ESTADSTICA APLICADA AUTOEVALUACIONES Captulo1: Introduccin a la estadstica y al anlisis de datos 1.

____ La media aritmtica de un conjunto de datos siempre coincide con alguno de los valores centrales del conjunto de valores observados. 2. ____ La media aritmtica es siempre un valor comprendido entre los valores mximo y mnimo observados. 3. ____ La media aritmtica siempre es la mejor medida de tendencia central de un conjunto de datos. 4. ____ La media y mediana de un conjunto de datos no siempre coinciden. 5. ____ La media de un conjunto de datos siempre es mayor que la mediana. 6. ____ La mediana es una medida de la variabilidad de un conjunto de datos numri cos. 7. ____ La mediana es una medida de tendencia central sensible a los valores ext remos de la mues-tra. 8. ____ La media aritmtica es la medida que mejor describe la posicin central del siguiente con-junto de datos (1; 2; 3; 3; 1; 2; 2; 1; 312). 9. ____ Las medidas de tendencia central, en una muestra, proporcionan un resume n apropiado y acabado del conjunto de datos. 10. ____ El rango es una medida de dispersin muy fcil de calcular. 11. ____ Una medida de tendencia central muy utilizada es la desviacin estn dar de la muestra. 12. ____ Si la unidad de medida de la desviacin estndar de una variable se expresa en metros, la varianza estar expresada en metros cuadrados. 13. ____ La suma de las desviaciones respecto de la media aritmtica siempr e es igual a cero. 14. ____ Los datos numricos de estudios observacionales o de experimentos diseados pueden ser discretos o continuos. 15. ____ Las medidas de tendencia central y de dispersin slo pueden calcula rse para datos conti-nuos. 16. ____ La media de un conjunto de datos es simplemente un promedio. 17. ____ La media y mediana de un conjunto numrico de datos son siempre va lores muy prximos entre s. 18. ____ La varianza de la muestra es una medida de tendencia central. 19. ____ La desviacin estndar de la muestra es igual a la raz cuadrada de la varianza. 20. ____ Los percentiles son medidas de dispersin. 21. ____ El coeficiente de variacin es de utilidad cuando se quieren compa rar dos muestras que tienen la misma media. 22. ____ Si el modo es la mayor de las medidas de tendencia central, la d istribucin es asimtrica a derecha. 23. ____ Si una distribucin tiene sesgo positivo, es asimtrica a derecha. 24. ____ Las medidas de forma son suficientes para describir un conjunto de datos. 25. ____ El tercer cuartil es el valor que deja por debajo de l, el 25% de los datos. 26. ____ La simetra se da si la media, la mediana y la moda coinciden, en todo conjunto de datos. 27. ____ El k-simo percentil es el valor de la variable, tal que el k% de las observaciones estn por debajo de l y el (100-k)% se encuentra por encima de l. 28. ____ Una distribucin con un apuntamiento mayor que el normal tiene una varianza menor que la distribucin normal. 29. ____ El grfico de caja nos permite ver las caractersticas de un conjunto de datos. 30. ____ El grfico de caja sirve para comparar la misma variable en dos mu

estras distintas. 31. ____ El diagrama de dispersin da una idea sobre el comportamiento del conjunto de datos ana-lizados y es suficiente para analizar la relacin existente entre ellos. 32. ____ Si el coeficiente de correlacin vale 0 (cero), entonces las varia bles son independientes. 33. ____ Si Y aumenta a medida que aumenta X, r es positivo. 34. ____ Cuando se define la recta de regresin y = a+b.x, se puede estimar , a partir de ella, el valor de y para cualquier valor de x. 35. ____ r2.100% se interpreta como el porcentaje de la variabilidad de y que x puede explicar. 36. ____ El signo de la covarianza depende de los valores de X y de Y. 37. ____ Si las variables analizadas son independientes, el coeficiente d e correlacin vale 0 (cero). 38. ____ El coeficiente de determinacin vara entre 0 y 1. 39. ____ Podemos definir una dependencia funcional entre fenmenos aleatori os. 40. ____ El anlisis de datos proporciona una importante informacin estadstic a que nos abre las puertas para estudios posteriores.

Captulo 2: Probabilidad 1. ____ El trmino experimento estadstico se utiliza para describir cualquier proce so que genere un conjunto de datos aleatorios. 2. ____ Se denomina espacio muestral, al conjunto de todos los resultados posibl es de un experi-mento estadstico. 3. ____ Denominamos evento solamente a aquel conjunto que contiene los puntos mu estrales que consideramos de nuestro inters, obtenidos de un experimento aleatori o. 4. ____ Dados los resultados de un experimento aleatorio, es posible definir un subconjunto del espacio muestral, S, que se denomina conjunto vaco y que no conti ene elemento alguno. 5. ____ La interseccin de dos eventos G y H da por resultado el evento que contie ne a todos los elementos que pertenecen a G o a H o a ambos eventos. 6. ____ Un evento est formado por una coleccin de puntos muestrales, que constituy e un subcon-junto del espacio muestral.

