
%0.
28
d# @odos los anteriores. e# a# y c# pero no b#. %2. 9Cu(l de las si!uientes es una condici n necesaria para utili6ar una tabla de distribuci n t: a# n es pe)ue8o. b# +e conoce s, pero no . c# La poblaci n es infinita. d# @odos los anteriores. e# a# y b#, pero no c#. 9Cu(l de las si!uientes distribuciones t se esperara )ue tuviera la mayor (rea en sus colas: a# x G 7.3,, !rados de libertad G 1%. b# x G 1/, !rados de libertad G 14. c# x G 1/, n G 14. d# x G 3.,, n G 1%. 9Cu(l de las si!uientes es una diferencia entre las tablas % y las tablas t: a# La tabla t s lo tiene valores para unos cuantos porcenta$es. b# La tabla t mide la probabilidad de )ue el par(metro de poblaci n )ue estamos estimando est1 en nuestro intervalo de confian6a. c# Debemos especificar los !rados de libertad con los )ue estamos tratando cuando utili6amos una tabla %. d# @odos los anteriores. e# a# y b#, pero no c#. +upon!a )ue intentamos estimar una varian6a de poblaci n utili6ando s%. <o es correcto calcular s% como "x E x#%Sn debido a )ue el valor seraA a# +es!ado. b# Ineficiente. c# Inconsistente. d# Insuficiente. 5l considerar muestras cuyo tama8o es mayor )ue ,7, utili6amos la tabla normal, aun cuando se descono6ca la desviaci n est(ndar de la poblaci n. 9?or )u1: a# El c(lculo de los !rados de libertad se vuelve difcil para muestras de tama8o !rande. b# El n-mero de porcenta$es )ue necesitamos para el c(lculo de los intervalos de confian6a excede al n-mero de los contenidos en las tablas t. c# Es difcil calcular x "y en consecuencia s%# para muestras !randes. d# <in!uno de los anteriores. e# a# y c#, pero no b#. +upon!a )ue, de una poblaci n con N G /7, se toma una muestra de tama8o 1/I se sabe )ue % es i!ual a ,0 y )ue s% para la muestra es .4I la x para la muestra se calcula en 17.. 9Cu(l de las si!uientes deber( utili6arse para calcular un intervalo de confian6a del 4/D para : a# La distribuci n t de +tudent. b# La distribuci n normal. c# ;ultiplicador de poblaci n finita. d# a# y c#, pero no b#. e# b# y c#, pero no a#.
%3.
%4.
,7.
,1.
,%.
29
,,.
?odemos utili6ar la distribuci n normal para representar la distribuci n muestral de la poblaci n cuandoA a# El tama8o de la muestra es mayor )ue 17. b# El tama8o de la muestra es menor )ue /7. c# El tama8o de la muestra es mayor )ue /. d# <in!uno de los anteriores. +i una estadstica subestima un par(metro de poblaci n en el mismo !rado en )ue lo sobrestima, podemos llamarloA a# Consistente. b# +uficiente. c# Eficiente. d# @odos los anteriores. e# <in!uno de los anteriores. +i no se conoce la informaci n sobre la proporci n de poblaci n, el error est(ndar de la proporci n puede estimarse mediante la f rmulaA a# np&. b# np&. c# p&'n. d# np&. +e sabe )ue la estatura promedio de los %/ estudiantes del curso de matem(ticas de d1cimo a8o del maestro +tanton es de 00 pul!adas. 5l elaborar un intervalo de confian6a del 4/D para la estatura promedio de todos los alumnos del d1cimo a8o, deberamos usarA a# La distribuci n normal con %. !rados de libertad. b# La distribuci n t con %. !rados de libertad. c# La distribuci n t con 0/ !rados de libertad. d# La distribuci n t con %/ !rados de libertad. Cierta poblaci n con distribuci n normal tiene una desviaci n est(ndar conocida de 1.7. 9Cu(l es el ancho total de un intervalo de confian6a del 4/D para la media de la poblaci n: a# 1.40. b# 7.43. c# ,.4%. d# <o se puede determinar con la informaci n proporcionada. &n solo n-mero )ue se utili6a para estimar un par(metro de poblaci n desconocido es un"a# ______________. &n intervalo de valores )ue se utili6a para estimar un par(metro de poblaci n desconocido es un"a# ______________. &na ve6 )ue sabemos al!o acerca de una muestra, el n-mero de valores de la muestra )ue podemos especificar libremente se conoce como ______________. La familia de distribuciones de probabilidad )ue se utili6a cuando no se conoce la desviaci n est(ndar de la poblaci n, el tama8o de la muestra es pe)ue8o y los valores se aproximan a la distribuci n normal es el "la# ______________. Cuando damos una estimaci n de intervalo de un par(metro de poblaci n, hacemos notar
,..
,/.
,0.
,2.
,3. ,4. .7. .1.
.%.
30
)u1 tan se!uros estamos de )ue el intervalo contiene al par(metro real de la poblaci n, estableciendo un ______________. .,. ... ./. Los lmites superior e inferior de confian6a est(n a la misma ______________de la ______________. @e ricamente, la distribuci n ______________es la distribuci n correcta para la construcci n de intervalos de confian6a para estimar una proporci n de poblaci n. En ausencia de informaci n adicional, debera utili6arse un valor de ______________para p al determinar el tama8o de muestra para la estimaci n de una proporci n de poblaci n.
31
Prueba de conceptos
Captulo 8
Imprima este texto y escriba sobre la lnea, una V si el enunciado es verdadero o una F si es falso. Las respuestas correctas se encuentran en el archivo correspondiente en este mismo CD. _____ 1. En la prueba de hip tesis, suponemos )ue al!-n par(metro de poblaci n toma un valor particular antes de muestrear. Esta suposici n )ue se va a probar se denomina hip tesis alternativa. _____ %. +uponiendo )ue una hip tesis dada acerca de la media de una poblaci n es correcta, el porcenta$e de medias muestrales )ue pudieran caer fuera de ciertos lmites de esta media hipot1tica se denomina nivel de si!nificancia. _____ ,. En la prueba de hip tesis, la distribuci n de probabilidad apropiada es siempre la distribuci n normal. _____ .. +i cometi1ramos un error tipo I, recha6aramos una hip tesis nula cuando realmente es verdadera. _____ /. &na prueba en la escala sin procesar o en la escala estandari6ada nos lleva a la misma conclusi n. _____ 0. + 1.40 es el valor crtico de %, entonces el nivel de si!nificancia de la prueba es 7.7/. _____ 2. +i nuestras hip tesis nula y alternativa son >7A G 37 y >1A P 37, es apropiado utili6ar una prueba de cola i6)uierda. _____ 3. +i la media de muestra estandari6ada est( entre cero y el valor crtico, entonces no se recha6a >7. _____ 4. El valor 1 E se conoce como la potencia de la prueba. _____17. Despu1s de reali6ar una prueba de una cola y recha6ar (7, se da cuenta de )ue debi haber hecho una prueba de dos colas, al mismo nivel de si!nificancia. @ambi1n recha6ar( (7 para esa prueba. _____11. 5 menudo, aun)ue no siempre, es posible establecer el valor de de manera )ue obten!amos un true)ue sin ries!os en la prueba de hip tesis. _____1%. Ima!ine )ue efect-a una prueba de hip tesis de dos colas sobre una media de poblaci n y ha establecido G 7.7/. +i el estadstico muestral cae dentro de 7.4/ del (rea alrededor de >7, usted ha probado )ue la hip tesis nula es cierta. _____1,. +i las pruebas de hip tesis se hicieran a un nivel de si!nificancia de 7.07, la hip tesis nula !eneralmente se aceptara cuando no es cierta. _____1.. +i >o G /7 y G 7.7/, entonces 1 E debe ser i!ual a 7.4/ cuando G /7. _____1/. ?ara un nivel de si!nificancia dado, los valores crticos de t se acercan a cero cuando crece el tama8o de la muestra.
32
_____10. Ele!ir el nivel de si!nificancia apropiado es m(s f(cil )ue ele!ir la prueba correcta )ue se debe utili6ar. _____12. Existen m1todos matem(ticos )ue !aranti6an )ue el nivel de si!nificancia seleccionado siempre ser( el adecuado. _____13. La prueba de hip tesis nos ayuda a sacar conclusiones sobre par(metros estimados. _____14. &na prueba de hip tesis ser( -til para determinar si una media de poblaci n es ./ o 07 "es decir, >7 A G ./I >1 A G 07#. _____%7. La prueba de hip tesis no es infalible al probar la 'verdad* respecto al valor de un par(metro de poblaci n. _____%1. Es apropiado utili6ar la potencia de una prueba de hip tesis s lo con pruebas de una cola. %%. &n fabricante de autom viles importante ha tenido )ue retirar varios modelos de su lnea 144, debido a problemas de control de calidad )ue no fueron descubiertos con los procedimientos finales de inspecci n aleatoria. Zste es un e$emplo deA a# Error tipo I. b# Error tipo II. c# Error tipo I y error tipo II. d# <in!-n tipo de error. +i n G %. y G 7.7/, entonces el valor crtico de t para probar las hip tesis >7A G ,3 y >1A P ,3 esA a# %.704. b# 1.21.. c# E1.21.. d# E%.704. ?ara probar hip tesis acerca de la media de una poblaci n normal con desviaci n est(ndar conocida, podemos compararA a# El valor observado de x con el valor crtico de x . b# El valor observado de x con el valor crtico de %. c# El valor observado de % con el valor crtico de x. d# El valor observado de % con el valor crtico de %. e# Cual)uiera de a# o d#. +i decimos )ue G 7.17 para una prueba de hip tesis dada, entonces estamos diciendo )ueA a# 17D es nuestro est(ndar mnimo para una probabilidad aceptable. b# 17D es el ries!o )ue corremos de recha6ar una hip tesis )ue es cierta. c# 17D es el ries!o )ue corremos de aceptar una hip tesis )ue es falsa. d# a# y b# solamente. e# a# y c# solamente. +upon!a )ue deseamos probar si una media de poblaci n es si!nificativamente mayor o menor )ue 17. @omamos una muestra y encontramos x G 3. 9Cu(l debe ser nuestra hip tesis alternativa:
%,.
%..
%/.
%0.
33
a# b# c# d# %2.
P 17. 17. Q 17. <o puede determinarse de la informaci n dada.
+upon!a )ue se reali6a una prueba de hip tesis para un proceso en el )ue un error tipo I puede ser muy costoso, pero un error tipo II puede resultar relativamente barato y sin importancia. 9Cu(l de los si!uientes sera la me$or elecci n para en esta prueba: a# 7.71. b# 7.17. c# 7.%/. d# 7./7. e# <in!uno de los anteriores. &sted reali6a una prueba de cola derecha sobre una media de poblaci n y no conoce . @oma una muestra de tama8o %0 y calcula x y s. 5 un nivel de si!nificancia de 7.71, 9en d nde buscara el valor crtico para la prueba: a# La tabla %, donde 7.44 del (rea est( a la i6)uierda del valor %. b# La tabla %, donde 7.43 del (rea est( a la i6)uierda del valor %. c# La tabla t, con %/ !rados de libertad y la columna de 7.7%. d# La tabla t, con %/ !rados de libertad y la columna de 7.7l. Cuando usamos la proporci n de la muestra p para probar las hip tesis >7A p G p>o y >1A p p>o, el error est(ndar de p esA a# p&Sn. b# p&'n. c# p>o&>oSn. d# p>o&>oSn. e# <in!uno de los anteriores. ?ara una prueba de hip tesis dada, G 7.7/ y G 7.17. La potencia de esta prueba esA a# 7.1/. b# 7.47. c# 7.3/. d# 7.4/. e# 7.%/. f# <in!uno de los anteriores. ?ara una prueba de hip tesis de dos colas, con G 7.1, la re!i n de aceptaci n es toda la re!i nA a# 5 la derecha del valor crtico ne!ativo. b# Entre los dos valores crticos. c# Cuera de los dos valores crticos. d# 5 la i6)uierda del valor crtico positivo. La distribuci n normal es la distribuci n apropiada para usar al probar hip tesis respecto aA a# &na proporci n, cuando np>o Q / y n&>o Q /. b# &na media, cuando es conocida y la poblaci n es normal.
%3.
%4.
,7.
,1.
,%.
34
c# &na media, cuando es desconocida, pero n es !rande. d# @odos los anteriores. ,,. Cuando se acepta una hip tesis nula, es posible )ueA a# +e haya tomado una decisi n correcta. b# +e haya cometido un error tipo I. c# >aya ocurrido tanto a# como b#. d# <o haya ocurrido a# ni b#. e# <in!uno de los anteriores. Cuando la hip tesis nula es >7A G .%, la hip tesis alternativa puede serA a# b# c# d# e# ,/. >1 A .%. >1 A P .%. >1 A G .7. >1 A .7. <in!uno de los anteriores.
,..
Con un nivel de si!nificancia m(s ba$o, la probabilidad de recha6ar una hip tesis nula )ue de hecho es ciertaA a# Disminuye. b# ?ermanece i!ual. c# +e incrementa. d# @odos los anteriores. Los responsables de la toma de decisiones deciden el nivel de si!nificancia apropiado al examinar el costo deA a# Efectuar la prueba. b# &n error tipo I. c# &n error tipo lI. d# a# y b#. e# a# y c#. f# b# y c#. Los valores observados x y los valores crticos 6 no se pueden comparar de manera directa por)ue est(n dados en dos ______________ diferentes. Con el fin de usar la distribuci n t para probar hip tesis acerca de la media de una poblaci n, debe suponerse )ue la poblaci n tiene una distribuci n ______________y )ue su desviaci n est(ndar es ______________. ?ara estar se!uros de )ue la prueba de hip tesis traba$a correctamente, es me$or )ue el valor de 1 E est1 tan cerca de ______________como sea posible. La potencia de una prueba se refiere a la habilidad de la prueba para ______________la hip tesis ______________cuando en realidad es ______________. &na suposici n o especulaci n acerca del valor de un par(metro es una ______________. 5ceptar una hip tesis nula cuando es falsa constituye un error tipo ______________ y su probabilidad se identifica con ______________. La suposici n acerca de un par(metro )ue deseamos probar es la hip tesis
,0.
,2. ,3.
,4. .7. .1. .%. .,.
35
______________I la conclusi n )ue aceptamos cuando los datos no la apoyan es la hip tesis ______________. ... ./. &na prueba de hip tesis )ue involucra dos re!iones de recha6o se conoce como una prueba de dos ______________. +i la hip tesis nula es G 17 y la hip tesis alternativa es Q 17, la prueba apropiada para este caso sera una prueba ______________.
36
Prueba de conceptos
Captulo 9
