PRIMER PARCIAL DE ESTADÍSTICA II

INTERSEMESTRAL 2020-07-04
UNIVERSIDAD SERGIO ARBOLEDA – SECCIONAL SANTA MARTA.
NOMBRE: _____________________________________________________________________________________________
CÓ DIGO-ID: _________________________________________
04-07-2020
EXAMEN No.2

1. Suponga que la variable aleatoria Z sigue una distribución normal estándar.

Valor 0.5 puntos.
Teniendo en cuenta que la media es cero y la desviación estándar de 1 :
a) Halle P(1,15 < Z <1,25) = 0,0195
b) Halle P(-1,35 < Z < 1,15) = 0,7864
c) Halle P(-1,55 < Z <0,90) = 0,7553

2. Suponga que la variable aleatoria Z sigue una distribución normal estándar.

Valor 0.5 puntos.
Teniendo en cuenta que la media es cero y la desviación estándar de 1 :

a) La probabilidad de que Z sea inferior a -0,39 es 0,35.

b) La probabilidad de que Z sea inferior a -1,04 es 0,15.
c) La probabilidad de que Z sea superior a 0,67 es 0,25.
d) La probabilidad de que Z sea superior a 0,52 es 0,30.

3. Suponga que la variable aleatoria X sigue una distribución normal que tiene una μ=¿
35 y una σ 2=¿44. Valor 0.5 puntos.

a) Halle la probabilidad de que X sea superior a 45. = 6,68%

b) Halle la probabilidad de que X sea superior a 25 e inferior a 35.= 6.68
%
c) Halle la probabilidad de que X sea inferior a 40. = 77,34%
d) La probabilidad de que X sea superior a 38,44 es 0,30.
e) La probabilidad de que X esté en el intervalo simétrico en torno a la media entre 33,74 y
36,25 es 0,15.

Complete el siguiente cuadro con la información solicitada en la columna (2) y (3).

Parámetro poblacional (1) Estimador puntual (2) Nombre estimador puntual (3)
μ
σ2
σ
N
4. Responda falso (F) o verdadero (V) según el caso a las siguientes afirmaciones.
Valor 1.5 puntos
a. Un estimador de un intervalo de confianza de un parámetro poblacional es una regla para
hallar (basándose en la información poblacional) un intervalo que es probable que incluya ese
parámetro. La estimación correspondiente se llama estimación de un intervalo de confianza.

( V ).

b. Aproximadamente el 58% de todos los valores de una población normalmente distribuida se

encuentra dentro de ± 1 desviación estándar de la media. En cada extremo hay 42% de área.

( F ).

c. Aproximadamente el 85.5% de todos los valores de una población normalmente distribuida

se encuentra dentro de ± 2 desviaciones estándar de la media. En cada extremo hay 10.5% de
área.
( F ).

d. Aproximadamente el 89.7% de todos los valores de una población normalmente distribuida

se encuentra dentro de ± 3 desviaciones estándar de la media. En cada extremo hay 10.3% de
área.
( F ).

e. Una distribución de probabilidad de todas las medias posibles de la población es una

distribución de las medias de la población. Los especialistas en estadística la conocen como
distribución de muestreo de la media.
( V ).

f. Podemos hacer dos tipos de estimaciones concernientes a una muestra: Una estimación
puntual y una estimación de intervalo. Una estimación puntual son números o valores que se
utiliza para estimar un parámetro de población conocida.

( F ).

g. Una estimación de intervalo es un valor puntual que se utiliza para estimar un parámetro de
la poblacional.
( F ).

h. Cualquier estadístico poblacional que se utilice para estimar un parámetro poblacional se

conoce como estimador, es decir, un estimador es un estadístico de la población utilizado para
estimar un parámetro muestral.
( V ).
i. Cuando hemos observado un valor numérico específico de nuestro estimador, nos referimos
a ese valor como un nivel de confianza. En otras palabras, una estimación es un valor
específico observado del nivel de confianza.

( V ).

j. En estadística, la probabilidad que asociamos con una estimación de intervalo se conoce

como estadístico de prueba.
( V ).

k. El intervalo de confianza es el rango de la normal estandarizada.

( F ).

l. Una variable aleatoria que tiene una distribución normal con una media uno y desviación
estándar de cero, tiene una distribución normal estándar.

( F ).

M. Un estimador de un intervalo de confianza de un parámetro poblacional es una regla para

hallar (basándose en la información poblacional) un intervalo que es probable que incluya ese
parámetro. La estimación correspondiente se llama estimación de un intervalo de confianza.

( V ).

5. PREGUNTAS DE SELECCIÓN MULTIPLE CON MULTIPLE RESPUESTA.

Valor 1.5 puntos
Este tipo de pregunta consta de un enunciado y cuatro opciones de respuesta identificada con
los números 1, 2, 3 ,4. Sólo dos de estas opciones responden correctamente el enunciado.

