LEVIN Conceptos

Prueba de conceptos de los captulos 2 al 17
PC-1
Prueba de conceptos del captulo
V V
F F
V V
F F
V V
F F
V V
F F
Imprima este texto y marque con un crculo la respuesta correcta o llene los espacios en blanco. Las respuestas correctas se encuentran en el archivo correspondiente en este mismo CD. 1. En comparacin con un arreglo (u ordenamiento) de datos, la distribucin de frecuencias tiene la ventaja de representar los datos de una manera comprimida. 2. Una ojiva ms que tiene forma de S y su inclinacin es hacia abajo y a la derecha. 3. Un histograma es una serie de rectngulos, cada uno proporcional en ancho al nmero de elementos que caen dentro de una clase especfica de datos. 4. Una sola observacin se conoce como datos puntuales, mientras que una coleccin de datos se conoce como tabular. 5. Las clases de cualquier distribucin de frecuencias relativas son completamente incluyentes y mutuamente excluyentes. 6. Cuando una muestra contiene las caractersticas importantes de cierta poblacin en las mismas proporciones en que se encuentran en sta, se dice que se trata de una muestra representativa. 7. Una poblacin es una coleccin de todos los elementos que se estn estudiando. 8. Si uniramos los puntos medios de las barras consecutivas de un histograma de frecuencias con una serie de rectas, estaramos graficando un polgono de frecuencias. 9. Antes de organizar la informacin y analizarla mediante mtodos estadsticos, se le conoce como datos preprocesados. 10. Una desventaja del ordenamiento de datos es que no nos permite hallar fcilmente los valores mayor y menor del conjunto de datos. 11. Los datos discretos slo se pueden expresar con nmeros enteros. 12. Como regla general, los estadsticos consideran que una distribucin de frecuencias est incompleta si tiene menos de 20 clases. 13. Siempre es posible construir un histograma a partir de un polgono de frecuencias. 14. La escala vertical de la ojiva para una distribucin de frecuencias relativas indica la fraccin del nmero total de observaciones que entran en cada clase. 15. Un ordenamiento de datos se forma clasificando los datos sin procesar con respecto al tiempo de observacin. 16. Una ojiva menor que tiene forma de S y su inclinacin es hacia abajo y a la derecha. 17. Una ventaja de los histogramas, en comparacin con un polgono de frecuencias, es que muestra con ms claridad cada clase de la distribucin. 18. El promedio de bateo de un jugador de bisbol se calcula utilizando una muestra. 19. Una distribucin de frecuencias organiza los datos en grupos de valores que describen una o ms caractersticas de esos datos. 20. A una serie de rectngulos cuyo ancho es proporcional al alcance de los valores dentro de la clase y cuya altura es proporcional al nmero de elementos que caen dentro de la clase, se le conoce como polgono de frecuencias. 21. Los anchos de clase de una distribucin de frecuencias son de igual tamao.
V V
F F
V V
F F
PC-3
A B C D
A B C D
A B C D E
A B C D E
A B C D
A B C D
A B C D
A B C D E
22. Cul de los siguientes representa el esquema ms preciso para clasificar datos? a) Mtodos cuantitativos. b) Mtodos cualitativos. c) Una combinacin de ambos mtodos. d) Un esquema puede ser determinado slo con informacin especfica acerca de la situacin. 23. Cul de los siguientes NO es un ejemplo de datos comprimidos? a) Distribucin de frecuencias. b) Arreglo de datos. c) Histograma. d) Ojiva. 24. Cul de las afirmaciones siguientes acerca de los rectngulos de un histograma es correcta? a) Los rectngulos tienen una altura proporcional al nmero de elementos que entran en las clases. b) Por lo general existen cinco rectngulos en cada histograma. c) El rea de un rectngulo depende slo del nmero de elementos de la clase en comparacin con el nmero de elementos de todas las dems clases. d) Todos los anteriores. e) Los incisos a) y c), pero no b). 25. Por qu resulta cierto que las clases de una distribucin de frecuencias son completamente incluyentes? a) Ningn dato puntual entra en ms de una clase. b) Hay siempre ms clases que datos puntuales. c) Todos los datos entran en una clase o en otra. d) Todos los incisos anteriores. e) Los incisos a) y c), pero no b). 26. Cuando se construye una distribucin 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 nmero de puntos de cada clase. c) decidir acerca del tipo y nmero de clases en que se dividirn los datos. d) ninguno de los anteriores. 27. Conforme aumenta el nmero de observaciones y clases, la forma de un polgono de frecuencias: a) Tiende a hacerse cada vez ms lisa. b) Tiende a tomar forma de sierra. c) Permanece igual. d) Vara slo si los datos son ms confiables. 28. Cul de las siguientes afirmaciones acerca de las ojivas de frecuencias acumuladas para un conjunto de datos en particular es verdadera? a) Tanto la curva mayor que como la menor que tienen la misma pendiente. b) Las curvas mayor que tienden a irse hacia arriba y a la derecha. c) Las curvas menor que tienden a irse hacia abajo y a la derecha. d) Las curvas menor que tienden a irse hacia arriba y a la derecha. 29. A partir de una ojiva construida para un conjunto particular de datos: a) Los datos originales pueden reconstruirse siempre de manera exacta. b) Los datos originales siempre se pueden aproximar. c) Los datos originales nunca se pueden aproximar ni reconstruir, pero se pueden obtener conclusiones vlidas con respecto a los datos. d) Ninguno de los anteriores. e) Los incisos a) y b), pero no c).
PC-4
Prueba de conceptos del captulo 2
A B C D E
A B C D E
A B C D E
A B C D E
A B C D E
A B C D E
A B C D
30. Al construir una distribucin de frecuencias para una muestra, el nmero de clases depende de: a) El nmero de datos puntuales. b) El alcance de los datos recolectados. c) El tamao de la poblacin. d) Todos los anteriores. e) Los incisos a) y b), pero no c). 31. Cul de las siguientes afirmaciones es verdadera? a) El tamao de una muestra nunca puede ser igual al tamao de la poblacin de la que se toma. b) Las clases describen slo una caracterstica de los datos que sern organizados. c) En general, como regla, los especialistas en estadstica utilizan entre 6 y 15 clases. d) Todos los anteriores. e) Los incisos b) y c), pero no a). 32. Como regla general, qu cantidad de clases tienden a utilizar los especialistas en estadstica cuando organizan datos? a) Menos de cinco. b) Entre una y cinco. c) Ms de 30. d) Entre 20 y 25. e) Ninguno de los incisos anteriores. 33. Cul de las siguientes NO es una prueba acerca de la utilidad de los datos? a) La fuente de los datos. b) La contradiccin con respecto a otra evidencia. c) La falta de evidencia. d) El nmero de observaciones. e) Ninguno de los anteriores. 34. Una distribucin de frecuencias relativas presenta las frecuencias en trminos de: a) Fracciones. b) Nmeros enteros. c) Porcentajes. d) Todos los incisos anteriores. e) Los incisos a) y c). 35. Las grficas de distribuciones de frecuencias se utilizan debido a que: a) Tienen una larga historia en aplicaciones prcticas. b) Atraen la atencin sobre los patrones que siguen los datos. c) Toman en cuenta los datos sesgados o incompletos. d) Permiten estimar con facilidad los valores. e) Incisos b) y d). 36. Los datos continuos se diferencian de los datos discretos en que: a) Las clases de datos discretos estn representadas por fracciones. b) Las clases de datos continuos pueden representarse por fracciones. c) Los datos continuos slo toman valores enteros. d) Los datos discretos pueden tomar cualquier valor real. 37. El conteo doble es resultado de tener datos o . 38. Se encontr que 50 de 1,000 clientes en un estudio tienen las caractersticas de todos los clientes. Los 50 clientes son una muestra . 39. El y la son dos mtodos de arreglo de datos. 40. Una es una coleccin de todos los elementos de un grupo. Una coleccin de algunos elementos, pero no de todos, se conoce como .
PC-5
41. Al dividir los datos puntuales en clases parecidas y contar el nmero de observaciones de cada clase tendremos una . 42. Si los datos slo pueden tomar un nmero limitado de valores, las clases de esos datos se conocen como . En cualquier otro caso, las clases son . 43. Una distribucin de frecuencias relativas presenta las frecuencias en trminos de o de 44. Una grfica de una distribucin de frecuencias acumuladas se conoce como . 45. Si una coleccin de datos se conoce como conjunto de datos, una sola observacin se conoce como .
PC-6
q Diagrama de flujo: Ordenamiento de datos para que tengan un significado

INICIAR Recoleccin de datos sin procesar
Organizacin de los datos sin procesar en un ordenamiento
Debern condensarse y simplificarse los datos? S Preparacin de distribucin de frecuencias agrupando los datos en clases
No
Desea una representacin grfica?
No
S
Preparacin de una representacin grfica de una distribucin de frecuencias: histograma polgono ojiva
TERMINAR
PC-7
V V
F F
V V
F F
V V V
F F F
V V
F F
V V
F F
Imprima este texto y marque con un crculo la respuesta correcta o llene los espacios en blanco. Las respuestas correctas se encuentran en el archivo correspondiente en este mismo CD. 1. El valor de cada observacin del conjunto de datos se toma en cuenta cuando calculamos su mediana. 2. Cuando la poblacin est sesgada positiva o negativamente, a menudo es preferible utilizar la mediana como mejor medida de posicin, debido a que siempre cae entre la media y la moda. 3. Las medidas de tendencia central de un conjunto de datos se refieren al grado en que las observaciones estn dispersas. 4. Una medida de lo puntiagudo de una curva de distribucin es el sesgo. 5. Con un conjunto de datos no agrupados, la moda se utiliza con ms frecuencia como medida de tendencia central. 6. Si organizamos las observaciones de un conjunto de datos en orden descendente, el dato puntual que se encuentra en medio es la mediana del conjunto de datos. 7. Cuando se trabaja con datos agrupados, podemos calcular una media aproximada si suponemos que cada valor de una clase dada es igual a su punto medio. 8. El valor que ms se repite en un conjunto de datos se conoce como media aritmtica. 9. Si la curva de cierta distribucin tiene el extremo ms largo hacia la izquierda de la escala de medicin del eje horizontal, se dice que la distribucin est negativamente sesgada. 10. Despus de agrupar un conjunto de datos en cierto nmero de clases, podemos identificar la clase mediana como la que tiene el mayor nmero de observaciones. 11. Una media calculada a partir de un conjunto de datos agrupados siempre da una buena estimacin del valor real, aunque rara vez es exacto. 12. Podemos calcular una media para cualquier conjunto de datos, si tenemos su distribucin de frecuencias. 13. La moda siempre se encuentra en el punto ms alto de la grfica de una distribucin de datos. 14. El nmero de elementos de una poblacin se denota por n. 15. Para un arreglo de datos con 50 observaciones, la mediana ser el valor de la observacin nmero 25 del arreglo. 16. Los valores extremos de un conjunto de datos tienen un fuerte efecto sobre la mediana. 17. La diferencia entre las observaciones ms alta y ms baja de un conjunto de datos se conoce como media geomtrica. 18. La dispersin de un conjunto de datos da una idea de la confiabilidad de la medida de tendencia central. 19. La desviacin estndar es igual a la raz cuadrada de la varianza. 20. La diferencia entre las observaciones ms alta y ms baja de un conjunto de datos se conoce como el rango cuartil. 21. El rango intercuartil se basa slo en dos valores tomados del conjunto de datos.
PC-9
V V
F F
V V
F F
V V V
F F F
A B C D
A B C D
A B C D
A B C D
A B C D
22. La desviacin estndar se mide en las mismas unidades que las observaciones del conjunto de datos. 23. Un fractil es una posicin en una distribucin de frecuencias en la que una proporcin (o fraccin) de los datos se encuentra en ella o arriba de ella. 24. La varianza, al igual que la desviacin estndar, toma en cuenta todas las observaciones del conjunto de datos. 25. El coeficiente de variacin es una medida absoluta de la dispersin. 26. La medida de dispersin que con ms frecuencia utilizan los especialistas en estadstica es la desviacin estndar. 27. Una de las ventajas de las medidas de dispersin es que cualquier estadstico que mide variacin absoluta, tambin mide variacin relativa. 28. Una desventaja al utilizar el rango para medir la dispersin es que no toma en cuenta la naturaleza de las variaciones entre la mayora de las observaciones. 29. La varianza indica la distancia promedio a la media de cualquier observacin del conjunto de datos. 30. Cada poblacin tiene una varianza que se simboliza con s2. 31. De acuerdo con el teorema de Chebyshev, no ms del 11% de las observaciones de una poblacin puede tener resultados estndar de la poblacin mayores que 3 o menores que 3. 32. El rango intercuartil es un ejemplo especfico de un rango interfractil. 33. Es posible medir el rango de una distribucin de extremo abierto. 34. El rango intercuartil mide el rango promedio de la cuarta parte ms baja de una distribucin. 35. Cuando se calcula la tasa promedio de expansin de la deuda de una compaa, la media correcta a utilizar es la: a) Media aritmtica. b) Media ponderada. c) Media geomtrica. d) Cualquiera de los dos: a) o c). 36. La moda tiene todas las ventajas siguientes excepto: a) Un conjunto de datos puede no tener valor modal. b) Cada valor de un conjunto de datos puede ser una moda. c) Es difcil analizar un conjunto de datos multimodal. d) La moda se ve excesivamente afectada por los valores extremos. 37. Cul es la principal suposicin que hacemos cuando calculamos la media de datos agrupados? a) Todos los valores son discretos. b) Cada valor de una clase es igual a su punto medio. c) Ningn valor se presenta ms de una vez. d) Cada clase contiene exactamente el mismo nmero de valores. 38. Cul de las afirmaciones siguientes NO es correcta? a) Algunos conjuntos de datos no tienen media. b) El clculo de una media se ve afectado por los valores extremos del conjunto de datos. c) Una media ponderada se debe utilizar cuando es necesario tomar en consideracin la importancia de cada valor. d) Todos estas afirmaciones son correctas. 39. Cul de los siguientes es el primer paso para calcular la mediana de un conjunto de datos? a) Promedie los dos valores centrales del conjunto de datos. b) Ordene los datos. c) Determine los pesos relativos de los valores de los datos en trminos de su importancia. d) Ninguno de los anteriores.
PC-10
A B C D E
A B C D
A B C D
A B C D E
A B C D E
A B C D E
A B C D E
40. Cul de las siguientes NO es una ventaja del uso de la mediana? a) Los valores extremos afectan a la mediana con menos intensidad que a la media. b) Una mediana se puede calcular para descripciones cualitativas. c) La mediana puede calcularse para cada conjunto de datos, incluso para todos los conjuntos que presentan clases de extremo abierto. d) La mediana es fcil de entender. e) Todas las anteriores son ventajas de utilizar la mediana. 41. Por qu, normalmente, es mejor calcular una moda de un conjunto agrupado de datos, en lugar de hacerlo con un conjunto no agrupado de datos? a) Los datos no agrupados tienden a ser bimodales. b) La moda para los datos agrupados ser la misma, independientemente del sesgo de la distribucin. c) Los valores extremos tienen menos efecto sobre los datos agrupados. d) La posibilidad de escoger como moda un valor que no sea representativo es reducida. 42. En cul de estos casos sera la moda ms til como indicador de la tendencia central? a) Cada valor de un conjunto de datos ocurre exactamente una vez. b) Todos los valores de un conjunto de datos, excepto tres, ocurren slo una vez. Tres valores se presentan 100 veces cada uno. c) Todos los valores de un conjunto de datos ocurren 100 veces cada uno. d) Todas las observaciones de un conjunto de datos tienen el mismo valor. 43. Cul de los siguientes es un ejemplo de parmetro? a) x. b) n. c) . d) Todos los anteriores. e) b) y c), pero no a). 44. Cul de las siguientes NO es una medida de tendencia central? a) Media geomtrica. b) Mediana. c) Moda. d) Media aritmtica. e) Todos los incisos anteriores son medidas de tendencia central. 45. Cuando una distribucin es simtrica y tienen slo una moda, el punto ms alto de la curva de distribucin se conoce como: a) Rango. b) Moda. c) Mediana. d) Media. e) Todos los anteriores. f) b), c) y d), pero no a). 46. Cuando nos referimos a una curva que tiene una cola hacia el extremo izquierdo, podemos decir que es: a) Simtrica. b) Sesgada a la derecha. c) Positivamente sesgada. d) Todos los anteriores. e) Ninguno de los anteriores.
PC-11
A B C D
A B C D
A B C D
A B C D E
A B C D E
A B C D
A B C D E
A B C D E
47. Las desventajas de utilizar el rango como medida de dispersin incluyen las siguientes, excepto que: a) Se ve altamente afectado por los valores extremos. b) Puede cambiar drsticamente de una muestra a otra. c) Es difcil de calcular. d) Est determinado solamente por dos puntos del conjunto de datos. 48. Por qu es necesario elevar al cuadrado las diferencias respecto a la media cuando calculamos la varianza de la poblacin? a) Para que los valores extremos no afecten el clculo. b) Porque es posible que N sea muy pequea. c) Algunas de las diferencias sern positivas y otras negativas. d) Ninguna de las anteriores. 49. Suponga que una poblacin tiene 100 y 10. Si una observacin particular tiene un resultado estndar de 1, se puede concluir que: a) Su valor es 110. b) Se encuentra entre 90 y 110, pero su valor exacto no se puede determinar. c) Su valor es mayor que 110. d) No se puede determinar nada sin conocer el valor de N. 50. Suponga que una poblacin tiene 100, 10 y N 1,000. De acuerdo con el teorema de Chebyshev, cul de las siguientes situaciones NO es posible? a) 150 valores son mayores que 130. b) 930 valores estn entre 100 y 108. c) 22 valores estn entre 120 y 125. d) 70 valores son menores que 90. e) Todas las situaciones anteriores son posibles. 51. Cul de los siguientes es un ejemplo de una medida relativa de dispersin? a) La desviacin estndar. b) La varianza. c) El coeficiente de variacin. d) Todos los anteriores. e) a) y b), pero no c). 52. Cul de las afirmaciones siguientes es verdadera? a) La varianza puede calcularse para datos agrupados o no agrupados. b) La desviacin estndar puede calcularse para datos agrupados o no agrupados. c) La desviacin estndar puede calcularse para datos agrupados o no agrupados, pero la varianza slo se puede calcular para datos no agrupados. d) a) y b), pero no c). 53. Si dividimos la desviacin estndar de una poblacin entre la media de la misma poblacin y multiplicamos el resultado por 100, estaramos calculando: a) El resultado estndar de la poblacin. b) La varianza de la poblacin. c) La desviacin estndar de la poblacin. d) El coeficiente de variacin de la poblacin. e) Ninguno de los anteriores. 54. En qu se diferencia el clculo de la varianza de la muestra del clculo de la varianza de la poblacin? se sustituye por x. a) b) N se sustituye por n 1. c) N se sustituye por n. d) a) y c), pero no b). e) a) y b), pero no c).
PC-12
A B C D E
A B C D E
55. El cuadrado de la varianza de una distribucin es: a) La desviacin estndar. b) La media. c) El rango. d) La desviacin absoluta. e) a) y d). f) Ninguno de los anteriores. 56. El teorema de Chebyshev dice que 99% de los valores estarn dentro de 3 desviaciones estndar de la media, para: a) Distribuciones con forma de campana. b) Distribuciones positivamente sesgadas. c) Distribuciones con cola a la izquierda. d) Todas las distribuciones. e) Ninguna distribucin. 57. Si una curva se puede dividir en dos partes iguales que son imgenes de espejo una de la otra, la curva es . Si no puede dividirse de esta manera, es . 58. El smbolo x denota la media de una . representa la media de una . 59. La asignacin de enteros consecutivos de bajo valor a los puntos medios durante el clculo de la media se conoce como . 60. Cuando trabajamos con cantidades que cambian en un periodo, es mejor calcular una media que una media . 61. Si dos valores de un grupo de datos ocurren con ms frecuencia que los dems, se dice que la distribucin de los datos es . 62. El grado en que los valores de una distribucin estn agrupados es una medida de . 63. En una distribucin de frecuencias, la mediana se encuentra en 0.5 de debido a que la mitad de los valores son menores o iguales a este valor. 64. La diferencia entre los valores del primer y tercer cuartiles es el rango . 65. La medida del cuadrado de la distancia promedio entre la media y cada observacin de la poblacin es . La raz cuadrada positiva de este valor es . 66. La expresin de la desviacin estndar como porcentaje de la media es . 67. El nmero de unidades de desviacin estndar que una observacin est arriba o abajo de la media se llama . 68. Los fractiles que dividen a los datos en 100 partes iguales se llaman .
PC-13
PC-14
INICIO Desea saber el promedio de los datos? S No Estn agrupados los datos? S Desea saber el promedio de los datos? S No Desea simplificar el clculo de la media? S No S Los elementos diferentes tienen niveles de importancia diferentes? No (f x ) n Use codificacin de marcas de clase y calcule la media aritmtica: (u f ) x = x0 w n Calcule la media ponderada de la muestra (w x ) xw = w Calcule la media aritmtica de poblacin: m= x N o de la muestra: x x= n
q Diagrama de flujo: Medidas de tendencia central y dispersin
No
Calcule la media aritmtica de la muestra:
x=
Calcule la tasa promedio de cambio usando la media geomtrica: S M.G. =
n Producto de todos los valores de x
Las cantidades cambian en un periodo? No
Desea conocer la observacin central de los datos? S
( )
Calcule la mediana: ( n 1) / 2 (F 1) w Lm fm
Calcule la mediana: th el elemento n + 1 2 del arreglo de datos
( )
Desea conocer la observacin central de los datos?
No
No
LMo
1
Calcule la moda: d1
Desea conocer el valor que se repite con ms frecuencia en el conjunto de datos?
(d
d2
)w
Uso limitado de la moda de datos no agrupados
Desea conocer el valor que se repite con ms frecuencia en el conjunto de datos?