Imprima este texto y escriba sobre la lnea, una V si el enunciado es verdadero o una F si es falso. Las respuestas correctas se encuentran en el archivo correspondiente en este mismo CD. _____ l. &na prueba de diferencias por pares resulta apropiada cuando las dos muestras )ue se prueban son dependientes entre s. _____ %. &na prueba de una cola para la diferencia entre medias puede llevarse a cabo cuando el tama8o de las muestras es !rande o pe)ue8o y los procedimientos son similares. La -nica diferencia es )ue cuando el tama8o de muestra es !rande, utili6amos la distribuci n normal, mientras )ue cuando los tama8os de muestra son pe)ue8os se usa la distribuci n t. _____ ,. En la prueba de hip tesis sobre la diferencia de dos medias, supon!a )ue el tama8o de las muestras es !rande. +i no conocemos las desviaciones est(ndar reales de las dos poblaciones, podemos utili6ar las desviaciones est(ndar de las muestras como estimaciones. _____ .. +i tomamos dos muestras independientes y hacemos una prueba de hip tesis para ver si sus medias son si!nificativamente distintas, encontraramos )ue los resultados son muy parecidos a los de una prueba de diferencias por pares llevada a cabo en las mismas dos muestras. _____ /. Cuando hacemos una prueba de dos colas para la diferencia entre medias, con la hip tesis nula 1 G %, la diferencia hipot1tica entre las dos medias de poblaci n es cero. _____ 0. <o se pueden determinar exactamente los valores ? "a partir de la tabla#, cuando utili6amos la distribuci n t en la prueba de una hip tesis. _____ 2. Las pruebas de dos muestras se utili6an para lle!ar a conclusiones acerca de la relaci n entre dos poblaciones. _____ 3. Cuando los tama8os de muestra son pe)ue8os, s lo se pueden reali6ar pruebas de una cola de la diferencia entre dos medias de las dos poblaciones. _____ 4. Cuando la hip tesis nula para probar la diferencia entre dos proporciones de poblaci n es >7A p1 G p%, se combinan las dos muestras para estimar la proporci n de la poblaci n combinada. _____17. La mayor parte de los pa)uetes estadsticos de computaci n no dan valores ? para la prueba de hip tesis, de modo )ue tiene )ue usarse tablas para decidir si aceptar o recha6ar >7. _____11. 5l probar la diferencia de dos medias de poblaci n, la hip tesis nula debe ser > 7A 1 G %. _____1%. +i los tama8os de muestra son demasiado pe)ue8os para poder utili6ar la distribuci n
37
normal en una prueba de la diferencia entre las dos proporciones de poblaci n, se debe utili6ar la distribuci n t. _____1,. +i utili6a valores ?, no tiene )ue especificar un valor de antes de tomar las muestras. _____1.. ?ara comparar dos medias de poblaci n con muestras pe)ue8as, debe siempre usar la varian6a con$unta de las dos muestras. _____1/. ?robar las diferencias entre medias con muestras dependientes se convierte en prueba de una muestra cuando una ve6 calculadas las diferencias de las observaciones por pares. _____10. 5 pesar de )ue no sabe todava c mo hacer pruebas de muestras pe)ue8as de dos medias independientes cuando las dos varian6as de poblaci n son diferentes, muchos pa)uetes estadsticos reali6ar pruebas con esas condiciones. _____12. Las pruebas de diferencias apareadas de las medias se pueden basar en la distribuci n normal o en la t, dependiendo del tama8o de las muestras. _____13. Los valores ? se pueden usar para pruebas de una muestra, pero no para pruebas de dos muestras. _____14. ?ara estandari6ar la diferencia observada de las medias muestrales cuando no se conocen 1 ni % , siempre se divide entre x E x , independientemente de los tama8os de las muestras.
1 %
_____%7. Como la mayora de los pa)uetes estadsticos reportan valores ? de dos colas para pruebas sobre medias, uno debe dividir el valor ? obtenido entre dos, si se est( llevando a cabo una prueba de una cola. _____%1. 5l probar la diferencia entre dos proporciones, el divisor )ue se utili6a para estandari6ar esa diferencia es distinto para pruebas de una cola y pruebas de dos colas. %%. +upon!a )ue va a probar la diferencia entre dos medias de muestras, cuyo valor usted ha calculado en x1 G %% y x% G %2. Desea probar si la diferencia es si!nificativa. 9Cu(l es el valor de x E x )ue debe utili6ar: a# /. b# E/. c# 7. d# <o se puede determinar de la informaci n dada.
1 %
%,.
9?or )u1 en ocasiones usamos muestras apareadas en lu!ar de muestras independientes: a# @omar muestras apareadas siempre cuesta menos )ue tomar muestras independientes. b# Las muestras por pares permiten controlar factores externos. c# Los tama8os de muestra deben ser los mismos para muestras apareadas. d# b# y c#, pero no a#. +e tomaron dos muestras dependientes de tama8o 1/ y se hi6o una prueba de hip tesis. +e utili6 un valor t con 1. !rados de libertad. +i las dos muestras se hubieran tratado como independientes, 9cu(ntos !rados de libertad se habran utili6ado: a# 1.. b# %3.
%..
38
c# %4. d# ,7. %/. &n !ran$ero tiene 1% campos de ma6 en diferentes partes de cierto condado. 5l probar diferencias producciones si!nificativas de un a8o a otro, el !ran$ero verifica sus re!istros de los % a8os anteriores y es capa6 de reunir informaci n sobre la producci n en 11 de sus campos para los dos primeros a8os. 9Deber( tratar las muestras comoA a# dependientes: b# independientes: c# <o se puede determinar con la informaci n dada. En una prueba de la diferencia entre proporciones, se consideran dos muestras. En la primera, un tama8o de muestra de 177 tiene %7 1xitosI en la se!unda, de un total de /7 hay 1, 1xitos. 9Cu(l es el valor de pX para esta situaci n: a# %7 J 1, 1/7 b# %7 J 1, 177 /7 c# ,, 112 1/7 1/7 d# <in!uno de los anteriores. %2. 9Cu(l es la principal suposici n )ue hacemos cuando reali6amos pruebas de una cola para diferencias entre medias con muestras pe)ue8as: a# Las varian6as de poblaci n desconocidas son i!uales. b# Las fracciones de muestreo son demasiado pe)ue8as. c# Las muestras fueron tomadas utili6ando t1cnicas de muestreo sub$etivo. d# <in!uno de los anteriores. Las aerolneas 5 y H hacen alarde de )ue el transporte de e)uipa$e de sus empresas tiene una tasa de entre!a exitosa del 4/ y 43D, respectivamente. 5 partir de esta informaci n podemos determinar )ueA a# La aerolnea 5 tiene un me$or servicio de e)uipa$e. b# La aerolnea H tiene un me$or servicio de e)uipa$e. c# Los servicios de e)uipa$e son i!ualmente eficientes. d# <adaI se necesita m(s informaci n. &na prueba de dos colas de la diferencia entre dos proporciones llev a % G 1.3/, para la diferencia estandari6ada de las proporciones de muestra. 9?ara cu(l de los si!uientes niveles de si!nificancia se recha6ara >7: a# G 7.7/. b# G 7.17. c# G 7.7%. d# a# y b#, pero no c#. +ea p el valor ? de una prueba de hip tesis de cola superior, el nivel de si!nificancia, t)*+, el valor crtico para la prueba y t-B. el estadstico de prueba estandari6ado. +e acepta >7 siA a# p Q .
%0.
%3.
%4.
,7.
39
b# p P . c# t-B. Q t)*+,. d# b# y c#, pero no a#. ,1. +e desea probar si la media de la poblaci n % es al menos 17 m(s )ue la media de la poblaci n 1. 9Yu1 valor de " 1 E % #>o deber( utili6ar al calcular el estadstico de prueba estandari6ado: a# 7. b# 17. c# E17. d# /. 9?ara cu(les de las si!uientes situaciones no es apropiada una prueba de diferencia de proporciones: a# Berificar si las fracciones de desperdicios producidos por dos procesos son i!uales. b# Decidir si la fracci n de mu$eres )ue se encuentran en dos niveles escolares es la misma. c# ?robar si diferentes proporciones de personas en Hoston y Chica!o son aficionadas al b(s)uetbol. d# Berificar si los due8os de autom viles Cord son m(s fieles a su marca )ue los due8os de autom viles >onda. +i la muestra 1 tiene 1, elementos con s1 G 12, y la muestra % tiene 4 elementos con s% G %%, entonces sp% G a# 14. b# ,01. c# ,02. d# 14./. 9?ara cu(les de las si!uientes situaciones no es apropiada una prueba de dos muestras: a# Berificar si las proporciones de pare$as sin hi$os y pare$as con hi$os )ue compran autom viles deportivos son diferentes. b# Berificar si el consumo medio de cerve6a es m(s alto en 5lemania )ue en Crancia. c# ?robar si existen m(s hombres )ue mu$eres en 5las[a. d# Decidir si la asistencia promedio a los $ue!os de b1isbol de las !randes li!as es la misma en Los \n!eles )ue en +an Crancisco. ?ara una prueba de cola superior de la diferencia de dos medias, basada en muestras dependientes de tama8o 0 y G 7.7/, el valor crtico del estadstico de prueba esA a# %.71/. b# 1.0./. c# 1.31%. d# 1.23%. 9Cu(les de las si!uientes pruebas pueden basarse en la distribuci n normal: a# Diferencia de medias independientes. b# Diferencia de medias dependientes. c# Diferencia de proporciones. d# @odos los anteriores.
,%.
,,.
,..
,/.
,0.
40
e# a# y c#, pero no b#. ,2. ,3. ,4. .7. .1. .%. .,. ... ./. &na prueba de hip tesis de la diferencia entre dos medias de poblaci n basada en muestras dependientes se conoce como ______________. ______________ le permite probar hip tesis sin tener )ue especificar primero un nivel de si!nificancia. &na estimaci n ______________ de % se utili6a cuando ambas muestras son pe)ue8as. Las pruebas de hip tesis de la diferencia entre dos medias de poblaci n est(n basadas en la distribuci n muestral de la ______________ entre ______________. &sando muestras dependientes cuando se comparan dos medias, nos permiten controlar ______________. El valor ? es ______________ del nivel de si!nificancia al cual se ______________>7. Independientemente del tipo de prueba )ue ha!a, el estadstico de la muestra se estandari6a con el fin de compararla con el valor ______________ de las tablas. Los resultados de los pa)uetes estadsticos de computaci n por lo !eneral reportan tanto ______________de muestra como valores ______________. 5 pesar de )ue la distribuci n ______________ es la distribuci n de muestreo apropiada para proporciones de las muestra, podemos utili6ar la distribuci n ______________ para comparar dos proporciones de poblaci n, si los tama8os de muestra son !randes.
41
Prueba de conceptos
Captulo 10
Imprima este texto y escriba sobre la lnea, una V si el enunciado es verdadero o una F si es falso. Las respuestas correctas se encuentran en el archivo correspondiente en este mismo CD. _____ l. Las !r(ficas p se utili6an para monitorear variables cate! ricas con dos valores posibles. _____ %. El control estadstico de procesos fue desarrollado ori!inalmente en ]ap n y llevado a Estados &nidos despu1s de la +e!unda Wuerra ;undial. _____ ,. Las observaciones externas a veces pueden ser resultado de la variaci n inherente. _____ .. ?ara un tama8o dado de lote, un es)uema de muestreo simple est( completamente especificado por su tama8o de muestra y el n-mero de aceptaci n. _____ /. En muchos sistemas comple$os, alrededor del 37D de los problemas puede atribuirse a aproximadamente el %7D de las causas. _____ 0. La !ran media, x, captura m(s informaci n )ue las medias de muestra individuales. _____ 2. @Y; se aplica en la actualidad tanto en la industria de servicios como en la industria manufacturera. _____ 3. Independientemente de la ecuaci n 17V0, el LC+ de una !r(fica p nunca debe ser mayor )ue 1. _____ 4. El ries!o del consumidor en el muestreo de aceptaci n es como un error tipo II en la prueba de hip tesis. _____17. En las !r(ficas de control, la LC denota a cual)uiera de los dos lmites de control. _____11. +i usted utili6a el muestreo de aceptaci n, sus proveedores no se ver(n motivados a me$orar la calidad de su producci n. _____1%. El control de la variabilidad es un aspecto esencial del mantenimiento de la calidad. _____1,. 5umentar el tama8o de la muestra permite reducir tanto el ries!o del consumidor como el ries!o del productor. _____1.. Las !r(ficas * se utili6an para controlar el nivel de producci n del proceso. _____1/. Las !r(ficas de control ayudan a detectar la variaci n inherente. _____10. El muestreo doble re)uiere mayores tama8os de muestra )ue el muestreo simple para lo!rar los mismos niveles de ries!o. _____12. &na ve6 determinadas las causas de las observaciones externas, esos puntos deben eliminarse y se debe rehacer la !r(fica de control. _____13. Los dia!ramas de Ishi[aNa tambi1n se conocen como dia!ramas de cola de pescado. _____14. La curva 5=Y nos dice c mo la calidad de salida de un es)uema de muestreo de
42
aceptaci n vara en funci n de la calidad de entrada de los lotes )ue se est(n probando. _____%7. Las !r(ficas x y * utili6an la desviaci n est(ndar de la muestra para medir la variabilidad del proceso. _____%1. El lmite de control inferior de una !r(fica * siempre es * "1 E ,d,Sd%#. %%. &na curva =C puede usarse para determinarA a# El ries!o del consumidor. b# El ries!o del productor. c# 5mbos ries!os. d# <in!uno de los dos ries!o. 9Cu(l de los si!uientes no se utili6a en el control de la calidad: a# Wr(fica x. b# Dia!rama de ?areto. c# Dia!rama de tallo y ho$a. d# Curva 5=Y. 9Yu1 t1rmino corresponde a las si!las en in!l1s 5=Y: a# Calidad aproximada de salida. b# Calidad promedio de operaci n. c# Calidad ptima aproximada. d# Calidad promedio de salida. El LC+ de una !r(fica * esA a# */.. b# *"1 J ,d,Sd%n#. c# x J A%*. d# */,. 9Cu(l de los si!uientes t1rminos no se relaciona con los otros: a# Dia!rama de Ishi[aNa. b# Dia!rama de ?areto. c# Dia!rama de pescado. d# Dia!rama de causa y efecto. 9Yu1 patrones de una !r(fica de control indican )ue el proceso est( fuera de control: a# @endencias decrecientes. b# Ciclos. c# 5tracci n hacia la lnea central. d# @odos los anteriores. 9Yui1n es responsable de la idea de )ue las compa8as con @Y; deben diferenciar entre los pocos 0itales y los muc1os tri0iales: a# ]uran. b# Demin!. c# ?areto. d# +heNhart.
%,.
%..
%/.
%0.
%2.
%3.
43
%4.