Si 1 y 2 son correctas, seleccione A

Si 2 y 3 son correctas, seleccione B
Si 3 y 4 son correctas, seleccione C
Si 2 y 4 son correctas, seleccione D
Si 1 y 3 son correctas, seleccione E

I. Un estimador de un parámetro poblacional es:

1. Una variable no aleatoria.

2. Una variable aleatoria que depende de la información de la muestra.
 3. Su valor proporciona alejamiento a este parámetro desconocido.
4. Un valor específico de esa variable aleatoria se llama estimación.

A B C D E

II. Matemáticamente es verdad que:

1. Aproximadamente el 98% de todos los valores de una población normalmente distribuida

se encuentra dentro de ± 1 desviación estándar de la media. En cada extremo hay 2% de
área.

2. Aproximadamente el 95.5% de todos los valores de una población normalmente

distribuida se encuentra dentro de ± 2 desviaciones estándar de la media. En cada extremo
hay 2.25% de área.

3. Aproximadamente el 89.7% de todos los valores de una población normalmente

distribuida se encuentra dentro de ± 3 desviaciones estándar de la media. En cada extremo
hay 0.23% de área.

4. Una variable aleatoria que tiene una distribución normal con una media cero y desviación
estándar de uno, tiene una distribución normal estándar.

A B C D E

III. Matemáticamente, podemos:

1. Describir solo muestras al emplear mediciones como la media, la mediana, la moda y la

desviación estándar.
2. Cuando estos términos describen las características de una muestra, se denominan
estadísticas.
3. Cuando describen las características de una muestra, se llaman parámetros.
4. Una estadística es una característica de una muestra y un parámetro es una característica
de una población.

A B C D E

IV. La desviación estándar:

1. De la distribución de las medias de las muestras mide el grado hasta el cual es de

esperar que varíen las medias de las diferentes poblaciones.

2. Debido a este error cometido en el proceso de muestreo.

 3. Por tanto, la desviación estándar de la distribución de un intervalo de muestra se conoce
como error estándar de la estadística.
4. El término error estándar se usa en la inferencia estadística para referirse a la desviación
estándar de un estimador puntual.

A B C D E

V. Del teorema del límite central se puede afirmar:

1. El teorema del límite central es la relación entre la forma de la distribución de la

muestra y la forma de la distribución de muestreo.

2. Cuando se seleccionan muestras aleatorias simples de tamaño n de una población, la

distribución muestral de la media muestral puede aproximarse mediante una
distribución normal a medida que el tamaño de la muestra se hace grande.

3. El teorema del límite central asegura que la distribución de muestreo de la media se

aproxima a la normal al incrementarse el tamaño de la población.

4. Que su importancia radica en que nos permite usar estadísticas de muestra para hacer
inferencias con respecto a los parámetros de población, sin saber sobre la forma de la
distribución de frecuencia de esa población más que lo que podamos obtener de la
muestra.

A B C D E

VI. Del error estándar y la media de la población podemos decir:

1. El error estándar, σ x́ , es una medición de dispersión de las medias poblacionales

alrededor de la media de muestral.

2. Si la dispersión disminuye (si σ x́, se hace más pequeña), entonces los valores tomados
por la media de la muestra tienden a agruparse más cercanamente alrededor de μ.

3. Si la dispersión se incrementa (si σ x́ , se hace más grande), los valores tomados por la
media de la población tienden a agruparse menos cercanamente alrededor de μ.

4. Podemos concebir esta relación así: al disminuir el error estándar, el valor de cualquier
media de muestra probablemente se acercará al valor de la media de población.
 A B C D E

VII. En cuanto a la población se puede decir:

1. El propósito de tomar muestras es conocer más acerca al intervalo de confianza.

2. Podemos calcular esta información a partir de las muestras como estimaciones

puntuales o como estimaciones de intervalo.

3. Una estimación de intervalo describe un rango de valores dentro del cual no es posible
que esté un parámetro de la población.

4. Podemos concebir esta relación así: al disminuir el error estándar, el valor de cualquier
media de muestra probablemente se acercará al valor de la media de población.

A B C D E

VIII. De la distribución Normal podemos decir:

1. La varianza determina qué tan plana y ancha es la curva normal. Varianzas grandes
corresponden a curvas más planas y más anchas, lo cual indica mayor variabilidad en
los datos.

2. La distribución normal es simétrica, siendo la forma de la curva normal al lado

izquierdo de la media, la imagen especular de la forma al lado derecho de la media. Las
colas de la curva normal se extienden al infinito en ambas direcciones y en teoría jamás
tocan el eje horizontal. Dado que es simétrica, la distribución normal no es sesgada; su
sesgo es cero.

3. El punto más alto de una curva normal se encuentra sobre la media, la cual no coincide
con la mediana y la moda.

4. Toda la familia de distribuciones normales se diferencia por medio de dos parámetros:

la media μ y la desviación estándar σ.

A B C D E

6. Basándose en la información registrada en la siguiente gráfica, calcular el valor de los

siguientes puntos: Valor 0.5 puntos.
a. μ + 2σ = ________________
b. μ - 1σ = ________________
c. μ - 3 σ = ________________