No
No
TERMINAR
PC-15
PC-16 q Diagrama de flujo: Medidas de tendencia central y dispersin

INICIAR Desea medir la dispersin dentro de los datos? S Calcule el valor de la observacin ms alta menor el valor de la ms baja Desea conocer ms acerca de otras observaciones de los datos mientras evita los valores extremos? S No Calcule el rango intercuartil Q3 Q 1 Desea una medida mejor de la dispersin que tome en cuenta todas las observaciones? No S Calcule la varianza de la poblacin: m)2 2 = (x N o de la muestra (x x )2 2 s = n 1
Calcule la desviacin estndar de la poblacin: S s s2 o de la muestra:
Desea medir la dispersin en unidades ms convenientes?
s2
No
Desea saber a cuntas desviaciones estndar est una observacin arriba o abajo de la media? S No
Calcule el resultado estndar de la poblacin: x m s o de la muestra: x x s
Desea conocer una medida relativa de la magnitud de la desviacin estndar respecto a la magnitud de la media para usarla en la comparacin de dos distribuciones? S
Calcule el coeficiente de variacin: s (100) m
No

TERMINAR
PC-17
V V
F F
V V V
F F F
V V
F F
V V
F F
Imprima este texto y marque con un crculo la respuesta correcta o llene los espacios en blanco. Las respuestas correctas se encuentran en el archivo correspondiente en este mismo CD. 1. En la teora de la probabilidad, el resultado de algn experimento se conoce como actividad. 2. La probabilidad de que dos o ms eventos estadsticamente independientes se presenten de manera simultnea o consecutivamente es igual a la suma de sus probabilidades marginales. 3. Utilizando el teorema de Bayes podemos desarrollar las probabilidades, basndonos en nueva informacin; a estas probabilidades se les conoce tambin como probabilidades posteriores. 4. En probabilidad clsica, podemos determinar a priori las probabilidades basadas en un razonamiento lgico antes de que cualquier experimento se lleve a cabo. 5. El conjunto de todos los resultados posibles de un experimento se conoce como espacio muestral del experimento. 6. En condiciones de dependencia estadstica, una probabilidad marginal puede calcularse para algn evento simple si se toma el producto de las probabilidades de los eventos conjuntos en los que se presenta el evento simple. 7. Cuando una lista de eventos que resulta de algn experimento incluye todos los resultados posibles, se dice que la lista es colectivamente excluyente. 8. La probabilidad incondicional se conoce tambin como probabilidad marginal. 9. Una probabilidad subjetiva no es otra cosa que un pronstico emprico. 10. Cuando la presentacin de algn evento no tiene efecto sobre la probabilidad de presentacin de algn otro, se dice que los dos eventos son estadsticamente independientes. 11. Cuando se usa el planteamiento de frecuencia relativa, los clculos de probabilidad se hacen menos precisos para grandes cantidades de observaciones. 12. Simblicamente, una probabilidad marginal se expresa como P(AB). 13. Si A y B son dos eventos estadsticamente dependientes, la probabilidad de que se presenten A y B es P(A) P(B). 14. La probabilidad clsica supone que cada uno de los resultados posibles de un experimento es igualmente probable. 15. Una razn por la cual los tomadores de decisiones de alto nivel utilizan la probabilidad subjetiva es que deben enfrentarse a situaciones nicas. 16. Al hacer la estimacin de la probabilidad de algn evento, el planteamiento de frecuencia relativa de presentacin proporciona la mayor flexibilidad. 17. El teorema de Bayes es la frmula para calcular la probabilidad condicional en condiciones de dependencia estadstica. 18. Una desventaja del planteamiento subjetivo de la probabilidad es que presupone eventos diferentes. 19. El planteamiento de frecuencia relativa de la probabilidad proporcionar probabilidades estadsticas correctas despus de 100 intentos. 20. Cuando se utiliza el planteamiento subjetivo de la probabilidad, dos personas con la misma informacin pueden proporcionar respuestas distintas, pero igualmente correctas.
PC-19
A B C D E
A B C D
A B C D
A B C D E
A B C D E
A B C D
A B C D E
A B C D E
21. A y B son eventos independientes si P(A | B) P(B). 22. Si un evento no se ve afectado por el resultado de otro evento, se dice que ambos eventos son: a) Dependientes. b) Independientes. c) Mutuamente excluyentes. d) Todos los anteriores. e) Tanto b) como c). 23. Si P(A o B) P(A), entonces: a) A y B son mutuamente excluyentes. b) Las reas del diagrama de Venn de A y B se traslapan. c) P(A) P(B) es la probabilidad conjunta de A y B. d) Ninguno de los anteriores. 24. La probabilidad simple de que se presente un evento se conoce como a) Probabilidad bayesiana. b) Probabilidad conjunta. c) Probabilidad marginal. d) Probabilidad condicional. 25. Por qu los eventos resultantes de lanzar una moneda al aire son mutuamente excluyentes? a) Porque el resultado de cualquier lanzamiento no se ve afectado por los resultados de los lanzamientos que le anteceden. b) Porque no se pueden presentar cara y cruz en el mismo lanzamiento. c) Porque la probabilidad de obtener cara y la probabilidad de obtener cruz son las mismas. d) Por todas las anteriores. e) a) y b), pero no c). 26. Si se dibujara un diagrama de Venn para los eventos A y B, que son mutuamente excluyentes, qu cosa de lo siguiente sera siempre verdadero para A y B? a) Sus representaciones en el rectngulo se traslaparn. b) Sus representaciones en el rectngulo tendrn reas iguales. c) Sus representaciones en el rectngulo no se traslaparn. d) Ninguno de los anteriores. e) b) y c), pero no a). 27. Cul es la probabilidad de que un valor escogido al azar de una determinada poblacin sea mayor que la mediana de la poblacin? a) 0.25. b) 0.5. c) 1.0. d) 0.67. 28. Suponga que se lanza una sola vez un dado no cargado. Cul de lo siguiente es verdadero? a) La probabilidad de obtener un nmero mayor que 1 es 1 P(obtener 1). b) La probabilidad de obtener un 3 es 1 P(obtener 1, 2, 4, 5 o 6). c) La probabilidad de obtener un 5 o un 6 es mayor que la probabilidad de obtener un 3 o un 4. d) Todos los anteriores. e) a) y b), pero no c). 29. Si A y B son eventos mutuamente excluyentes, entonces P(A o B) P(A) P(B). De qu manera cambia el clculo de P(A o B) si A y B no son mutuamente excluyentes? a) P(AB) debe restarse de P(A) P(B). b) P(AB) debe sumarse a P(A) P(B). c) [P(A) P(B)] debe multiplicarse por P(AB). d) [P(A) P(B)] debe dividirse entre P(AB). e) Ninguno de los anteriores.
PC-20
A B C D E
A B C D E
A B C D E
A B C D E
A B C D E
A B C D E
A B C D
30. Leo C. Swartz, un chofer de taxi de Chicago, ha visto que el clima afecta la disposicin a dar propina de sus clientes. Si est lloviendo, sus clientes por lo general dan poco de propina. Si no est lloviendo, por lo general, dan buenas propinas. Cul de las afirmaciones siguientes son verdaderas? a) Propinas y clima son estadsticamente independientes. b) Las condiciones del clima que Leo toma en cuenta no son mutuamente excluyentes. c) P(buena propina| lluvia) es mayor que P(mala propina | lluvia). d) Ninguno de los anteriores. e) a) y c), pero no b). 31. Suponga que se lanza un dado dos veces consecutivas y que usted tiene que trazar el rbol de probabilidades que muestre todos los resultados posibles de los dos lanzamientos. Cuntas ramas tendr su rbol? a) 6. b) 12. c) 36. d) 42. e) 48. En las preguntas 32-34, remtase a la siguiente situacin: se colocan 10 bolas numeradas en una urna. Las bolas 1 a 4 son rojas y las bolas 5 a 10 son azules. 32. Cul es la probabilidad de que una bola sacada al azar de la urna sea azul? a) 0.1. b) 0.4. c) 0.6. d) 1.0. e) No se puede determinar desde la informacin dada. 33. La probabilidad de sacar la bola con el nmero 3, por supuesto, es de 0.1. Se saca una bola y sta es roja. Cul de las siguientes afirmaciones son verdaderas? a) P(bola #3 | bola sacada es roja) 0.1. b) P(bola #3 | bola sacada es roja) < 0.1. c) P(bola #3 | bola sacada es roja) > 0.1. d) P(bola sacada es roja|bola sacada fue #3) 0.25. e) c) y d) solamente. 34. En la pregunta 33, la probabilidad de sacar la bola nmero 3 fue considerada despus de que se haba sacado una bola roja. Las nuevas probabilidades que consideramos se conocen como: a) Exhaustivas. b) A priori. c) Marginales. d) Subjetivas. e) Ninguno de los anteriores. 35. Simblicamente, una probabilidad marginal es: a) P(AB). b) P(BA). c) P(B| A). d) P(ABC). e) Ninguno de los anteriores. 36. Si sumamos las probabilidades de los eventos condicionales en los que el evento A se presenta cuando estamos en condiciones de dependencia estadstica, el resultado es: a) La probabilidad marginal de A. b) La probabilidad conjunta de A. c) La probabilidad condicional de A. d) Ninguno de los anteriores.
PC-21
37. Uno de los resultados posibles de hacer algo es un . La actividad que produjo este resultado es un . 38. El conjunto de todos los resultados posibles de una actividad es el . 39. Una representacin grfica de los conceptos de probabilidad, que utiliza smbolos para representar resultados, es . 40. Los eventos que no se pueden presentar juntos se conocen como . 41. La probabilidad de que se presente un evento, dado que ya se present otro, se conoce como probabilidad . 42. En trminos de sus suposiciones, el planteamiento menos restrictivo del estudio de la probabilidad es el . 43. A menudo, el teorema de se utiliza en la toma de decisiones administrativas, debido a que proporciona formas de actualizar las estimaciones de probabilidad anteriores, basndose en nueva informacin. 44. Una lista es si incluye todos los resultados posibles que se pueden tener de un experimento. 45. Tres planteamientos diferentes del estudio de la probabilidad son el planteamiento , el planteamiento y el planteamiento .
PC-22
q Diagrama de flujo: Probabilidad 1. Ideas introductorias
INICIAR
Son los eventos mutuamente excluyentes? S
No
Regla de la adicin: P (A o B ) = P(A ) + P(B ) P(AB )
Regla de la adicin: P (A o B ) = P(A ) + P(B )
Son los eventos estadsticamente independientes? S
No
La probabilidad marginal de que se presente el evento A es P(A )
La probabilidad marginal de que se presente el evento A es la suma de la probabilidad de todos los eventos conjuntos en los que se presenta el evento A
La probabilidad conjunta de dos eventos que se presentan de manera simultnea o consecutivamente es P(AB ) = P(A ) P(B )
La probabilidad conjunta de que se presenten dos eventos de manera simultnea o consecutivamente es P(BA ) = P(B | A ) P(A )
La probabilidad condicional de que se presente un evento dado que otro ya se ha presentado es P (B | A ) = P(B )
La probabilidad condicional de que se presente un evento dado que otro ya se ha presentado es P(BA ) P(B | A ) = P(A )
ste es conocido como teorema de Bayes
Determine las probabilidades posteriores con el teorema de Bayes
TERMINAR
PC-23
Imprima este texto y marque con un crculo la respuesta correcta o llene los espacios en blanco. Las respuestas correctas se encuentran en el archivo correspondiente en este mismo CD.
V F
1. El valor esperado de un experimento se obtiene calculando el valor promedio aritmtico de todos los resultados del experimento. 2. El valor de z para algn punto x que se encuentra en una distribucin normal es el rea entre x y la media de la distribucin. 3. Las colas derecha e izquierda de la distribucin normal se extienden indefinidamente, sin tocar nunca el eje horizontal. 4. Para una distribucin normal, la media siempre se encuentra entre la moda y la mediana. 5. Toda el rea menos aproximadamente tres dcimos del 1% de una distribucin normal se encuentra dentro de 3 desviaciones estndar de la media. 6. El desarrollo de una tabla de prdida condicional es un trabajo tedioso cuando existen muchas acciones y resultados posibles, debido a que la prdida resultante de cada pareja accin/resultado debe incluirse en la tabla. 7. El rea bajo la curva de una distribucin normal entre la media y un punto situado a 1.8 desviaciones estndar por arriba de la media es mayor para una distribucin que tiene una media de 100 que para una distribucin que tiene una media de 0. 8. La distribucin normal puede utilizarse para aproximar la distribucin binomial cuando el nmero de ensayos, n, es mayor o igual a 60. 9. Los dos tipos de prdidas que analizamos al resolver un problema de almacenamiento de inventario son a) prdidas de oportunidad y b) prdidas de actividad. 10. Cuando la probabilidad de xito en un proceso de Bernoulli es del 50% ( p nomial es simtrica. 0.5), su distribucin bi-
11. Una distribucin de frecuencias da una lista de las frecuencias observadas para un experimento que ya se ha llevado a cabo; una distribucin de probabilidad da una lista de aquellos resultados que podran presentarse si el experimento se llevara a cabo. 12. El valor que una variable aleatoria puede tomar por lo general se puede predecir con respecto a una presentacin particular. 13. Una vez que el valor de p ya se ha determinado para un proceso de Bernoulli, el valor de q se calcula como 1 p. 14. Si el nmero esperado de llegadas a una oficina se calcula como cinco por hora, uno puede tener una confianza razonable de que cinco personas llegarn en la siguiente hora. 15. La distribucin binomial no es realmente necesaria, pues sus valores se pueden aproximar siempre por otra distribucin. 16. La estatura de los humanos adultos se puede describir mediante una distribucin de Poisson.
PC-25
17. Cualquier accin que minimice la prdida esperada, minimizar tambin la ganancia esperada. 18. Despus de 20 ensayos de un experimento, se crea una curva de distribucin con su forma definitiva. 19. Un ejemplo de una prdida de oportunidad podra ser la prdida de ventas debido a un exceso de madurez en la fruta de una tienda de abarrotes. 20. Una distribucin en la que la media y la mediana tienen diferentes valores nunca podr ser una distribucin normal. 21. La media de una distribucin binomial est dada por np. 22. Si la ganancia diaria esperada de un puesto de aguas frescas es de $13.45, entonces: a) la ganancia del da siguiente ser de $13.45. b) la ganancia del da siguiente ser menor que $13.45. c) la ganancia del da siguiente ser mayor que $13.45. d) la prdida del da siguiente ser de $13.45. e) Ninguno de los anteriores. 23. Para una distribucin binomial dada con n fija, si p < 0.5, entonces: a) la distribucin de Poisson proporcionar una buena aproximacin. b) la distribucin de Poisson proporcionar una mala aproximacin. c) la distribucin binomial estar sesgada hacia la izquierda. d) la distribucin binomial estar sesgada hacia la derecha. e) la distribucin binomial ser simtrica. 24. Suponga que tenemos una distribucin de Poisson con tamente 10 presentaciones es: a) 2 e . 10!
2 10 10
A B C D E
A B C D E
A B C D
2. Entonces la probabilidad de tener exac-
b)
210e 2!
c)
102e 10 . 10! 210e 2 . 10!
d)
A B C D E
25. Cul de las siguientes es una caracterstica de la distribucin de probabilidad para cualquier variable aleatoria? a) Se da una probabilidad para cada valor posible. b) La suma de todas las probabilidades es uno. c) No se presenta una probabilidad dada ms de una vez. d) Todos los anteriores. e) a) y b), pero no c). 26. Cul de las variables siguientes nunca podr ser descrita por una distribucin binomial? a) El nmero de partes defectuosas producidas en un proceso de ensamblaje. b) La cantidad de agua utilizada diariamente por una sola ama de casa. c) El nmero de personas de su grupo que pueden responder correctamente a esta pregunta. d) Todos los anteriores pueden ser descritas por una distribucin binomial.
A B C D
PC-26
A B C D E
27. Si p 0.4 para un proceso de Bernoulli, el clculo 3! tener: a) exactamente tres xitos en siete ensayos. b) exactamente cuatro xitos en siete ensayos. c) tres o ms xitos en siete ensayos. d) cuatro o ms xitos en siete ensayos. e) ninguno de los anteriores.
7! 4!
(0.4)3(0.6)4 da la probabilidad de ob-
A B C D E
28. Para distribuciones binomiales con p 0.2: a) Una distribucin con n 2,000 se aproximarla mejor a la distribucin normal que una con n 50. b) No importa qu valor se tenga de n, la distribucin est sesgada hacia la derecha. c) La grfica de esta distribucin con p 0.2 y n 100 sera exactamente la grfica inversa de la distribucin binomial con n 100 y p 0.8. d) Todos los anteriores. e) a) y b), pero no c). 29. Cul de las siguientes es una condicin necesaria para el uso de una distribucin de Poisson? a) La probabilidad de una llegada por segundo es constante. b) El nmero de llegadas en cualquier intervalo de un segundo es independiente de las llegadas en otros intervalos. c) La probabilidad de tener dos o ms llegadas en el mismo segundo es cero. d) Todos los anteriores. e) b) y c), pero no a). 30. En qu caso sera la distribucin de Poisson una buena aproximacin de la binomial? a) n 40, p 0.32. b) n 40, q 0.79. c) n 200, q 0.98. d) n 10, p 0.03. e) a) y c). f) Todos los anteriores. 31. Para una curva normal con 55 y 10, qu fraccin del rea total se encontrar bajo la curva a la derecha del valor 55? a) 1.0. b) 0.68. c) 0.5. d) 0.32. e) No se puede determinar de la informacin dada. 32. Suponga que est utilizando una distribucin normal para aproximar una distribucin binomial con 5y 2, y desea determinar la probabilidad de obtener ms de siete xitos. De la tabla normal, usted determinara la probabilidad de que z fuera mayor que: a) 0. b) 0.5. c) 0.75. d) 1.0. e) 1.25. f) 1.5.
A B C D E
A B C D E
A B C D E
A B C D E
PC-27
A B C D E
33. Para una curva de distribucin normal con una media de 120 y una desviacin estndar de 35, qu fraccin (en porcentaje) del rea bajo la curva estar entre los valores de 40 y 82? a) 12.7. b) 85.1. e) 13.8. d) 48.9. e) 12.1. f) 19.4. 34. Cules de las siguientes curvas normales se parece ms a la curva para 10 y 10. a) La curva para b) La curva para 20 y 10. 20 y 5. c) La curva para 12 y 3. d) La curva para e) a), c) y d). f) Ninguno de los anteriores. 10 y 5?
A B C D E
A B C D E
35. Una distribucin binomial puede ser aproximada por una distribucin de Poisson si: a) n es grande y p es grande. b) n es pequea y p es grande. c) n es pequea y p es pequea. d) Ninguno de las anteriores. e) a) y b), pero no c). 36. La desviacin estndar de una distribucin binomial depende de: a) La probabilidad de xito. b) La probabilidad de fracaso. c) El nmero de ensayos. d) a) y b), pero no c). e) b) y c), pero no a). f) a), b) y c). 37. El promedio ponderado de los resultados de un experimento se conoce como .
A B C D E
38. La distribucin que trata solamente en trminos de xitos y fracasos se conoce como distribucin
. Se le utiliza normalmente para describir un . 39. Cuando aproximamos una distribucin binomial mediante una distribucin normal, debe utilizarse un factor de correccin de . 40. La media de una distribucin binomial, , se puede calcular como ya se conocen. La desviacin estndar, , se calcula como , cuando n y p .
41. Para una distribucin de Poisson, el smbolo que representa el nmero medio de presentaciones por intervalo es . 42. Una lista de las probabilidades de los resultados que se podran obtener en un experimento, si ste se llevara a cabo, se conoce como . 43. Los dos parmetros que son necesarios para describir una distribucin normal son y .
PC-28
44. Una sultados de un experimento. 45. Las distribuciones
es una variable que toma diferentes valores de acuerdo con los re-
solamente pueden tomar un nmero lipueden
mitado de valores, mientras que las distribuciones tomar cualquier valor dentro de un intervalo.
PC-29
PC-30
INICIAR
S
q Diagrama de flujo: Distribuciones de probabilidad

