Formatos para Subir Reactivos

1.
ANÁLISIS DE CORRELACIÓN ES: 

{
~ Una ciencia para medir la asociación entre dos variables.
~ Grupo de técnicas para medir una variable.
= Grupo de técnicas para medir la asociación entre dos variables.
~ Una ciencia para medir una variable
####JUSTIFICACIÓN: Técnica estadística usada para determinar la relación entre
dos o más variables.
SYLLABUS: Aprenderá el análisis de correlación y determinación. coeficientes y
prueba, unidad 2.
REFERENCIA BIBLIOGRÁFICA: Estadística aplicada a los negocios y la
Economía, Lind – Marchal - Wathen, 2012, capítulo 13, pág. 463
}
2. COEFICIENTE DE CORRELACIÓN ES: 

{
= Medida de la fuerza de la relación lineal entre dos variables.
~ Medida de la fuerza de la relación lineal entre una variable
####JUSTIFICACIÓN: Medida de la relación lineal entre dos variables aleatorias
cuantitativas.
prueba, unidad 2.
Economía, Lind – Marchal - Wathen, 2012, capítulo 13, pág. 466.
}
3. ECUACIÓN DE REGRESIÓN ES: 
{
= Ecuación que expresa la relación lineal entre dos variables.
####JUSTIFICACIÓN: Permite pronosticar la puntuación que alcanzará cada
sujeto en una variable Y conociendo su puntuación en otra variable X.
prueba, unidad 2.
economía, Lind – Marchal - Wathen, 2012, Capítulo 13, Pág. 476
}
4. PRINCIPIO DE LOS MÍNIMOS CUADRADOS: 
{
= Determina una ecuación de regresión al minimizar la suma de los cuadrados de
las distancias verticales entre los valores reales de y y los valores pronosticados
de y.
####JUSTIFICACIÓN: Minimizar la suma de las desviaciones cuadradas de los
puntos de datos de la regresión lineal.
SYLLABUS: Aprenderá el análisis de correlación y determinación. Coeficientes y
prueba, Unidad 2.
economía, Lind – Marchal - Wathen, 2012, Capítulo 13, Pág. 477
}
5. ERROR ESTÁNDAR DE ESTIMACIÓN: 
{
= Medida de la dispersión de los valores observados respecto de la recta de
regresión para un valor dado de x.
~ Determina una ecuación de regresión al minimizar la suma de los cuadrados de
las distancias verticales entre los valores reales de y y los valores pronosticados
de y.
####JUSTIFICACIÓN: Estimación de la desviación estándar, derivada de una
muestra particular usada para computar la estimación.
prueba, Inidad 2.
economía, Lind – Marchal - Wathen, 2012, Capítulo 13, PÁG. 487
}
6. HOMOCEDASTICIDAD ES: 
{
= La variación respecto de la ecuación de regresión es igual para todos los valores
de las variables independientes.
~ Determina una ecuación de regresión al minimizar la suma de los cuadrados.
####JUSTIFICACIÓN: Es una característica de un modelo de regresión lineal que
implica que la varianza de los errores es constante a lo largo del tiempo.
prueba, unidad 2.
economía, Lind – Marchal - Wathen, 2012, Capítulo 14, Pag. 534
}
7. CUAL ES LA FORMULA DE COEFICIENTE DE CORRELACIÓN: 
{
∑(𝑋− 𝑋̅ )(𝑌− 𝑌̅)
=𝑟 = (𝑛−1)𝑆𝑋 𝑆𝑌
.
∑(𝑋+ 𝑋̅ )(𝑌− 𝑌̅)

~𝑟= (𝑛−1)𝑆𝑋 𝑆𝑌
∑(𝑋+ 𝑋̅ )(𝑌+ 𝑌̅)

~𝑟= (𝑛−1)𝑆𝑋 𝑆𝑌
∑(𝑋− 𝑋̅ )(𝑌− 𝑌̅)

~𝑟= (𝑛+1)𝑆𝑋 𝑆𝑌
∑(𝑋− 𝑋̅)(𝑌− 𝑌̅)

####JUSTIFICACIÓN: 𝑟 = (𝑛−1)𝑆𝑋 𝑆𝑌
Cociente entre la covarianza y el producto
de las desviaciones típicas de ambas variables
prueba, Unidad 2.
economía, Lind – Marchal - Wathen, 2012, Capítulo 13, Pag. 468.
}
8. FORMULA DE PRUEBA T DEL COEFICIENTE DE CORRELACIÓN:

{
r√n+2
~. t = √1-r2
r√n-2
~ t=
√1+ r2
r√n-2
= t=
√1-r2
r+√n-2
~ t=
√1-r2
r√n-2
####JUSTIFICACIÓN: t = Determinar si existe o no una relación entre las
√1-r2
variables
prueba, Unidad 2.
economía, Lind – Marchal - Wathen, 2012, Capítulo 13, PAG. 473
}
9. FORMULA FORMA GENERAL DE LA ECUACIÓN DE REGRESIÓN
LINEA: 
{
̂=a -bx
~Y
̂=ax +b
~ Y
̂=a +bx
=Y
~ ̂=ax -b
Y
####JUSTIFICACIÓN: ̂
Y=a +bx Expresa la relación lineal entre dos variables
prueba, Unidad 2.
}
10. FORMULA PENDIENTE DE LA RECTA DE REGRESIÓN: 
{
Sy
~ b= r+
Sx
Sy
~ b= r-
Sx
Sy
~ Y=r
Sx
Sy
= b= r S
x
Sy
####JUSTIFICACIÓN: b= r S Se utiliza para estimar los valores de la Y a partir
x
de los de la X
prueba, Unidad 2.
}
11. FORMULA INTERSECCIÓN CON EL EJE Y: 
{
~ a=̅ ̅
Y + bX
~ a=̅bY
̅̅̅ - ̅
X
~ ̅̅̅̅ + X
a=bY ̅
̅ - bX
= a=Y ̅
####JUSTIFICACIÓN: a=Y ̅ - bX
̅ Son los puntos donde la recta intercepta, o cruza,
los ejes horizontal y vertical.
prueba, Unidad 2.
}
12. FORMULA ERROR ESTÁNDAR DE ESTIMACIÓN: 
{
̅ )2
∑(Y-Y
~ Sy-x = √ n+2
̅ )2
∑(Y+Y
~ Sy-x = √ n-2
∑(Y-Y)
~ Sy-x = √ n-2
̅ )2
∑(Y-Y
= Sy-x = √ n-2
̅ )2
∑(Y-Y
####JUSTIFICACIÓN: Sy-x = √ Estimación de la desviación estándar,
n-2
derivada de una muestra particular usada para computar la estimación.
prueba, Unidad 2.
}
13. DETERMINE LA RECTA DE MÍNIMOS CUADRADOS
CONSIDERANDO: X COMO LA VARIABLE INDEPENDIENTE.
X 1 3 4 6 8 9 11 14
Y 1 2 4 4 5 7 8 9

{
1 3
~ x=-2-2y
6 7
~𝑦= − 11
11
3 3
~ x=-2+2y
6 7
=𝑦= + 11
11
6 7
####JUSTIFICACIÓN: 𝑎0 = 11 𝑎1 = 11
Distancias verticales entre los valores reales de y y los valores pronosticados de y.

prueba, Unidad 2.
REFERENCIA BIBLIOGRÁFICA: Estadística y probabilidad, Virginio Gómez,
unidad 5, pág. 177
}
14. UNA MUESTRA DE 25 CAMPAÑAS PARA LA ALCALDÍA DE

CIUDADES DE TAMAÑO MEDIO CON POBLACIONES ENTRE 50 000 Y
250 000 HABITANTES DEMOSTRÓ QUE LA CORRELACIÓN ENTRE EL
PORCENTAJE DE LOS VOTOS RECIBIDOS Y LA CANTIDAD GASTADA
EN LA CAMPAÑA POR CADA CANDIDATO FUE 0.43. A UN NIVEL DE
SIGNIFICANCIA DE 0.05, ¿HAY UNA ASOCIACIÓN POSITIVA ENTRE
LAS VARIABLES? 
{
= Se rechaza la hipótesis nula
~ No hay una correlación positiva entre el porcentaje de los votos recibidos y la
cantidad que se gastó en la campaña
~ Hay una correlación negativa entre el porcentaje de los votos recibidos y la
cantidad que se gastó en la campaña
~ Se acepta la hipótesis nula
####JUSTIFICACIÓN: t = 2,284 Se rechaza la H0 porque t > 1.714
prueba, Unidad 2.
}
15. SE SELECCIONA UNA MUESTRA DE 36 OBSERVACIONES DE UNA

POBLACIÓN NORMAL. LA MEDIA MUESTRAL ES DE 12, Y EL TAMAÑO
DE LA MUESTRA 36. LA DESVIACIÓN ESTÁNDAR DE LA POBLACIÓN
ES 3. UTILICE EL NIVEL DE SIGNIFICANCIA 0,02
{
~ No se rechaza H0
= Se rechaza H0
~ No rechaza H1
~ Se acepta H0
####JUSTIFICACIÓN: Dado que Zc = 4 > Z = 2,06, se rechaza la hipótesis nula
prueba, Unidad 2.
}
16. SE SELECCIONA UNA MUESTRA DE 64 OBSERVACIONES DE UNA
POBLACIÓN NORMAL. LA MEDIA DE LA MUESTRA ES DE 215, Y LA
DESVIACIÓN ESTÁNDAR DE LA POBLACIÓN, 15. LLEVE A CABO LA
PRUEBA DE HIPÓTESIS, UTILICE EL NIVEL DE SIGNIFICANCIA 0,03
</b
{
~ No se rechaza H0
= Se rechaza H0
~ No se rechaza H1
~ Se acepta H0
####JUSTIFICACIÓN: Dado que Zc = -2,67 < Zt = -1,89, se rechaza la hipótesis
nula
SYLLABUS: APRENDERÁ EL ANÁLISIS DE CORRELACIÓN Y
DETERMINACIÓN. COEFICIENTES Y PRUEBA, UNIDAD 2.
}
17. EN EL MOMENTO EN QUE FUE CONTRATADA COMO MESERA EN

EL GRUMNEY FAMILY RESTAURANT, A BETH BRIGDEN LE DIJERON:
“PUEDES GANAR EN PROMEDIO MÁS DE $80 AL DÍA EN PROPINAS”.
SUPONGA QUE LA DESVIACIÓN ESTÁNDAR DE LA DISTRIBUCIÓN DE
POBLACIÓN ES DE $3,24. LOS PRIMEROS 35 DÍAS DE TRABAJAR EN
EL RESTAURANTE, LA SUMA MEDIA DE SUS PROPINAS FUE DE
$84,85. CON EL NIVEL DE SIGNIFICANCIA DE 0,01. ¿LA SEÑORA
BRIGDEN PUEDE CONCLUIR QUE GANA UN PROMEDIO DE MÁS DE
$80 EN PROPINAS? 
{
~ No rechaza H0
= Se rechaza H0
~ No se rechaza H1
~ Se acepta H0
####JUSTIFICACIÓN: Dado que Zc = 8,85 > Zt = 2,33, se rechaza la hipótesis

nula
prueba, Unidad 2.
}
18. LAS SIGUIENTES OBSERVACIONES MUESTRALES SE
SELECCIONARON AL AZAR. DETERMINE LA ECUACIÓN DE
REGRESIÓN.
X 4 5 3 6 10
Y 4 6 5 7 7

