1.

Cuánto más grande es la muestra, necesariamente será más representativa (F)

2. Cuando una muestra contiene las características importantes de cierta población en las
mismas proporciones como se encuentran en esta, se dice que se trata de una muestra
representativa. (V).
3. Quinientos residentes de una ciudad son encuestados para obtener la información
sobre su intención de voto en las próximas elecciones municipales. Estos 500
residentes del estudio son un ejemplo de población. (F).
4. Las técnicas que permiten estimar un parámetro a partir de datos muestrales se
denomina estadística inferencial. (V).
5. El error del muestreo consiste en la equivocación cuando seleccionamos muestras. (F).
6. A medida que crecen los números de observaciones y clases, la forma de un polígono
de frecuencias tiende a volverse cada vez más suave. (V).
7. La estadística es una ciencia que solo analiza datos (F).
8. Los datos se organizan para mejorar su comprensión. (V)
9. Cuando la hipótesis nula para probar la diferencia entre dos medias de población es
p1=p2 se combinan las dos muestras para estimar la porción común de la población.
(V)
10. Como regla general, los estadísticos consideran que una distribución está incompleta si
tiene menos de veinte clases (F)
11. Si quisiéramos unir los puntos medios de barras consecutivas en un histograma de
frecuencias con una serie de líneas, estaríamos graficando un polígono de frecuencias.
(V).
12. Si r=0.8, luego la ecuación de regresión explica 80% de la variación total de la variable
dependiente (F).
13. Si la curva de una cierta distribución tiene el extremo más largo hacia la izquierda de la
escala de medición del eje horizontal, se dice que la distribución es negativamente
sesgada. (V)
14. La desviación estándar es igual a la raíz cuadrada de la varianza. (V).
15. La diferencia entre las observaciones más grandes y las más pequeñas en un conjunto
de datos se llama media geométrica. (F)
16. El valor que más se repite en un conjunto de datos se conoce como media aritmética .
(F)
17. Si la varianza de una muestra de 169 observaciones es 576. La desviación estándar de
la muestra es 24 (V)
18. El coeficiente de correlación explica el porcentaje de la variación total de la variable
dependiente (F)
19. En una distribución simétrica de la moda, mediana y media son iguales (V)
20. El coeficiente de variación es una medida absoluta de dispersión. (F)
21. La varianza (σ2) es una medida de dispersión que está expresada en las unidades de los
datos al cuadrado. (V)
22. El valor de cada observación del conjunto de datos se toma en cuenta cuando
calculamos su mediana (F)
23. Los valores extremos en un conjunto de datos influyen profundamente en la mediana.
(F)
24. Si P(A) = 0.48, P(AoB) = 0.82, y P(B) = 0.54, luego P(AyB) = 0.3936. (F).
25. Una razón por la cual los tomadores de decisiones de alto nivel utilizan la probabilidad
subjetiva es que están interesados en situaciones únicas (V)
26. A y B son eventos independientes si se cumple que P(A/B) =P(B) (F)
27. El conjunto de todos los resultados posibles de un experimento estadístico se conoce
como espacio muestral (V).
28. Si A y B son dos eventos estadísticamente dependientes, la probabilidad que se
presenten (A y B) es P(A)*P(B) (F)
29. La probabilidad de que ocurra un evento, si ha tenido lugar otro, recibe el nombre de
probabilidad conjunta. (F)
30. Si P(A) = 0.5, P(B) = 0.4, y P (A o B) = 0.88, luego P(B/a) = 0.02 (F)
31. Una probabilidad subjetiva no es otra cosa que una predicción personal estudiada (V)
32. Empleando el teorema de Bayes podemos desarrollar las probabilidades revisadas,
basándonos en nueva información; a estas probabilidades se les llama también
probabilidades posteriores. (V)
33. La probabilidad de que dos o más eventos estadísticamente independientes ocurran al
mismo tiempo o en sucesión es igual a la suma de sus probabilidades marginales. (F)
34. La probabilidad de que un valor escogido aleatoriamente en una población particular
sea menor que la mediana de esta última es 0.67 (F)
35. Una probabilidad subjetiva no es otra cosa que una conjetura bien fundamentada (V)
36. Cuando empleamos la probabilidad de frecuencia relativa, los cálculos de probabilidad
se hacen menos precisos para grandes cantidades de observaciones. (F).