Desea conocer la distribucin terica de frecuencias asociada con los resultados posibles de un experimento?
No S No 1 Puede el nmero medio de llegadas por unidad de tiempo ser estimado a partir de datos anteriores? 2 Es la probabilidad de tener exactamente una llegada en un intervalo un nmero muy pequeo y constante? 3 Es la probabilidad de que dos o ms llegadas se presenten en un mismo intervalo un nmero tan pequeo que le podemos asignar el valor de cero? 4 Es el nmero de llegadas por intervalo un evento independiente del tiempo? 5 Es el nmero de llegadas por intervalo en cualquier otro intervalo? No No Consulte a un especialista en estadstica acerca de otras distribuciones posibles S S S
Escoja la distribucin de probabilidad adecuada:
Son las variables aleatorias (los resultados del experimento) discretas?
1 Cada ensayo tiene dos resultados posibles? 2 La probabilidad de obtener el resultado de cualquier ensayo permanece fija en el tiempo? 3 Son los intentos estadsticamente independientes?
1 La curva tiene slo un punto mximo? 2 La media se encuentra en el centro de la curva? 3 Es simtrica la curva? 4 Las dos colas de la curva se extienden de manera indefinida y nunca tocan el eje horizontal?
Utilice la distribucin de Poisson y la frmula: Probabilidad de x presentaciones = x e x!
Utilice la distribucin binomial y la frmula: Probabilidad de r xitos en n ensayos = n! p rq nr r ! (n r) !
Utilice la distribucin normal y la tabla de probabilidades normal estndar, con x z=
Yes Es n 20 y p .05?
x np P(x) = (np) e x!
Puede utilizar la distribucin de Poisson como una aproximacin de la distribucin binomial:
TERMINAR
No
Yes Es np 5 y nq 5?
Puede utilizar la distribucin normal como una aproximacin de la distribucin binomial, con = np and = npq

TERMINAR
PC-31
V F
1. Cuando los elementos incluidos en una muestra se basan en el juicio del individuo que conduce la muestra, se dice que la muestra es no aleatoria. 2. Una estadstica es una caracterstica de una poblacin. 3. Un plan de muestreo que selecciona miembros de una poblacin a intervalos uniformes con respecto al tiempo, al orden o al espacio se denomina muestreo estratificado. 4 Como regla general, no es necesario incluir un multiplicador de poblacin finita en el clculo del error estndar de la media cuando el tamao de la muestra es mayor que 50. 5. La distribucin de probabilidad de todas las medias posibles de muestras se conoce como la distribucin de muestreo de la media. 6. Los principios de muestreo aleatorio simple son la base terica de la inferencia estadstica. 7. El error estndar de la media es la desviacin estndar de la distribucin de medias de la muestra. 8. Un plan de muestreo que divide a la poblacin en grupos bien definidos de los cuales se extraen muestras aleatorias se conoce como muestreo de racimo. 9. Con un mayor tamao de muestra, la distribucin de muestreo de la media se aproxima a la normalidad, sin importar la distribucin de la poblacin. 10. El error estndar de la media disminuye en proporcin directa al tamao de muestra. 11. Para realizar una enumeracin completa, se debe examinar cada elemento de una poblacin. 12. En la vida diaria vemos muchos ejemplos de poblaciones infinitas de objetos fsicos. 13. Para obtener una distribucin terica de muestreo, consideramos todas las muestras de un tamao dado.
V V
F F
V V V
F F F
V V V V V V
F F F F F F
14. Las muestras grandes son siempre una buena idea, porque disminuyen el error estndar.
15. Si la media de una cierta poblacin fuera 15, es probable que la mayor parte de las muestras que podramos tomar de esa poblacin tuviera medias de 15. 16. La precisin de una muestra est determinada por el nmero de elementos de la muestra y no por la fraccin de la poblacin total muestreada. 17. El error estndar de una estadstica de muestra es la desviacin estndar de su distribucin de muestreo. 18. El muestreo de juicio tiene la desventaja de que puede perder cierta representatividad de una muestra. 19. La fraccin de muestreo compara el tamao de una muestra con el tamao de la poblacin. 20. Cualquier distribucin de muestreo puede ser descrita totalmente por su media y su desviacin estndar. 21. La precisin con la que puede usarse la media de muestra para estimar la media de poblacin disminuye al incrementarse el error estndar. 22. Cul de los siguientes es un mtodo para seleccionar muestras de una poblacin? a) Muestreo de juicio. b) Muestreo aleatorio. c) Muestreo de probabilidad. d) Todos los anteriores. e) a) y b), pero no c).
V V V V V
F F F F F
A B C D E
PC-33
A B C D E
A B C D E
A B C D E
23. Elija el par de smbolos que mejor complete esta oracin: es un parmetro, mientras que es una estadstica. a) N, . b) , s. c) N, n. d) Todos los anteriores. e) b) y c), pero no a). 24. En un muestreo aleatorio, podemos describir matemticamente lo objetivo de nuestras estimaciones. Por qu? a) Siempre sabemos la probabilidad de que cualquier elemento de la poblacin se incluya en la muestra. b) Toda muestra siempre tiene una oportunidad igual de ser seleccionada. c) Todas las muestras son exactamente del mismo tamao y pueden contarse. d) Ninguno de las anteriores. e) a) y b), pero no c). 25. Suponga que est efectuando un muestreo estratificado sobre una poblacin particular y que la ha dividido en estratos de tamaos diferentes. Cmo puede hacer ahora su seleccin de muestras? a) Seleccionando aleatoriamente un nmero igual de elementos de cada estrato. b) Extrayendo un nmero igual de elementos de cada estrato y valorando los resultados. c) Extrayendo elementos de cada estrato proporcionales a sus valores en la poblacin. d) Slo a) y b). e) Slo b) y c). 26. En cul de las siguientes situaciones
x
A B C D E
sera la frmula correcta para calcular
x?
A B C D E
27.
A B C D
28.
A B C D
29.
A B C
30.
a) El muestreo es de una poblacin infinita. b) El muestreo es de una poblacin finita con reemplazo. c) El muestreo es de una poblacin finita sin reemplazo. d) Slo a) y b). e) Slo b) y c). La dispersin entre medias de muestra es menor que la dispersin entre los mismos elementos muestreados porque: a) Cada muestra es menor que la poblacin de la que se extrae. b) Los valores muy grandes se promedian hacia abajo, y los valores muy pequeos hacia arriba. c) Los elementos muestreados se extraen todos de la misma poblacin. d) Ninguno de los anteriores. e) b) y c), pero no a). Suponga que una poblacin con N 144 tiene 24. Cul es la media de la distribucin de muestreo de la media para muestras de tamao 25? a) 24. b) 2. c) 4.8. d) No puede determinarse de la informacin dada. El teorema del lmite central nos asegura que la distribucin de muestreo de la media: a) Es siempre normal. b) Es siempre normal para tamaos grandes de muestra. c) Se aproxima a la normalidad al tiempo que se incrementa el tamao de muestra. d) Parece normal slo cuando N es mayor que 1,000. Supongamos que, para una cierta poblacin, se tiene que x tiene el valor de 20 cuando se toman muestras de tamao 25, y el valor de 10 cuando se toman muestras de tamao 100. Al cuadruplicar el tamao de la muestra, entonces, slo se dividi a la mitad x. Podemos concluir que el aumentar el tamao de la muestra es: a) Siempre eficaz en cuanto al costo. b) Algunas veces es eficaz en cuanto al costo. c) Nunca es eficaz en cuanto al costo.
PC-34
A B C D
A B C D E
A B C D
A B C D
A B C D E
A B C D
31. Remtase nuevamente a los datos de la pregunta 30. Cul debe ser el valor para esta poblacin infinita? a) 1,000. b) 500. c) 377.5. d) 100. 32. El multiplicador de poblacin finita no tiene que usarse cuando la fraccin de muestreo es: a) Mayor que 0.05. b) Mayor que 0.50. c) Menor que 0.50. d) Mayor que 0.90. e) Ninguno de los anteriores. 33. El error estndar de la media de un tamao de muestra de dos o ms es: a) Siempre mayor que la desviacin estndar de la poblacin. b) Generalmente mayor que la desviacin estndar de la poblacin. c) Generalmente menor que la desviacin estndar de la poblacin. d) Ninguno de los anteriores. 34. Un punto de inspeccin de la patrulla fronteriza que detiene a todo camin de pasajeros utiliza: a) Muestreo aleatorio simple. b) Muestreo sistemtico. c) Muestreo estratificado. d) Enumeracin completa. 35. En una poblacin normalmente distribuida, la distribucin de muestreo de la media: a) Est normalmente distribuida. b) Tiene una media igual a la media de la poblacin. c) Tiene una desviacin estndar igual a la desviacin estndar de la poblacin dividida entre la raz cuadrada de un tamao de muestra. d) Todos los anteriores. e) Tanto a) como b). 36. El teorema del lmite central: a) Requiere cierto conocimiento de la distribucin de frecuencia. b) Nos permite utilizar estadsticas de muestra para hacer inferencias con respecto a parmetros de poblacin. c) Relaciona la forma de una distribucin de muestreo de la media con la media de la muestra. d) Requiere que una muestra contenga menos de 30 observaciones. 37. Una porcin de los elementos de una poblacin elegidos para su examen o medicin directa es una . 38. La proporcin de la poblacin contenida en una muestra es la . 39. es el proceso mediante el cual se hacen inferencias acerca de una poblacin a partir de informacin sobre una muestra. 40. La es la distribucin que se obtiene al encontrar la distribucin de muestreo de todas las muestras de un tamao dado de una poblacin. 41. El muestreo se debe usar cuando cada grupo considerado tiene una pequea variacin dentro de s mismo, pero hay una amplia variacin entre diferentes grupos. 42. Un mtodo aleatorio en el que los elementos se seleccionan a partir de la poblacin a intervalos uniformes se denomina muestreo . 43. es el grado de precisin con el cual la media de muestra puede estimar la media de poblacin. 44. Dentro de una poblacin, los grupos que son similares entre s (aunque los grupos mismos tengan una amplia variacin interna) se conocen como . 45. Una distribucin de muestreo de la porcin es la distribucin de probabilidad de
PC-35
PC-36
INICIAR
Utilice muestreo o distribuciones de muestreo para hacer inferencias acerca de una poblacin sin contar o medir cada elemento de la poblacin Se emplea la experiencia acerca de la poblacin para seleccionar la muestra? S Esto es muestreo de juicio No Esto es el muestreo aleatorio: todos los elementos de la poblacin tienen oportunidad de ser seleccionados en la muestra Use muestreo aleatorio simple empleando la tabla de los dgitos aleatorios S Desea que cada muestra posible tenga una probabilidad igual de ser seleccionada que cada elemento de la poblacin tenga una oportunidad igual de ser incluido en la muestra? No Desea que cada elemento tenga una oportunidad igual de ser seleccionado, pero que cada muestra no tenga una oportunidad igual de ser seleccionada? S Utilice el muestreo sistemtico No
q Muestreo y distribucin de muestreo
Utilice el muestreo de racimo S
Est la poblacin ya dividida en grupos, teniendo cada grupo una amplia variacin dentro de s mismo y desea garantizar que todo elemento de la poblacin tenga la oportunidad de ser seleccionado? No S
Utilice el muestreo estratificado
Est la poblacin ya dividida en grupos, teniendo cada grupo una pequea variacin dentro de s mismo y desea garantizar que todo elemento de la poblacin tenga la oportunidad de ser seleccionado?
No
La distribucin de muestreo de x , la media de muestra, tiene No

S
La poblacin es infinita? mx = m sx = s
La distribucin de muestreo de x , la media de muestra, tiene
mx = m sx = s n
Nn N1 n
Est la poblacin normalmente distribuida? No
Es n > 30?
No
Consulte a un estadstico
S S

Para hacer afirmaciones estadsticas respecto a x, utilice la distribucin normal estndar con, TERMINAR z=
x mx sx
El teorema del lmite central permite inferencias acerca de las poblaciones sin conocer la forma de la distribucin de frecuencia de la poblacin, slo con lo que obtenemos de la muestra; la distribucin de muestreo de la media se aproximar a la normalidad al incrementarse el tamao de muestra
PC-37
V F
l. Se dice que un estadstico es un estimador eficiente de un parmetro si, al aumentar el tamao de la muestra, es casi seguro que el valor del estadstico se acerca mucho al valor del parmetro. 2. Una estimacin de intervalo es un intervalo de valores utilizado para estimar la forma de la distribucin de una poblacin. 3. Si un estadstico tiende a tomar valores mayores que el parmetro de la poblacin con la misma frecuencia con que tiende a tomar valores menores, decimos que el estadstico es un estimador no sesgado del parmetro. 4. La probabilidad de que un parmetro de poblacin se encuentre dentro de una estimacin de intervalo dada se conoce como nivel de confianza. 5. Al aumentar el tamao de la muestra, la distribucin t tiende a una forma ms plana. 6. Debemos utilizar siempre la distribucin t, y no la distribucin normal, cuando se desconoce la desviacin estndar de la poblacin. 7. Podemos obtener una burda estimacin de la desviacin estndar de alguna poblacin si tenemos alguna informacin acerca de su alcance. 8. Cuando se utiliza la distribucin t para hacer estimaciones, se debe suponer que la poblacin es aproximadamente normal. 9. No siempre es deseable utilizar niveles de confianza altos, debido a que producen intervalos de confianza grandes. 10. Existe una distribucin t distinta para cada posible tamao de muestra. 11. Una estimacin puntual a menudo resulta insuficiente, porque slo puede ser correcta o incorrecta. 12. Se dice que una media de muestra es un estimador no sesgado o imparcial de una media de poblacin debido a que ningn otro estimador podra extraer de la muestra informacin adicional acerca de la media de la poblacin. 13. El estimador de que se utiliza con ms frecuencia es s. p(1 p) / n.
V V
F F
V V V
F F F
14. El error estndar de la poblacin se calcula como
15. El nmero de grados de libertad que se utilizan en una estimacin de distribucin t es igual al tamao de la muestra. 16. Conforme aumenta el tamao de la muestra, la distribucin t se aproxima menos a una distribucin normal.
PC-39
17. No es necesario usar la distribucin t en estimacin si se conoce la desviacin estndar de la poblacin. 18. La mediana de la muestra es siempre el mejor estimador de la mediana de la poblacin. 19. Conforme aumenta el ancho de un intervalo de confianza, el nivel de confianza asociado con el intervalo tambin se incrementa. 20. La estimacin del error estndar de la media de una poblacin finita utilizando la estimacin de la desviacin estndar de la poblacin, requiere que se use la distribucin t para calcular los intervalos de confianza subsecuentes. 21. Los porcentajes que se encuentran en la tabla de la distribucin t corresponden a la probabilidad de que el parmetro verdadero de la poblacin se encuentre fuera del intervalo de confianza. 22. En una distribucin normal, 100% de la poblacin se encuentra dentro de tndar de la media. 3 desviaciones es-
V V
F F
A B C D E
23. Cuando escogemos un estimador de un parmetro de poblacin, debe tomarse en cuenta: a) Suficiencia. b) Claridad. c) Eficiencia. d) Todos los anteriores. e) a) y c), pero no b). 24. Suponga que se pregunt a 200 miembros de un grupo si les gusta o no un producto en particular. 50 dicen que s y 150 dicen que no. Suponiendo que s significa un xito, cul de las siguientes es correcta? a) p 0.33. b) p 0.25. c) p 0.33. d) p 0.25. e) b) y d), solamente. 25. Suponga que est tomando una muestra y calcula x 100. Despus calcula el lmite superior de un intervalo de confianza del 90% para ; su valor es 112. Cul es el lmite inferior de este intervalo de confianza? a) 88. b) 92. c) 100. d) No se puede determinar a partir de la informacin proporcionada. 26. Despus de tomar una muestra y calcular x, un especialista en estadstica dice: tengo el 88% de certeza de que la media de la poblacin est entre 106 y 122. Qu es lo que quiere decir en realidad? a) La probabilidad de que se encuentre entre 106 y 122 es de 0.88. b) La probabilidad de que 114, el punto medio del intervalo, es de 0.88. c) El 88% de los intervalos calculados a partir de las muestras de este tamao contendr a la media de la poblacin. d) Todos los anteriores. e) a) y c), pero no b).
A B C D E
A B C D
A B C D E
PC-40
A B C D E
27. Cul de las siguientes es una condicin necesaria para utilizar una tabla de distribucin t? a) n es pequeo. b) Se conoce s, pero no . c) La poblacin es infinita. d) Todos los anteriores. e) a) y b), pero no c). 28. Cul de las siguientes distribuciones t se esperara que tuviera la mayor rea en sus colas? a) x 0.83, grados de libertad 12. b) x 15, grados de libertad 19. c) x 15, n 19. d) x 8.3, n 12. 29. Cul de las siguientes es una diferencia entre las tablas z y las tablas t? a) La tabla t slo tiene valores para unos cuantos porcentajes. b) La tabla t mide la probabilidad de que el parmetro de poblacin que estamos estimando est en nuestro intervalo de confianza. c) Debemos especificar los grados de libertad con los que estamos tratando cuando utilizamos una tabla z. d) Todos los anteriores. e) a) y b), pero no c). 30. Suponga que intentamos estimar una varianza de poblacin utilizando s2. No es correcto calcular s2 como (x x)2/n debido a que el valor sera: a) Sesgado. b) Ineficiente. c) Inconsistente. d) Insuficiente. 31. Al considerar muestras cuyo tamao es mayor que 30, utilizamos la tabla normal, aun cuando se desconozca la desviacin estndar de la poblacin. Por qu? a) El clculo de los grados de libertad se vuelve difcil para muestras de tamao grande. b) El nmero de porcentajes que necesitamos para el clculo de los intervalos de confianza excede al nmero de los contenidos en las tablas t. c) Es difcil calcular x (y en consecuencia s2) para muestras grandes. d) Ninguno de los anteriores. e) a) y c), pero no b). 32. Suponga que, de una poblacin con N 50, se toma una muestra de tamao 15; se sabe que 2 es igual a 36 y que s2 para la muestra es 49; la x para la muestra se calcula en 104. Cul de las siguientes deber utilizarse para calcular un intervalo de confianza del 95% para ? a) La distribucin t de Student. b) La distribucin normal. c) Multiplicador de poblacin finita. d) a) y c), pero no b). e) b) y c), pero no a). 33. Podemos utilizar la distribucin normal para representar la distribucin muestral de la poblacin cuando: a) El tamao de la muestra es mayor que 10. b) El tamao de la muestra es menor que 50. c) El tamao de la muestra es mayor que 5. d) Ninguno de los anteriores.
A B C D
A B C D E
A B C D E
A B C D E
A B C D E
A B C D
PC-41
A B C D E
34. Si una estadstica subestima un parmetro de poblacin en el mismo grado en que lo sobrestima, podemos llamarlo: a) Consistente. b) Suficiente. c) Eficiente. d) Todos los anteriores. e) Ninguno de los anteriores. 35. Si no se conoce la informacin sobre la proporcin de poblacin, el error estndar de la proporcin puede estimarse mediante la frmula: a) b) c) d) npq. q np . pq/n. p /n. q
A B C D
A B C D
36. Se sabe que la estatura promedio de los 25 estudiantes del curso de matemticas de dcimo ao del maestro Stanton es de 66 pulgadas. Al elaborar un intervalo de confianza del 95% para la estatura promedio de todos los alumnos del dcimo ao, deberamos usar: a) La distribucin normal con 24 grados de libertad. b) La distribucin t con 24 grados de libertad. c) La distribucin t con 65 grados de libertad. d) La distribucin t con 25 grados de libertad. 37. Cierta poblacin con distribucin normal tiene una desviacin estndar conocida de 1.0. Cul es el ancho total de un intervalo de confianza del 95% para la media de la poblacin? a) 1.96. b) 0.98. c) 3.92. d) No se puede determinar con la informacin proporcionada. 38. Un solo nmero que se utiliza para estimar un parmetro de poblacin desconocido es un(a) . 39. Un intervalo de valores que se utiliza para estimar un parmetro de poblacin desconocido es un(a) . 40. Una vez que sabemos algo acerca de una muestra, el nmero de valores de la muestra que podemos especificar libremente se conoce como . 41. La familia de distribuciones de probabilidad que se utiliza cuando no se conoce la desviacin estndar de la poblacin, el tamao de la muestra es pequeo y los valores se aproximan a la distribucin normal es el (la) . 42. Cuando damos una estimacin de intervalo de un parmetro de poblacin, hacemos notar qu tan seguros estamos de que el intervalo contiene al parmetro real de la poblacin, estableciendo un . 43. Los lmites superior e inferior de confianza estn a la misma . de la
A B C D E
PC-42
44. Tericamente, la distribucin es la distribucin correcta para la construccin de intervalos de confianza para estimar una proporcin de poblacin. 45. En ausencia de informacin adicional, debera utilizarse un valor de para p al determinar el tamao de muestra para la estimacin de una proporcin de poblacin.
PC-43
PC-44 q Diagrama de flujo: Estimacin