{
~ Y = 3.7671 - 0.3630 (7)
= Y = 3.7671 + 0.3630 (7)
~ Y = 3.7671 * 0.3630 (7)
~ Y = 3.7671 + 0.3630
####JUSTIFICACIÓN: b =0,3630 a= 3,7671
Es la puntuación que alcanzará cada sujeto en una variable
prueba, Unidad 2.
}
19. LA ECUACIÓN DE REGRESIÓN ES Y=29.29 – 96X, EL TAMAÑO DE

LA MUESTRA ES 8, Y EL ERROR ESTÁNDAR DE LA PENDIENTE ES
0.22. APLIQUE EL NIVEL DE SIGNIFICANCIA 0.05. ¿PODEMOS
CONCLUIR QUE LA PENDIENTE DE LA RECTA DE REGRESIÓN ES
MENOR A CERO? 
{
~ No se rechaza H0
= Se rechaza H0
~ No se rechaza H1
~ Se acepta H0
####JUSTIFICACIÓN: Se Rechaza H0 porque t = < -1.943 | t = -4.364

prueba, Unidad 2.
}
20. LA ECUACIÓN DE REGRESIÓN ES Y=1.85 + 0.08X, EL TAMAÑO DE

LA MUESTRA ES 12, Y EL ERROR ESTÁNDAR DE LA PENDIENTE ES
0.03. APLIQUE EL NIVEL DE SIGNIFICANCIA 0.05. ¿PODEMOS
CONCLUIR QUE LA PENDIENTE DE LA RECTA DE REGRESIÓN ES
DISTINTA A CERO? 
{
~ No se rechaza H0
= Se rechaza H0
~ No se rechaza H1
~ Se acepta H0
####JUSTIFICACIÓN: Se rechaza H0 porque t no está entre - 2.228 y 2.228

t = 2,667
prueba, Unidad 2.
}
21. LAS SIGUIENTES OBSERVACIONES MUESTRALES SE
SELECCIONARON AL AZAR. DETERMINE EL INTERVALO DE
CONFIANZA 0.95 PARA LA MEDIA PRONOSTICADA CUANDO X=7.
X 4 5 3 6 10
Y 4 6 5 7 7

{
~ [5.675, 6.941]
= [4.675, 7.941]
~ [6.675, 8.941]
~ [3.675, 7.941]
####JUSTIFICACIÓN: 6.308 + 1.633 6.308 - 1.633

Es la estimación que estará cierto valor desconocido con una determinada
probabilidad de acierto.
prueba, Unidad 2.
}
22. HAVERTY’S FURNITURE ESTUDIÓ LA RELACIÓN ENTRE LAS
VENTAS Y LA CANTIDAD QUE GASTÓ EN PUBLICIDAD DURANTE UN
MES. LA CANTIDAD DE VENTAS ES LA VARIABLE DEPENDIENTE, Y EL
GASTO EN PUBLICIDAD ES LA VARIABLE INDEPENDIENTE. LA
ECUACIÓN DE REGRESIÓN EN ESE ESTUDIO FUE PARA UNA
MUESTRA DE CINCO MESES. REALICE UNA PRUEBA DE HIPÓTESIS
PARA DEMOSTRAR QUE EXISTE UNA RELACIÓN POSITIVA ENTRE LA
PUBLICIDAD Y LAS VENTAS. EN EL SOFTWARE ESTADÍSTICO, EL
ERROR ESTÁNDAR DEL COEFICIENTE DE REGRESIÓN ES 0.42.
UTILICE EL NIVEL DE SIGNIFICANCIA 0.05.

{
~ No se rechaza H0
= Se rechaza H0
~ No se rechaza H1
~ Se acepta H0
####JUSTIFICACIÓN: Se rechaza H0 porque la recta de la pendiente es mayor a
cero | t = 5.238
prueba, Unidad 2.
}
23. ECUACIÓN GENERAL DE REGRESIÓN MÚLTIPLE

{
=̂
Y= a+ b1 X1 +b2X2 +b3 X3 +…… +bk Xk
~̂
Y= a- b1 X1 +b2 X2 +b3 X3 +…… +bk Xk
~̂
Y= a- b1 X1 -b2 X2 +b3 X3 +…… +bk Xk
~̂
Y= a+ b1 X1 +b2X2 +b3 X3
####JUSTIFICACIÓN: ̂
Y= a+ b1 X1 +b2 X2 +b3 X3 +…… +bk Xk
Relación entre varias variables independientes y otra variable dependiente.
prueba, Unidad 2.
}
24. EL DIRECTOR DE MARKETING DE REEVES WHOLESALE
PRODUCTS ESTÁ ESTUDIANDO LAS VENTAS MENSUALES. PARA TAL
EFECTO, SELECCIONÓ TRES VARIABLES INDEPENDIENTES PARA
ESTIMAR LAS VENTAS: POBLACIÓN REGIONAL, INGRESO PER CÁPITA
Y LA TASA DE DESEMPLEO REGIONAL. LA ECUACIÓN DE REGRESIÓN
SE CALCULÓ (EN DÓLARES): ¿CUÁL ES EL NOMBRE COMPLETO DE
LA ECUACIÓN? 
{
= Ecuación de regresión múltiple
~ Ecuación de regresión simple
~ Ecuación de regresión múltiple y simple
~ Ninguna de las anteriores
####JUSTIFICACIÓN: Porque hay 3 variables independientes.
prueba, Unidad 2.
}
25. FORMULA DE PRUEBA DE LA PENDIENTE CON n -2 GRADOS DE
LIBERTA. 
{
𝑏−0
=𝑡= 𝑆𝑏
𝑏+0
~𝑡= 𝑆𝑏
𝑆𝑏
~𝑡= 𝑏−0

####JUSTIFICACIÓN: Para probar la hipótesis nula
prueba, Unidad 2.
economía, Lind – Marchal - Wathen, 2012, Capítulo 13, PÁG. 484.
}
26. ¿COEFICIENTE DE DETERMINACIÓ ES? 