37. Un método de asignación de probabilidades basado en datos históricos es denominado
método clásico (F)
38. Las medidas de tendencia central de un conjunto de datos se refieren al grado en que
las observaciones están dispersas (F)
39. El coeficiente de variación es una medida absoluta de dispersión (F)
40. En la ecuación Y = a+bX para la variable dependiente Y y la variable independiente X, la
intersección en Y es b. (F)
41. El valor de cada observación del conjunto de datos se toma en cuanta cuando
calculamos su mediana (F)
42. El error estándar de una estadística de muestra es la desviación estándar de su
distribución de muestreo. (V)
43. Una característica de interés para los elementos en estudio se denomina variable. (V)
44. Si elegimos al azar a una familia, una variable aleatoria puede definirse como X=ingreso
familiar (V)
45. El número de personas que llegan a una ventanilla de un Banco sigue siendo modelo
de Poisson. (V)
46. Una variable aleatoria continua puede asumir sólo factores fraccionarios en un
intervalo o recopilación de intervalos. (F)
47. Cuando una lista de los eventos resultantes de algún experimento incluye todos los
posibles resultados, se dice que la lista es colectivamente excluyente (F)
48. Una variable aleatoria discreta solo puede asumir ciertos valores claramente
diferenciados y es el resultado de contar cierto elemento de interés (V)
49. Una variable aleatoria continua puede asumir sólo valores fraccionados en un intervalo
o recopilación de intervalos (F)
50. El área bajo la curva de una distribución normal estándar es igual a 1. (V)
51. La media de la distribución binomial u, puede calcularse como np, una vez que se
conocen n y p. La desviación estándar, σ, se calcula como √ npq . (V)
52. La estatura de los adultos puede ser descrita con una distribución Poisson (F)
53. El valor de Z para algunos puntos X que se encuentra en una distribución normal es el
área situada entre X y la media de la distribución (F)
54. Asuma que tiene un experimento binomial con p = 0.5 y un tamaño de muestra de 100.
El valor esperado de esta distribución es 55. (F)
55. El valor esperado lo obtenemos multiplicando la probabilidad de ocurrencia de un
evento por el pago (ganancia o pérdida) si el evento ocurriera, y efectuando la suma
total de estos posibles resultados. (V)
56. En una distribución binomial, la probabilidad de éxito o fracaso permanece constante
para cada prueba. (V)
57. Cualquier distribución normal puede estandarizarse a través del número “Z”(V)
58. Una distribución de probabilidades la construimos asociando los valores de la variable
aleatoria con su respectiva probabilidad de ocurrencia (V)
59. Cuando la selección de los elementos incluidos en una muestra se basa en el juicio de
la persona que conduce el muestreo, estamos ante una muestra probabilística. (F)
60. Para obtener una distribución muestral teórica, incluimos todas las muestras de un
tamaño determinado. (V)
61. El muestreo conocido como “Boca de urna” es una técnica de muestreo probabilístico
(F)
62. Como regla general, no es necesario incluir un factor de corrección finita en el cálculo
del error estándar de la media cuando el tamaño de la muestra es mayor a 50. (F)
63. En general, no es necesario aplicar el factor de corrección por población finita en el
cálculo del error estándar de la media cuando el tamaño de la muestra es mayor a 50.
(F)
64. La distribución de probabilidad de todas las medias posibles de muestras del mismo
tamaño se llama distribución de muestreo o muestral de la media (V)
65. El error estándar de la media es la varianza de la distribución de medias de la muestra
(F)
66. Un plan de muestreo donde se selecciona los integrantes de una población que se
encuentran debidamente ordenados se denomina muestreo aleatorio simple (F)
67. Si la media de una cierta población fuese 15u, es posible que la mayor parte de las
muestras que tomemos de esa población tuvieran medias de 15u. (F)
68. El error estándar de la media disminuye en proporción directa al tamaño de la
muestra. (F)
69. El error estándar de la media es la desviación estándar de la distribución de las medias
muestrales (V).
70. Suponga que una población está distribuida normalmente con N = 144 y con una u =
24. La media de la distribución muestral de la media para las muestras de tamaño 25 es
4.8. (F)
71. Un método de muestreo aleatorio en que los elementos se seleccionan de la población
a intervalos uniformes se llama muestreo aleatorio simple. (F)
72. Para obtener una distribución muestral teórica, incluimos todas las muestras de un
tamaño determinado (V)
73. Con un tamaño creciente de la muestra, la distribución muestral de la media se acerca
a la normalidad, sin importar la distribución de la población.(V)
74. Una muestra aleatoria simple de 100 observaciones fue tomada de una población
grande. La media de la muestra y la desviación estándar fueron 80 y 12
respectivamente, entonces el error estándar de la media es 1.2. (V)
75. Una parte de los elementos de una población seleccionada para hacer un examen o
medición directa es una muestra (V)
76. Conforme aumenta el ancho de un intervalo de confianza, el nivel de confianza
asociando con el intervalo también se incrementa (V)
77. El tamaño de la muestra es inversamente proporcional al cuadrado del error permisible
o margen de error ‘(E) (V)
78. El número de grados de libertad que se utilizan en la estimación para la media usando
la distribución t de Student, es igual a n-2. (F)
79. Cuando se emplea la distribución t para hacer estimaciones, se debe suponer que la
población es aproximadamente normal (V)
80. No siempre es deseable utilizar altos niveles de confianza, debido a que estos
producen grandes intervalos de confianza (V)
81. Teóricamente debemos utilizar la distribución t. en los casos en que se desconozca la
desviación estándar de la población, y n grande. (V)
82. Si conocemos la desviación estándar de la población empleamos la distribución normal
para el cálculo de los intervalos de confianza (V)
83. En el muestreo sin reposición, en el cálculo de “n” se aplica el F.C.P.F si n0>0.05N de lo
contrario, n0 = n. (V)
84. La probabilidad de que un parámetro de población se encuentre dentro de una
estimación de intervalo dada se conoce como nivel de confianza (V)
85. Un novel de significancia establecido es 0.01 quiere decir que una prueba de hipótesis