INICIAR Para estimar una caracterstica de poblacin mediante la observacin de dicha caracterstica en una muestra, primero haga una estimacin puntual: x es el estimador de m s es el estimador de s s 2 es el estimador de s 2 p es el estimador de p Desea saber el alcance del error de la estimacin y la probabilidad de que el parmetro verdadero de la poblacin est dentro de ese alcance? No TERMINAR S Para hacer una estimacin de intervalo: Escoja un nivel de confianza Determine el tamao de muestra necesario El parmetro de inters es p o m? m Existen muchos casos diferentes, dependiendo de si 1. La poblacin es finita 2. La poblacin es normal 3. Se conoce 4. n es mayor que 30. Vea la tabla 7-5

p
Es Consulte a un especialista en estadstica No
n 30, np 5 y nq 5?
S
Es la poblacin infinita? No Consulte a un especialista en estadstica
^ sp =
pq n
Determine el valor apropiado de z
Los lmites del intervalo de confianza son: ^ p z sp

TERMINAR
PC-45
V V
F F
V V
F F
V V
F F
Imprima este texto y marque con un crculo la respuesta correcta o llene los espacios en blanco. Las respuestas correctas se encuentran en el archivo correspondiente en este mismo CD. 1. En la prueba de hiptesis, suponemos que algn parmetro de poblacin toma un valor particular antes de muestrear. Esta suposicin que se va a probar se denomina hiptesis alternativa. 2. Suponiendo que una hiptesis dada acerca de la media de una poblacin es correcta, el porcentaje de medias muestrales que pudieran caer fuera de ciertos lmites de esta media hipottica se denomina nivel de significancia. 3. En la prueba de hiptesis, la distribucin de probabilidad apropiada es siempre la distribucin normal. 4. Si cometiramos un error tipo I, rechazaramos una hiptesis nula cuando realmente es verdadera. 5. Una prueba en la escala sin procesar o en la escala estandarizada nos lleva a la misma conclusin. 6. S 1.96 es el valor crtico de z, entonces el nivel de significancia de la prueba es 0.05. 80 y H1: < 80, es apropiado utilizar una 7. Si nuestras hiptesis nula y alternativa son H0: prueba de cola izquierda. 8. Si la media de muestra estandarizada est entre cero y el valor crtico, entonces no se rechaza H0. 9. El valor 1 se conoce como la potencia de la prueba. 10. Despus de realizar una prueba de una cola y rechazar H0, se da cuenta de que debi haber hecho una prueba de dos colas, al mismo nivel de significancia. Tambin rechazar H0 para esa prueba. 11. A menudo, aunque no siempre, es posible establecer el valor de de manera que obtengamos un trueque sin riesgos en la prueba de hiptesis. 12. Imagine que efecta una prueba de hiptesis de dos colas sobre una media de poblacin y ha establecido 0.05. Si el estadstico muestral cae dentro de 0.95 del rea alrededor de H0, usted ha probado que la hiptesis nula es cierta. 13. Si las pruebas de hiptesis se hicieran a un nivel de significancia de 0.60, la hiptesis nula generalmente se aceptara cuando no es cierta. 14. Si H0 50 y 0.05, entonces 1 debe ser igual a 0.95 cuando 50. 15. Para un nivel de significancia dado, los valores crticos de t se acercan a cero cuando crece el tamao de la muestra. 16. Elegir el nivel de significancia apropiado es ms fcil que elegir la prueba correcta que se debe utilizar. 17. Existen mtodos matemticos que garantizan que el nivel de significancia seleccionado siempre ser el adecuado. 18. La prueba de hiptesis nos ayuda a sacar conclusiones sobre parmetros estimados.
PC-47
A B C D
A B C D
A B C D E
A B C D E
A B C D
A B C D E
19. Una prueba de hiptesis ser til para determinar si una media de poblacin es 45 o 60 (es decir, H0: 45; H1: 60). 20. La prueba de hiptesis no es infalible al probar la verdad respecto a valor de un parmetro de poblacin. 21. Es apropiado utilizar la potencia de una prueba de hiptesis slo con pruebas de una cola. 22. Un fabricante de automviles importante ha tenido que retirar varios modelos de su lnea 1993 debido a problemas de control de calidad que no fueron descubiertos con los procedimientos finales de inspeccin aleatoria. ste es un ejemplo de: a) Error tipo I. b) Error tipo II. c) Error tipo I y error tipo II. d) Ningn tipo de error. 23. Si n 24 y 0.05, entonces el valor crtico de t para probar las hiptesis H0: 38 y H1: < 38 es: a) 2.069. b) 1.714. c) 1.714. d) 2.069. 24. Para probar hiptesis acerca de la media de una poblacin normal con desviacin estndar conocida, podemos comparar: a) El valor observado de x con el valor crtico de x. b) El valor observado de x con el valor crtico de z. c) El valor observado de z con el valor crtico de x. d) El valor observado de z con el valor crtico de z. e) Cualquiera de a) o d). 25. Si decimos que 0.10 para una prueba de hiptesis dada, entonces estamos diciendo que: a) 10% es nuestro estndar mnimo para una probabilidad aceptable. b) 10% es el riesgo que corremos de rechazar una hiptesis que es cierta. c) 10% es el riesgo que corremos de aceptar una hiptesis que es falsa. d) a) y b) solamente. e) a) y c) solamente. 26. Suponga que deseamos probar si una media de poblacin es significativamente mayor o menor que 10. Tomamos una muestra y encontramos x 8. Cul debe ser nuestra hiptesis alternativa? a) < 10. b) 10. c) > 10. d) No puede determinarse de la informacin dada. 27. Suponga que se realiza una prueba de hiptesis para un proceso en el que un error tipo I puede ser muy costoso, pero un error tipo II puede resultar relativamente barato y sin importancia. Cul de los siguientes sera la mejor eleccin para en esta prueba? a) 0.01. b) 0.10. c) 0.25. d) 0.50. e) Ninguno de los anteriores.
PC-48
A B C D
A B C D E
A B C D E
A B C D
A B C D
A B C D E
A B C D E
A B C D
28. Usted realiza una prueba de cola derecha sobre una media de poblacin y no conoce . Toma una muestra de tamao 26 y calcula x y s. A un nivel de significancia de 0.01, en dnde buscara el valor crtico para la prueba? a) La tabla z, donde 0.99 del rea est a la izquierda del valor z. b) La tabla z, donde 0.98 del rea est a la izquierda del valor z. c) La tabla t, con 25 grados de libertad y la columna de 0.02. d) La tabla t, con 25 grados de libertad y la columna de 0.0l. 29. Cuando usamos la proporcin de la muestra p para probar las hiptesis H0: p pH0 y H1: p pH0, el error estndar de p es: a) pq/n. b) pq/n. c) pH0qH0/n. d) pH0qH0/n. e) Ninguno de los anteriores. 30. Para una prueba de hiptesis dada, 0.05 y 0.10. La potencia de esta prueba es: a) 0.15. b) 0.90. c) 0.85. d) 0.95. e) 0.25. f) Ninguno de los anteriores. 0.1, la regin de aceptacin es toda la regin: 31. Para una prueba de hiptesis de dos colas, con a) A la derecha del valor crtico negativo. b) Entre los dos valores crticos. c) Fuera de los dos valores crticos. d) A la izquierda del valor crtico positivo. 32. La distribucin normal es la distribucin apropiada para usar al probar hiptesis respecto a: a) Una proporcin, cuando npH0 > 5 y nqH0 > 5. b) Una media, cuando es conocida y la poblacin es normal. c) Una media, cuando es desconocida, pero n es grande. d) Todos los anteriores. 33. Cuando se acepta una hiptesis nula, es posible que: a) Se haya tomado una decisin correcta. b) Se haya cometido un error tipo I. c) Haya ocurrido tanto a) como b). d) No haya ocurrido a) ni b). e) Ninguno de los anteriores. 34. Cuando la hiptesis nula es H0: 42, la hiptesis alternativa puede ser: a) H1: 42. b) H1: < 42. c) H1: 40. d) H1: 40. e) Ninguno de los anteriores. 35. Con un nivel de significancia ms bajo, la probabilidad de rechazar una hiptesis nula que de hecho es cierta: a) Disminuye. b) Permanece igual. c) Se incrementa. d) Todos los anteriores.
PC-49
A B C D E
36. Los responsables de la toma de decisiones deciden el nivel de significancia apropiado al examinar el costo de: a) Efectuar la prueba. b) Un error tipo I. c) Un error tipo lI. d) a) y b). e) a) y c). f) b) y c). 37. Los valores observados x y los valores crticos z no se pueden comparar de manera directa porque estn dados en dos diferentes. 38. Con el fin de usar la distribucin t para probar hiptesis acerca de la media de una poblacin, debe suponerse que la poblacin tiene una distribucin y que su desviacin estndar es . 39. Para estar seguros de que la prueba de hiptesis trabaja correctamente, es mejor que el valor de 1 est tan cerca de como sea posible. 40. La potencia de una prueba se refiere a la habilidad de la prueba para la hiptesis cuando en realidad es . 41. Una suposicin o especulacin acerca del valor de un parmetro es una . 42. Aceptar una hiptesis nula cuando es falsa constituye un error tipo y su probabilidad se identifica con . 43. La suposicin acerca de un parmetro que deseamos probar es la hiptesis ; la conclusin que aceptamos cuando los datos no la apoyan es la hiptesis . 44. Una prueba de hiptesis que involucra dos regiones de rechazo se conoce como una prueba de dos . 10 y la hiptesis alternativa es > 10, la prueba apropiada para este 45. Si la hiptesis nula es caso sera una prueba .
PC-50
q Diagrama de flujo: Pruebas de hiptesis de una sola muestra