{
= Proporción de la variación total de la variable dependiente Y que se explica, o
contabiliza, por la variación de la variable dependiente X.
~ Proporción de la variación total de la variable dependiente X que se explica, o
contabiliza, por la variación de la variable dependiente Y.
~ Proporción de la variación total de la variable dependiente Y que se explica, o
contabiliza, por la variación de la variable dependiente Y.
####JUSTIFICACIÓN: El propósito es predecir futuros resultados o probar una
hipótesis.
prueba, Unidad 2.
economía, Lind – Marchal - Wathen, 2012, Capítulo 13, PÁG. 487.
}
27. CONSIDERE LA SIGUIENTE TABLA ANOVA; ¿CUÁL FUE EL TAMAÑO
DE LA MUESTRA?
ANALISIS DE LA VARIANZA
FUENTE DF SS MS
REGRESIÓN 5 100 20
ERROR 20 40 2
RESIDUAL
TOTAL 25 140

{
= El tamaño muestral es 26
~ El tamaño muestral es 25
####JUSTIFICACIÓN: Los grados totales de libertad (n – 1) son 25. por lo tanto,
el tamaño muestral es 26.
prueba, Unidad 2.
}
28. EN EL CASO DE UNA MUESTRA ALEATORIA DE 12

OBSERVACIONES SELECCIONADA DE UNA POBLACIÓN NORMAL, LA
MEDIA MUESTRAL FUE DE 407, Y LA DESVIACIÓN ESTÁNDAR DE LA
MUESTRA, DE 6. UTILICE EL NIVEL DE SIGNIFICANCIA 0,01 
{
~ No se rechaza H0
= Se rechaza H0
~ No se rechaza H1
~ Se acepta H0
####JUSTIFICACIÓN: Dado que tc = 4,04 > tt = 3,106, se rechaza la hipótesis
nula.
prueba, Unidad 2.
}
29. LA ADMINISTRACIÓN DE WHITE INDUSTRIES ANALIZA UNA NUEVA
TÉCNICA PARA ARMAR UN CARRO DE GOLF; LA TÉCNICA ACTUAL
REQUIERE 42,3 MINUTOS DE TRABAJO EN PROMEDIO. EL TIEMPO
MEDIO DE MONTAJE DE UNA MUESTRA ALEATORIA DE 24 CARROS,
CON LA NUEVA TÉCNICA, FUE DE 40,6 MINUTOS, Y LA DESVIACIÓN
ESTÁNDAR, DE 2,7 MINUTOS. CON UN NIVEL DE SIGNIFICANCIA DE
0,10, ¿PUEDE CONCLUIR QUE EL TIEMPO DE MONTAJE CON LA
NUEVA TÉCNICA ES MÁS BREVE? 
{
~ No se rechaza H0
= Se rechaza H0
~ No se rechaza H1
~ Se acepta H0
####JUSTIFICACIÓN: Dado que tc = -3,085 < tt = -1,319, se rechaza la hipótesis
nula
prueba, Unidad 2.
}
30. UNA MUESTRA DE 120 OBSERVACIONES REVELÓ QUE P = 0,30.

¿PUEDE RECHAZAR LA HIPÓTESIS NULA EN EL NIVEL DE SIGNIFICANCIA
DE 0,05? 
{
~ No se rechaza H0
= Se rechaza H0
~ No se rechaza H1
~ Se acepta H0
####JUSTIFICACIÓN: Dado que -2,22 < -1,96 se rechaza la hipótesis nula
prueba, Unidad 2.
}
31. CONSIDERE LA SIGUIENTE TABLA ANOVA.VALOR; DETERMINE EL

ERROR ESTÁNDAR DE ESTIMACIÓN. ¿ENTRE QUÉ VALORES ESTARÁ
CERCA DE 95% DE LOS RESIDUOS?
ANALISIS DE VARIANZA
FUENTE DF SS MS F P
REGRESIÓN 2 77.907 38.954 4.14 0.021
ERROR 62 583.693 9.414
RESIDUAL
TOTAL 64 661.600

{
= ±6.136
~ ±5.136
~ ±8.136
~ ±4.136
####JUSTIFICACIÓN: √9.414
Es la estimación de la desviación estándar, derivada de una muestra particular
usada para computar la estimación.
prueba, Unidad 2.
}
32. Considere la siguiente tabla ANOVA.VALOR; DETERMINE EL ERROR

ESTÁNDAR DE ESTIMACIÓN. DETERMINE EL COEFICIENTE DE
DETERMINACIÓN MÚLTIPLE. INTERPRETE ESTE VALOR
FUENTE DF SS MS F P
REGRESIÓN 2 77.907 38.954 4.14 0.021
ERROR 62 583.693 9.414
RESIDUAL
TOTAL 64 661.600

{
= 11.8%
~ 15%
~ 13%
~ 12.7
77.907 Regresión SS
####JUSTIFICACIÓN: √ 661.6 = 11.8 Total SS

prueba, Unidad 2.
}
33. CONSIDERE LA SIGUIENTE TABLA ANOVA.VALOR; DETERMINE EL

ERROR ESTÁNDAR DE ESTIMACIÓN. DETERMINE EL COEFICIENTE DE
DETERMINACIÓN MÚLTIPLE, AJUSTADO SEGÚN LOS GRADOS DE
LIBERTAD.
FUENTE DF SS MS F P
REGRESIÓN 2 77.907 38.954 4.14 0.021
ERROR 62 583.693 9.414
RESIDUAL
TOTAL 64 661.600