9Cu(les de los si!uientes dia!ramas se utili6an para controlar un atributo: a# Wr(fica x . b# Wr(fica A. c# Wr(fica p. d# <in!uno de los anteriores. La distribuci n correcta para el c(lculo exacto del ries!o del consumidor es laA a# <ormal. b# >iper!eom1trica. c# De ?oisson. d# Hinomial. 9Cu(les de las si!uientes personas no estaban implicadas directamente en el control de calidad: a# Demin!. b# ?areto. c# Fomi!. d# Ishi[aNa. 9Yu1 tipo de variaci n se puede ver en una !r(fica de control: a# Bariaci n inherente. b# Bariaci n de causa especial. c# Bariaci n aleatoria. d# @odos los anteriores. En el muestreo doble, recha6amos un lote siA a# d1 Q c%. b# d% Q c%. c# @anto a# como b#. d# <i a# ni b#. 9Yui1n fue el principal responsable del desarrollo de las !r(ficas de control: a# Crosby. b# Ishi[aNa. c# Dod!e. d# +heNhart. CYI )uiere decirA a# 5umento constante de la calidad. b# ;e$ora continua de la calidad. c# 5umento continuo de la calidad. d# Implantaci n completa de la calidad. 9Cu(l de los si!uientes no es un aspecto de la calidad: a# El lu$o. b# 5decuaci n para su uso. c# Consistencia. d# Conformidad con respecto a los re)uisitos. Las observaciones fuera de ______________se conocen como externas.
,7.
,1.
,%.
,,.
,..
,/.
,0.
,2.
44
,3. ,4. .7. .1. .%. .,. ... ./.
Los dia!ramas ______________se utili6an para identificar y clasificar causas de problemas. La probabilidad de recha6ar un lote )ue cumple con 5YL se conoce como ries!o ______________. ______________se utili6an en control estadstico de procesos para monitorear la salida de un producto o servicio y ver si cumple con los est(ndares. ______________ se utili6a para probar la calidad de los lotes de componentes. En una !r(fica x , la lnea central est( determinada por x, la ______________. ______________es enemi!a de la calidad. El n-mero m(ximo de defectos permitidos antes de recha6ar un lote se conoce como ______________. Los patrones no aleatorios en las !r(ficas de control indican la presencia de variaci n ______________.
45
Prueba de conceptos
Captulo 11
Imprima este texto y escriba sobre la lnea, una V si el enunciado es verdadero o una F si es falso. Las respuestas correctas se encuentran en el archivo correspondiente en este mismo CD. _____ 1. El an(lisis de varian6a puede utili6arse para probar si las medias de m(s de dos poblaciones pueden considerarse i!uales. _____ %. El an(lisis de varian6a est( basado en la comparaci n de dos estimaciones de la varian6a de la poblaci n completa )ue contiene a todas las muestras. _____ ,. 5l comparar las varian6as de dos poblaciones, es conveniente observar la diferencia entre las varian6as muestrales, del mismo modo en )ue observamos la diferencia entre las medias muestrales para hacer inferencias sobre medias de poblaci n. _____ .. Cuando se utili6a la distribuci n $iVcuadrada como prueba de independencia, el n-mero de !rados de libertad se relaciona tanto con el n-mero de columnas como con el n-mero de ren!lones de la tabla de contin!encia. _____ /. La $iVcuadrada puede usarse como una prueba para decidir si una distribuci n dada es una aproximaci n cercana de una muestra de al!una poblaci n. <os referimos a este tipo de pruebas como prueba de bondad de a$uste. _____ 0. +i se toman muestras de dos poblaciones )ue son aproximadamente normales, entonces el cociente de todos los con$untos posibles de las dos varian6as muestrales tambi1n tiene distribuci n normal. _____ 2. 5l usar una prueba $iVcuadrada debemos ase!urar )ue tenemos un tama8o de muestra adecuado, de modo )ue podamos evitar cual)uier tendencia a sobrestimar el valor del estadstico $iVcuadrada. _____ 3. Cuando probamos hip tesis acerca de la varian6a de al!una poblaci n, podemos formar intervalos de confian6a usando la distribuci n $iVcuadrada. _____ 4. La forma especfica de una distribuci n 2 depende del n-mero de !rados de libertad en el numerador y en el denominador del cociente 2. _____17. &n aspecto conveniente de la prueba de hip tesis usando el estadstico 2 es )ue todas 1sas son pruebas de cola superior. _____11. Las pruebas $iVcuadrada nos permiten probar si m(s de dos proporciones de poblaci n pueden considerarse i!uales. _____1%. &na 'tabla de contin!encia de , ^ /* tiene tres columnas y cinco ren!lones. _____1,. El (rea total ba$o la curva de una distribuci n $iVcuadrada, como la de otras distribuciones, es 1. _____1.. La frecuencia esperada de cual)uier celda de una tabla de contin!encia puede calcularse de manera inmediata, con s lo conocer los totales por ren!l n y por columna para esa celda.
46
_____1/. +i el valor $iVcuadrada de una observaci n es cero, sabemos )ue nunca habr( diferencia entre las frecuencias observadas y las esperadas. _____10. Los tama8os de las muestras en el an(lisis de varian6a no necesitan ser i!uales. _____12. Cuanto m(s pe)ue8o sea el valor del estadstico 2, m(s tenderemos a creer )ue existe una diferencia entre las distintas muestras. _____13. La precisi n y la utilidad de una prueba $iVcuadrada son altamente dependientes de la calidad de los datos de la prueba. _____14. La tabla C )ue se presenta en la tabla 0 del ap1ndice da valores para pruebas de cola superior solamente, pero los valores apropiados para pruebas de cola inferior y de dos colas pueden calcularse a partir de los elementos de la tabla. _____%7. 5l determinar el n-mero de !rados de libertad para una prueba $iVcuadrada de bondad de a$uste, la estimaci n de los par(metros de la poblaci n a partir de los datos de las muestras no tiene nin!-n impacto. _____%1. ?ara ambas pruebas, $iVcuadrada y 2, recha6amos >7 si el valor 3 es menor )ue , el nivel de si!nificancia de la prueba. %%. +upon!a )ue ha observado proporciones de tres re!iones !eo!r(ficas diferentes. &sted desea probar si las re!iones tienen proporciones si!nificativamente diferentes. +uponiendo )ue p1, p% y p, son las proporciones verdaderas, 9cu(l de las si!uientes sera la hip tesis nula: a# p1 p% p,. b# p1 G p% G p,. c# p1, p% y p, no son todas i!uales. d# <in!uno de los anteriores. &n valor $iVcuadrada nunca puede ser ne!ativo por)ueA a# Las diferencias entre las frecuencias observadas y esperadas est(n elevadas al cuadrado. b# &n valor ne!ativo si!nificara )ue las frecuencias observadas son ne!ativas. c# +e calcula el valor absoluto de las diferencias. d# <in!uno de los anteriores. e# a# y b#, pero no e#. +upon!a )ue existen ocho clases posibles a considerar en una prueba de bondad de a$uste. 9Cu(ntos !rados de libertad deber( utili6ar: a# 3. b# 2. c# 0. d# <o se puede determinar con la informaci n dada. 9Cu(l de los si!uientes es un paso a se!uir en la reali6aci n del an(lisis de varian6a: a# Determinar una estimaci n de la varian6a de la poblaci n desde el interior de las muestras. b# Determinar una estimaci n de la varian6a de poblaci n entre las medias de las muestras.
%,.
%..
%/.
47
c# Determinar la diferencia entre las frecuencias observadas y esperadas para cada clase. d# @odos los anteriores. e# a# y b#, pero no c#. %0. +upon!a )ue se calculan las si!uientes varian6as para varios !rupos diferentes de muestras, y )ue todos los !rupos tienen los mismos !rados de libertad. 9?ara cu(l cociente estara m(s dispuesto aceptar la hip tesis nula de medias i!uales, a un nivel dado de si!nificancia: a# Barian6a entre columnas G 3, varian6a dentro de columnas G ,. b# Barian6a entre columnas G 0, varian6a dentro de columnas G ,. c# Barian6a entre columnas G ., varian6a dentro de columnas G ,. d# Barian6a entre columnas G ,7, varian6a dentro de columnas G %7. +upon!a )ue la % hipot1tica para cierta poblaci n es %/. @oma una muestra de tama8o 10 y encuentra )ue s% es 1/. 9Yu1 hara para reali6ar una prueba de varian6a de dos colas: a# Comparar % G 4 con valores crticos tomados de una distribuci n $iVcuadrada con 10 !rados de libertad. b# Comparar % G 4 con valores crticos tomados de una distribuci n $iVcuadrada con 1/ !rados de libertad. c# Comparar % G %/ con valores crticos tomados de una distribuci n $iVcuadrada con 1/ !rados de libertad. d# Comparar % G %/ con valores crticos tomados de una distribuci n $iVcuadrada con 10 !rados de libertad. +e har( una prueba de dos colas para las muestras 1 y %, con n1 G 1/ y n% G 1%. +i G 7.17, 9cu(l de los si!uientes representa el valor superior con el cual deber( compararse s1%Ss%%: a# 1 . 2"1., 11, 7.7/# b# 1 . 2"1., 11, 7.4/# c# 2"11, 1., 7.7/# d# 2"1., 11, 7.7/# e# <in!uno de los anteriores. +upon!a )ue se va a reali6ar una prueba $iVcuadrada sobre una tabla de contin!encia con cuatro ren!lones y cuatro columnas. 9Cu(ntos !rados de libertad deber(n utili6arse: a# 10. b# 3. c# 4. d# 0. Las distribuciones $iVcuadrada y t, ambasA a# +on siempre sim1tricas. b# +e usan para pruebas de hip tesis. c# +on dependientes del n-mero de !rados de libertad. d# @odas las anteriores. e# b# y c#, pero no a#. f# <in!uno de los anteriores. 9C mo puede calcularse la frecuencia esperada en una celda de una tabla de contin!encia a
%2.
%3.
%4.
,7.
,1.
48
partir de la proporci n esperada para dicha celda: a# ;ultiplicando por el total de esa columna. b# ;ultiplicando por el total de ese ren!l n. c# ;ultiplicando por el tama8o total de la muestra. d# &sando la proporci nI la frecuencia esperada y la proporci n esperada son las mismas. e# <in!uno de los anteriores. ,%. El cociente 2 contieneA a# Dos estimaciones de la varian6a de la poblaci n. b# Dos estimaciones de la media de poblaci n. c# &na estimaci n de la media de la poblaci n y una estimaci n de la varian6a de la poblaci n. d# @anto a# como b#. e# <in!uno de los anteriores. +i tenemos tama8os de muestra suficientemente !randes, 9)u1 suposiciones asociadas con la prueba de 5<=B5 podemos descartar: a# Las muestras se toman de una poblaci n normal. b# Cada poblaci n tiene la misma varian6a. c# @anto a# como b#. d# <in!uno de los anteriores. Cuando se reali6a una prueba de hip tesis $iVcuadrada, 9)u1 sucede cuando las frecuencias esperadas en varias celdas son demasiado pe)ue8as: a# El valor de $iVcuadrada estar( sobrestimado. b# +er( m(s probable de lo )ue debera ser )ue se rechace la hip tesis nula. c# Los !rados de libertad se reducen mucho. d# <in!uno de los anteriores. e# a# y b#, pero no c#. +upon!a )ue est( comparando cinco !rupos expuestos a diferentes m1todos de tratamiento y ha tomado una muestra de 17 elementos de cada !rupo. &sted calcula el valor de x para cada muestra. 9C mo calculara la !ran media: a# ;ultiplica cada media de muestra por 1S/ y suma estos valores. Lue!o divide esta suma entre /7. b# +uma las / medias muestrales y divide entre /7. c# +uma las / medias muestrales y multiplica por 1S/. d# +uma las / medias muestrales. e# <in!uno de los anteriores. +i deseamos probar si las proporciones de m(s de dos poblaciones son i!uales, utili6amosA a# 5n(lisis de varian6a. b# Estimaci n. c# La varian6a. d# Estimaciones de intervalo. e# <in!uno de los anteriores. 9Cu(les de estas distribuciones tiene un par de !rados de libertad: a# ?oisson.
,,.
,..
,/.
,0.
,2.
49
b# c# d# e# f# ,3. ,4. .7.
<ormal. ]iVcuadrada. Hinomial. @odas las anteriores. <in!una de las anteriores.
La media para el !rupo completo de su$etos de todas las muestras de un experimento se conoce como ______________ media. &na t1cnica estadstica utili6ada para probar la i!ualdad de tres o m(s medias de poblaci n se conoce como ______________. &na prueba de ______________ se usa para determinar si la pertenencia a las cate!oras de una variable es diferente como funci n de la pertenencia a las cate!oras de una se!unda variable. &na familia de distribuciones diferenciadas por dos par(metros y )ue se usa principalmente para probar hip tesis de varian6as se llama distribuci n ______________. La prueba ______________ determina si existe una diferencia si!nificativa entre las distribuciones observada e hipot1tica para una muestra. El an(lisis de varian6a compara la ______________con la ______________para obtener el estadstico______________. La re!i n de aceptaci n para una hip tesis nula en una prueba $iVcuadrada va de la cola ______________de la curva al valor $iVcuadrada. Esta re!i n contiene el ______________ D del (rea ba$o la curva. El n-mero de !rados de libertad en el denominador del cociente C se calcula restando el ______________de ______________.
.1. .%. .,. ...
./.
50
Prueba de conceptos
Captulo 12