INICIAR
Use la prueba de hiptesis para determinar si es razonable concluir a partir del anlisis de una muestra que toda la poblacin posee cierta propiedad
Decida si sta es una prueba de dos colas o de una cola. Establezca su hiptesis. Seleccione un nivel de significancia apropiado para esta decisin
Decida qu distribucin (t o z) es la adecuada (vea la tabla 8-1) y encuentre el valor crtico para el nivel de significancia elegido en la tabla adecuada del apndice
Calcule el error estndar del estadstico muestral. Use el error estndar para estandarizar el valor de la muestra observado
Bosqueje la distribucin y seale la posicin del valor muestral estandarizado y los valores crticos para la prueba
No
Est el estadstico muestral dentro de la regin de
Rechace Ho
Acepte Ho
Traduzca los resultados estadsticos en acciones administrativas apropiadas
TERMINAR
PC-51
V F
l. Una prueba de diferencias por pares resulta apropiada cuando las dos muestras que se prueban son dependientes entre s. 2. Una prueba de una cola para la diferencia entre medias puede llevarse a cabo cuando el tamao de las muestras es grande o pequeo y los procedimientos son similares. La nica diferencia es que cuando el tamao de muestra es grande, utilizamos la distribucin normal, mientras que cuando los tamaos de muestra son pequeos se usa la distribucin t. 3. En la prueba de hiptesis sobre la diferencia de dos medias, suponga que el tamao de las muestras es grande. Si no conocemos las desviaciones estndar reales de las dos poblaciones, podemos utilizar las desviaciones estndar de las muestras como estimaciones. 4. Si tomamos dos muestras independientes y hacemos una prueba de hiptesis para ver si sus medias son significativamente distintas, encontraramos que los resultados son muy parecidos a los de una prueba de diferencias por pares llevada a cabo en las mismas dos muestras. 5. Cuando hacemos una prueba de dos colas para la diferencia entre medias, con la hiptesis nula 1 2, la diferencia hipottica entre las dos medias de poblacin es cero. 6. No se pueden determinar exactamente los valores P (a partir de la tabla), cuando utilizamos la distribucin t en la prueba de una hiptesis. 7. Las pruebas de dos muestras se utilizan para llegar a conclusiones acerca de la relacin entre dos poblaciones. 8. Cuando los tamaos de muestra son pequeos, slo se pueden realizar pruebas de una cola de la diferencia entre dos medias de las dos poblaciones. 9. Cuando la hiptesis nula para probar la diferencia entre dos proporciones de poblacin es H0: p1 p2, se combinan las dos muestras para estimar la proporcin de la poblacin combinada. 10. La mayor parte de los paquetes estadsticos de computacin no dan valores P para la prueba de hiptesis, de modo que tiene que usarse tablas para decidir si aceptar o rechazar H0. 11. Al probar la diferencia de dos medias de poblacin, la hiptesis nula debe ser H0:
1 2.
V V
F F
12. Si los tamaos de muestra son demasiado pequeos para poder utilizar la distribucin normal en una prueba de la diferencia entre las dos proporciones de poblacin, se debe utilizar la distribucin t. 13. Si utiliza valores P, no tiene que especificar un valor de antes de tomar las muestras. 14. Para comparar dos medias de poblacin con muestras pequeas, debe siempre usar la varianza conjunta de las dos muestras. 15. Probar las diferencias entre medias con muestras dependientes se convierte en prueba de una muestra cuando una vez calculadas las diferencias de las observaciones por pares. 16. A pesar de que no sabe todava cmo hacer pruebas de muestras pequeas de dos medias independientes cuando las dos varianzas de poblacin son diferentes, muchos paquetes estadsticos realizar pruebas con esas condiciones. 17. Las pruebas de diferencias apareadas de las medias se pueden basar en la distribucin normal o en la t, dependiendo del tamao de las muestras.
V V
F F
PC-53
V V
F F
18. Los valores P se pueden usar para pruebas de una muestra, pero no para pruebas de dos muestras.
19. Para estandarizar la diferencia observada de las medias muestrales cuando no se conocen
siempre se divide entre
x1 x 2, independientemente de los tamaos de las muestras.
ni
2,
20. Como la mayora de los paquetes estadsticos reportan valores P de dos colas para pruebas sobre medias, uno debe dividir el valor P obtenido entre dos, si se est llevando a cabo una prueba de una cola. 21. Al probar la diferencia entre dos proporciones, el divisor que se utiliza para estandarizar esa diferencia es distinto para pruebas de una cola y pruebas de dos colas. 22. Suponga que va a probar la diferencia entre dos medias de muestras, cuyo valor usted ha calculado en x1 22 y x2 27. Desea probar si la diferencia es significativa. Cul es el valor de x 1 x 2 que debe utilizar? a) 5. b) 5. c) 0. d) No se puede determinar de la informacin dada. 23. Por qu en ocasiones usamos muestras apareadas en lugar de muestras independientes? a) Tomar muestras apareadas siempre cuesta menos que tomar muestras independientes. b) Las muestras por pares permiten controlar factores externos. c) Los tamaos de muestra deben ser los mismos para muestras apareadas. d) b) y c), pero no a). 24. Se tomaron dos muestras dependientes de tamao 15 y se hizo una prueba de hiptesis. Se utiliz un valor t con 14 grados de libertad. Si las dos muestras se hubieran tratado como independientes, cuntos grados de libertad se habran utilizado? a) 14. b) 28. c) 29. d) 30. 25. Un granjero tiene 12 campos de maz en diferentes partes de cierto condado. Al probar diferencias producciones significativas de un ao a otro, el granjero verifica sus registros de los 2 aos anteriores y es capaz de reunir informacin sobre la produccin en 11 de sus campos para los dos primeros aos. Deber tratar las muestras como: a) dependientes? b) independientes? c) No se puede determinar con la informacin dada. 26. En una prueba de la diferencia entre proporciones, se consideran dos muestras. En la primera, un tamao de muestra de 100 tiene 20 xitos; en la segunda, de un total de 50 hay 13 xitos. Cul es el valor de p para esta situacin? a) 20 13 . 150 20 13 b) . 100 50 33 117 c) . 150 150 d) Ninguno de los anteriores.
A B C D
A B C D
A B C D
A B C
A B C D
A B C D
27. Cul es la principal suposicin que hacemos cuando realizamos pruebas de una cola para diferencias entre medias con muestras pequeas? a) Las varianzas de poblacin desconocidas son iguales. b) Las fracciones de muestreo son demasiado pequeas. c) Las muestras fueron tomadas utilizando tcnicas de muestreo subjetivo. d) Ninguno de los anteriores.
PC-54
A B C D
28. Las aerolneas A y B hacen alarde de que el transporte de equipaje de sus empresas tiene una tasa de entrega exitosa del 95 y 98%, respectivamente. A partir de esta informacin podemos determinar que: a) La aerolnea A tiene un mejor servicio de equipaje. b) La aerolnea B tiene un mejor servicio de equipaje. c) Los servicios de equipaje son igualmente eficientes. d) Nada; se necesita ms informacin. 29. Una prueba de dos colas de la diferencia entre dos proporciones llev a z 1.85, para la diferencia estandarizada de las proporciones de muestra. Para cul de los siguientes niveles de significancia se rechazara H0? 0.05. a) 0.10. b) 0.02. c) d) a) y b), pero no c). 30. Sea p el valor P de una prueba de hiptesis de cola superior, el nivel de significancia, tCRIT el valor crtico para la prueba y tOBS el estadstico de prueba estandarizado. Se acepta H0 si: a) p > . b) p < . c) tOBS > tCRIT. d) b) y c), pero no a). 31. Se desea probar si la media de la poblacin 2 es al menos 10 ms que la media de la poblacin 1. Qu valor de ( 1 2)H0 deber utilizar al calcular el estadstico de prueba estandarizado? a) 0. b) 10. c) 10. d) 5. 32. Para cules de las siguientes situaciones no es apropiada una prueba de diferencia de proporciones? a) Verificar si las fracciones de desperdicios producidos por dos procesos son iguales. b) Decidir si la fraccin de mujeres que se encuentran en dos niveles escolares es la misma. c) Probar si diferentes proporciones de personas en Boston y Chicago son aficionadas al bsquetbol. d) Verificar si los dueos de automviles Ford son ms fieles a su marca que los dueos de automviles Honda. 33. Si la muestra 1 tiene 13 elementos con s1 2 ces sp a) 19. b) 361. c) 367. d) 19.5. 17, y la muestra 2 tiene 9 elementos con s2 22, enton-
A B C D
A B C D
A B C D
A B C D
A B C D
A B C D
34. Para cules de las siguientes situaciones no es apropiada una prueba de dos muestras? a) Verificar si las proporciones de parejas sin hijos y parejas con hijos que compran automviles deportivos son diferentes. b) Verificar si el consumo medio de cerveza es ms alto en Alemania que en Francia. c) Probar si existen ms hombres que mujeres en Alaska. d) Decidir si la asistencia promedio a los juegos de bisbol de las grandes ligas es la misma en Los ngeles que en San Francisco.
PC-55
A B C D
35. Para una prueba de cola superior de la diferencia de dos medias, basada en muestras dependientes de 0.05, el valor crtico del estadstico de prueba es: tamao 6 y a) 2.015. b) 1.645. c) 1.812. d) 1.782. 36. Cules de las siguientes pruebas pueden basarse en la distribucin normal? a) Diferencia de medias independientes. b) Diferencia de medias dependientes. c) Diferencia de proporciones. d) Todos los anteriores. e) a) y c), pero no b). 37. Una prueba de hiptesis de la diferencia entre dos medias de poblacin basada en muestras dependientes se conoce como . 38. de significancia. 39. Una estimacin de
2
A B C D E
le permite probar hiptesis sin tener que especificar primero un nivel se utiliza cuando ambas muestras son pequeas.
40. Las pruebas de hiptesis de la diferencia entre dos medias de poblacin estn basadas en la distribucin muestral de la entre . 41. Usando muestras dependientes cuando se comparan dos medias, nos permiten controlar . 42. El valor P es _________________ del nivel de significancia al cual se H0. 43. Independientemente del tipo de prueba que haga, el estadstico de la muestra se estandariza con el fin de compararla con el valor ________________ de las tablas. 44. Los resultados de los paquetes estadsticos de computacin por lo general reportan tanto de muestra como valores . 45. A pesar de que la distribucin es la distribucin de muestreo apropiada para proporciones de las muestra, podemos utilizar la distribucin para comparar dos proporciones de poblacin, si los tamaos de muestra son grandes.
PC-56
q Diagrama de flujo: Pruebas de hiptesis de dos muestras
INICIAR
Utilice la prueba de hiptesis para determinar si es razonable concluir, del anlisis de una muestra, que dos poblaciones estn relacionadas de alguna manera en particular
Haga un planteamiento formal de Ho y de H1, las hiptesis nula y alternativa acerca de la diferencia de los parmetros de poblacin
Escoja el nivel de significancia, a, y determine si resulta apropiada una prueba de una o dos colas
Recolecte los datos de la muestra y calcule el estadstico de la muestra apropiado: x1 x2 diferencia de medias diferencia de proporciones
p1 p2
Elija la distribucin correcta (z o t ) y utilice la tabla del apndice adecuada para determinar el o los valores crticos
No
Est la estadstica de muestra estandarizada dentro de la regin de aceptacin?
Rechace Ho
Acepte Ho
Traduzca los resultados estadsticos en acciones administrativas adecuadas
TERMINAR
PC-57
10
V V
F F
V V
F F
V V
F F
V V
F F
V V
F F
V V
F F
V V V
F F F
V V
F F
Imprima este texto y marque con un crculo la respuesta correcta o llene los espacios en blanco. Las respuestas correctas se encuentran en el archivo correspondiente en este mismo CD. l. Las grficas p se utilizan para monitorear variables categricas con dos valores posibles. 2. El control estadstico de procesos fue desarrollado originalmente en Japn y llevado a Estados Unidos despus de la Segunda Guerra Mundial. 3. Las observaciones externas a veces pueden ser resultado de la variacin inherente. 4. Para un tamao dado de lote, un esquema de muestreo simple est completamente especificado por su tamao de muestra y el nmero de aceptacin. 5. En muchos sistemas complejos, alrededor del 80% de los problemas puede atribuirse a aproximadamente el 20% de las causas. 6. La gran media, x, captura ms informacin que las medias de muestra individuales. 7. TQM se aplica en la actualidad tanto en la industria de servicios como en la industria manufacturera. 8. Independientemente de la ecuacin 10-6, el LCS de una grfica p nunca debe ser mayor que 1. 9. El riesgo del consumidor en el muestreo de aceptacin es como un error tipo II en la prueba de hiptesis. 10. En las grficas de control, la LC denota a cualquiera de los dos lmites de control. 11. Si usted utiliza el muestreo de aceptacin, sus proveedores no se vern motivados a mejorar la calidad de su produccin. 12. El control de la variabilidad es un aspecto esencial del mantenimiento de la calidad. 13. Aumentar el tamao de la muestra permite reducir tanto el riesgo del consumidor como el riesgo del productor. 14. Las grficas R se utilizan para controlar el nivel de produccin del proceso. 15. Las grficas de control ayudan a detectar la variacin inherente. 16. El muestreo doble requiere mayores tamaos de muestra que el muestreo simple para lograr los mismos niveles de riesgo. 17. Una vez determinadas las causas de las observaciones externas, esos puntos deben eliminarse y se debe rehacer la grfica de control. 18. Los diagramas de Ishikawa tambin se conocen como diagramas de cola de pescado. 19. La curva AOQ nos dice cmo la calidad de salida de un esquema de muestreo de aceptacin vara en funcin de la calidad de entrada de los lotes que se estn probando. 20. Las grficas x y R utilizan la desviacin estndar de la muestra para medir la variabilidad del proceso. 21. El lmite de control inferior de una grfica R siempre es R(1 3d3/d2).
PC-59
A B C D
A B C D
A B C D
A B C D
A B C D
A B C D
A B C D
A B C D
A B C D
22. Una curva OC puede usarse para determinar: a) El riesgo del consumidor. b) El riesgo del productor. c) Ambos riesgos. d) Ninguno de los dos riesgo. 23. Cul de los siguientes no se utiliza en el control de la calidad? a) Grfica x. b) Diagrama de Pareto. c) Diagrama de tallo y hoja. d) Curva AOQ. 24. Qu trmino corresponde a las siglas en ingls AOQ? a) Calidad aproximada de salida. b) Calidad promedio de operacin. c) Calidad ptima aproximada. d) Calidad promedio de salida. 25. El LCS de una grfica R es: a) RD4. b) R(1 3d3/d2 n). c) x A2R. d) RD3. 26. Cul de los siguientes trminos no se relaciona con los otros? a) Diagrama de Ishikawa. b) Diagrama de Pareto. c) Diagrama de pescado. d) Diagrama de causa y efecto. 27. Qu patrones de una grfica de control indican que el proceso est fuera de control? a) Tendencias decrecientes. b) Ciclos. c) Atraccin hacia la lnea central. d) Todos los anteriores. 28. Quin es responsable de la idea de que las compaas con TQM deben diferenciar entre los pocos vitales y los muchos triviales? a) Juran. b) Deming. c) Pareto. d) Shewhart. 29. Cules de los siguientes diagramas se utilizan para controlar un atributo? a) Grfica x. b) Grfica A. c) Grfica p. d) Ninguno de los anteriores. 30. La distribucin correcta para el clculo exacto del riesgo del consumidor es la: a) Normal. b) Hipergeomtrica. c) De Poisson. d) Binomial.
PC-60
A B C D
A B C D
A B C D
A B C D
A B C D
A B C D
31. Cules de las siguientes personas no estaban implicadas directamente en el control de calidad? a) Deming. b) Pareto. c) Romig. d) Ishikawa. 32. Qu tipo de variacin se puede ver en una grfica de control? a) Variacin inherente. b) Variacin de causa especial. c) Variacin aleatoria. d) Todos los anteriores. 33. En el muestreo doble, rechazamos un lote si: a) d1 > c2. b) d2 > c2. c) Tanto a) como b). d) Ni a) ni b). 34. Quin fue el principal responsable del desarrollo de las grficas de control? a) Crosby. b) Ishikawa. c) Dodge. d) Shewhart. 35. CQI quiere decir: a) Aumento constante de la calidad. b) Mejora continua de la calidad. c) Aumento continuo de la calidad. d) Implantacin completa de la calidad. 36. Cul de los siguientes no es un aspecto de la calidad? a) El lujo. b) Adecuacin para su uso. c) Consistencia. d) Conformidad con respecto a los requisitos. 37. Las observaciones fuera de se conocen como externas. 38. Los diagramas se utilizan para identificar y clasificar causas de problemas. 39. La probabilidad de rechazar un lote que cumple con AQL se conoce como riesgo . 40. se utilizan en control estadstico de procesos para monitorear la salida de un producto o servicio y ver si cumple con los estndares. 41. se utiliza para probar la calidad de los lotes de componentes. 42. En una grfica x, la lnea central est determinada por x , la . 43. es enemiga de la calidad. 44. El nmero mximo de defectos permitidos antes de rechazar un lote se conoce como . 45. Los patrones no aleatorios en las grficas de control indican la presencia de variacin .
PC-61
q Diagrama de flujo: Calidad y control de la calidad
INICIAR
Use grficas de control para monitorear la salida de un proceso
Rastree las medias del proceso con grficas x
Rastree la variabilidad del proceso con grficas R
Rastree los atributos del proceso con grficas p
Utilice tcnicas de TQM para identificar causas de problemas, y mejorar el proceso actual
Identifique y agrupe las causas en un diagrama de pescado
Identifique los "dragones con diagramas de Pareto
Utilice el muestreo de aceptacin para controlar la entrada de un proceso
TERMINAR
PC-62
11
V F
1. El anlisis de varianza puede utilizarse para probar si las medias de ms de dos poblaciones pueden considerarse iguales. 2. El anlisis de varianza est basado en la comparacin de dos estimaciones de la varianza de la poblacin completa que contiene a todas las muestras. 3. Al comparar las varianzas de dos poblaciones, es conveniente observar la diferencia entre las varianzas muestrales, del mismo modo en que observamos la diferencia entre las medias muestrales para hacer inferencias sobre medias de poblacin. 4. Cuando se utiliza la distribucin ji-cuadrada como prueba de independencia, el nmero de grados de libertad se relaciona tanto con el nmero de columnas como con el nmero de renglones de la tabla de contingencia. 5. La ji-cuadrada puede usarse como una prueba para decidir si una distribucin dada es una aproximacin cercana de una muestra de alguna poblacin. Nos referimos a este tipo de pruebas como prueba de bondad de ajuste. 6. Si se toman muestras de dos poblaciones que son aproximadamente normales, entonces el cociente de todos los conjuntos posibles de las dos varianzas muestrales tambin tiene distribucin normal. 7. Al usar una prueba ji-cuadrada debemos asegurar que tenemos un tamao de muestra adecuado, de modo que podamos evitar cualquier tendencia a sobrestimar el valor del estadstico ji-cuadrada. 8. Cuando probamos hiptesis acerca de la varianza de alguna poblacin, podemos formar intervalos de confianza usando la distribucin ji-cuadrada. 9. La forma especfica de una distribucin F depende del nmero de grados de libertad en el numerador y en el denominador del cociente F. 10. Un aspecto conveniente de la prueba de hiptesis usando el estadstico F es que todas esas son pruebas de cola superior. 11. Las pruebas ji-cuadrada nos permiten probar si ms de dos proporciones de poblacin pueden considerarse iguales. 12. Una tabla de contingencia de 3 5 tiene tres columnas y cinco renglones.
13. El rea total bajo la curva de una distribucin ji-cuadrada, como la de otras distribuciones, es 1. 14. La frecuencia esperada de cualquier celda de una tabla de contingencia puede calcularse de manera inmediata, con slo conocer los totales por rengln y por columna para esa celda. 15. Si el valor ji-cuadrada de una observacin es cero, sabemos que nunca habr diferencia entre las frecuencias observadas y las esperadas. 16. Los tamaos de las muestras en el anlisis de varianza no necesitan ser iguales.
PC-63
17. Cuanto ms pequeo sea el valor del estadstico F, ms tenderemos a creer que existe una diferencia entre las distintas muestras. 18. La precisin y la utilidad de una prueba ji-cuadrada son altamente dependientes de la calidad de los datos de la prueba. 19. La tabla F que se presenta en la tabla 6 del apndice 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. 20. Al determinar el nmero de grados de libertad para una prueba ji-cuadrada de bondad de ajuste, la estimacin de los parmetros de la poblacin a partir de los datos de las muestras no tiene ningn impacto. 21. Para ambas pruebas, ji-cuadrada y F, rechazamos H0 si el valor P es menor que , el nivel de significancia de la prueba. 22. Suponga que ha observado proporciones de tres regiones geogrficas diferentes. Usted desea probar si las regiones tienen proporciones significativamente diferentes. Suponiendo que p1, p2 y p3 son las proporciones verdaderas, cul de las siguientes sera la hiptesis nula? a) p1 p2 p3. b) p1 p2 p3. c) p1, p2 y p3 no son todas iguales. d) Ninguno de los anteriores. 23. Un valor ji-cuadrada nunca puede ser negativo porque: a) Las diferencias entre las frecuencias observadas y esperadas estn elevadas al cuadrado. b) Un valor negativo significara que las frecuencias observadas son negativas. c) Se calcula el valor absoluto de las diferencias. d) Ninguno de los anteriores. e) a) y b), pero no e). 24. Suponga que existen ocho clases posibles a considerar en una prueba de bondad de ajuste. Cuntos grados de libertad deber utilizar? a) 8. b) 7. c) 6. d) No se puede determinar con la informacin dada. 25. Cul de los siguientes es un paso a seguir en la realizacin del anlisis de varianza? a) Determinar una estimacin de la varianza de la poblacin desde el interior de las muestras. b) Determinar una estimacin de la varianza de poblacin entre las medias de las muestras. c) Determinar la diferencia entre las frecuencias observadas y esperadas para cada clase. d) Todos los anteriores. e) a) y b), pero no c). 26. Suponga que se calculan las siguientes varianzas para varios grupos diferentes de muestras, y que todos los grupos tienen los mismos grados de libertad. Para cul cociente estara ms dispuesto aceptar la hiptesis nula de medias iguales, a un nivel dado de significancia? a) Varianza entre columnas 8, varianza dentro de columnas 3. b) Varianza entre columnas 6, varianza dentro de columnas 3. c) Varianza entre columnas 4, varianza dentro de columnas 3. d) Varianza entre columnas 30, varianza dentro de columnas 20.
A B C D
A B C D E
A B C D
A B C D E
A B C D
PC-64
A B C D
27. Suponga que la 2 hipottica para cierta poblacin es 25. Toma una muestra de tamao 16 y encuentra que s2 es 15. Qu hara para realizar una prueba de varianza de dos colas? a) Comparar 2 9 con valores crticos tomados de una distribucin ji-cuadrada con 16 grados de libertad. b) Comparar 2 9 con valores crticos tomados de una distribucin ji-cuadrada con 15 grados de libertad. c) Comparar 2 25 con valores crticos tomados de una distribucin ji-cuadrada con 15 grados de libertad. d) Comparar 2 25 con valores crticos tomados de una distribucin ji-cuadrada con 16 grados de libertad. 28. Se har una prueba de dos colas para las muestras 1 y 2, con n1 15 y n2 12. Si 0.10, cul de los siguientes representa el valor superior con el cual deber compararse s2 /s2 ? 1 2 1 a) . F(14, 11, 0.05) 1 b) . F(14, 11, 0.95) c) F(11, 14, 0.05). d) F(14, 11, 0.05). e) Ninguno de los anteriores.
A B C D E
A B C D
29. Suponga que se va a realizar una prueba ji-cuadrada sobre una tabla de contingencia con cuatro renglones y cuatro columnas. Cuntos grados de libertad debern utilizarse? a) 16. b) 8. c) 9. d) 6. 30. Las distribuciones ji-cuadrada y t, ambas: a) Son siempre simtricas. b) Se usan para pruebas de hiptesis. c) Son dependientes del nmero de grados de libertad. d) Todas las anteriores. e) b) y c), pero no a). f) Ninguno de los anteriores. 31. Cmo puede calcularse la frecuencia esperada en una celda de una tabla de contingencia a partir de la proporcin esperada para dicha celda? a) Multiplicando por el total de esa columna. b) Multiplicando por el total de ese rengln. c) Multiplicando por el tamao total de la muestra. d) Usando la proporcin; la frecuencia esperada y la proporcin esperada son las mismas. e) Ninguno de los anteriores. 32. El cociente F contiene: a) Dos estimaciones de la varianza de la poblacin. b) Dos estimaciones de la media de poblacin. c) Una estimacin de la media de la poblacin y una estimacin de la varianza de la poblacin. d) Tanto a) como b). e) Ninguno de los anteriores.
A B C D E
A B C D E
A B C D E
PC-65
A B C D
33. Si tenemos tamaos de muestra suficientemente grandes, qu suposiciones asociadas con la prueba de ANOVA podemos descartar? a) Las muestras se toman de una poblacin normal. b) Cada poblacin tiene la misma varianza. c) Tanto a) como b). d) Ninguno de los anteriores. 34. Cuando se realiza una prueba de hiptesis ji-cuadrada, qu sucede cuando las frecuencias esperadas en varias celdas son demasiado pequeas? a) El valor de ji-cuadrada estar sobrestimado. b) Ser ms probable de lo que en debera ser que se rechace la hiptesis nula. c) Los grados de libertad se reducen mucho. d) Ninguno de los anteriores. e) a) y b), pero no c). 35. Suponga que est comparando cinco grupos expuestos a diferentes mtodos de tratamiento y ha tomado una muestra de 10 elementos de cada grupo. Usted calcula el valor de x para cada muestra. Cmo calculara la gran media? a) Multiplica cada media de muestra por 1 5 y suma estos valores. Luego divide esta suma en/ tre 50. b) Suma las 5 medias muestrales y divide entre 50. c) Suma las 5 medias muestrales y multiplica por 1/5. d) Suma las 5 medias muestrales. e) Ninguno de los anteriores. 36. Si deseamos probar si las proporciones de ms de dos poblaciones son iguales, utilizamos: a) Anlisis de varianza. b) Estimacin. c) La varianza. d) Estimaciones de intervalo. e) Ninguno de los anteriores. 37. Cules de estas distribuciones tiene un par de grados de libertad? a) Poisson. b) Normal. c) Ji-cuadrada. d) Binomial. e) Todas las anteriores. f) Ninguno de los anteriores. 38. La media para el grupo completo de sujetos de todas las muestras de un experimento se conoce como media. 39. Una tcnica estadstica utilizada para probar la igualdad de tres o ms medias de poblacin se conoce como . 40. Una prueba de se usa para determinar si la pertenencia a las categoras de una variable es diferente como funcin de la pertenencia a las categoras de una segunda variable. 41. Una familia de distribuciones diferenciadas por dos parmetros y que se usa principalmente para probar hiptesis de varianzas se llama distribucin . 42. La prueba determina si existe una diferencia significativa entre las distribuciones observada e hipottica para una muestra.
A B C D E
A B C D E
A B C D E
A B C D E
PC-66
43. El anlisis de varianza compara la estadstico
con la .
para obtener el
44. La regin de aceptacin para una hiptesis nula en una prueba ji-cuadrada va de la cola de la curva al valor ji-cuadrada. Esta regin contiene el % del rea bajo la curva. 45. El nmero de grados de libertad en el denominador del cociente F se calcula restando el de .
PC-67
q Diagrama de flujo: Ji-cuadrada y anlisis de varianza
Para determinar si dos atributos de poblacin son independientes entre s utilice una prueba ji-cuadrada
Para determinar si una distribucin en particular es consistente con un conjunto dado de datos, utilice una prueba ji-cuadrada
Desarrolle una tabla de contingencia y determine las frecuencias observadas (fo) y las esperadas (fe)
Use los datos para encontrar las frecuencias observadas (fo) y la distribucin hipottica para encontrar las frecuencias esperadas (fe)
El nmero apropiado de grados de libertad (gl) es (r 1) (c 1)
El nmero apropiado de grados de libertad (gl) es k 1 (# de parmetros estimados a partir de los datos)
Calcule el estadstico ji-cuadrada: 2 = (fo fe)2/fe
Utilice la tabla 5 del apndice para determinar la regin de aceptacin de Ho
PC-68
INICIAR
Para determinar si varias pruebas provienen de poblaciones con medias iguales, utilice el anlisis de varianza (ANOVA)
Para inferencias acerca de la varianza de una poblacin, utilice la distribucin ji-cuadrada con n 1 grados de libertad
Para inferencias acerca de las varianzas de dos poblaciones, utilice la distribucin F con n1 1 y n2 1 grados de libertad
Determine 1. la varianza entre columnas 2. la varianza entre columnas 3. su cociente, F
La estimacin puntual de s2 es s 2. El intervalo de confianza es
La estimacin puntual de
2 2 2 2 s1 s2 es s1 /s 2
((n 1)s , (n 1)s )