{
= 8.9%
~ 10.56%
~ 15.8%
~ 9.9
9.414
####JUSTIFICACIÓN: 1- 10.3375 =8.9%

prueba, Unidad 2.
}
34. UN COLECCIONISTA DE ARTE ESTUDIA LA RELACIÓN ENTRE EL

PRECIO DE VENTA DE UNA PINTURA Y DOS VARIABLES
INDEPENDIENTES: EL NÚMERO DE POSTORES EN LA SUBASTA
PARTICULAR Y LA ANTIGÜEDAD DE LA PINTURA, EN AÑOS. UNA
MUESTRA DE 25 PINTURAS REVELÓ LA SIGUIENTE INFORMACIÓN
MUESTRAL.
PINTURA PRECIO POSTORES EDAD
1 3470 10 67
2 3500 8 56
3 3700 7 73
23 4660 5 94
24 4710 3 98
25 4880 1 84
FORMULE UNA ECUACIÓN DE REGRESIÓN MÚLTIPLE CON EL NÚMERO DE

VARIABLES INDEPENDIENTES DE POSTORES Y LA ANTIGÜEDAD DE LA
PINTURA PARA ESTIMAR EL PRECIO EN LA SUBASTA DE LA VARIABLE
DEPENDIENTE. ANALICE LA ECUACIÓN. ¿LE SORPRENDE QUE HAYA UNA
RELACIÓN INVERSA ENTRE EL NÚMERO DE POSTORES Y EL PRECIO DE LA
PINTURA? 
{
= Precio 3080 – 54.2 licitadores + 16.3 edad
~ Precio 3080 + 54.2 licitadores + 16.3 edad
~ Precio 3080 – 54.2 licitadores - 16.3 edad
~ Precio 3080 – 54.2 licitadores - 16.3 edad
####JUSTIFICACIÓN: Disminuye en 54.2 y el precio disminuye 16.3 conforme la
pintura envejece
prueba, Unidad 2.
}

MUESTRAL.
1 3470 10 67
2 3500 8 56
3 3700 7 73
23 4660 5 94
24 4710 3 98
25 4880 1 84
FORMULE UNA VARIABLE DE INTERACCIÓN E INCLÚYALA EN LA ECUACIÓN

DE REGRESIÓN. EXPLIQUE EL SIGNIFICADO DE LA INTERACCIÓN. ¿ES
SIGNIFICATIVA ESTA VARIABLE? 
{
= Precio 3972 – 185 licitadores + 6.35 edad + 1.46 x1x2
~ Precio 185 – 3972 licitadores + 6.35 edad + 1.46 x1x2
~ Precio 3972 – 635 licitadores + 3972 edad + 1.46 x1x2
~ Precio 3972 – 185 licitadores + 1.46 edad + 6.35 x1x2
####JUSTIFICACIÓN: El valor t correspondiente al término interacción es 1.15.
esto no es relevante. por lo tanto, concluya que no hay interacción.
prueba, Unidad 2.
}

MUESTRAL.
1 3470 10 67
2 3500 8 56
3 3700 7 73
23 4660 5 94
24 4710 3 98
25 4880 1 84
UTILICE EL MÉTODO POR PASOS Y LAS VARIABLES INDEPENDIENTES

NÚMERO DE POSTORES Y ANTIGÜEDAD DE LA PINTURA, ASÍ COMO LA
INTERACCIÓN ENTRE AMBAS. ¿QUÉ VARIABLES SELECCIONARÍA? 
{
= Licitadores primero a la ecuación. luego el término interacción. la variable edad
no se debe incluir ya que no es significativa.
~ Interacción primero a la ecuación. luego el término licitadores. la variable edad
no se debe incluir ya que no es significativa.
~ Licitadores primero a la ecuación. luego el término interacción. la variable edad
se debe incluir ya que no es significativa.
~ Licitadores primero a la ecuación. luego el término interacción. la variable edad
no se debe incluir ya que es significativa.
####JUSTIFICACIÓN: Licitadores primero, término interacción como segunda
variable y la variable edad no es significativa.
prueba, Unidad 2.
}
37. UN ANÁLISIS DE CONSUMIDOR RECABÓ LOS SIGUIENTES DATOS

SOBRE LOS TAMAÑOS DE PANTALLA DE LOS TELEVISORES MÁS
POPULARES VENDIDOS RECIENTEMENTE EN UNA GRAN TIENDA
MINORISTA.
FABRICANTE PANTALLA PRECIO
SHARP 46 1473
SAMSUNG 52 2300
SONY 46 1790
SHARP 40 2615
SONY 52 3434
SAMSUNG 40 1749.50
¿PARECE HABER UNA RELACIÓN LINEAL ENTRE EL TAMAÑO DE LA

PANTALLA Y EL PRECIO? 
{
= La matriz de correlación de pantalla y precio es 0.893. así que no parece haber
una relación lineal entre ambas.
~ La matriz de correlación de pantalla y precio es 0.893. así que parece haber una
relación lineal entre ambas.
~ La matriz de correlación de pantalla y precio es 0.50. así que no parece haber
~ La matriz de correlación de pantalla y precio es 0.63. así que no parece haber
####JUSTIFICACIÓN: Una relación lineal es una tendencia en los datos que se
puede modelar mediante una línea recta.
prueba, Unidad 2.
}
38. UN ANÁLISIS DE CONSUMIDOR RECABÓ LOS SIGUIENTES DATOS

SOBRE LOS TAMAÑOS DE PANTALLA DE LOS TELEVISORES MÁS
POPULARES VENDIDOS RECIENTEMENTE EN UNA GRAN TIENDA
MINORISTA.
FABRICANTE PANTALLA PRECIO
SHARP 46 1473
SAMSUNG 52 2300
SONY 46 1790
SHARP 40 2615
SONY 52 3434
SAMSUNG 40 1749.50
¿CUÁL ES LA VARIABLE “DEPENDIENTE”? 

