UNIVERSIDAD DE LA GUAJIRA - FACULTAD DE INGENIERÍAS

ASIGNATURA: ESTADÍSTICA INFERENCIAL

TEMA: DISTRIBUCIONES DE PROBABILIDAD
TALLER TEÓRICO: D. NORMAL Y MUESTRAL
NOMBRE: FRANCINA ROMERO BARROS.

1. Son características de una Distribución Normal:

a) Sesgo, Consistencia y Eficiencia.
b) Asimétrica y acampanada.
c) Relación Directa con la Regla Empírica.
d) La Media, La Moda y La Mediana son iguales.
e) Refleja Distribuciones Variables.

2. AL Regla Empírica de la Distribución de Probabilidad se fundamenta

en:
a) La dispersión depende del número de la muestra.
b) La media muestral y la desviación de los datos.
c) La forma y la posición de una distribución normal está determinada por la µ
y δ.
d) Al incluir todas las observaciones y estas estar, distribuidas normalmente,
es indiferente el valor que tenga la µ y δ.
e) Que la desviación está por encima y por debajo de una, dos, o tres
estándares de la media.

3. La Distribución Normal se usa:

a) Su estandarización permite determinar la probabilidad de que ocurra cierto
evento.
b) Para determinar parámetros poblacionales que permita usarlos en la vida
cotidiana.
c) Encontrar valores estadísticos en las investigaciones realizadas por la
humanidad.
d) Para graficarlas en el plano cartesiano y observar su comportamiento en el
mismo.
e) Idear estrategias de mejoras en los fenómenos, hechos, problemas, etc.,
estudiados.

4. El método forma para estandarizar una Distribución Normal es:

a) Desviación Estándar.
b) Desviación Normal o Conversión “Z”.
c) Factor de Corrección (Fcp)
d) Teorema del Límite Central.
5. Después de aplicar la fórmula de conversión o estandarización, la
media y la desviación estándar se convierten en:
a) Un parámetro.
b) Un estadístico.
c) “0” y “1”
d) Distribución Normal.
e) µ y δ Poblacional.

6. El proceso de estandarización de una Distribución Normal se da

porque:
a) Porque se requieren los parámetros µ y δ para determinar los estadísticos
de la prueba.
b) Puede existir un número infinito de distribuciones normales posibles, cada
uno con sus valores propios de µ y δ.
c) Se requiere conocer datos específicos desde la distribución para ser
aplicados a la población.
d) Se requiere conocer el valor de la dispersión con respecto a la media
muestral, alrededor de la media poblacional.
e) Porque se desconoce el valor real de la Media poblacional (µ) y la
desviación estándar (δ).

7. El Valor de Conversión “Z” es:

a) Mide la dispersión de las medias muestrales con respecto a la µ.
b) Es la diferencia de las medias muestrales con respecto a las medias
poblacionales de la observación.
c) El número de desviaciones estándar a las que una observación está por
encima y por debajo de la media.
d) La discriminación porcentual de las medias muestrales y poblacionales de
una observación.
e) La conversión de los datos a términos probabilísticos utilizados como
parámetros poblacionales.

8. Para la aproximación de una Distribución Normal a una Distribución

Binomial se requiere:
a) Aplicar la proporción de éxito y el esperado de la observación.
b) Asumir las probabilidades de éxito y fracaso del evento estudiado.
c) Determinar los valores según la proporción de fracaso.
d) Determinar la media poblacional a partir de la media muestral.
e) Asumir muestras grandes para disminuir el error estándar.

9. El Factor de Corrección en una Distribución Normal hace referencia a:

a) Corregir los datos por el supuesto de errores de muestreo que generan
trastorno en la investigación.
b) Establecer un leve ajuste en aquellas variables aleatorias que son
exactamente igual a algún valor en específico.
c) Sumar y restas un valor “X” al valor específico estudiado.
d) Disminuir sesgo en la Distribución Normal, evitando dispersiones en los
datos estudiados.
e) Evitar que el resultado sea “0” o indeterminado al momento de aplicar el
método.