2 U 2 L
El nmero apropiado de GL en el numerador es k 1 y de GL del denominador es nT k
Utilice la tabla 6 del apndice para determinar la regin de aceptacin para Ho
Para pruebas de hiptesis, use la tabla 5 del apndice para determinar la regin de aceptacin de Ho
Para pruebas de hiptesis use la tabla 6 del apndice para determinar la regin de aceptacin de Ho
No
El estadstico de la muestra cae dentro de la regin de aceptacin?
Rechace Ho
Acepte Ho
Traduzca los resultados estadsticos en acciones administrativas apropiadas
TERMINAR
12
V F
V V V
F F F
V V
F F
V V
F F
1. El anlisis de regresin se usa para describir qu tan bien una ecuacin de estimacin describe la relacin que se est estudiando. 2. Dado que la ecuacin para una recta es Y 26 24X, podemos decir que la relacin de Y con X es directa y lineal. 3. Un valor r2 cercano a cero indica una fuerte correlacin entre X y Y. 4. Los anlisis de regresin y correlacin se usan para determinar relaciones de causa y efecto. 5. El coeficiente de correlacin de la muestra, r, es simplemente r2, y no podemos interpretar su significado directamente como un porcentaje de algn tipo. 6. El error estndar de la estimacin mide la variabilidad de los valores observados alrededor de la ecuacin de regresin. 7. La recta de regresin se deriva de una muestra y no de toda la poblacin. 8. Podemos interpretar el coeficiente de determinacin de la muestra como la cantidad de la variacin en Y que explica la recta de regresin. 9. Las lneas trazadas a cada lado de la recta de regresin a 1, 2 y 3 veces el valor del error estndar de la estimacin se denominan lneas de confianza. 10. La ecuacin de estimacin es vlida slo en el mismo intervalo que el dado por los datos originales de la muestra para los cuales se desarroll. 11. En la ecuacin Y a bX para la variable dependiente Y y la variable independiente X, la ordenada Y es b. 12. Si una lnea se ajusta a un conjunto de puntos mediante el mtodo de mnimos cuadrados, los errores individuales positivos y negativos respecto a la lnea suman cero. 13. Si se 0 para una ecuacin de estimacin, debe estimar perfectamente la variable dependiente en los puntos observados. 14. Supongamos que la pendiente de una ecuacin de estimacin es positiva. Entonces el valor de r debe ser la raz cuadrada positiva de r2. 15. Si r 0.8, entonces la ecuacin de regresin explica el 80% de la variacin total en la variable dependiente. 16. El coeficiente de correlacin es el porcentaje de la variacin total de la variable dependiente explicada por la regresin. 17. El error estndar de la estimacin se mide perpendicularmente desde la recta de regresin ms que sobre el eje Y. 18. Al elevar al cuadrado los errores individuales, el mtodo de mnimos cuadrados magnifica todas las desviaciones respecto a la recta de regresin estimada. 19. Una ecuacin de regresin no puede ser vlida al ampliarse fuera del intervalo de la muestra de la variable independiente. 20. Un valor r2 mide slo la fuerza de una relacin lineal entre las dos variables X y Y. 21. Un valor pequeo de r2 implica que no existe una relacin de causa-efecto significativa entre X y Y.
PC-71
A B C D E
A B C D
A B C D
A B C D E
A B C D
A B C D
A B C D
A B C D
A B C D
22. Suponga que conocemos la estatura de una estudiante, pero no su peso. Usamos una ecuacin de estimacin para determinar una estimacin de su peso, basndonos en su estatura. Por tanto, podemos concluir que: a) El peso es la variable independiente. b) La altura es la variable dependiente. c) La relacin entre peso y altura es inversa. d) Ninguno de los anteriores. e) b) y c), pero no a). 23. Suponga que le dicen que existe una relacin directa entre el precio de las alcachofas y la cantidad de lluvia que cay durante la poca de cultivo. Puede concluirse que: a) Los precios tienden a ser altos cuando la lluvia es alta. b) Los precios tienden a ser bajos cuando la lluvia es alta. c) Una gran cantidad de lluvia ocasiona que los precios suban. d) La falta de lluvia ocasiona que los precios suban. 24. Suponga que se calcula que a es 4 y b es 2 para una lnea de estimacin particular con una variable independiente. Si la variable independiente tiene un valor de 2, qu valor debe esperarse para la variable dependiente? a) 8. b) 10. c) 1. d) 0. 25. Suponga que se calcul la ecuacin de estimacin Y 5 2X para un conjunto de datos. Qu es cierto de lo siguiente para esta situacin? a) La ordenada Y de la recta es 2. b) La pendiente de la recta es negativa. c) La recta representa una relacin inversa. d) Todos los anteriores. e) b) y c), pero no a). 26. Sabemos que el error estndar es el mismo en todos los puntos de una recta de regresin porque supusimos que: a) Los valores observados de Y estn normalmente distribuidos alrededor de cada valor estimado de Y. b) Las varianzas de la distribucin alrededor de cada valor posible de Y son iguales. c) Se tomaron en cuenta todos los datos disponibles cuando se calcul la recta de regresin. d) Ninguno de los anteriores. 27. La variacin de los valores de Y alrededor de la recta de regresin se expresa mejor como: a) (Y Y)2. b) (Y Y)2. c) (Y Y )2. d) (Y Y )2. 28. El valor de r2 para una situacin particular es 0.49. Cul es el coeficiente de correlacin? a) 0.49. b) 0.7. c) 0.07. d) No puede determinarse de la informacin dada. 29. La fraccin (Y Y )2/ (Y Y)2 representa: a) La fraccin de la variacin total en Y que no est explicada. b) La fraccin de la variacin total en Y que est explicada. c) La fraccin de la variacin total en Y que fue ocasionada por cambios en X. d) Ninguno de los anteriores. 30. En la ecuacin Y A BX e, la e representa: a) La ordenada X de los datos observados. b) El valor de Y con el cual se comparan otros para determinar el mejor ajuste. c) Variaciones aleatorias respecto a la recta de regresin de la poblacin. d) Ninguno de los anteriores.
PC-72
A B C D
A B C D E
A B C D
A B C D
A B C D E
A B C D E
31. Suponga que desea comparar el valor hipottico de B con un valor de la muestra de la b calculada. Cul de los siguientes valores se debe calcular antes que los otros? a) sb. b) se. c) sp. d) Los clculos se pueden hacer en cualquier orden. 32. Para que la ecuacin de estimacin sea un estimador perfecto de la variable dependiente, de lo siguiente, qu tendra que ser cierto? a) El error estndar de la estimacin es cero. b) Todos los puntos estn en la recta de regresin. c) El coeficiente de determinacin es 1. d) a) y b), pero no c). e) Todos los anteriores. 33. Si la variable dependiente aumenta cuando la variable independiente aumenta en una ecuacin de estimacin, el coeficiente de correlacin estar en el intervalo de: a) 0 a 1. b) 0 a 0.05. c) 0 a 2. d) Ninguno de los anteriores. 34. Supongamos que la fraccin de variacin en Y que no est explicada por la variable independiente X / es 1 4. Entonces r2 es: / a) 1 4. / b) 3 4. / c) 15 16. d) Ninguno de los anteriores. 35. El coeficiente de determinacin de la muestra se desarrolla a partir de la variacin de los valores de Y observados alrededor de: a) La media de las variables independientes observadas. b) La media de las variables dependientes observadas. c) La recta de regresin ajustada. d) b) y c), pero no a). e) a), b) y c). 36. Si Y a bX, la recta de regresin de la muestra, y Y A BX, la ecuacin de regresin verdadera de poblacin desconocida, son equivalentes, entonces lo siguiente debe ser cierto: a) La ecuacin de estimacin es un estimador perfecto de la variable dependiente. b) Todos los puntos estn sobre la recta de regresin. c) r2 1. d) Todos los anteriores. e) Ninguno de los anteriores. 37. Si la variable dependiente en una relacin disminuye al aumentar la variable independiente, la relacin es . 38. Una asociacin entre dos variables descrita por una lnea curva es una . 39. Toda lnea recta tiene una que representa cunto cambia la variable dependiente con cada cambio unitario de la variable independiente. 40. El grado en el que los valores observados difieren de sus valores pronosticados sobre la lnea de regresin se mide por . 41. es una medida de la proporcin de variacin en la variable dependiente que explica la recta de regresin. 42. Si el 75% de la variacin en la variable dependiente es explicada por la recta de regresin, entonces el valor de r ser de alrededor de . 43. se utiliza para medir qu tan bien la recta de regresin explica la variacin de la variable dependiente. 44. El signo de r indica el de la relacin entre las dos variables X y Y. 45. El mtodo de mnimos cuadrados encuentra la lnea de mejor ajuste a travs de un conjunto de puntos, esto es, la recta que el error entre los puntos observados y los puntos estimados sobre esa recta.
PC-73
PC-74
INICIAR Para determinar la naturaleza de la relacin lineal entre dos variables, utilice la recta de regresin Organice los datos y grafique un diagrama de dispersin Calcule la pendiente y la ordenada Y de la ecuacin de estimacin usando el mtodo de mnimos cuadrados: S Para pronosticar puntos, use la recta de regresin
q Diagrama de flujo: Regresin y correlacin

b= a = Y bX XY nXY X 2 nX 2
Quiere predecir los valores de la variable dependiente Y?
Y = a + bX
No
No
Quiere un intervalo de prediccin aproximada para Y?
Utilice el error estndar de la estimacin S
Use el anlisis de correlacin; calcule el coeficiente de determinacin de la muestra r 2:
se =
y la distribucin t con n 2 grados de libertad ^ Y t se
Y 2 a Y b XY n2
r 2= 1
No
(Y Y ) 2 (Y Y ) 2
Quiere conocer el grado en que una variable est linealmente relacionada con la otra?
Use el error del coeficiente de regresin
Quiere hacer inferencias respecto a la pendiente (B) de la ecuacin de regresin verdadera, basndose en el valor b (la pendiente de la ecuacin de regresin ajustada)?
sb =
se X 2 nX 2
No Para intervalos de confianza y pruebas de hiptesis, use sb y la distribucin t con n 2 grados de libertad TERMINAR
PC-75
13
V F
1. La ventaja principal de la regresin mltiple respecto a la regresin simple es que nos permite usar ms de la informacin disponible para estimar la variable dependiente. 2. Suponga que en la ecuacin de regresin mltiple Y 24.4 5.6X1 6.8X2, Y es el peso (en libras) y X2 es la edad (en aos). Por cada ao adicional en la edad, entonces, se puede esperar que el peso aumente en 24.4 libras. 3. Aunque en teora es posible hacer clculos de regresin mltiple a mano, muy pocas veces lo hacemos. 4. Suponga que intenta establecer un intervalo de confianza para un valor de Y a partir de una ecuacin de regresin mltiple. Si existen 20 elementos en la muestra y se utilizan cuatro variables independientes en la regresin, deber usar 16 grados de libertad cuando obtenga un valor de la tabla t. 5. El error estndar del coeficiente b2 en una regresin mltiple se denota con s2. 6. Suponga que deseamos probar si los valores de Y en una regresin mltiple realmente dependen de los valores de X1. La hiptesis nula para nuestra prueba ser B1 0. 7. Para determinar si una regresin es significativa como un todo, se calcula un valor observado de F y se compara con un valor obtenido de una tabla. 8. Si se conoce la suma de cuadrados total y la suma de cuadrados de la regresin para una regresin mltiple, siempre se puede calcular la suma de cuadrados de error. 9. Ciertos patrones en los signos de los residuos de un modelo de regresin de segundo grado indican que sera mejor utilizar un modelo lineal. 10. Las regresiones simples de Y sobre X1 y de Y sobre X2 muestran que X1, y X2 son ambas variables explicativas significativas de Y. Pero una regresin mltiple de Y sobre X1, y X2 nos dice que ni X1 ni X2 son variables explicativas significativas para Y. Claramente, ste es un caso de multicolinealidad. 11. Las variables ficticias constituyen una tcnica que puede utilizarse para incorporar datos cualitativos en las regresiones mltiples. 12. Cuando se utiliza una variable ficticia con valores 0 y 1, es muy importante asegurarse de que los ceros y unos se usen de acuerdo con la prctica estndar. Invertir la codificacin destruir completamente los resultados de la regresin mltiple. 13. Podemos formar un modelo de regresin de segundo grado si multiplicamos por 2 los valores observados de una variable independiente. 14. Agregar variables adicionales a una regresin mltiple siempre reducir el error estndar de la estimacin.
PC-77
15. Suponga que una regresin mltiple ha producido la siguiente ecuacin: Y 5.6 2.8X1 3.9X2 5.6X3. Si X1, X2 y X3 tienen valor de cero, entonces se esperara que Y tuviera el valor de 5.6. 16. El anlisis de residuos en un modelo de regresin lineal se hace para determinar el valor correcto de se. 17. Aunque es posible hacer inferencias acerca de la regresin como un todo, no es posible hacer inferencias acerca de los coeficientes de regresin estimados. 18. Si existe un alto nivel de correlacin entre las variables explicativas, por lo general es posible separar las contribuciones de estas variables en una regresin. 19. El error estndar de los datos de la poblacin se denota por se. 20. Si una regresin incluye a todos los factores explicativos relevantes, los residuos sern aleatorios. 21. Una relacin lineal entre variables explicativas con toda seguridad producir multicolinealidad en el modelo de regresin. 22. Suponga que una regresin mltiple produjo esta ecuacin: Y 51.21 6.88X1 7.06X2 3.71X3. El valor de b2 para esta ecuacin es: a) 51.21. b) 6.88. c) 7.06. d) 3.71. e) No se puede determinar de la informacin dada. 23. Hemos dicho que el error estndar de una estimacin tiene n k 1 grados de libertad. Qu significa k en esta expresin? a) El nmero de elementos de la muestra. b) El nmero de variables independientes en la regresin mltiple. c) La media de los valores de la muestra de la variable dependiente. d) Ninguno de los anteriores. 24. Suponga que ha realizado una regresin mltiple y encuentra que el valor de b, es 1.66. Sin embargo, los datos obtenidos a partir de la experiencia pasada indican que el valor de B1, debera ser 1.34. Usted desea probar, al nivel de significancia de 0.05, la hiptesis nula de que B, sigue siendo 1.34. Suponiendo que tiene acceso a todas las tablas que pueda necesitar, qu otra informacin requiere para poder realizar la prueba? a) Grados de libertad. b) sbi. c) se. d) a) y b), pero no c). e) a) y c), pero no b). 25. Suponga que un fabricante de juguetes desea determinar si sus juguetes rojos se venden ms que sus juguetes azules. Recolecta datos concernientes a los niveles de ventas, color, precio y edad promedio de las personas a las que van dirigidos. Introduce todos estos datos en un paquete es tadstico; la ecuacin de regresin mltiple resultante es Y 70,663 713X1 59.6X2 representa los niveles de ventas en unidades, X1 es el color (0 para azul, 1 para 66.4X3, donde Y rojo), X2 es el precio al menudeo (en dlares) y X3 la edad promedio (en aos). Cules de las siguientes afirmaciones son verdaderas si las variables correspondientes al precio y la edad se mantienen constantes? a) Deben venderse 713 unidades ms de juguetes rojos que de juguetes azules. b) Deben venderse 713 unidades menos de juguetes rojos que de juguetes azules. c) Los nios siempre preferirn un juguete azul a uno rojo. d) b) y c), pero no a).
V V
F F
A B C D E
A B C D
A B C D E
A B C D
PC-78
Las preguntas 26 a 31 tratan sobre un director de personal que intenta determinar una ecuacin de prediccin para el tiempo (longevidad) que los trabajadores de su planta se quedan. Us Minitab para correr una regresin de la antigedad (en meses) de varios de sus trabajadores sobre su nivel acadmico (aos de escolaridad), edad al tiempo de contratacin, resultado de la prueba de madurez sicolgica que aplica la compaa y nmero de dependientes (incluyendo al trabajador). A continuacin presentamos los resultados: La ecuacin de regresin es LONGEV = 82.2 - 1.55 ESCUELA - 1.69 EDAD + 0.11 CALIF + 6.88 DEPENDEN Pronosticador Constante ESCUELA EDAD CALIF DEPENDEN S = 13.4 Coef 82.237 -1.553 -1.685 0.110 6.876 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
R-sq = 89.1%
Anlisis de varianza FUENTE Regresin Error Total

A B C D
GL 4 5 9
SC 7325.33 898.28 8223.60
MC 1831.33 179.66
F 10.19
P 0.013
A B C D
26. La ecuacin de regresin para los datos es: a) Y 82.24 1.55X1 1.69X2 0.11X3 6.88X4. b) Y 13.40 1.55X1 1.69X2 0.11X3 6.88X4. c) Y 81.74 4.36X1 1.25X2 0.29X3 7.66X4. d) Y 82.24 0.36X1 1.35X2 0.38X3 0.90X4. 27. Cunta de la variacin en la antigedad en el empleo se explica con la regresin? a) 94%. b) 82%. c) 89%. d) 13%. 28. Suponga que desea probar si el nivel acadmico es una variable explicativa significa tiva para la longevidad en la empresa. Los grados de libertad que usara son: a) 4. b) 10. c) 6. d) 5. 29. Cul es el valor de sb3? a) 13.4. b) 0.29. c) 0.38. d) 0.11. 30. Cuntos grados de libertad en el denominador habra para una prueba F realizada con el fin de determinar si esta regresin es significativa como un todo? a) 5. b) 4. c) 9. d) 10.
A B C D
A B C D
A B C D
PC-79
A B C D
31. Cuntos datos introdujo el director al programa? a) 9. b) 10. c) 18. d) 19. 32. En la ecuacin Y A B1X1 a) B2 0. b) B2 1. c) B1 1. d) Ninguno de los anteriores. B2X2, Y es independiente de X1 si:
A B C D
A B C D E
33. Se puede utilizar una distribucin normal para aproximar la distribucin t para regresin mltiple siempre que el nmero de grados de libertad (n menos el nmero de coeficientes de regresin estimados) sea: a) Menor que 40. b) Mayor que 10. c) Igual que 5. d) Mayor que 50. e) Ninguno de los anteriores. 34. Como r2 1 (Y a) 1 SCR/SCT. b) 1 SCE/SCT. c) 1 SCE/SCR. d) 1 SCT/SCR. e) 1 SCT/SCE. Y )2/(Y Y )2, r2 es equivalente a:
A B C D E
A B C D
35. Para la regresin mltiple Y a b1X1 b2X2, utilizada para estimar Y la forma de un intervalo de confianza posible para B, es: a) B1 tsbl, B1 tsb l. b) B1 tse, B1 tse. c) b1 tsb l, b1 tsb l. d) b1 tse, b1 tse.
B1X1
B2X2,
A B C D E
36. Las seales de la presencia posible de multicolinealidad en una regresin mltiple son: a) Valores t significativos para los coeficientes. b) Errores estndar bajos 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) Todos los anteriores. 37. son mtodos para decidir qu variables incluir en un modelo de regresin y las formas diferentes en que pueden incluirse.
38. Las manipulaciones matemticas para convertir una variable en una forma diferente, para poder ajustar curvas de regresin se llaman . 39. El regresin como un todo. 40. Una variable es un estadstico que se utiliza para probar la significancia de una toma valores 0 y 1 para describir datos cualitativos.
41. Una medida de nuestra de incertidumbre acerca del valor exacto de un coeficiente de regresin mltiple es el del coeficiente. 42. El coeficiente de determinacin mltiple en una regresin mltiple mide .
PC-80
43. La significancia de una regresin mltiple puede ser probada con la hiptesis nula que indica que Y no depende de las Xi. 44. El error estndar se se conoce tambin como el . 45. Las cadenas alternadas de consecutivos con signo igual en un modelo de regresin lineal, indican que los datos podran tener un ajuste con una curva que una recta.
PC-81
q Diagrama de flujo: Regresin mltiple y tcnicas de modelado
INICIO
Si desea usar ms de una variable independiente para estimar la variable dependiente y, con ello, intentar aumentar la precisin de la estimacin, use tcnicas de regresin mltiple
Desea incluir alguna variable cualitativa en su modelo? No
Use variables ficticias
Cree que algunas relaciones entre las variables son no lineales? No Use un paquete de software para estimar su modelo de regresin mltiple. (Sin una computadora, la regresin mltiple puede ser tediosa e imprctica)
Transforme alguna variables, de forma que pueda ajustar relaciones curvilneas
Para probar si el modelo es adecuado, use las siguientes tres tcnicas
1. Use valores prob > |t | para ver si Xi es una variable explicativa significativa
2. Use el valor prob > F para ver si la regresin como un todo es significativa
3. Vea si los residuos muestran patrones no aleatorios
Pruebe otro modelo, con otras variables, transformaciones, etctera
No
Parece apropiado su modelo? S A
PC-82
Desea predecir valores de la variables dependiente, Y?
Para predicciones puntuales, use la ecuacin de regresin: ^ Y = a + biXi + + bk Xk
No Desea un intervalo de prediccin aproximado para Y?
No
S Desea conocer el grado en el que Y se relaciona linealmente con las X ? Use el error estndar de la estimacin (o raz de MCE), se, y la distribucin t con n k 1 grados de libertad: ^ Y t (se )
Use el anlisis de correlacin mltiple y R 2, el coeficiente de determinacin mltiple
No
Desea hacer inferencias acerca de las pendientes (B1, B2,, Bk) de la ecuacin de S regresin verdadera con base en los valores b1, b2,, bk (las pendientes de la ecuacin de regresin ajustada)? No TERMINAR
Para intervalos de confianza y pruebas de hiptesis, use los errores estndar de los coeficientes de regresin y la distribucin t con n k 1 grados de libertad
PC-83
14
V F
1. Una ventaja de los mtodos no paramtricos es que algunas de las pruebas no requieren siquiera que clasifiquemos las observaciones. 2. La prueba U de Mann-Whitney es parte de la familia de pruebas conocidas como pruebas de diferencia de rangos. 3. Una prueba de signos para datos por pares se basa en la distribucin binomial pero a menudo puede aproximarse por la distribucin normal. 4. Una desventaja de los mtodos no paramtricos es que tienden a ignorar cierta cantidad de informacin. 5. En la prueba U de Mann-Whitney, se toman dos muestras, de tamaos n1 y n2, para determinar el estadstico U. La distribucin de muestreo del estadstico U puede aproximarse por la distribucin normal cuando alguna de n1 o n2 es mayor que 10. 6. La prueba U de Mann-Whitney tiende a desperdiciar menos datos que la prueba de signos. 7. Suponga que en una prueba de rangos, dos elementos estn empatados en la dcima posicin de rango. Les asignamos a cada uno un rango de 10.5 y el siguiente elemento recibe un rango de 11. 8. A diferencia del anlisis de regresin, donde se puede calcular un coeficiente de correlacin, una medida equivalente puede determinarse en una clasificacin de dos variables en las pruebas no paramtricas. Esta medida equivalente se llama un coeficiente de correlacin de rangos. 9. En una prueba de corridas de una sola muestra, el nmero de corridas es un estadstico que tiene su propia distribucin de muestreo. 10. Una desventaja al usar el coeficiente de correlacin de rangos es que es muy sensible a las observaciones extremas en el conjunto de datos. 11. La prueba de Kolmogorov-Smirnov puede usarse para medir la bondad de ajuste de una distribucin terica. 12. Los mtodos no paramtricos son ms eficientes que los paramtricos. 13. La prueba de corridas de una sola muestra nos permite determinar si dos muestras independientes han sido extradas de poblaciones con la misma distribucin. 14. La secuencia A, A, B, A, B contiene cuatro corridas. 15. Un coeficiente de correlacin de rangos de fecta. 1 representa una correlacin de rangos inversa per-
16. En una prueba de corridas de una sola muestra, la hiptesis alternativa es que la secuencia de observaciones no es aleatoria. 17. En la prueba U de Mann-Whitney, no es necesario que las dos muestras sean del mismo tamao.
PC-85
18. El estadstico de prueba de K-S es simplemente la desviacin absoluta mnima entre las frecuencias acumuladas relativas observadas y las frecuencias acumuladas relativas esperadas. 19. Las pruebas de suma de rangos prueban la hiptesis de que varias medias de poblacin son iguales, suponiendo que las poblaciones tienen distribucin normal con varianzas iguales. 20. La prueba de Kruskal-Wallis es una versin no paramtrica de ANOVA. 21. La distribucin de muestreo del estadstico K de Kruskal-Wallis puede aproximarse por una distribucin ji-cuadrada slo si todos los tamaos de muestra son al menos 5. 22. En una prueba de signo para datos por pares, se pidi a 800 estudiantes que clasificaran (en una escala de 0 a 10) sus actitudes hacia pruebas falso/verdadero y de opcin mltiple. Cuando se calcularon los signos para los dos conjuntos de datos apareados, 138 de los 800 pares de respuestas recibieron un valor de 0. Significa esta media que 138 estudiantes: a) Sienten disgusto por los dos tipos de prueba? b) No respondieron la encuesta? c) Clasificaron igual los tipos? d) Pensaron que uno de los tipos era perfecto y el otro terrible? 23. Suponga que, en la pregunta 22, la administracin pens que las pruebas falso/verdadero eran tres veces ms atractivas que las pruebas de opcin mltiple. Suponga que una preferencia por las pruebas falso/verdadero es un xito, cul es la hiptesis nula para la prueba de signos para datos por pares? a) p 0.25. b) p 0.75. c) p 0.25. d) p 0.75.
Las preguntas 24 y 25 se refieren a la siguiente situacin. Se seleccionan al azar 5 antiguos pacientes del ala A del Hospital Trinity, y 4 antiguos pacientes del ala B. Los pacientes estuvieron el siguiente nmero de das:
Ala A: Ala B: 13 10 4 9 2 7 10 8 6
A B C D
A B C D
A B C D
24. Se debe realizar una prueba U de Mann-Whitney para determinar si existe una diferencia significativa entre la duracin de las estancias en el hospital para las dos alas. Si la duracin de la estancia se clasifica de menor a mayor, cul es la clasificacin para una estancia de 13 das en el ala A? a) 9. b) 8. c) 91/2. d) 71/2. 25. Si la duracin de la estancia se clasifica de menor a mayor, cul es el valor de (R1 1 a) /2. b) 0. c) 1/2. d) 21/2. R2)?
A B C D
A B C D
26. Cul es el nmero mximo posible de corridas en una secuencia de longitud 5 usando dos smbolos? a) 6. b) 4. c) 3. d) 5.
PC-86
A B C D E
27. La secuencia C, D, C, D, C, D, C, D, C, D probablemente sera rechazada por una prueba de corridas como no verdaderamente aleatoria porque: a) El patrn C, D ocurre slo cinco veces; esto a menudo no es suficiente para garantizar aleatoriedad. b) La secuencia contiene demasiadas corridas. c) La secuencia contiene muy pocas corridas. d) La secuencia contiene slo dos smbolos. e) Ninguno de los anteriores. 28. En una prueba U de Mann-Whitney, una distribucin de muestreo particular para U tiene una media de 15. Un valor de U se calcula como n1n2 n1(n1 l)/2 R1 que es igual a 22.5. Podemos concluir inmediatamente que el valor de n1n2 n2(n1 l)/2 R2 en esta situacin a) Es 10? b) Es 12.5? c) Es 7.5? d) No puede determinarse con la informacin dada.
Las preguntas 29 y 31 se refieren a la siguiente situacin. Siete ejecutivos (A a G) fueron clasificados de 1 a 7 en una escala de nivel salarial anual, con 1 como el ms alto. Los resultados fueron
A 2 B 6 C 4 D 1 E 3 F 5 G 7
A B C D
A B C D E
29. De lo siguiente, qu es correcto? a) E gan ms que los otros cuatro. b) C y F ganaron lo mismo. c) Las ganancias de C son menores que las de los otros cuatro. d) Todos los anteriores. e) a) y c), pero no b). 30. Suponga que, como segunda parte de este estudio, los siete ejecutivos se clasificaron de acuerdo con lo felices que aparentan ser, donde 1 es el ms feliz. Si los salarios y la felicidad estn perfectamente correlacionados, cul debe ser la clasificacin de felicidad del ejecutivo A? a) 1. b) 2. c) 3. d) 6. 31. Si, en la clasificacin de felicidad de la pregunta 30, los salarios y la felicidad tuvieran una correlacin inversa perfecta, cul debe ser la clasificacin de felicidad del ejecutivo F? a) 7. b) 2. c) 5. d) 3.
A B C D
A B C D
PC-87
A B C D E
F G
A B C D
32. Al compararse con los mtodos paramtricos, los mtodos no paramtricos: a) Son menos exactos. b) Son menos eficientes. c) Son computacionalmente ms fciles. d) Requieren menos informacin. e) Todos los anteriores. f) b), c) y d), pero no a). g) Ninguno de los anteriores. 33. Para una correlacin perfecta, el coeficiente de correlacin de rangos r: a) Sera igual a 1. b) Estara entre 0 y 1. c) Sera igual a 0. d) Ninguno de los anteriores. 34. Para muestras de tamao mayor que 30, la distribucin muestral del coeficiente de correlacin de rangos es aproximadamente la distribucin: a) t. b) Binomial. c) Ji-cuadrada. d) Normal. 35. En la prueba de Kruskal-Wallis de k muestras, el nmero apropiado de grados de libertad es a) k. b) k 1. c) nk 1. d) n k. 36. Elija la muestra con la mayor suma de rangos si los elementos se clasifican de mayor a menor:
Muestra A: Muestra B: Muestra C: 1 5 9 3 1 4 9 8 2
A B C D
A B C D
A B C D E
a) b) c) d)
C con suma de rangos 15. C con suma de rangos 20.5. A con suma de rangos 16. B con suma de rangos 14.5.
37. Una secuencia de ocurrencias idnticas precedidas y seguidas de distintas ocurrencias o de ninguna es . 38. Un mtodo no paramtrico usado para determinar si dos muestras independientes se extrajeron de poblaciones con la misma distribucin es el . 39. Una tcnica no paramtrica para determinar la aleatoriedad con la que se han seleccionado los elementos muestreados es la . 40. Una prueba sustituir , prueba la diferencia entre observaciones por pares al y 0 en lugar de los valores cuantitativos. mide el grado de asociacin entre dos variables y se
41. Un coeficiente basa en los rangos de las observaciones.
42. El estadstico U tiene una propiedad especial que nos permite ahorrar tiempo de clculos cuando . 43. Para distinguirlo del coeficiente de correlacin, el coeficiente de correlacin de rangos se denota por .
PC-88
44. El estadstico Dn de K-S es un estadstico pendiente de la distribucin de frecuencia esperada.
en cuanto a que es inde-
45. La prueba tiene ventajas sobre la prueba ji-cuadrada de bondad de ajuste porque los datos requeridos no necesitan estar agrupados.
PC-89
q Diagrama de flujo: Mtodos no paramtricos