{
= Precio es la variable “dependiente”.
~ Pantalla es la variable “dependiente”.
~ Fabricante es la variable “dependiente”.
~ Precio y pantalla son las variables “dependientes”.
####JUSTIFICACIÓN: Precio es la variable “dependiente”, porque no depende
de la pantalla ni fabricante
prueba, Unidad 2.
}
39. ¿CUANTAS VARIABLES INDEPENDIENTES PUEDE HABER EN UNA

REGRESION? 
{
= PUEDE HABER CUALQUIER NÚMERO DE VARIABLES INDEPENDIENTES”.
~ SOLO 2
~ SOLO 1.
~ MENOS DE 4.
####JUSTIFICACIÓN: Puede haber cualquier número de variables
independientes.
prueba, unidad 2.
}
40. ¿QUE ES UNA TABLA ANOVA? 
{
= Reporta los grados de libertad asociados con las variables independientes.
~ Reporta los grados de libertad asociados con las variables dependientes
~ Reporta los grados de libertad asociados con las variables independientes y
dependiente
~ ninguna de las anteriores
####JUSTIFICACIÓN: Es una colección de modelos estadísticos y sus
procedimientos asociados, en el cual la varianza está particionada en ciertos
componentes debidos a diferentes variables explicativas
prueba, Unidad 2.
}
41. ¿Una muestra aleatoria de 36 refrescos de una máquina despachadora

automática tiene un contenido promedio de 21,9 decilitros con una desviación
estándar de 1,42 decilitros? Pruebe la hipótesis de que µ=22.2, decilitros en
contraposición a la hipótesis alternativa, µ<22.2 decilitros, en el nivel de
significación 0,05.? 
{
= Se acepta H0.
~ No se acepta H0.
~ Rechazamos H0.
####JUSTIFICACIÓN: Si se está un 95% seguro de que el valor 22,2 se
encuentra dentro del Nivel de Confianza 21,44≤ μ ≤ 22,36
prueba, Unidad 2.
}
42. SE AFIRMA QUE UN AUTOMÓVIL RECORRE UN PROMEDIO ANUAL
DE MÁS DE 20.000 KILÓMETROS. PARA PROBAR ESTA AFIRMACIÓN,
SE LE SOLICITA A UNA MUESTRA ALEATORIA DE 100 PROPIETARIOS
DE AUTOMÓVIL QUE LLEVE UN REGISTRO DE LOS KILÓMETROS QUE
RECORREN. ¿ESTARÍA USTED DE ACUERDO CON ESTA AFIRMACIÓN
SI EN LA MUESTRA ALEATORIA RESULTA UN PROMEDIO DE 23.500
KILÓMETROS Y UNA DESVIACIÓN ESTÁNDAR DE 3.900 KILÓMETROS?
USE UN NIVEL DE SIGNIFICACIÓN DE 0,01
{
= Se rechaza H0, es decir, un automóvil recorre un promedio anual superior a
20000 km.
~ No se rechaza H0, es decir, un automóvil recorre un promedio anual superior a
20000 km.
~ Se rechaza H1, es decir, un automóvil recorre un promedio anual superior a
20000 km.
####JUSTIFICACIÓN: No apoya a la hipótesis nula y se concluye que los
automóviles se manejan en promedio más de 20,000 kilómetros por año.
prueba, unidad 2.
}
43. EN UN INFORME DE UNA INVESTIGACIÓN DE J.M.N. SE AFIRMA
QUE LOS RATONES CON UNA VIDA PROMEDIO DE 32 MESES
LLEGARÁN HASTA CASI 40 CUANDO 40 % DE LAS CALORÍAS EN SU
ALIMENTACIÓN SE REEMPLACEN CON VITAMINAS Y PROTEÍNAS.
¿HAY ALGUNA RAZÓN PARA CREER QUE LA VIDA PROMEDIO SERÁ
INFERIOR A 40 MESES SI 64 RATONES QUE SE HAN SUJETADO A ESTA
DIETA TIENEN UNA VIDA PROMEDIO DE 38 MESES CON UNA
DESVIACIÓN ESTÁNDAR DE 5,8 MESES? UTILICE UN NIVEL DE
SIGNIFICACIÓN DE 0,025
{
= Se rechaza H0, es decir, la vida promedio es inferior a 40 meses.
~ No se H0 rechaza, es decir, la vida promedio es inferior a 40 meses.
~ Se rechaza H1, es decir, la vida promedio es inferior a 40 meses. a 20000 km.
~ ninguna de las anteriores
####JUSTIFICACIÓN: El estimador está por debajo del límite de intervalo de
confianza, por lo tanto, rechazamos la hipótesis nula.
prueba, Unidad 2.
}
44. UNA EMPRESA ELÉCTRICA AFIRMA QUE UN COMPACTADOR DE