Imprima este texto y escriba sobre la lnea, una V si el enunciado es verdadero o una F si es falso. Las respuestas correctas se encuentran en el archivo correspondiente en este mismo CD. _____ 1. El an(lisis de re!resi n se usa para describir )u1 tan bien una ecuaci n de estimaci n describe la relaci n )ue se est( estudiando. _____ %. Dado )ue la ecuaci n para una recta es 4 G %0 E %.5, podemos decir )ue la relaci n de 4 con 5 es directa y lineal. _____ ,. &n valor r% cercano a cero indica una fuerte correlaci n entre 5 y 4. _____ .. Los an(lisis de re!resi n y correlaci n se usan para determinar relaciones de causa y efecto. _____ /. El coeficiente de correlaci n de la muestra, r, es simplemente r%, y no podemos interpretar su si!nificado directamente como un porcenta$e de al!-n tipo. _____ 0. El error est(ndar de la estimaci n mide la variabilidad de los valores observados alrededor de la ecuaci n de re!resi n. _____ 2. La recta de re!resi n se deriva de una muestra y no de toda la poblaci n. _____ 3. ?odemos interpretar el coeficiente de determinaci n de la muestra como la cantidad de la variaci n en _ )ue explica la recta de re!resi n. _____ 4. Las lneas tra6adas a cada lado de la recta de re!resi n a R1, R% y R, veces el valor del error est(ndar de la estimaci n se denominan lneas de confian6a. _____17. La ecuaci n de estimaci n es v(lida s lo en el mismo intervalo )ue el dado por los datos ori!inales de la muestra para los cuales se desarroll . _____11. En la ecuaci n 4 G a J b5 para la variable dependiente 4 y la variable independiente 5, la ordenada 4 es b. _____1%. +i una lnea se a$usta a un con$unto de puntos mediante el m1todo de mnimos cuadrados, los errores individuales positivos y ne!ativos respecto a la lnea suman cero. _____1,. +i se G 7 para una ecuaci n de estimaci n, debe estimar perfectamente la variable dependiente en los puntos observados. _____1.. +upon!amos )ue la pendiente de una ecuaci n de estimaci n es positiva. Entonces el valor de r debe ser la ra6 cuadrada positiva de r%. _____1/. +i r G 7.3, entonces la ecuaci n de re!resi n explica el 37D de la variaci n total en la variable dependiente. _____10. El coeficiente de correlaci n es el porcenta$e de la variaci n total de la variable dependiente explicada por la re!resi n.
51
_____12. El error est(ndar de la estimaci n se mide perpendicularmente desde la recta de re!resi n m(s )ue sobre el e$e 4. _____13. 5l elevar al cuadrado los errores individuales, el m1todo de mnimos cuadrados ma!nifica todas las desviaciones respecto a la recta de re!resi n estimada. _____14. &na ecuaci n de re!resi n no puede ser v(lida al ampliarse fuera del intervalo de la muestra de la variable independiente. _____%7. &n valor r% mide s lo la fuer6a de una relaci n lineal entre las dos variables 5 y 4. _____%1. &n valor pe)ue8o de r% implica )ue no existe una relaci n de causaVefecto si!nificativa entre 5 y 4. %%. +upon!a )ue conocemos la estatura de una estudiante, pero no su peso. &samos una ecuaci n de estimaci n para determinar una estimaci n de su peso, bas(ndonos en su estatura. ?or tanto, podemos concluir )ueA a# El peso es la variable independiente. b# La altura es la variable dependiente. c# La relaci n entre peso y altura es inversa. d# <in!una de las anteriores. e# b# y c#, pero no a#. +upon!a )ue le dicen )ue existe una relaci n directa entre el precio de las alcachofas y la cantidad de lluvia )ue cay durante la 1poca de cultivo. ?uede concluirse )ueA a# Los precios tienden a ser altos cuando la lluvia es alta. b# Los precios tienden a ser ba$os cuando la lluvia es alta. c# &na !ran cantidad de lluvia ocasiona )ue los precios suban. d# La falta de lluvia ocasiona )ue los precios suban. +upon!a )ue se calcula )ue a es . y b es % para una lnea de estimaci n particular con una variable independiente. +i la variable independiente tiene un valor de %, 9)u1 valor debe esperarse para la variable dependiente: a# 3. b# 17. c# E1. d# 7. +upon!a )ue se calcul la ecuaci n de estimaci n 6 G / E %5 para un con$unto de datos. 9Yu1 es cierto de lo si!uiente para esta situaci n: a# La ordenada 4 de la recta es %. b# La pendiente de la recta es ne!ativa. c# La recta representa una relaci n inversa. d# @odos los anteriores. e# b# y c#, pero no a#. +abemos )ue el error est(ndar es el mismo en todos los puntos de una recta de re!resi n por)ue supusimos )ueA a# Los valores observados de 4 est(n normalmente distribuidos alrededor de cada valor estimado de 4.
%,.
%..
%/.
%0.
52
b# Las varian6as de la distribuci n alrededor de cada valor posible de 4 son i!uales. c# +e tomaron en cuenta todos los datos disponibles cuando se calcul la recta de re!resi n. d# <in!uno de los anteriores. %2. La variaci n de los valores de 4 alrededor de la recta de re!resi n se expresa me$or comoA a# "4 J 4#% . b# "4 E 4#% . c# "4 E 6#% . d# "4 J 6#% . El valor de r% para una situaci n particular es 7..4. 9Cu(l es el coeficiente de correlaci n: a# 7..4. b# 7.2. c# 7.72. d# <o puede determinarse de la informaci n dada. La fracci n "4 7 6#%S"4 E 4#% representaA a# La fracci n de la variaci n total en 4 )ue no est( explicada. b# La fracci n de la variaci n total en 4 )ue est( explicada. c# La fracci n de la variaci n total en 4 )ue fue ocasionada por cambios en 5. d# <in!una de las anteriores. En la ecuaci n 4 G A J B5 J e, la e representaA a# La ordenada 5 de los datos observados. b# El valor de 4 con el cual se comparan otros para determinar el 'me$or a$uste*. c# Bariaciones aleatorias respecto a la recta de re!resi n de la poblaci n. d# <in!uno de los anteriores. +upon!a )ue desea comparar el valor hipot1tico de B con un valor de la muestra de la b calculada. 9Cu(l de los si!uientes valores se debe calcular antes )ue los otros: a# sb. b# se. c# sp. d# Los c(lculos se pueden hacer en cual)uier orden. ?ara )ue la ecuaci n de estimaci n sea un estimador perfecto de la variable dependiente, de lo si!uiente, 9)u1 tendra )ue ser cierto: a# El error est(ndar de la estimaci n es cero. b# @odos los puntos est(n en la recta de re!resi n. c# El coeficiente de determinaci n es E1. d# a# y b#, pero no c#. e# @odos los anteriores. +i la variable dependiente aumenta cuando la variable independiente aumenta en una ecuaci n de estimaci n, el coeficiente de correlaci n estar( en el intervalo deA a# 7 a E1. b# 7 a E7.7/. c# 7 a E%.
%3.
%4.
,7.
,1.
,%.
,,.
53
d# <in!uno de los anteriores. ,.. +upon!amos )ue la fracci n de variaci n en 4 )ue no est( explicada por la variable independiente 5 es 1S. . Entonces r% esA a# 1S.. b# ,S.. c# 1/S10. d# <in!una de las anteriores. El coeficiente de determinaci n de la muestra se desarrolla a partir de la variaci n de los valores de 4 observados alrededor deA a# La media de las variables independientes observadas. b# La media de las variables dependientes observadas. c# La recta de re!resi n a$ustada. d# b# y c#, pero no a#. e# a#, b# y c#. +i 4 G a J b5, la recta de re!resi n de la muestra, y 4 G A J B5, la ecuaci n de re!resi n verdadera de poblaci n desconocida, son e)uivalentes, entonces lo si!uiente debe ser ciertoA a# La ecuaci n de estimaci n es un estimador perfecto de la variable dependiente. b# @odos los puntos est(n sobre la recta de re!resi n. c# r% G 1. d# @odos los anteriores. e# <in!uno de los anteriores. +i la variable dependiente en una relaci n disminuye al aumentar la variable independiente, la relaci n es ______________. &na asociaci n entre dos variables descrita por una lnea curva es una ______________. @oda lnea recta tiene una ______________ )ue representa cu(nto cambia la variable deV pendiente con cada cambio unitario de la variable independiente. El !rado en el )ue los valores observados difieren de sus valores pronosticados sobre la lnea de re!resi n se mide por ______________. ______________es una medida de la proporci n de variaci n en la variable dependiente )ue explica la recta de re!resi n. +i el 2/D de la variaci n en la variable dependiente es explicada por la recta de re!resi n, entonces el valor de r ser( de alrededor de ______________. ______________ se utili6a para medir )u1 tan bien la recta de re!resi n explica la variaci n de la variable dependiente. El si!no de r indica el ______________de la relaci n entre las dos variables 5 y 4. El m1todo de mnimos cuadrados encuentra la lnea de 'me$or a$uste* a trav1s de un con$unto de puntos, esto es, la recta )ue ______________el error entre los puntos observados y los puntos estimados sobre esa recta.
,/.
,0.
,2. ,3. ,4. .7. .1. .%. .,. ... ./.
54
Prueba de conceptos
Captulo 13
Imprima este texto y escriba sobre la lnea, una V si el enunciado es verdadero o una F si es falso. Las respuestas correctas se encuentran en el archivo correspondiente en este mismo CD. _____ 1. La venta$a principal de la re!resi n m-ltiple respecto a la re!resi n simple es )ue nos permite usar m(s de la informaci n disponible para estimar la variable dependiente. _____ %. +upon!a )ue en la ecuaci n de re!resi n m-ltiple 6 G %... J /.051 J 0.35%, 6 es el peso "en libras# y 5% es la edad "en a8os#. ?or cada a8o adicional en la edad, entonces, se puede esperar )ue el peso aumente en %... libras. _____ ,. 5un)ue en teora es posible hacer c(lculos de re!resi n m-ltiple a mano, muy pocas veces lo hacemos. _____ .. +upon!a )ue intenta establecer un intervalo de confian6a para un valor de 4 a partir de una ecuaci n de re!resi n m-ltiple. +i existen %7 elementos en la muestra y se utili6an cuatro variables independientes en la re!resi n, deber( usar 10 !rados de libertad cuando obten!a un valor de la tabla t. _____ /. El error est(ndar del coeficiente b% en una re!resi n m-ltiple se denota con s%. _____ 0. +upon!a )ue deseamos probar si los valores de 4 en una re!resi n m-ltiple realmente dependen de los valores de 51. La hip tesis nula para nuestra prueba ser( B1 G 7. _____ 2. ?ara determinar si una re!resi n es si!nificativa como un todo, se calcula un valor observado de 2 y se compara con un valor obtenido de una tabla. _____ 3. +i se conoce la suma de cuadrados total y la suma de cuadrados de la re!resi n para una re!resi n m-ltiple, siempre se puede calcular la suma de cuadrados de error. _____ 4. Ciertos patrones en los si!nos de los residuos de un modelo de re!resi n de se!undo !rado indican )ue sera me$or utili6ar un modelo lineal. _____17. Las re!resiones simples de 4 sobre 51 y de 4 sobre 5% muestran )ue 51, y 5% son ambas variables explicativas si!nificativas de 4. ?ero una re!resi n m-ltiple de 4 sobre 51, y 5% nos dice )ue ni 51 ni 5% son variables explicativas si!nificativas para 4. Claramente, 1ste es un caso de multicolinealidad. _____11. Las variables ficticias constituyen una t1cnica )ue puede utili6arse para incorporar datos cualitativos en las re!resiones m-ltiples. _____1%. Cuando se utili6a una variable ficticia con valores 7 y 1, es muy importante ase!urarse de )ue los ceros y unos se usen de acuerdo con la pr(ctica est(ndar. Invertir la codificaci n destruir( completamente los resultados de la re!resi n m-ltiple. _____1,. ?odemos formar un modelo de re!resi n de se!undo !rado si multiplicamos por % los valores observados de una variable independiente. _____1.. 5!re!ar variables adicionales a una re!resi n m-ltiple siempre reducir( el error est(ndar de la estimaci n.
55
_____1/. +upon!a )ue una re!resi n m-ltiple ha producido la si!uiente ecuaci nA 6 G /.0 J %.351 E ,.45% J /.05,. +i 51, 5% y 5, tienen valor de cero, entonces se esperara )ue 4 tuviera el valor de /.0. _____10. El an(lisis de residuos en un modelo de re!resi n lineal se hace para determinar el valor correcto de se. _____12. 5un)ue es posible hacer inferencias acerca de la re!resi n como un todo, no es posible hacer inferencias acerca de los coeficientes de re!resi n estimados. _____13. +i existe un alto nivel de correlaci n entre las variables explicativas, por lo !eneral es posible separar las contribuciones de estas variables en una re!resi n. _____14. El error est(ndar de los datos de la poblaci n se denota por se. _____%7. +i una re!resi n incluye a todos los factores explicativos relevantes, los residuos ser(n aleatorios. _____%1. &na relaci n lineal entre variables explicativas con toda se!uridad producir( multicolinealidad en el modelo de re!resi n. %%. +upon!a )ue una re!resi n m-ltiple produ$o esta ecuaci nA 6 G /1.%1 J 0.3351 J 2.705% E ,.215, . El valor de b% para esta ecuaci n esA a# /1.%1. b# 0.33. c# 2.70. d# E,.21. e# <o se puede determinar de la informaci n dada. >emos dicho )ue el error est(ndar de una estimaci n tiene n E 8 E 1 !rados de libertad. 9Yu1 si!nifica 8 en esta expresi n: a# El n-mero de elementos de la muestra. b# El n-mero de variables independientes en la re!resi n m-ltiple. c# La media de los valores de la muestra de la variable dependiente. d# <in!uno de los anteriores. +upon!a )ue ha reali6ado una re!resi n m-ltiple y encuentra )ue el valor de b, es 1.00. +in embar!o, los datos obtenidos a partir de la experiencia pasada indican )ue el valor de B1 , debera ser 1.,.. &sted desea probar, al nivel de si!nificancia de 7.7/, la hip tesis nula de )ue B, si!ue siendo 1.,.. +uponiendo )ue tiene acceso a todas las tablas )ue pueda necesitar, 9)u1 otra informaci n re)uiere para poder reali6ar la prueba: a# Wrados de libertad. b# sbi. c# se. d# a# y b#, pero no c#. e# a# y c#, pero no b#. +upon!a )ue un fabricante de $u!uetes desea determinar si sus $u!uetes ro$os se venden m(s )ue sus $u!uetes a6ules. Fecolecta datos concernientes a los niveles de ventas, color, precio y edad promedio de las personas a las )ue van diri!idos. Introduce todos estos datos en un pa)uete estadsticoI la ecuaci n de re!resi n m-ltiple resultante es 6 G 27,00, E
%,.
%..
%/.
56
21,51 E /4.05% J 00..5,, donde 6 representa los niveles de ventas en unidades, 51 es el color "7 para a6ul, 1 para ro$o#, 5% es el precio al menudeo "en d lares# y 5, la edad promedio "en a8os#. 9Cu(les de las si!uientes afirmaciones son verdaderas si las variables correspondientes al precio y la edad se mantienen constantes: a# Deben venderse 21, unidades m(s de $u!uetes ro$os )ue de $u!uetes a6ules. b# Deben venderse 21, unidades menos de $u!uetes ro$os )ue de $u!uetes a6ules. c# Los ni8os siempre preferir(n un $u!uete a6ul a uno ro$o. d# b# y c#, pero no a#. !as preguntas 29 a 31 tratan sobre un director de personal &ue intenta determinar una ecuacin de prediccin para el tiempo :longe0idad; &ue los traba"adores de su planta se &uedan <s =initab para correr una regresin de la antig>edad :en meses; de 0arios de sus traba"adores sobre su ni0el acad?mico :a@os de escolaridad;, edad al tiempo de contratacin, resultado de la prueba de madure% sicolgica &ue aplica la compa@a # nAmero de dependientes :inclu#endo al traba"ador; A continuacin presentamos los resultados:
La ecuacin de regresin es LON !" # 82$2 % 1$55 !&'(!L) % 1$69 !*)* + 0$11 ')L,- + 6$88 *!P!N*!N Pronosticador Coef 'onstante 82$237 !&'(!L) %1$553 !*)* %1$685 ')L,0$110 *!P!N*!N 6$876 & # 13$4 ./s0 # 89$11 DesvEst 81$738 4$362 1$253 0$291 7$658 Cociente-t 1$01 %0$36 %1$35 0$38 0$89 P 0$361 0$736 0$236 0$720 0$410
)n23isis de varian4a FUENTE .egresin !rror 5ota3 GL 4 5 9 SC 7325$33 898$28 8223$60 MC 1831$33 179$66 F 10$19 P 0$013
%0.
La ecuaci n de re!resi n para los datos esA a# 6 G 3%.%. E 1.//51 E 1.045% J 7.11`, J 0.33`.. b# 6 G 1,..7 E 1.//51 E 1.045% J 7.11`, J 0.33`.. c# 6 G 31.2. J ..,051 J 1.%/5% J 7.%4`, J 2.00`.. d# 6 G 3%.%. E 7.,051 E 1.,/5% J 7.,3`, J 7.47`.. 9Cu(nta de la variaci n en la anti!aedad en el empleo se explica con la re!resi n: a# 4.D. b# 3%D. c# 34D. d# 1,D. +upon!a )ue desea probar si el nivel acad1mico es una variable explicativa si!nificativa para la lon!evidad en la empresa. Los !rados de libertad )ue usara sonA
%2.
%3.
57
a# b# c# d# %4.
.. 17. 0. /.
9Cu(l es el valor de sb,: a# 1,... b# 7.%4. c# 7.,3. d# 7.11. 9Cu(ntos !rados de libertad en el denominador habra para una prueba 2 reali6ada con el fin de determinar si esta re!resi n es si!nificativa como un todo: a# /. b# .. c# 4. d# 17. 9Cu(ntos datos introdu$o el director al pro!rama: a# 4. b# 17. c# 13. d# 14. En la ecuaci n 4 G 5 G B151 J B%5%, 4 es independiente de 51 siA a# B% G 7. b# B% G E1. c# B1 G 1. d# <in!uno de los anteriores. +e puede utili6ar una distribuci n normal para aproximar la distribuci n t para re!resi n m-ltiple siempre )ue el n-mero de !rados de libertad "n menos el n-mero de coeficientes de re!resi n estimados# seaA a# ;enor )ue .7. b# ;ayor )ue 17. c# I!ual )ue /. d# ;ayor )ue /7. e# <in!uno de los anteriores.
,7.
,1.
,%.
,,.
,.. Como r% G 1 E "4 E 6#%S"4 E 6#%, r% es e)uivalente aA a# 1 E +CFS+C@. b# 1 E +CES+C@. c# 1 E +CES+CF. d# 1 E +C@S+CF. e# 1 E +C@S+CE. ,/. ?ara la re!resi n m-ltiple 6 G a J b151 J b%5%, utili6ada para estimar 4 G A J B151 J B%5%, la forma de un intervalo de confian6a posible para B, esA a# B1 E tsbl, B1 J tsbl. b# B1 E tse, B1 J tse.
58
c# b1 E tsbl, b1 J tsbl. d# b1 E tse b1 J tse. ,0. Las se8ales de la presencia posible de multicolinealidad en una re!resi n m-ltiple sonA a# Balores t si!nificativos para los coeficientes. b# Errores est(ndar ba$os para los coeficientes. c# El brusco aumento de un valor t para el coeficiente de una variable explicativa cuando se elimina del modelo otra variable. d# @odos los anteriores. ______________son m1todos para decidir )u1 variables incluir en un modelo de re!resi n y las formas diferentes en )ue pueden incluirse. Las manipulaciones matem(ticas para convertir una variable en una forma diferente, para poder a$ustar curvas de re!resi n se llaman ______________. El ______________ es un estadstico )ue se utili6a para probar la si!nificancia de una re!resi n como un todo. &na variable ______________toma valores 7 y 1 para describir datos cualitativos. &na medida de nuestra de incertidumbre acerca del valor exacto de un coeficiente de re!resi n m-ltiple es el ______________del coeficiente. El coeficiente de determinaci n m-ltiple en una re!resi n m-ltiple mide ______________. La si!nificancia de una re!resi n m-ltiple puede ser probada con la hip tesis nula ______________ )ue indica )ue 4 no depende de las 5i. El error est(ndar se se conoce tambi1n como el ______________. Las cadenas alternadas de ______________consecutivos con si!no i!ual en un modelo de re!resi n lineal, indican )ue los datos podran tener un a$uste con una curva )ue una recta.
,2. ,3. ,4. .7. .1. .%. .,. ... ./.
59
Prueba de conceptos
Captulo 14
Imprima este texto y escriba sobre la lnea, una V si el enunciado es verdadero o una F si es falso. Las respuestas correctas se encuentran en el archivo correspondiente en este mismo CD. _____ 1. &na venta$a de los m1todos no param1tricos es )ue al!unas de las pruebas no re)uieren si)uiera )ue clasifi)uemos las observaciones. _____ %. La prueba < de ;annVbhitney es parte de la familia de pruebas conocidas como pruebas de diferencia de ran!os. _____ ,. &na prueba de si!nos para datos por pares se basa en la distribuci n binomial pero a menudo puede aproximarse por la distribuci n normal. _____ .. &na desventa$a de los m1todos no param1tricos es )ue tienden a i!norar cierta cantidad de informaci n. _____ /. En la prueba < de ;annVbhitney, se toman dos muestras, de tama8os n1 y n%, para determinar el estadstico &. La distribuci n de muestreo del estadstico < puede aproximarse por la distribuci n normal cuando al!una de n1 o n% es mayor )ue 17. _____ 0. La prueba < de ;annVbhitney tiende a desperdiciar menos datos )ue la prueba de si!nos. _____ 2. +upon!a )ue en una prueba de ran!os, dos elementos est(n empatados en la d1cima posici n de ran!o. Les asi!namos a cada uno un ran!o de 17./ y el si!uiente elemento recibe un ran!o de 11. _____ 3. 5 diferencia del an(lisis de re!resi n, donde se puede calcular un coeficiente de correlaci n, una medida e)uivalente puede determinarse en una clasificaci n de dos variables en las pruebas no param1tricas. Esta medida e)uivalente se llama un coeficiente de correlaci n de ran!os. _____ 4. En una prueba de corridas de una sola muestra, el n-mero de corridas es un estadstico )ue tiene su propia distribuci n de muestreo. _____17. &na desventa$a al usar el coeficiente de correlaci n de ran!os es )ue es muy sensible a las observaciones extremas en el con$unto de datos. _____11. La prueba de colmo!orovV+mirnov puede usarse para medir la bondad de a$uste de una distribuci n te rica. _____1%. Los m1todos no param1tricos son m(s eficientes )ue los param1tricos. _____1,. La prueba de corridas de una sola muestra nos permite determinar si dos muestras independientes han sido extradas de poblaciones con la misma distribuci n. _____1.. La secuencia 5, 5, H, 5, H contiene cuatro corridas. _____1/. &n coeficiente de correlaci n de ran!os de E1 representa una correlaci n de ran!os inversa perfecta.
60
_____10. En una prueba de corridas de una sola muestra, la hip tesis alternativa es )ue la secuencia de observaciones no es aleatoria. _____12. En la prueba < de ;annVbhitney, no es necesario )ue las dos muestras sean del mismo tama8o. _____13. El estadstico de prueba de cV+ es simplemente la desviaci n absoluta mnima entre las frecuencias acumuladas relativas observadas y las frecuencias acumuladas relativas esperadas. _____14. Las pruebas de suma de ran!os prueban la hip tesis de )ue varias medias de poblaci n son i!uales, suponiendo )ue las poblaciones tienen distribuci n normal con varian6as i!uales. _____%7. La prueba de crus[alVballis es una versi n no param1trica de 5<=B5. _____%1. La distribuci n de muestreo del estadstico B de crus[alVballis puede aproximarse por una distribuci n $iVcuadrada s lo si todos los tama8os de muestra son al menos /. %%. En una prueba de si!no para datos por pares, se pidi a 377 estudiantes )ue clasificaran "en una escala de 7 a 17# sus actitudes hacia pruebas falsoSverdadero y de opci n m-ltiple. Cuando se calcularon los si!nos para los dos con$untos de datos apareados, 1,3 de los 377 pares de respuestas recibieron un valor de 7. 9+i!nifica esta media )ue 1,3 estudiantesA a# +ienten dis!usto por los dos tipos de prueba: b# <o respondieron la encuesta: c# Clasificaron i!ual los tipos: d# ?ensaron )ue uno de los tipos era perfecto y el otro terrible: +upon!a )ue, en la pre!unta %%, la administraci n pens )ue las pruebas falsoSverdadero eran tres veces m(s atractivas )ue las pruebas de opci n m-ltiple. +upon!a )ue una preferencia por las pruebas falsoSverdadero es un '1xito*, 9cu(l es la hip tesis nula para la prueba de si!nos para datos por pares: a# p G 7.%/. b# p G 7.2/. c# p d 7.%/. d# p d 7.2/. !as preguntas 24 # 2$ se reCieren a la siguiente situacin .e seleccionan al a%ar $ antiguos pacientes del ala A del (ospital ,rinit#, # 4 antiguos pacientes del ala B !os pacientes estu0ieron el siguiente nAmero de das:
)3a )6 )3a 76 13 10 4 9 2 7 10 8 6
%,.
%..
+e debe reali6ar una prueba & de ;annVbhitney para determinar si existe una diferencia si!nificativa entre la duraci n de las estancias en el hospital para las dos alas. +i la duraci n de la estancia se clasifica de menor a mayor, 9cu(l es la clasificaci n para una estancia de 1, das en el ala 5: a# 4. b# 3. c# 41S%. d# 21S%.
61
%/.
+i la duraci n de la estancia se clasifica de menor a mayor, 9cu(l es el valor de "*1 E *% #: a# E1S%. b# 7. c# 1S%. d# %1S%. 9Cu(l es el n-mero m(ximo posible de corridas en una secuencia de lon!itud / usando dos smbolos: a# 0. b# .. c# ,. d# /. La secuencia C, D, C, D, C, D, C, D, C, D probablemente sera recha6ada por una prueba de corridas como no verdaderamente aleatoria por)ueA a# El patr n C, D ocurre s lo cinco vecesI esto a menudo no es suficiente para !aranti6ar aleatoriedad. b# La secuencia contiene demasiadas corridas. c# La secuencia contiene muy pocas corridas. d# La secuencia contiene s lo dos smbolos. e# <in!uno de los anteriores. En una prueba < de ;annVbhitney, una distribuci n de muestreo particular para < tiene una media de 1/. &n valor de < se calcula como n1 n% J n1"n1 J l#S% E *1 )ue es i!ual a %%./. 9?odemos concluir inmediatamente )ue el valor de n1 n% J n%"n1 J l#S% E *% en esta situaci n a# es 17: b# es 1%./: c# es 2./: d# <o puede determinarse con la informaci n dada. !as preguntas 2D # 31 se reCieren a la siguiente situacin .iete e"ecuti0os :A a E; Cueron clasiCicados de 1 a F en una escala de ni0el salarial anual, con 1 como el mGs alto !os resultados Cueron
) 2 7 6 ' 4 * 1 ! 3 5 7
%0.
%2.
%3.
%4.
9De lo si!uiente, )u1 es correcto: a# E !an m(s )ue los otros cuatro. b# C y C !anaron lo mismo. c# Las !anancias de C son menores )ue las de los otros cuatro. d# @odos los anteriores. e# a# y c#, pero no b#. +upon!a )ue, como se!unda parte de este estudio, los siete e$ecutivos se clasificaron de acuerdo con lo felices )ue aparentan ser, donde 1 es el m(s feli6. +i los salarios y la felicidad est(n perfectamente correlacionados, 9cu(l debe ser la clasificaci n de felicidad del e$ecutivo 5: a# 1. b# %.
,7.
62
c# ,. d# 0. ,1. +i, en la clasificaci n de felicidad de la pre!unta ,7, los salarios y la felicidad tuvieran una correlaci n inversa perfecta, 9cu(l debe ser la clasificaci n de felicidad del e$ecutivo C: a# 2. b# %. c# /. d# ,. 5l compararse con los m1todos param1tricos, los m1todos no param1tricosA a# +on menos exactos. b# +on menos eficientes. c# +on computacionalmente m(s f(ciles. d# Fe)uieren menos informaci n. e# @odos los anteriores. f# b#, c# y d#, pero no a#. !# <in!uno de los anteriores. ?ara una correlaci n perfecta, el coeficiente de correlaci n de ran!os rA a# +era i!ual a 1. b# Estara entre 7 y E1. c# +era i!ual a 7. d# <in!uno de los anteriores. ?ara muestras de tama8o mayor )ue ,7, la distribuci n muestral del coeficiente de correlaci n de ran!os es aproximadamente la distribuci nA a# t. b# Hinomial. c# ]iVcuadrada. d# <ormal. En la prueba de crus[alVballis de 8 muestras, el n-mero apropiado de !rados de libertad es a# 8. b# 8 E 1. c# n8 E 1. d# n E 8. Eli$a la muestra con la mayor suma de ran!os si los elementos se clasifican de mayor a menorA
8uestra )6 8uestra 76 8uestra '6 1 5 9 3 1 4 9 8 2
,%.
,,.
,..
,/.
,0.
a# b# c# d# ,2.
C con suma de ran!os 1/. C con suma de ran!os %7./. 5 con suma de ran!os 10. H con suma de ran!os 1../.
&na secuencia de ocurrencias id1nticas precedidas y se!uidas de distintas ocurrencias o de nin!una es _________.
63
,3. ,4. .7. .1. .%. .,. ... ./.
&n m1todo no param1trico usado para determinar si dos muestras independientes se extra$eron de poblaciones con la misma distribuci n es el _________. &na t1cnica no param1trica para determinar la aleatoriedad con la )ue se han seleccionado los elementos muestreados es la _________. &na prueba _________prueba la diferencia entre observaciones por pares al sustituir J, E y 7 en lu!ar de los valores cuantitativos. &n coeficiente _________mide el !rado de asociaci n entre dos variables y se basa en los ran!os de las observaciones. El estadstico < tiene una propiedad especial )ue nos permite ahorrar tiempo de c(lculos cuando_________. ?ara distin!uirlo del coeficiente de correlaci n, el coeficiente de correlaci n de ran!os se denota por _________. El estadstico /n de cV+ es un estadstico _________en cuanto a )ue es independiente de la distribuci n de frecuencia esperada. La prueba _________tiene venta$as sobre la prueba $iVcuadrada de bondad de a$uste por)ue los datos re)ueridos no necesitan estar a!rupados.
64
Prueba de conceptos
Captulo 15