10. Al comparar dos o más distribuciones en condiciones normales con

igual µ y diferente δ, ésta cambia una con respecto a la otra, su forma
y posición, sin embargo, éstas:
a) Siguen siendo simétrica.
b) Dejan de ser simétrica.
c) Se alejan una de la otra.
d) Son iguales una de la otra.
e) Se dispersan con respecto a la µ.

11. Una Distribución Normal se diferencia de una Distribución Muestral

porque:
a) Estima datos estadísticos desde la población que influye en las decisiones
futuras de la investigación.
b) Usa datos estadísticos para calcular parámetros que lleva inferir y concluir
respecto al resultado.
c) Estima datos para la toma de decisiones de un evento o suceso estudiado
desde sus observaciones.
d) Diferencia el parámetro poblacional del estadístico muestral para inferir en
la toma de decisiones.
e) Es imprescindible para la toma de decisiones de una serie de sucesos
estudiados.

12. Una Distribución Muestral se caracteriza:

a) Porque toma datos individuales y los vuelve grupales.
b) Por el uso de parámetros y estadísticos de la población.
c) Por su condición de simetría y normalidad de la distribución.
d) Por contener Sesgo, Consistencia y Eficiencia.
e) Por error de muestreo.

13. La Diferencia entre el parámetro poblacional y el estadístico de la

muestra utilizada para estimar el parámetro, hace referencia a:
a) Error Típico.
b) Error de Muestreo.
c) Desviación Estándar.
d) Desviación Típica.
e) Error estándar.

14. “Nunca se puede calcular el tamaño del error de muestreo porque:

a) Se desconoce el error estándar.
b) Se desconoce la media poblacional.
c) Se desconoce la verdad de lo observado.
d) Se desconoce la media muestral.
e) Se desconoce el error típico.

15. Una Distribución Muestral es:

a) Una lista de todos los valores posibles para un estadístico y la probabilidad
relacionada con cada valor.
b) Lista de medias muestrales que sirven para calcular parámetros de la
población.
c) El cálculo de medias de medias que infieren a conclusiones poblacionales.
d) Cada media muestral posible tendiente a calcular parámetros.
e) Proporciones muestrales que emiten probabilidad de éxito y fracaso.

16. Al realizar el procedimiento del número de combinaciones posibles de

datos aleatorios individuales a muestras de “n” tamaño y sus
respectivos cálculos de las medias muestrales y medias
poblacionales, se puede afirmar que:
a) Las medias de medias muestrales es denominada “Gran Media” para la
distribución general.
b) La media de la distribución muestral siempre será igual a la media
poblacional.
c) Que la Media de medias ( ) es igual a la media poblacional (µ) cada vez
que cumplan condiciones especiales según el suceso o evento estudiado.
d) No será coincidencia que la media muestral sea igual a la media de media o
gran media.
e) Que la Media de medias ( ) es igual a la media poblacional (µ), porque
hace parte del listado de posibles valores estadísticos.

17. La δ mide la tendencia a sufrir del error de muestreo en el esfuerzo

por estimar µ, el valor de aproximación es:

a)

b)
c)

d)

e)

18. El Factor de Corrección utilizado para disminuir el error de muestreo

es aplicado cuando:
a) n ≥ 0,05N
b) n ˃ 0,05N
c) n ˂ 30
d) n ≤ 30
e) n ˃ 30

19. El Teorema del Límite Central es utilizado cuando:

a) Hay error de muestreo y supera los estándares.
b) Cuando la Distribución no es Normal.
c) El parámetro supera las expectativas muestrales.
d) La dispersión entre la media, moda y mediana es muy grande.
e) Se presenta simetría en la distribución.

20. La Regla general del Teorema del Límite Central dice: “si n es por lo
menos 30, se asegura una distribución normal en las medias
muestrales, incluso,
a) Si la probabilidad no es normal.
b) Si la Distribución es asimétrica.
c) Si la Distribución está achatada.
d) Si la Distribución es incoherente.
e) La probabilidad es normal.