BASURA SE USA UN PROMEDIO DE 125 HORAS AL AÑO. SI UNA
MUESTRA ALEATORIA DE 49 HOGARES EQUIPADOS CON
COMPACTADORES DE BASURA INDICA UN USO PROMEDIO DE ANUAL
DE 126,9 HORAS CON UNA DESVIACIÓN ESTÁNDAR DE 8,4 HORAS,
¿SUGIERE ESTO CON UN NIVEL DE SIGNIFICACIÓN DE 0,05, QUE
ESTOS APARATOS SE USAN EN PROMEDIO MÁS DE 125 HORAS
{
= Se acepta H0, es decir, un compactador de basura se usa en promedio menos
de 125 horas al año.
~ No se acepta H0, es decir, un compactador de basura se usa en promedio
menos de 125 horas al año.
~ Se rechaza H1, es decir, un compactador de basura se usa en promedio menos
de 125 horas al año.
####JUSTIFICACIÓN: Se acepta H0, es decir, un compactador de basura se usa
en promedio menos de 125 horas al año
prueba, Unidad 2.
}
45. EN EL PASADO UNA MÁQUINA HA PRODUCIDO ARANDELAS CON
UN GROSOR PROMEDIO DE 0,050 PULGADAS. PARA DETERMINAR SI
LA MÁQUINA SIGUE EN BUENAS CONDICIONES DE PRODUCCIÓN, SE
TOMA UNA MUESTRA DE 10 ARANDELAS, QUE RESULTA TENER UN
GROSOR MEDIO DE 0,053 PULGADAS Y UNA DESVIACIÓN ESTÁNDAR
DE 0,003 PULGADAS. ENSAYAR LA HIPÓTESIS DE QUE LA MÁQUINA
ESTÁ EN BUENAS CONDICIONES DE PRODUCCIÓN AL NIVEL DE
SIGNIFICACIÓN DE 0.05
{
= Se rechaza H0, es decir, la máquina no está en buenas condiciones de
producción
~ no se rechaza H0, es decir, la máquina no está en buenas condiciones de
producción
~ Se rechaza H1, es decir, la máquina no está en buenas condiciones de
producción
####JUSTIFICACIÓN: Se rechaza H0, es decir, la máquina no está en buenas
condiciones de producción.
prueba, Unidad 2.
}
46. EN EL PASADO UNA MÁQUINA HA PRODUCIDO ARANDELAS CON
UN GROSOR PROMEDIO DE 0,050 PULGADAS. PARA DETERMINAR SI
LA MÁQUINA SIGUE EN BUENAS CONDICIONES DE PRODUCCIÓN, SE
TOMA UNA MUESTRA DE 10 ARANDELAS, QUE RESULTA TENER UN
GROSOR MEDIO DE 0,053 PULGADAS Y UNA DESVIACIÓN ESTÁNDAR
DE 0,003 PULGADAS. ENSAYAR LA HIPÓTESIS DE QUE LA MÁQUINA
ESTÁ EN BUENAS CONDICIONES DE PRODUCCIÓN AL NIVEL DE
SIGNIFICACIÓN DE 0.01
{
= Se acepta H0, es decir, la máquina está en buenas condiciones de producción.
~ No se acepta H0, es decir, la máquina está en buenas condiciones de
producción
~ Se acepta H1, es decir, la máquina está en buenas condiciones de producción
####JUSTIFICACIÓN: Se acepta H0, es decir, la máquina está en buenas
condiciones de producción. El estimador está por encima del límite de intervalo de
confianza
prueba, Unidad 2.
}
47. LA DURACIÓN MEDIA DE UNA MUESTRA DE 100 TUBOS
FLUORESCENTES PRODUCIDOS POR UNA COMPAÑÍA RESULTA SER
1570 HORAS, CON UNA DESVIACIÓN ESTÁNDAR DE 120 HORAS. SI µ
ES LA DURACIÓN MEDIA DE TODOS LOS TUBOS PRODUCIDOS POR
LA COMPAÑÍA, COMPROBAR LA HIPÓTESIS µ=1600 HORAS CONTRA
LA HIPÓTESIS ALTERNATIVA µ≠1600 HORAS CON UN NIVEL DE
SIGNIFICACIÓN DEL 0.05

{
= Se rechaza H0, es decir, µ≠1600 horas
~ No se rechaza H0, es decir, µ≠1600 horas
~ Se acepta H1, es decir, µ≠1600 horas
####JUSTIFICACIÓN: Se rechaza H0, es decir, µ≠1600 horas. El estimador está
por debajo del límite de intervalo de confianza
prueba, Unidad 2.
}
48. LA DURACIÓN MEDIA DE UNA MUESTRA DE 100 TUBOS
FLUORESCENTES PRODUCIDOS POR UNA COMPAÑÍA RESULTA SER
1570 HORAS, CON UNA DESVIACIÓN ESTÁNDAR DE 120 HORAS. SI µ
ES LA DURACIÓN MEDIA DE TODOS LOS TUBOS PRODUCIDOS POR
LA COMPAÑÍA, COMPROBAR LA HIPÓTESIS µ=1600 HORAS CONTRA
LA HIPÓTESIS ALTERNATIVA µ≠1600 HORAS CON UN NIVEL DE
SIGNIFICACIÓN DEL 0.01

{
= Se acepta H0, es decir, µ≠1600 horas
~ Se rechaza H0, es decir, µ≠1600 horas
~ Se acepta H1, es decir, µ≠1600 horas
####JUSTIFICACIÓN: Se rechaza H0, es decir, µ≠1600 horas. El estimador está
por debajo del límite de intervalo de confianza.
prueba, Unidad 2.
}
49. UN FABRICANTE DE BATERÍAS PARA AUTOMÓVIL ASEGURA QUE
LA DURACIÓN DE SUS BATERÍAS TIENE DISTRIBUCIÓN
APROXIMADAMENTE NORMAL CON UNA DESVIACIÓN STÁNDAR DE
0,9 AÑOS. SI UNA MUESTRA ALEATORIA DE 10 BATERIAS TIENE UNA
DESVIACIÓN STÁNDAR DE 1,2 AÑOS ¿PIENSA USTED QUE Δ>0,9
AÑOS? UTILICE UN NIVEL DE SIGNIFICACIÓN DE 0,05