Imprima este texto y escriba sobre la lnea, una V si el enunciado es verdadero o una F si es falso. Las respuestas correctas se encuentran en el archivo correspondiente en este mismo CD. _____ 1. El an(lisis de series de tiempo se utili6a para detectar patrones de cambio en informaci n estadstica durante intervalos re!ulares de tiempo. _____ %. Las tendencias seculares representan la direcci n a lar!o pla6o de una serie de tiempo. _____ ,. Cuando se codifican valores estacionales, restamos de cada valor el menor valor de tiempo de la serieI en consecuencia, el c di!o del valor m(s pe)ue8o es cero. _____ .. Cuando se utili6a el m1todo de mnimos cuadrados para determinar una ecuaci n de se!undo !rado de me$or a$uste, se deben determinar los valores de cuatro constantes num1ricas. _____ /. El an(lisis de series de tiempo nos ayuda a estudiar tendencias hist ricas, pero no nos ayudan respecto a incertidumbres futuras. _____ 0. Cuando predecimos al!o )ue est( muy adelante en el futuro, por lo !eneral una ecuaci n de se!undo !rado proporciona pron sticos m(s precisos )ue una ecuaci n lineal. _____ 2. Cuando se utili6a el m1todo de residuos, suponemos )ue la componente cclica explica la mayor parte de la variaci n )ue no fue explicada por la componente de tendencia. _____ 3. El residuo cclico relativo puede calcularse para un elemento de una serie de tiempo restando 17 al porcenta$e de tendencia de ese elemento. _____ 4. El movimiento repetitivo alrededor de una lnea de tendencia en un periodo de dos a8os se describe me$or como una variaci n estacional. _____17. &na ve6 calculados los ndices estacionales de una serie de tiempo, la serie puede ser desestacionali6ada de modo )ue solamente )uede la componente de tendencia. _____11. El porcenta$e de tendencia no debe utili6arse para pronosticar variaciones cclicas futuras. _____1%. Con el tiempo, los movimientos aleatorios tienden a contrarrestarse entre s en la variaci n irre!ular de una serie de tiempo. _____1,. 5ntes de poder calcular el porcenta$e de tendencia, se debe calcular una lnea de tendencia "!r(fica de 6#. _____1.. +i una serie de tiempo contiene un n-mero impar de elementos, entonces el c di!o para uno de los elementos estar( en mitades de unidad. _____1/. ?ara ser considerado como una serie de tiempo, un !rupo de datos de informaci n estadstica debe haberse reunido en intervalos re!ulares. _____10. De los cuatro tipos de variaci n, la cclica es la m(s difcil de pronosticar.
65
_____12. La variaci n estacional es una variaci n repetitiva y predecible alrededor de la lnea de tendencia )ue se da en un periodo de un a8o. _____13. ?ara representar la componente cclica aislada de una serie de tiempo, debemos !raficar los valores del porcenta$e de tendencia o los valores del residuo cclico relativo. _____14. Los ndices estacionales a$ustados deben sumar siempre .77. _____%7. &na serie de tiempo debe ser desestacionali6ada despu1s de identificar las componentes de tendencia o cclica de la serie. _____%1. Eliminando los valores m(s alto y m(s ba$o del promedio real respecto al m vil de cada periodo, cuando se calculan los ndices estacionales, se reducen las variaciones cclica e irre!ular extremas. %%. 9&na serie de tiempo de datos anuales puede contener cu(les de las si!uientes componentes: a# @endencia secular. b# Cluctuaci n cclica. c# Bariaci n estacional. d# @odos los anteriores. e# a# y b#, pero no c#. +upon!a )ue anali6a una serie de tiempo de datos correspondientes a los trimestres de 144% y 144,. El tercer trimestre de 144, deber( codificarse comoA a# %. b# ,. c# /. d# 0. +upon!a )ue una serie de tiempo particular debe a$ustarse con una curva parab lica. La forma !eneral para esta ecuaci n de se!undo !rado es 6 G a J bx J cx%. 9Yu1 representa x en esta f rmula: a# Balores codificados de las variables de tiempo. b# &na constante num1rica )ue se determina mediante una f rmula. c# Estimaciones de la variable dependiente. d# <in!uno de los anteriores. +upon!a )ue una serie de tiempo con datos anuales para los a8os de 1433 a 1440 est( bien descrita por la ecuaci n de se!undo !rado 6 G / J ,x J 4x%. Has(ndose s lo en esta tendencia secular, 9cu(l es el valor pronosticado para 1442: a# l0l. b# %./. c# ,.2. d# %4,.2/. e# %77.2/ +upon!a )ue la ecuaci n lineal 6 G 17 J ,x describe bien una serie de tiempo anual para el periodo 1432V144,. +i el valor real de 4 para 1447 es 3, 9cu(l es el porcenta$e de tendencia para 1447:
%,.
%..
%/.
%0.
66
a# b# c# d# %2.
l%/D. 11%./D. 47D. 37D.
&na serie de tiempo para los a8os 143/V1440 tiene los si!uientes residuos cclicos relativos, en orden cronol !icoA E1D, E%D, 1D, %D, E1D, E%D, 1D, %D, E1D, E%D, 1D, %D. El residuo cclico relativo para 1442 debera serA a# ,D. b# E1D. c# E%D. d# <o se puede determinar de la informaci n dada. +upon!a )ue le proporcionaron los datos de las ventas trimestrales de un periodo de / a8os. ?ara utili6ar el m1todo de ra6 n de promedio m vil para calcular un ndice estacional, el primer paso seraA a# Calcular el promedio m vil de . trimestres. b# Descartar los valores m(s alto y m(s ba$o de cada trimestre. c# Calcular el total m vil de . trimestres. d# <in!uno de los anteriores. !as preguntas 2D a 31 se reCieren al cGlculo de un ndice estacional, utili%ando el m?todo de ra%n de promedio m0il para los datos trimestrales de 1DD2H1DD9 El porcenta"e del promedio real respecto al m0il para el tercer trimestre de cada a@o es: 1DD2: 10D 0I 1DD3: 112 JI 1DD4: 110 0I 1DD$: 10J 0I 1DD9: 104 9
%3.
%4.
9Cu(l es el ndice no a$ustado para el tercer trimestre: a# 173.33. b# 174.7. c# 117.%,. d# 117.40. e# <in!uno de los anteriores. +upon!a )ue el total de ndices no a$ustados para los cuatro trimestres es de .7..7.. +i el ndice no a$ustado para el primer trimestre es 42.7, 9cu(l es el ndice estacional a$ustado para el primer trimestre: a# 40.7,. b# 42.43. c# %..71. d# 44.77. e# <o se puede determinar de la informaci n dada. El ndice estacional a$ustado para el cuarto trimestre es 4/.7. +i la lnea de tendencia desestacionali6ada calculada para estimar las ventas trimestrales es 6 G .77 J 4x, 9cu(l ser( la estimaci n de las ventas estacionali6adas para el cuarto trimestre de 144.: a# .44.2. b# 0.,.7. c# 017.3/. d# 020.3.
,7.
,1.
67
,%.
+i una serie de tiempo tiene un n-mero par de a8os y utili6amos codificaci n, 9a )u1 es i!ual cada intervalo codificado: a# 1 a8o. b# % a8os. c# 1 mes. d# 0 meses. e# <in!uno de los anteriores. &n m1todo empleado para mane$ar la variaci n cclica cuando la componente cclica no explica la mayor parte de la variaci n )ue no fue explicada por la componente de tendencia esA a# 5n(lisis de +pearman. b# 5n(lisis especfico. c# 5n(lisis de se!undo !rado. d# Fesiduo cclico relativo. e# @odos los anteriores. f# <in!uno de los anteriores. ?ara un a8o dado, si un ndice estacional a$ustado para al!-n periodo es mayor )ue 177, 9)u1 inciso es cierto: a# El ndice a$ustado para al!-n otro periodo es Q 177. b# El ndice a$ustado para al!-n otro periodo es P 177. c# El ndice a$ustado para al!-n otro periodo es / 177. d# a# y b#, pero no c#. e# <in!uno de los anteriores. +i el porcenta$e de tendencia de un a8o en particular en una serie de tiempo es mayor )ue 177D, entonces para ese a8oA a# El valor real de la serie de tiempo est( aba$o de la lnea de tendencia, y el residuo cclico relativo es positivo. b# El valor real de la serie de tiempo est( aba$o de la lnea de tendencia, y el residuo cclico relativo es ne!ativo. c# El valor real de la serie de tiempo est( arriba de la lnea de tendencia, y el residuo cclico relativo es ne!ativo. d# El valor real de la serie de tiempo est( arriba de la lnea de tendencia, y el residuo cclico relativo es positivo. 9Cu(les de las si!uientes son ra6ones comunes para estudiar tanto tendencias seculares como variaci n estacional: a# ?ermitir la eliminaci n de la componente de la serie de tiempo. b# Describir patrones hist ricos. c# ?royectar patrones hist ricos al futuro. d# @odas las anteriores. e# <in!una de las anteriores. 5l dividir cada valor real de una serie de tiempo por el valor de tendencia correspondiente y multiplicar el resultado por 177, obtenemos el _________. El movimiento repetitivo y predecible alrededor de la lnea de tendencia )ue se da en un a8o o menos es la variaci n _________.
,,.
,..
,/.
,0.
,2. ,3.
68
,4. .7. .1. .%. .,. ... ./.
La variaci n _________de una serie de tiempo est( caracteri6ada por un movimiento impredecible y aleatorio )ue por lo !eneral ocurre durante intervalos cortos. La variaci n _________es la componente de una serie de tiempo )ue oscila alVrededor de la lnea de tendencia en periodos mayores )ue un a8o. El uso de ndices estacionales para eliminar los efectos de la estacionalidad de una serie de tiempo se conoce como _________ la serie de tiempo. El primer paso para calcular los ndices estacionales de los datos de una serie de tiempo consiste en calcular el _________. El incremento estable del costo de vida re!istrado en el I?C es un e$emplo de _________. El resultado de descartar los valores m(s alto y m(s ba$o antes de promediar se conoce como _________. &na _________es la proyecci n de patrones hist ricos al futuro.
69
Prueba de conceptos
Captulo 16
Imprima este texto y escriba sobre la lnea, una V si el enunciado es verdadero o una F si es falso. Las respuestas correctas se encuentran en el archivo correspondiente en este mismo CD. _____ 1. El n-mero ndice para un a8o base siempre es cero. _____ %. Los n-meros ndice pueden medir diferencias de una variable dada en diferentes localidades. _____ ,. La forma m(s sencilla de un ndice compuesto es un ndice de a!re!ados no ponderados. _____ .. &na desventa$a de los ndices de Laspeyres es )ue no son comparables entre s. _____ /. +i se utili6a el m1todo de a!re!ados con peso fi$o, donde el periodo de valor ele!ido coincide con el periodo base, entonces este m1todo es el mismo )ue el m1todo de ?aasche. _____ 0. El m1todo de promedio de relativos suma porcenta$es, no cantidades. _____ 2. &n cambio sustantivo en los precios de un producto de movimiento lento puede distorsionar completamente un ndice no ponderado. _____ 3. En tiempos de inflaci n, un ndice de cantidad proporciona una me$or medici n de la producci n real )ue el ndice de valor correspondiente. _____ 4. &n ndice de valores mide los efectos combinados de los cambios en precios y cantidades. _____17. Cuando se utili6a el ndice de precios de promedio ponderado de relativos, siempre se pueden comparar los ndices de diferentes periodos. _____11. El m1todo de Laspeyres se utili6a con m(s frecuencia, debido a )ue re)uiere medidas de cantidad de un solo periodo. _____1%. +iempre se encuentra un n-mero ndice al obtener el cociente de un valor actual entre un valor base y multiplicar por 177. _____1,. La selecci n de una base no apropiada no distorsiona los n-meros ndice. _____1.. 5un)ue a menudo se utili6an mediciones dentro de ellos mismos, los n-meros ndice tambi1n pueden usarse como parte de c(lculos intermedios. _____1/. +iempre )ue usamos el smbolo 3i en una de las f rmulas de un ndice, nos referimos al precio en el a8o base. _____10. En el caso del ndice de a!re!ados o del promedio de relativos, es m(s frecuente ponderar los elementos )ue conforman el ndice. _____12. &n ndice de a!re!ados no ponderados no permite )ue haya cambios en el precio. _____13. El I?C y el II? son dos e$emplos de ndices de valor.
70
_____14. El m1todo de promedio ponderado de relativos divide la suma ponderada entre la suma de las ponderaciones. _____%7. Los n-meros ndice son inherentemente confusos y, en consecuencia, se utili6an muy poco en el mundo real. _____%1. La medida del I?C est( basada en una sola variable. %%. +i el c(lculo de un n-mero ndice en un periodo de 3 a8os con un valor base de 177 dio un ndice para 144, de 117, 9cu(l sera el porcenta$e relativo para dicho a8o: a# 117. b# 47.4. c# 1,.2/. d# 337. e# <o se puede determinar con la informaci n dada. 9Yu1 debe calcularse para medir cambios en el valor monetario total: a# &n ndice de precios. b# &n ndice de cantidades. c# &n ndice de valores. d# <in!uno de los anteriores. +upon!a )ue un ndice de precios compuesto para 1 !al n de leche, % barras de pan y 1 libra de carne molida fue 117 en 144/ y 114 en 1440. +i ambos ndices se calcularon a partir de la base de 177 para 144., 9cu(nto se elev el nivel !eneral de precios de 144/ a 1440: a# 4D. b# 3.13D. c# 14D. d# 2./0D e# <o se puede determinar con la informaci n dada. 9Cu(l de los si!uientes describe una venta$a del uso del m1todo de Laspeyres: a# ;uchas medidas de cantidad de uso com-n no se tabulan para cada periodo. b# +e toma en cuenta los cambios en los patrones de consumo. c# &n ndice puede compararse f(cilmente con otro. d# @odos los anteriores. e# a# y c#, pero no b#. 9Yu1 se puede concluir si el ndice de precios de a!re!ados ponderados para un con$unto de precios fue calculado en 170 utili6ando el m1todo de Laspeyres y en 11% con el m1todo de ?aasche: a# El ndice de ?aasche es incorrecto. b# Existe una tendencia hacia los bienes menos costosos. c# Existe una tendencia hacia los bienes m(s costosos. d# La diferencia puede atribuirse a una mala estimaci n de las actitudes del consumidor. e# + lo a# y d#. 5l calcular un ndice de promedio ponderado de relativos, podramos comparar me$or ndices de varios periodos si se usanA
%,.
%..
%/.
%0.
%2.
71
a# b# c# d# e# %3.
Los valores base como 3nKn. Los valores actuales como 3nKn. Los valores fi$os como 3nKn. Los valores base o los fi$os como 3nKn. Los valores actuales o los fi$o como 3nKn.