INICIAR
Use mtodos no paramtricos para llegar a conclusiones respecto a poblaciones cuando se desconoce la forma de sus distribuciones
Use una prueba de signo con muestras apareadas para saber si dos poblaciones son diferentes
Use una prueba U de Mann-Whitney para ver si dos muestras independientes vienen de la misma poblacin
Use una prueba de Kruskal-Wallis para ver si tres o ms muestras independientes vienen de la misma poblacin
1. Convierta los datos en signos + y 2. Calcule p, la proporcin de la muestra de signos +
1. Clasifique los datos 2. Calcule el estadstico U y su media y error estndar
1. Clasifique los datos 2. Calcule el estadstico K
Use la distribucin binomial (o la normal, si la muestra es suficientemente grande) para probar H0: p = 0.5 contra la alternativa apropiada
Use la distribucin normal (si las muestras son suficientemente grandes) para probar H0: las poblaciones son iguales, contra la alternativa apropiada
Use la distribucin ji-cuadrada si cada muestra tiene ms de cinco observaciones para probar H0: las poblaciones son iguales, contra la alternativa apropiada
Rechazar H0
No
Cae el estadstico de muestra dentro de la regin de aceptacin?
Traduzca los resultados estadsticos en acciones gerenciales apropiadas
PC-90
Use una prueba de corridas de una sola muestra para saber si una muestra se seleccion de manera aleatoria
Use el coeficiente de correlacin de rangos de Spearman para medir el grado de asociacin entre dos conjuntos de variables clasificadas
Use una prueba KolmogorovSmirnov para saber si una distribucin particular es consistente con un conjunto dado de datos. (Podra usar tambin una prueba de x 2. Vea el captulo 11)
Calcule el nmero de corridas, r, y su media y error estndar
1. Clasifique los datos 2. Calcule rs (y su error estndar si n > 30)
Calcule las frecuencias acumuladas observadas, Fo, y comprelas con las esperadas, Fe, para obtener el estadstico Dn de K-S
Use la distribucin normal (si la muestra es suficientemente grande) para probar H0: la muestra es aleatoria, contra H1: la muestra no es aleatoria
Use la tabla 7 del apndice (o la distribucin normal si n > 30) para probar H0: s = 0, contra la alternativa apropiada
Use la tabla 8 del apndice para probar H0: el ajuste es apropiado, contra H1: el ajuste no es apropiado
Acepte Ho
TERMINAR
PC-91
15
V V
F F
V V
F F
V V
F F
V V
F F
Imprima este texto y marque con un crculo la respuesta correcta o llene los espacios en blanco. Las respuestas correctas se encuentran en el archivo correspondiente en este mismo CD. 1. El anlisis de series de tiempo se utiliza para detectar patrones de cambio en informacin estadstica durante intervalos regulares de tiempo. 2. Las tendencias seculares representan la direccin a largo plazo de una serie de tiempo. 3. Cuando se codifican valores estacionales, restamos de cada valor el menor valor de tiempo de la serie; en consecuencia, el cdigo del valor ms pequeo es cero. 4. Cuando se utiliza el mtodo de mnimos cuadrados para determinar una ecuacin de segundo grado de mejor ajuste, se deben determinar los valores de cuatro constantes numricas. 5. El anlisis de series de tiempo nos ayuda a estudiar tendencias histricas, pero no nos ayudan respecto a incertidumbres futuras. 6. Cuando predecimos algo que est muy adelante en el futuro, por lo general una ecuacin de segundo grado proporciona pronsticos ms precisos que una ecuacin lineal. 7. Cuando se utiliza el mtodo de residuos, suponemos que la componente cclica explica la mayor parte de la variacin que no fue explicada por la componente de tendencia. 8. El residuo cclico relativo puede calcularse para un elemento de una serie de tiempo restando 10 al porcentaje de tendencia de ese elemento. 9. El movimiento repetitivo alrededor de una lnea de tendencia en un periodo de dos aos se describe mejor como una variacin estacional. 10. Una vez calculados los ndices estacionales de una serie de tiempo, la serie puede ser desestacionalizada de modo que solamente quede la componente de tendencia. 11. El porcentaje de tendencia no debe utilizarse para pronosticar variaciones cclicas futuras. 12. Con el tiempo, los movimientos aleatorios tienden a contrarrestarse entre s en la variacin irregular de una serie de tiempo. 13. Antes de poder calcular el porcentaje de tendencia, se debe calcular una lnea de tendencia (gr fica de Y). 14. Si una serie de tiempo contiene un nmero impar de elementos, entonces el cdigo para uno de los elementos estar en mitades de unidad. 15. Para ser considerado como una serie de tiempo, un grupo de datos de informacin estadstica debe haberse reunido en intervalos regulares. 16. De los cuatro tipos de variacin, la cclica es la ms difcil de pronosticar. 17. La variacin estacional es una variacin repetitiva y predecible alrededor de la lnea de tendencia que se da en un periodo de un ao. 18. Para representar la componente cclica aislada de una serie de tiempo, debemos graficar los valores del porcentaje de tendencia o los valores del residuo cclico relativo. 19. Los ndices estacionales ajustados deben sumar siempre 400. 20. Una serie de tiempo debe ser desestacionalizada despus de identificar las componentes de tendencia o cclica de la serie.
PC-93
A B C D E
A B C D
A B C D
A B C D E
A B C D
A B C D
A B C D
21. Eliminando los valores ms alto y ms bajo del promedio real respecto al mvil de cada periodo, cuando se calculan los ndices estacionales, se reducen las variaciones cclica e irregular extremas. 22. Una serie de tiempo de datos anuales puede contener cules de las siguientes componentes? a) Tendencia secular. b) Fluctuacin cclica. c) Variacin estacional. d) Todos los anteriores. e) a) y b), pero no c). 23. Suponga que analiza una serie de tiempo de datos correspondientes a los trimestres de 1992 y 1993. El tercer trimestre de 1993 deber codificarse como: a) 2. b) 3. c) 5. d) 6. 24. Suponga que una serie de tiempo particular debe ajustarse con una curva parablica. La forma general para esta ecuacin de segundo grado es Y a bx cx2. Qu representa x en esta frmula? a) Valores codificados de las variables de tiempo. b) Una constante numrica que se determina mediante una frmula. c) Estimaciones de la variable dependiente. d) Ninguno de los anteriores. 25. Suponga que una serie de tiempo con datos anuales para los aos de 1988 a 1996 est bien des crita por la ecuacin de segundo grado Y 5 3x 9x2. Basndose slo en esta tendencia secular, cul es el valor pronosticado para 1997? a) l6l. b) 245. c) 347. d) 293.75. e) 200.75 26. Suponga que la ecuacin lineal Y 10 3x describe bien una serie de tiempo anual para el periodo 1987-1993. Si el valor real de Y para 1990 es 8, cul es el porcentaje de tendencia para 1990? a) l25%. b) 112.5%. c) 90%. d) 80%. 27. Una serie de tiempo para los aos 1985-1996 tiene los siguientes residuos cclicos relativos, en orden cronolgico: 1%, 2%, 1%, 2%, 1%, 2%, 1%, 2%, 1%, 2%, 1%, 2%. El residuo cclico relativo para 1997 debera ser: a) 3%. b) 1%. c) 2%. d) No se puede determinar de la informacin dada. 28. Suponga que le proporcionaron los datos de las ventas trimestrales de un periodo de 5 aos. Para utilizar el mtodo de razn de promedio mvil para calcular un ndice estacional, el primer paso sera: a) Calcular el promedio mvil de 4 trimestres. b) Descartar los valores ms alto y ms bajo de cada trimestre. c) Calcular el total mvil de 4 trimestres. d) Ninguno de los anteriores.
PC-94
Las preguntas 29 a 31 se refieren al clculo de un ndice estacional, utilizando el mtodo de razn de promedio mvil para los datos trimestrales de 1992-1996. El porcentaje del promedio real respecto al mvil para el tercer trimestre de cada ao es: 1992: 109.0; 1993: 112.8; 1994: 110.0; 1995: 108.0; 1996: 104.6.
A B C D E
A B C D E
A B C D
A B C D E
A B C D E
A B C D E
A B C D
29. Cul es el ndice no ajustado para el tercer trimestre? a) 108.88. b) 109.0. c) 110.23. d) 110.96. e) Ninguno de los anteriores. 30. Suponga que el total de ndices no ajustados para los cuatro trimestres es de 404.04. Si el ndice no ajustado para el primer trimestre es 97.0, cul es el ndice estacional ajustado para el primer trimestre? a) 96.03. b) 97.98. c) 24.01. d) 99.00. e) No se puede determinar de la informacin dada. 31. El ndice estacional ajustado para el cuarto trimestre es 95.0. Si la lnea de tendencia desesta cionalizada calculada para estimar las ventas trimestrales es Y 400 9x, cul ser la estimacin de las ventas estacionalizadas para el cuarto trimestre de 1994? a) 499.7. b) 643.0. c) 610.85. d) 676.8. 32. Si una serie de tiempo tiene un nmero par de aos y utilizamos codificacin, a qu es igual cada intervalo codificado? a) 1 ao. b) 2 aos. c) 1 mes. d) 6 meses. e) Ninguno de los anteriores. 33. Un mtodo empleado para manejar la variacin cclica cuando la componente cclica no explica la mayor parte de la variacin que no fue explicada por la componente de tendencia es: a) Anlisis de Spearman. b) Anlisis especfico. c) Anlisis de segundo grado. d) Residuo cclico relativo. e) Todos los anteriores. f) Ninguno de los anteriores. 34. Para un ao dado, si un ndice estacional ajustado para algn periodo es mayor que 100, qu inciso es cierto? a) El ndice ajustado para algn otro periodo es > 100. b) El ndice ajustado para algn otro periodo es < 100. c) El ndice ajustado para algn otro periodo es 100. d) a) y b), pero no c). e) Ninguno de los anteriores. 35. Si el porcentaje de tendencia de un ao en particular en una serie de tiempo es mayor que 100%,
PC-95
A B C D E
36.
37. 38. 39. 40. 41.
entonces para ese ao: a) El valor real de la serie de tiempo est abajo de la lnea de tendencia, y el residuo cclico relativo es positivo. b) El valor real de la serie de tiempo est abajo de la lnea de tendencia, y el residuo cclico relativo es negativo. c) El valor real de la serie de tiempo est arriba de la lnea de tendencia, y el residuo cclico relativo es negativo. d) El valor real de la serie de tiempo est arriba de la lnea de tendencia, y el residuo cclico relativo es positivo. Cules de las siguientes son razones comunes para estudiar tanto tendencias seculares como variacin estacional? a) Permitir la eliminacin de la componente de la serie de tiempo. b) Describir patrones histricos. c) Proyectar patrones histricos al futuro. d) Todas las anteriores. e) Ninguno de los anteriores. Al dividir cada valor real de una serie de tiempo por el valor de tendencia correspondiente y multiplicar el resultado por 100, obtenemos el . El movimiento repetitivo y predecible alrededor de la lnea de tendencia que se da en un ao o menos es la variacin . La variacin de una serie de tiempo est caracterizada por un movimiento impredecible y aleatorio que por lo general ocurre durante intervalos cortos. La variacin es la componente de una serie de tiempo que oscila alrededor de la lnea de tendencia en periodos mayores que un ao. El uso de ndices estacionales para eliminar los efectos de la estacionalidad de una serie de tiempo se conoce como _________ la serie de tiempo.
42. El primer paso para calcular los ndices estacionales de los datos de una serie de tiempo consiste en calcular el . 43. El incremento estable del costo de vida registrado en el IPC es un ejemplo de . 44. El resultado de descartar los valores ms alto y ms bajo antes de promediar se conoce como . 45. Una es la proyeccin de patrones histricos al futuro.
PC-96
q Diagrama de flujo: Series de tiempo
INICIO Desea usar sus hallazgos para pronosticar el comportamiento futuro del evento? S Determine el valor desestacionalizado del periodo futuro usando la ecuacin de tendencia secular
No
Use el anlisis de series de tiempo para determinar los patrones de cambio que ocurren con el tiempo en un evento observado
Calcule los ndices estacionales y aplquelos a los datos para hallar el valor desestacionalizado de la serie de tiempo
Estacionalice esta estimacin multiplicndola por el ndice temporal apropiado
Desarrolle la lnea de tendencia secular aplicando el mtodo de mnimos cuadrados o el de curva parablica a los datos desestacionalizados
TERMINAR
Encuentre la variacin cclica alrededor de la lnea de tendencia usando el porcentaje de tendencia o el mtodo de residuos cclicos relativos
Intente identificar y aislar la causa de cualquier variacin irregular en la serie de tiempo
PC-97
16
V V V V V
F F F F F
V V
F F
V V
F F
V V
F F
V V V
F F F
Imprima este texto y marque con un crculo la respuesta correcta o llene los espacios en blanco. Las respuestas correctas se encuentran en el archivo correspondiente en este mismo CD. 1. El nmero ndice para un ao base siempre es cero. 2. Los nmeros ndice pueden medir diferencias de una variable dada en diferentes localidades. 3. La forma ms sencilla de un ndice compuesto es un ndice de agregados no ponderados. 4. Una desventaja de los ndices de Laspeyres es que no son comparables entre s. 5. Si se utiliza el mtodo de agregados con peso fijo, donde el periodo de valor elegido coincide con el periodo base, entonces este mtodo es el mismo que el mtodo de Paasche. 6. El mtodo de promedio de relativos suma porcentajes, no cantidades. 7. Un cambio sustantivo en los precios de un producto de movimiento lento puede distorsionar completamente un ndice no ponderado. 8. En tiempos de inflacin, un ndice de cantidad proporciona una mejor medicin de la produccin real que el ndice de valor correspondiente. 9. Un ndice de valores mide los efectos combinados de los cambios en precios y cantidades. 10. Cuando se utiliza el ndice de precios de promedio ponderado de relativos, siempre se pueden comparar los ndices de diferentes periodos. 11. El mtodo de Laspeyres se utiliza con ms frecuencia, debido a que requiere medidas de cantidad de un solo periodo. 12. Siempre se encuentra un nmero ndice al obtener el cociente de un valor actual entre un valor base y multiplicar por 100. 13. La seleccin de una base no apropiada no distorsiona los nmeros ndice. 14. Aunque a menudo se utilizan mediciones dentro de ellos mismos, los nmeros ndice tambin pueden usarse como parte de clculos intermedios. 15. Siempre que usamos el smbolo Pi en una de las frmulas de un ndice, nos referimos al precio en el ao base. 16. En el caso del ndice de agregados o del promedio de relativos, es ms frecuente ponderar los elementos que conforman el ndice. 17. Un ndice de agregados no ponderados no permite que haya cambios en el precio. 18. El IPC y el IIP son dos ejemplos de ndices de valor. 19. El mtodo de promedio ponderado de relativos divide la suma ponderada entre la suma de las ponderaciones. 20. Los nmeros ndice son inherentemente confusos y, en consecuencia, se utilizan muy poco en el mundo real. 21. La medida del IPC est basada en una sola variable.
PC-99
A B C D E
A B C D
A B C D E
A B C D E
A B C D E
A B C D
A B C D
A B C D
22. Si el clculo de un nmero ndice en un periodo de 8 aos con un valor base de 100 dio un ndice para 1993 de 110, cul sera el porcentaje relativo para dicho ao? a) 110. b) 90.9. c) 13.75. d) 880. e) No se puede determinar con la informacin dada. 23. Qu debe calcularse para medir cambios en el valor monetario total? a) Un ndice de precios. b) Un ndice de cantidades. c) Un ndice de valores. d) Ninguno de los anteriores. 24. Suponga que un ndice de precios compuesto para 1 galn de leche, 2 barras de pan y 1 libra de carne molida fue 110 en 1995 y 119 en 1996. Si ambos ndices se calcularon a partir de la base de 100 para 1994, cunto se elev el nivel general de precios de 1995 a 1996? a) 9%. b) 8.18%. c) 19%. d) 7.56% e) No se puede determinar con la informacin dada. 25. Cul de los siguientes describe una ventaja del uso del mtodo de Laspeyres? a) Muchas medidas de cantidad de uso comn no se tabulan para cada periodo. b) Se toma en cuenta los cambios en los patrones de consumo. c) Un ndice puede compararse fcilmente con otro. d) Todos los anteriores. e) a) y c), pero no b). 26. Qu se puede concluir si el ndice de precios de agregados ponderados para un conjunto de precios fue calculado en 106 utilizando el mtodo de Laspeyres y en 112 con el mtodo de Paasche? a) El ndice de Paasche es incorrecto. b) Existe una tendencia hacia los bienes menos costosos. c) Existe una tendencia hacia los bienes ms costosos. d) La diferencia puede atribuirse a una mala estimacin de las actitudes del consumidor. e) Slo a) y d). 27. Al calcular un ndice de promedio ponderado de relativos, podramos comparar mejor ndices de varios periodos si se usan: a) Los valores base como PnQn. b) Los valores actuales como PnQn. c) Los valores fijos como PnQn. d) Los valores base o los fijos como PnQn. e) Los valores actuales o los fijo como PnQn. 28. Las mercancas sujetas a variaciones considerables de precio se pueden medir mejor mediante: a) El ndice de precios. b) El ndice de cantidad. c) El ndice de valor d) Ninguno de los anteriores. 29. Un periodo base puede describirse como normal si: a) No se encuentra en un pico o una depresin de una fluctuacin. b) Es el periodo ms reciente para el que tenemos datos. c) No hubo inflacin o deflacin de precios durante el periodo. d) Es el promedio de varios periodos consecutivos.
Prueba de conceptos
PC-100
A B C D
A B C D
A B C D E
A B C D
A B C D
A B C D E
A B C D
A B C D E
30. Los pesos utilizados en un ndice de cantidad son: a) Porcentajes de la cantidad total. b) Precios. c) Un promedio de cantidades. d) Ninguno de los anteriores. 31. En un ndice de promedio no ponderado de relativos (Pi/P0) 100 se calcula para cada producto del compuesto. Qu se hace despus con estos valores para terminar el clculo? a) Los valores se multiplican entre s. b) Se encuentra el valor ms grande. c) Se promedian los valores. d) Se encuentra la diferencia promedio de la mediana de los valores y luego se le eleva al cuadrado. 32. Para medir cunto cambia el costo de alguna variable con el tiempo se usara: a) Un ndice de valor. b) Un ndice de inflacin. c) Un ndice de cantidad. d) Todos los anteriores. e) Ninguno de los anteriores. 33. Qu mtodo permite cambiar el ao base sin tener que cambiar las cantidades utilizadas para los pesos? a) El mtodo de Paasche. b) El mtodo de Laspeyres. c) El mtodo de agregados ponderados. d) Ninguno de los anteriores. 34. Cuando se usan los valores del ao base como pesos, a cul ndice es igual el ndice de precios de promedio ponderado de relativos? a) El ndice de Paasche. b) El ndice de Laspeyres. c) El ndice de precios de promedio no ponderado de relativos. d) Ninguno de los anteriores. 35. Cul de las siguientes es una diferencia primordial entre los mtodos de agregados y de promedio de relativos? a) Los mtodos de agregados suman todos los precios antes de encontrar el cociente. b) Los mtodos de promedio de relativos suman todos los precios antes de encontrar el cociente. c) Los mtodos de agregados slo son tiles para ndices de precios. d) a) y c), pero no b). e) Ninguno de los anteriores. 36. Al comparar los ndices de precios de aviones militares de 1976 a 1996: a) Se probara claramente que los gastos de la defensa se han elevado mucho en los ltimos 20 aos. b) Se hara mejor utilizando el mtodo de Paasche. c) Debera usarse el promedio de 1974 y 1975 como periodo base. d) No tendra sentido, dadas las diferencias tecnolgicas significativas en los elementos que se estn comparando. 37. Si los organizadores del Ironman Triathlon desean evaluar los tiempos de los ganadores cada ao, con relacin a los tiempos de 1980 (el primer ao de la competencia), qu deberan utilizar? a) Un ndice de agregados no ponderados, con 1980 como base. b) Un ndice de agregados ponderados con 1980 como base, utilizando el nmero de competidores de cada ao como pesos. c) El mtodo de Paasche. d) Cualquiera de los anteriores. e) a) o b), pero no c).
Prueba de conceptos
PC-101
38. Si todos los valores considerados al calcular un ndice tienen igual importancia, el ndice es . 39. El mtodo de ndice ponderado en el cual las cantidades consumidas durante el periodo base se usan como pesos es el mtodo . 40. Si sumamos todos los valores utilizados en el clculo de un ndice, el ndice resultante se conoce como . 41. El uso de pesos de un periodo representativo (que no necesariamente tiene que ser el periodo base o el actual) para calcular un ndice de precios de agregados ponderados es el mtodo de agregados . 42. El mtodo utiliza las cantidades consumidas en el periodo actual en cuestin cuando se calcula un ndice ponderado. 43. Debemos darnos cuenta de que el planteamiento mecnico de nmeros ndice est sujeto a y considerables. 44. Los tres tipos principales de ndices son el ndice , el ndice y el ndice . 45. El se calcula tomando el cociente del valor actual entre un valor base y multiplicndolo por 100.
PC-102
Prueba de conceptos
q Diagrama de flujo: Nmeros ndice
INICIAR
Utilice nmeros ndice como mtodo abreviado para medir los cambios ocurridos en variables econmicas
Para construir ndices de precio, cantidad o valor, comience por recopilar los datos apropiados
Relativos
Desea asignar mayor importancia a algunos elementos que a otros?
Agregados
No
Desea un ndice de agregados o de relativos?
No
Desea asignar mayor importancia a algunos elementos que a otros?
Use un ndice de promedio no ponderado de relativos: (Pi /P0) n 100
Use un ndice de promedio ponderado de relativos: [(Pi /P0) 100]PnQn PnQn
Use un ndice de agregados no ponderados:
Pi P0
100
Use el mtodo de Paasche, el de Laspeyres o algn otro ndice de agregados ponderados: PiQ 100 P0Q
TERMINAR
Prueba de conceptos
PC-103
17
V V V V V
F F F F F
Imprima este texto y marque con un crculo la respuesta correcta o llene los espacios en blanco. Las respuestas correctas se encuentran en el archivo correspondiente en este mismo CD. 1. La teora de decisiones supone que ningn evento est ms all del control del tomador de decisiones. 2. Una tabla de ganancias condicionales no refleja la ganancia negada a un vendedor al menudeo por su incapacidad de satisfacer todas las demandas de los compradores. 3. Una prdida por obsolescencia ocurre cuando un comerciante no tiene mercancas almacenadas y los compradores desean comprar. 4. En la mayora de las situaciones de inventario, varios valores de p resolvern la ecuacin p(GM) (1 p)(PM), pero slo uno es la mejor solucin. 5. Si tener en inventario 19 unidades de un bien produce una ganancia esperada diaria de $51.50, un comerciante que almacena 19 unidades puede esperar ganancias promedio de $51.50 diarios. 6. Una persona puede tener una curva de utilidad para una situacin y otra muy diferente para la siguiente situacin. 7. Siempre es difcil usar el conocimiento de otras personas respecto a una situacin sin explicarles las tcnicas estadsticas. 8. Si la informacin perfecta estuviera disponible, un comerciante tendra consistentemente las mximas ganancias posibles. 9. Una ventaja de usar rboles de decisin es que cada resultado, deseable o indeseable, debe investigarse. 10. En un rbol de decisiones, un crculo representa un puntos de decisin. 11. Si un comerciante puede ganar $100 al da con informacin perfecta, entonces VEIP $100. 12. La prdida que resulta al almacenar un producto que no se vende se expresa como PM. 13. Al ir hacia atrs en un rbol de decisiones, el proceso se mueve de derecha a izquierda. 14. Los ejecutivos de negocios con una curva de utilidad lineal pueden usar de manera efectiva el valor monetario esperado como su criterio de decisin. 15. En la grfica de una distribucin normal de ventas, el rea que est a la derecha de una lnea vertical representa la probabilidad de vender esa cantidad o menos. 16. Una decisin que maximice las ganancias esperadas tambin minimiza las prdidas esperadas. 17. La curva de utilidad de un individuo se basa en consideraciones matemticas y no de comportamiento. 18. La prdida marginal esperada es igual a la prdida marginal multiplicada por 1 menos la probabilidad de vender esa unidad. 19. Los pagos son slo los beneficios positivos de las diversas alternativas. 20. La informacin perfecta, en realidad, rara vez est disponible; ocurre ms el caso de informacin que ayuda a tomar decisiones mejores, no perfectas. 21. El valor esperado de una variable aleatoria pondera cada valor posible de la variable con 1 menos la probabilidad de tomar ese valor.
V V
F F
V V
F F
PC-105
A B C D E
A B C D
A B C D
A B C D
A B C D
A B C D
A B C D E
22. De cul de los siguientes incisos pueden los comerciantes determinar inmediatamente cuntas cajas deben almacenar cada da para maximizar las ganancias? a) Ganancia esperada de cada accin de inventarios. b) Prdida esperada de cada accin de inventarios. c) Tabla de ganancias condicionales. d) a), b) y c). e) a) y b), pero no c). 23. Considere una tabla de prdidas condicionales con los niveles de ventas posibles enumerados verticalmente en la primera columna y las acciones de inventario posibles enumeradas horizontalmente en el primer rengln. Cualquier valor menor que cero en una columna indica: a) Una prdida de oportunidad. b) Una prdida por obsolescencia. c) Una ganancia. d) Ninguno de stos 24. Suponga que las nicas dos acciones de existencias posibles para un producto particular son 10 y 15 botellas. Las ganancias esperadas son $3.35 por 10 botellas y $3.50 por 15 botellas. Si la prdida esperada por 10 botellas es $1.10 y se tienen en existencia 15 botellas, la prdida esperada es: a) Mayor que $1.10. b) Menor que $1.10. c) Mayor que $2.25. d) Indeterminable a partir de la informacin dada. 25. Un hombre de negocios que tiene aversin al riesgo: a) Prefiere tomar riesgos mayores para obtener grandes ganancias. b) Prefiere actuar en cualquier momento en que el valor monetario esperado sea positivo. c) Evita todas las situaciones excepto aquellas con valores esperados muy altos. d) Ninguno de stos. 26. Suponga que no conoce la desviacin estndar real de una distribucin normal, pero alguien le dice, las posibilidades son de 5 a 3 de que una observacin aleatoria est entre 500 y 900. Usted sabe que la media es 700. Cul es el rea bajo la curva normal entre los valores 700 y 900? a) 8/16. b) 3/8. c) 5/8. d) 5/16. 27. Cierto producto se vende en $25 y el comerciante lo compra en $17. Si no se vende en dos semanas, el comerciante recupera slo $8 de su inversin original de $17 porque el producto se echa a perder. Cul es el valor de GM para esta situacin? a) $9. b) $17. c) $8. d) $25. 28. Suponga que para una operacin de inventarios particular, PM $10 y GM $30. Entonces, p* 0.25. Para cul de las siguientes situaciones tendra almacenada la unidad en cuestin? a) La quinta unidad cuando P(demanda de 5 o ms unidades) 0.50. b) La tercera unidad cuando P(demanda de menos de 3 unidades) 0.10 y P(demanda de exactamente 3 unidades) 0.09. c) La novena unidad cuando P(demanda de ms de 9 unidades) 0.16 y P(demanda de exactamente 9 unidades) 0.05. d) Todos los anteriores. e) a) y b), pero no c).
PC-106
A B C D
A B C D E
A B C D E
29. Un gerente est decidiendo si compra o renta un nuevo edificio. Si lo compra, el costo para el siguiente ao ser $5,500, que incluye hipoteca, seguro y otros gastos usuales. Si lo renta, el gasto comparable para el siguiente ao ser $6,000, $5,300 o $4,200, dependiendo de las fluctuaciones del mercado. El gerente desea hacer su eleccin con base en los valores monetarios esperados para el ao siguiente. El rbol de decisiones para esta situacin debe tener: a) Un punto de decisin y ningn evento aleatorio. b) Un evento aleatorio y un punto de decisin. c) Dos puntos de decisin y tres eventos aleatorios. d) Un punto de decisin y tres eventos aleatorios. 30. Para una decisin particular, el beneficio total de una nueva planta es $18,200,000. Si el beneficio neto esperado de esta planta es $11,500,000, cul es el costo de la planta? a) $6,700,000. b) $8,400,000. c) $29,700,000. d) $11,500,000. e) No puede determinarse a partir de la informacin dada. 31. Suponga que se pregunta a tres mujeres de negocios acerca de las utilidades en situaciones de riesgo. Se encuentra que Laura es adversa al riesgo, Lisa es una apostadora arriesgada y Leslie est en una situacin financiera tan desahogada que las cantidades de dinero en cuestin son despreciables al compararlas con su riqueza. Para las situaciones en cuestin, quin de ellas empleara la utilidad como criterio de decisin? a) Laura. b) Lisa. c) Leslie. d) Las tres. e) a) y b), pero no c). 32. Una persona que trata de maximizar su utilidad esperada usara el criterio de valor esperado si: a) Es adversa al riesgo. b) Busca el riesgo. c) Tiene una curva de utilidad no lineal. d) Ninguno de los anteriores. 33. Cuando un problema tiene un gran nmero de acciones posibles, normalmente usaramos: a) Una tabla condicional. b) Una tabla marginal. c) Una tabla de utilidad. d) Anlisis marginal. e) Ninguno de los anteriores. 34. La teora de decisiones maneja: a) La toma de decisiones en condiciones de incertidumbre. b) Decisiones orientadas a cantidades, ignorando las repercusiones financieras. c) El valor de informacin adicional para el tomador de decisiones. d) a) y b), pero no c). e) a) y c), pero no b). 35. Una vez que se resuelve un rbol de decisiones, qu debera hacer el analista? a) Salir inmediatamente y tomar la decisin. b) Especificar las suposiciones subyacentes para sealar, entre otras cosas, los lmites para los cuales es vlido el rbol de decisiones. c) Realizar anlisis de sensibilidad para determinar cmo reacciona la solucin a los cambios en los datos. d) b) y c), pero no a). e) Todos los anteriores.
A B C D
A B C D E
A B C D E
A B C D E
PC-107
A B C D
36. Un producto le cuesta al comerciante $3.25 y puede venderse a $5.75. Si no se vende, el producto puede venderse a un valor de recuperacin de $1.50. Cul de las siguientes afirmaciones es cierta? a) PM $4.25. b) p* ($3.25 $1.50)/($5.75 $1.50). c) Con el fin de justificar el inventario de un producto adicional, la probabilidad acumulada de vender esa unidad o ms debe ser 50%. d) Ninguno de los anteriores. 37. Los eventos que estn ms all del control del tomador de decisiones se denominan o de la naturaleza. 38. La cantidad mxima que un comerciante estar dispuesto a pagar por un pronosticador perfecto se llama . 39. Hay dos tipos de prdidas en una operacin de inventarios: prdidas por y prdidas por . 40. El placer o disgusto que uno recibe de ciertos resultados se conoce como la propia. 41. El acto de calcular los beneficios esperados por cada crculo y cuadrado de un rbol de decisiones se llama . 42. Si una ganancia incrementa la utilidad de una persona mucho ms de lo que una prdida del mismo tamao disminuye su utilidad, esa persona a menudo actuar cuando el valor esperado es . 43. La prdida incurrida al almacenar un producto que no se vende se llama . 44. La observacin de cmo las decisiones ptimas y las ganancias cambian cuando los pagos o probabilidades varan se llama . 45. La secuencia de tiempo en un rbol de decisiones ocurre de a ; el proceso hacia atrs se realiza de a .
PC-108