{
= No se rechaza H0
~ Se rechaza H0
~ Se acepta H1
####JUSTIFICACIÓN: No se rechaza H0. El estimador está por encima del límite
de intervalo de confianza
prueba, unidad 2.
}
50. SE SABE QUE EL CONTENIDO DE NICOTINA DE UNA MARCA DE
CIGARROS TIENE DISTRIBUCIÓN APROXIMADAMENTE NORMAL CON
UNA VARIANZA DE 1,3 MILÍMETROS. PRUEBE LA HIPÓTESIS DE QUE
EN Δ=1.3 EN CONTRAPOSICIÓN A LA ALTERNATIVA DE QUE Δ≠1.3, SI
UNA MUESTRA ALEATORIA DE 8 DE ESTOS CIGARROS TIENE UNA
DESVIACIÓN STÁNDAR DE 1,8 MILÍMETROS. USE UN NIVEL DE
SIGNIFICACIÓN DE 0,05

{
= Se rechaza H0, es decir, δ≠1.3
~ No se rechaza H0, es decir, δ≠1.3
~ Se rechaza H1, es decir, δ≠1.3
####JUSTIFICACIÓN: Se rechaza H0, es decir, Δ≠1.3. El estimador está por
encima del límite de intervalo de confianza
prueba, Unidad 2.
}

Idioma

Formatos para Subir Reactivos

Cargado por

Información del documento

Descripción:

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?

Descripción:

Copyright:

Formatos disponibles

Formatos para Subir Reactivos

Título original:

Cargado por

Descripción:

Copyright:

Formatos disponibles

1.

<b>ANÁLISIS DE CORRELACIÓN ES: </b>

2. <b>COEFICIENTE DE CORRELACIÓN ES: </b>

∑(𝑋+ 𝑋̅ )(𝑌− 𝑌̅)

∑(𝑋+ 𝑋̅ )(𝑌+ 𝑌̅)

∑(𝑋− 𝑋̅ )(𝑌− 𝑌̅)

∑(𝑋− 𝑋̅)(𝑌− 𝑌̅)

Distancias verticales entre los valores reales de y y los valores pronosticados de y.

14. <b> UNA MUESTRA DE 25 CAMPAÑAS PARA LA ALCALDÍA DE

15. <b> SE SELECCIONA UNA MUESTRA DE 36 OBSERVACIONES DE UNA

17. <b> EN EL MOMENTO EN QUE FUE CONTRATADA COMO MESERA EN

####JUSTIFICACIÓN: Dado que Zc = 8,85 > Zt = 2,33, se rechaza la hipótesis

19. <b> LA ECUACIÓN DE REGRESIÓN ES Y=29.29 – 96X, EL TAMAÑO DE

####JUSTIFICACIÓN: Se Rechaza H0 porque t = < -1.943 | t = -4.364

20. <b> LA ECUACIÓN DE REGRESIÓN ES Y=1.85 + 0.08X, EL TAMAÑO DE

####JUSTIFICACIÓN: Se rechaza H0 porque t no está entre - 2.228 y 2.228

####JUSTIFICACIÓN: 6.308 + 1.633 6.308 - 1.633

23. <b> ECUACIÓN GENERAL DE REGRESIÓN MÚLTIPLE</b>

~ Ninguna de las anteriores

26. <b> ¿COEFICIENTE DE DETERMINACIÓ ES? </b>

28. <b> EN EL CASO DE UNA MUESTRA ALEATORIA DE 12

30. <b> UNA MUESTRA DE 120 OBSERVACIONES REVELÓ QUE P = 0,30.

31. <b> CONSIDERE LA SIGUIENTE TABLA ANOVA.VALOR; DETERMINE EL

32. <b> Considere la siguiente tabla ANOVA.VALOR; DETERMINE EL ERROR

Es la estimación de la desviación estándar, derivada de una muestra particular

33. <b> CONSIDERE LA SIGUIENTE TABLA ANOVA.VALOR; DETERMINE EL

Es la estimación de la desviación estándar, derivada de una muestra particular

34. <b> UN COLECCIONISTA DE ARTE ESTUDIA LA RELACIÓN ENTRE EL

FORMULE UNA ECUACIÓN DE REGRESIÓN MÚLTIPLE CON EL NÚMERO DE

35. <b> UN COLECCIONISTA DE ARTE ESTUDIA LA RELACIÓN ENTRE EL

FORMULE UNA VARIABLE DE INTERACCIÓN E INCLÚYALA EN LA ECUACIÓN

36. <b> UN COLECCIONISTA DE ARTE ESTUDIA LA RELACIÓN ENTRE EL

UTILICE EL MÉTODO POR PASOS Y LAS VARIABLES INDEPENDIENTES

37. <b> UN ANÁLISIS DE CONSUMIDOR RECABÓ LOS SIGUIENTES DATOS

¿PARECE HABER UNA RELACIÓN LINEAL ENTRE EL TAMAÑO DE LA

38. <b> UN ANÁLISIS DE CONSUMIDOR RECABÓ LOS SIGUIENTES DATOS

¿CUÁL ES LA VARIABLE “DEPENDIENTE”? </b>

39. <b> ¿CUANTAS VARIABLES INDEPENDIENTES PUEDE HABER EN UNA

41. <b> ¿Una muestra aleatoria de 36 refrescos de una máquina despachadora

44. <b> UNA EMPRESA ELÉCTRICA AFIRMA QUE UN COMPACTADOR DE

Intereses relacionados

También podría gustarte