Las mercancas su$etas a variaciones considerables de precio se pueden medir me$or medianteA a# El ndice de precios. b# El ndice de cantidad. c# El ndice de valor d# <in!uno de los anteriores. &n periodo base puede describirse como 'normal* siA a# <o se encuentra en un pico o una depresi n de una fluctuaci n. b# Es el periodo m(s reciente para el )ue tenemos datos. c# <o hubo inflaci n o deflaci n de precios durante el periodo. d# Es el promedio de varios periodos consecutivos. Los pesos utili6ados en un ndice de cantidad sonA a# ?orcenta$es de la cantidad total. b# ?recios. c# &n promedio de cantidades. d# <in!uno de los anteriores. En un ndice de promedio no ponderado de relativos "3iS37# ^ 177 se calcula para cada producto del compuesto. 9Yu1 se hace despu1s con estos valores para terminar el c(lculo: a# Los valores se multiplican entre s. b# +e encuentra el valor m(s !rande. c# +e promedian los valores. d# +e encuentra la diferencia promedio de la mediana de los valores y lue!o se eleva al cuadrado. ?ara medir cu(nto cambia el costo de al!una variable con el tiempo se usaraA a# &n ndice de valor. b# &n ndice de inflaci n. c# &n ndice de cantidad. d# @odos los anteriores. e# <in!uno de los anteriores. 9Yu1 m1todo permite cambiar el a8o base sin tener )ue cambiar las cantidades utili6adas para los pesos: a# El m1todo de ?aasche. b# El m1todo de Laspeyres. c# El m1todo de a!re!ados ponderados. d# <in!uno de los anteriores. Cuando se usan los valores del a8o base como pesos, 9a cu(l ndice es i!ual el ndice de precios de promedio ponderado de relativos: a# El ndice de ?aasche. b# El ndice de Laspeyres.
%4.
,7.
,1.
,%.
,,.
,..
72
c# El ndice de precios de promedio no ponderado de relativos. d# <in!uno de los anteriores. ,/. 9Cu(l de las si!uientes es una diferencia primordial entre los m1todos de a!re!ados y de promedio de relativos: a# Los m1todos de a!re!ados suman todos los precios antes de encontrar el cociente. b# Los m1todos de promedio de relativos suman todos los precios antes de encontrar el cociente. c# Los m1todos de a!re!ados s lo son -tiles para ndices de precios. d# a# y c#, pero no b#. e# <in!uno de los anteriores. 5l comparar los ndices de precios de aviones militares de 1420 a 1440A a# +e probara claramente )ue los !astos de la defensa se han elevado mucho en los -ltimos %7 a8os. b# +e hara me$or utili6ando el m1todo de ?aasche. c# Debera usarse el promedio de 142. y 142/ como periodo base. d# <o tendra sentido, dadas las diferencias tecnol !icas si!nificativas en los elementos )ue se est(n comparando. +i los or!ani6adores del Ironman @riathlon desean evaluar los tiempos de los !anadores cada a8o, con relaci n a los tiempos de 1437 "el primer a8o de la competencia#, 9)u1 deberan utili6ar: a# &n ndice de a!re!ados no ponderados, con 1437 como base. b# &n ndice de a!re!ados ponderados con 1437 como base, utili6ando el n-mero de competidores de cada a8o como pesos. c# El m1todo de ?aasche. d# Cual)uiera de los anteriores. e# a# o b#, pero no c#. +i todos los valores considerados al calcular un ndice tienen i!ual importancia, el ndice es _________. El m1todo de ndice ponderado en el cual las cantidades consumidas durante el periodo base se usan como pesos es el m1todo _________. +i sumamos todos los valores utili6ados en el c(lculo de un ndice, el ndice resultante se conoce como _________. El uso de pesos de un periodo representativo ")ue no necesariamente tiene )ue ser el periodo base o el actual# para calcular un ndice de precios de a!re!ados ponderados es el m1todo de a!re!ados _________. El m1todo _________ utili6a las cantidades consumidas en el periodo actual en cuesti n cuando se calcula un ndice ponderado. Debemos darnos cuenta de )ue el planteamiento mec(nico de n-meros ndice est( su$eto a _________y _________ considerables. Los tres tipos principales de ndices son el ndice, el ndice ________ y el ndice ________. El _________ se calcula tomando el cociente del valor actual entre un valor base y multiplic(ndolo por 177.
,0.
,2.
,3. ,4. .7. .1.
.%. .,. ... ./.
73
Prueba de conceptos
Captulo 17
Imprima este texto y escriba sobre la lnea, una V si el enunciado es verdadero o una F si es falso. Las respuestas correctas se encuentran en el archivo correspondiente en este mismo CD. _____ 1. La teora de decisiones supone )ue nin!-n evento est( m(s all( del control del tomador de decisiones. _____ %. &na tabla de !anancias condicionales no refle$a la !anancia ne!ada a un vendedor al menudeo por su incapacidad de satisfacer todas las demandas de los compradores. _____ ,. &na p1rdida por obsolescencia ocurre cuando un comerciante no tiene mercancas almacenadas y los compradores desean comprar. _____ .. En la mayora de las situaciones de inventario, varios valores de p resolver(n la ecuaci n p"E=# G "1 E p#"3=#, pero s lo uno es la me$or soluci n. _____ /. +i tener en inventario 14 unidades de un bien produce una !anancia esperada diaria de T/1./7, un comerciante )ue almacena 14 unidades puede esperar !anancias promedio de T/1./7 diarios. _____ 0. &na persona puede tener una curva de utilidad para una situaci n y otra muy diferente para la si!uiente situaci n. _____ 2. +iempre es difcil usar el conocimiento de otras personas respecto a una situaci n sin explicarles las t1cnicas estadsticas. _____ 3. +i la informaci n perfecta estuviera disponible, consistentemente las m(ximas !anancias posibles. un comerciante tendra
_____ 4. &na venta$a de usar (rboles de decisi n es )ue cada resultado, deseable o indeseable, debe investi!arse. _____17. En un (rbol de decisiones, un crculo representa un puntos de decisi n. _____11. +i un comerciante puede !anar T177 al da con informaci n perfecta, entonces BEI? G T177. _____1%. La p1rdida )ue resulta al almacenar un producto )ue no se vende se expresa como 3=. _____1,. 5l ir hacia atr(s en un (rbol de decisiones, el proceso se mueve de derecha a i6)uierda. _____1.. Los e$ecutivos de ne!ocios con una curva de utilidad lineal pueden usar de manera efectiva el valor monetario esperado como su criterio de decisi n. _____1/. En la !r(fica de una distribuci n normal de ventas, el (rea )ue est( a la derecha de una lnea vertical representa la probabilidad de vender esa cantidad o menos. _____10. &na decisi n )ue maximice las !anancias esperadas tambi1n minimi6a las p1rdidas esperadas. _____12. La curva de utilidad de un individuo se basa en consideraciones matem(ticas y no de comportamiento.
74
_____13. La p1rdida mar!inal esperada es i!ual a la p1rdida mar!inal multiplicada por 1 menos la probabilidad de vender esa unidad. _____14. Los pa!os son s lo los beneficios positivos de las diversas alternativas. _____%7. La informaci n perfecta, en realidad, rara ve6 est( disponibleI ocurre m(s el caso de informaci n )ue ayuda a tomar decisiones me$ores, no perfectas. _____%1. El valor esperado de una variable aleatoria pondera cada valor posible de la variable con 1 menos la probabilidad de tomar ese valor. %%. 9De cu(l de los si!uientes incisos pueden los comerciantes determinar inmediatamente cu(ntas ca$as deben almacenar cada da para maximi6ar las !anancias: a# Wanancia esperada de cada acci n de inventarios. b# ?1rdida esperada de cada acci n de inventarios. c# @abla de !anancias condicionales. d# a#, b# y c#. e# a# y b#, pero no c#. Considere una tabla de p1rdidas condicionales con los niveles de ventas posibles enumerados verticalmente en la primera columna y las acciones de inventario posibles enumeradas hori6ontalmente en el primer ren!l n. Cual)uier valor menor )ue cero en una columna indicaA a# &na p1rdida de oportunidad. b# &na p1rdida por obsolescencia. c# &na !anancia. d# <in!uno de 1stos +upon!a )ue las -nicas dos acciones de existencias posibles para un producto particular son 17 y 1/ botellas. Las !anancias esperadas son T,.,/ por 17 botellas y T,./7 por 1/ botellas. +i la p1rdida esperada por 17 botellas es T1.17 y se tienen en existencia 1/ botellas, la p1rdida esperada esA a# ;ayor )ue T1.17. b# ;enor )ue T1.17. c# ;ayor )ue T%.%/. d# Indeterminable a partir de la informaci n dada. &n hombre de ne!ocios )ue tiene aversi n al ries!oA a# ?refiere tomar ries!os mayores para obtener !randes !anancias. b# ?refiere actuar en cual)uier momento en )ue el valor monetario esperado sea positivo. c# Evita todas las situaciones excepto a)uellas con valores esperados muy altos. d# <in!uno de 1stos. +upon!a )ue no conoce la desviaci n est(ndar real de una distribuci n normal, pero al!uien le dice, 'las posibilidades son de / a , de )ue una observaci n aleatoria est1 entre /77 y 477*. &sted sabe )ue la media es 277. 9Cu(l es el (rea ba$o la curva normal entre los valores 277 y 477: a# 3S10. b# ,S3. c# /S3. d# /S10.
%,.
%..
%/.
%0.
75
%2.
Cierto producto se vende en T%/ y el comerciante lo compra en T12. +i no se vende en dos semanas, el comerciante recupera s lo T3 de su inversi n ori!inal de T12 por)ue el producto se echa a perder. 9Cu(l es el valor de E= para esta situaci n: a# T4. b# T12. c# T3. d# T%/. +upon!a )ue para una operaci n de inventarios particular, 3= G T17 y E= G T,7. Entonces, pe G 7.%/. 9?ara cu(l de las si!uientes situaciones tendra almacenada la unidad en cuesti n: a# La )uinta unidad cuando 3"demanda de / o m(s unidades# G 7./7. b# La tercera unidad cuando 3"demanda de menos de , unidades# G 7.17 y 3"demanda de exactamente , unidades# G 7.74. c# La novena unidad cuando 3"demanda de m(s de 4 unidades# G 7.10 y 3"demanda de exactamente 4 unidades# G 7.7/. d# @odos los anteriores. e# a# y b#, pero no c#. &n !erente est( decidiendo si compra o renta un nuevo edificio. +i lo compra, el costo para el si!uiente a8o ser( T/,/77, )ue incluye hipoteca, se!uro y otros !astos usuales. +i lo renta, el !asto comparable para el si!uiente a8o ser( T0,777, T/,,77 o T.,%77, dependiendo de las fluctuaciones del mercado. El !erente desea hacer su elecci n con base en los valores monetarios esperados para el a8o si!uiente. El (rbol de decisiones para esta situaci n debe tenerA a# &n punto de decisi n y nin!-n evento aleatorio. b# &n evento aleatorio y un punto de decisi n. c# Dos puntos de decisi n y tres eventos aleatorios. d# &n punto de decisi n y tres eventos aleatorios. ?ara una decisi n particular, el beneficio total de una nueva planta es T13,%77,777. +i el beneficio neto esperado de esta planta es T11,/77,777, 9cu(l es el costo de la planta: a# T0,277,777. b# T3,.77,777. c# T%4,277,777. d# T11,/77,777. e# <o puede determinarse a partir de la informaci n dada. +upon!a )ue se pre!unta a tres mu$eres de ne!ocios acerca de las utilidades en situaciones de ries!o. +e encuentra )ue Laura es adversa al ries!o, Lisa es una apostadora arries!ada y Leslie est( en una situaci n financiera tan desaho!ada )ue las cantidades de dinero en cuesti n son despreciables al compararlas con su ri)ue6a. ?ara las situaciones en cuesti n, 9)ui1n de ellas empleara la utilidad como criterio de decisi n: a# Laura. b# Lisa. c# Leslie. d# Las tres. e# a# y b#, pero no c#.
%3.
%4.
,7.
,1.
76
,%.
&na persona )ue trata de maximi6ar su utilidad esperada usara el criterio de valor esperado siA a# Es adversa al ries!o. b# Husca el ries!o. c# @iene una curva de utilidad no lineal. d# <in!uno de los anteriores. Cuando un problema tiene un !ran n-mero de acciones posibles, normalmente usaramosA a# &na tabla condicional. b# &na tabla mar!inal. c# &na tabla de utilidad. d# 5n(lisis mar!inal. e# <in!uno de los anteriores. La teora de decisiones mane$aA a# La toma de decisiones en condiciones de incertidumbre. b# Decisiones orientadas a cantidades, i!norando las repercusiones financieras. c# El valor de informaci n adicional para el tomador de decisiones. d# a# y b#, pero no c#. e# a# y c#, pero no b#. &na ve6 )ue se 'resuelve* un (rbol de decisiones, 9)u1 debera hacer el analista: a# +alir inmediatamente y tomar la decisi n. b# Especificar las suposiciones subyacentes para se8alar, entre otras cosas, los lmites para los cuales es v(lido el (rbol de decisiones. c# Feali6ar an(lisis de sensibilidad para determinar c mo reacciona la soluci n a los cambios en los datos. d# b# y c#, pero no a#. e# @odos los anteriores. &n producto le cuesta al comerciante T,.%/ y puede venderse a T/.2/. +i no se vende, el producto puede venderse a un valor de recuperaci n de T1./7. 9Cu(l de las si!uientes afirmaciones es cierta: a# 3= G T..%/. b# pe G "T,.%/ E T1./7#S"T/.2/ E T1./7#. c# Con el fin de $ustificar el inventario de un producto adicional, la probabilidad acumulada de vender esa unidad o m(s debe ser /7D. d# <in!uno de los anteriores. Los eventos )ue est(n m(s all( del control del tomador de decisiones se denominan _________o _________ de la naturale6a. La cantidad m(xima )ue un comerciante estar( dispuesto a pa!ar por un pronosticador perfecto se llama _________. >ay dos tipos de p1rdidas en una operaci n de inventariosA p1rdidas por _________y p1rdidas por _________. El placer o dis!usto )ue uno recibe de ciertos resultados se conoce como la _________ propia.
,,.
,..
,/.
,0.
,2. ,3. ,4. .7.
77
.1. .%.
El acto de calcular los beneficios esperados por cada crculo y cuadrado de un (rbol de decisiones se llama _________. +i una !anancia incrementa la utilidad de una persona mucho m(s de lo )ue una p1rdida del mismo tama8o disminuye su utilidad, esa persona a menudo actuar( cuando el valor esperado es _________. La p1rdida incurrida al almacenar un producto )ue no se vende se llama _________. La observaci n de c mo las decisiones ptimas y las !anancias cambian cuando los pa!os o probabilidades varan se llama _________. La secuencia de tiempo en un (rbol de decisiones ocurre de _________ a _________I el proceso hacia atr(s se reali6a de _________a _________.
.,. ... ./.