LEVIN Conceptos

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

LEVIN Conceptos

Загружено:

Авторское право:

Доступные форматы

Prueba de conceptos de los captulos 2 al 17

Prueba de conceptos del captulo

Prueba de conceptos del captulo 2

Prueba de conceptos del captulo 2

q Diagrama de flujo: Ordenamiento de datos para que tengan un significado

Organizacin de los datos sin procesar en un ordenamiento

Desea una representacin grfica?

Prueba de conceptos del captulo 2

Prueba de conceptos del captulo

Prueba de conceptos del captulo 3

Prueba de conceptos del captulo 3

Prueba de conceptos del captulo 3

Prueba de conceptos del captulo 3

q Diagrama de flujo: Medidas de tendencia central y dispersin

Prueba de conceptos del captulo 3

Calcule la media aritmtica de la muestra:

Calcule la tasa promedio de cambio usando la media geomtrica: S M.G. =

n Producto de todos los valores de x

Las cantidades cambian en un periodo? No

Desea conocer la observacin central de los datos? S

Calcule la mediana: th el elemento n + 1 2 del arreglo de datos

Desea conocer la observacin central de los datos?

Desea conocer el valor que se repite con ms frecuencia en el conjunto de datos?

Uso limitado de la moda de datos no agrupados

Desea conocer el valor que se repite con ms frecuencia en el conjunto de datos?

Prueba de conceptos del captulo 3

PC-16 q Diagrama de flujo: Medidas de tendencia central y dispersin

Prueba de conceptos del captulo 3

Calcule la desviacin estndar de la poblacin: S s s2 o de la muestra:

Desea medir la dispersin en unidades ms convenientes?

Calcule el resultado estndar de la poblacin: x m s o de la muestra: x x s

Calcule el coeficiente de variacin: s (100) m

Prueba de conceptos del captulo 3

Prueba de conceptos del captulo

Prueba de conceptos del captulo 4

Prueba de conceptos del captulo 4

Prueba de conceptos del captulo 4

q Diagrama de flujo: Probabilidad 1. Ideas introductorias

Son los eventos mutuamente excluyentes? S

Regla de la adicin: P (A o B ) = P(A ) + P(B ) P(AB )

Regla de la adicin: P (A o B ) = P(A ) + P(B )

Son los eventos estadsticamente independientes? S

La probabilidad marginal de que se presente el evento A es P(A )

ste es conocido como teorema de Bayes

Determine las probabilidades posteriores con el teorema de Bayes

Prueba de conceptos del captulo 4

Prueba de conceptos del captulo

2. Entonces la probabilidad de tener exac-

102e 10 . 10! 210e 2 . 10!

Prueba de conceptos del captulo 5

(0.4)3(0.6)4 da la probabilidad de ob-

Prueba de conceptos del captulo 5

44. Una sultados de un experimento. 45. Las distribuciones

solamente pueden tomar un nmero lipueden

Prueba de conceptos del captulo 5

q Diagrama de flujo: Distribuciones de probabilidad

Prueba de conceptos del captulo 5

Escoja la distribucin de probabilidad adecuada:

Son las variables aleatorias (los resultados del experimento) discretas?

Utilice la distribucin de Poisson y la frmula: Probabilidad de x presentaciones = x e x!

Utilice la distribucin binomial y la frmula: Probabilidad de r xitos en n ensayos = n! p rq nr r ! (n r) !

Utilice la distribucin normal y la tabla de probabilidades normal estndar, con x z=

Puede utilizar la distribucin de Poisson como una aproximacin de la distribucin binomial:

Prueba de conceptos del captulo 5