Medidas de tendencia central

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Medidas de tendencia central

Cargado por

Copyright:

Formatos disponibles

Prueba de conceptos de los captulos

Levin Prueba de conceptos

Levin Prueba de conceptos

Levin Prueba de conceptos

Levin Prueba de conceptos

,2. ,3. ,4. .7. .1. .%. .,. ... ./.

Levin Prueba de conceptos

Levin Prueba de conceptos

La moda tiene todas las venta$as si!uientes exceptoA

Levin Prueba de conceptos

Levin Prueba de conceptos

x. n. . @odos los anteriores. b# y c#, pero no a#.

Levin Prueba de conceptos

Levin Prueba de conceptos

Levin Prueba de conceptos

Levin Prueba de conceptos

Levin Prueba de conceptos

Levin Prueba de conceptos

7... 7.0. 1.7. <o se puede determinar desde la informaci n dada.

,2. ,3. ,4. .7. .1. .%. .,.

Levin Prueba de conceptos

Levin Prueba de conceptos

Levin Prueba de conceptos

Levin Prueba de conceptos

Levin Prueba de conceptos

Levin Prueba de conceptos

Levin Prueba de conceptos

Levin Prueba de conceptos

Levin Prueba de conceptos

Levin Prueba de conceptos

,2. ,3. ,4. .7. .1.

.%. .,. ... ./.

Levin Prueba de conceptos

Levin Prueba de conceptos

Levin Prueba de conceptos

Levin Prueba de conceptos

,3. ,4. .7. .1.

Levin Prueba de conceptos

Levin Prueba de conceptos

Levin Prueba de conceptos

Levin Prueba de conceptos

P 17. 17. Q 17. <o puede determinarse de la informaci n dada.

Levin Prueba de conceptos

,4. .7. .1. .%. .,.

Levin Prueba de conceptos

Levin Prueba de conceptos

Levin Prueba de conceptos

Levin Prueba de conceptos

Levin Prueba de conceptos

Levin Prueba de conceptos

Levin Prueba de conceptos

Levin Prueba de conceptos

Levin Prueba de conceptos

Levin Prueba de conceptos

,3. ,4. .7. .1. .%. .,. ... ./.

Levin Prueba de conceptos

Levin Prueba de conceptos

Levin Prueba de conceptos

Levin Prueba de conceptos

Levin Prueba de conceptos

b# c# d# e# f# ,3. ,4. .7.

<ormal. ]iVcuadrada. Hinomial. @odas las anteriores. <in!una de las anteriores.