7. ____ Dados dos eventos no excluyentes e independientes, A y B, se puede compr obar que si P(A) = 0,15 y P(B) = 0,40, entonces se cumplir que P(A B) = 0,55. 8. ____ Dados dos eventos complementarios D y E, se cumple que P(D) + P(E) = 1. 9. ____ Si despus de lanzar un dado legal diez veces los resultados son:{2, 3, 5, 1, 5, 4, 1, 3, 4, 2}, se puede afirmar que la probabilidad de que el resultado de un nuevo lanzamiento sea el 6, es igual a 1/6. 10. ____ La probabilidad de un evento no puede calcularse para datos cate gricos. 11. ____ La probabilidad de que al lanzar una moneda legal dos veces obte nga una cara es igual a 0,5. 12. ____ La probabilidad de que al lanzar una moneda legal tres veces obt enga una cara es igual a la probabilidad de que al lanzarla tres veces obtenga d os caras. 13. ____ Se sabe que la probabilidad de que al finalizar el da el riesgo p as disminuya cien puntos es igual a 0,30, y que la probabilidad de que maana la te mperatura en Mendoza alcance los 20 C es igual a 0,70. Dado que el riesgo pas dism inuye efectivamente cien puntos al finalizar el da, se puede afirmar que la proba bilidad de que maana la temperatura en Mendoza alcance los 20 C es igual a 0,21. 14. ____ Si al realizar un experimento estadstico la ocurrencia de un even to es fsicamente imposi-ble, el clculo de la probabilidad de ocurrencia de tal eve nto, en determinadas situaciones particulares, puede arrojar valores menores que cero. 15. ____ El teorema de la probabilidad total exige que el espacio muestra l est constituido por una particin de subconjuntos mutuamente excluyentes. 16. ____ Dado un experimento estadstico en el que pueden ocurrir los event os H y K, se puede veri-ficar que P(KH) = P(K/H).P(K). 17. ____ Si se sabe que una moneda est cargada con P(CARA) = 2/3 y P(CRUZ) = 1/3, se puede afirmar que la probabilidad de que al lanzarla dos veces se obt engan dos caras es igual a 4/9. 18. ____ Si arrojamos un dado legal dos veces, el espacio muestral finito est compuesto por 36 eventos simples. 19. ____ La probabilidad de que la suma de los resultados obtenidos al la nzar dos dados legales sea igual a dos, es igual a 2/36. 20. ____ Si dos eventos V y L son complementarios, siempre y sin restricc in alguna se puede veri-ficar que P(VL) = 0. 21. ____ Si la P(A/B) = 2/3 y la P(A) = 1/3, los eventos A y B son indepen dientes. 22. ____ Si A y B son eventos cualesquiera, entonces P(AB) = P(A) + P(B), siempre y sin restriccin alguna. 23. ____ Dos eventos M y N son complementarios si se cumple que P(M) + P( N) = 0. 24. ____ Se dice que dos eventos A y B son independientes si se cumple la siguiente igualdad: P(AB) = P(A) + P(B). 25. ____ Dos eventos J y K son independientes si y slo si P (J/K) = P(J) . P(K). 26. ____ Una regla multiplicativa importante est dada por el teorema que d ice que si en un experi-mento aleatorio pueden ocurrir los eventos M y N, entonc es se cumple P(MN) = P(M/N).P(N). 27. ____ El teorema o Regla de Bayes se utiliza para calcular probabilida des entre eventos indepen-dientes. 28. ____ Si el espacio muestral para un experimento contiene N elementos, los cuales tienen la misma probabilidad de ocurrencia, asignamos una probabilid ad igual a 1/N a cada uno de los N elementos. 29. ____ Si una moneda est balanceada, la probabilidad de obtener una cara en un lanzamiento es igual a la probabilidad de obtener una cruz y vale 0,25. 30. ____ Para calcular la probabilidad de obtener un seis al lanzar un da do legal, es necesario utilizar la definicin de la probabilidad frecuencial o de frecuencia relativa. 31. ____ Dados dos eventos A y B no excluyentes e independientes, con pro babilidad de ocurrencia de cada uno de ellos P(A) = 0,40 y P(B) = 0,30, entonces

se cumple que la P(AB) = 0,20. 32. ____ Dados dos eventos A y B no excluyentes e independientes, con pro babilidad de ocurrencia de cada uno de ellos P(A) = 0,45 y P(B) = 0,35, entonces se cumple que la P(A/B) = 0,45. 33. ____ Dados dos eventos no excluyentes e independientes, A y B, con P( A) = 0,15 y P(B) = 0,40, entonces se cumple que la P(AB) = 0,55. 34. ____ Dados dos eventos J y K mutuamente excluyentes, con P(J) = 0,20 y P(K) = 0,10, se cum-ple que la P(JK) = 0,02. 35. ____ Dados tres eventos mutuamente excluyentes, A, B y C, es posible verificar siempre que la P(ABC) = P(A) + P(B) + P(C). 36. ____ Dados dos sucesos disjuntos A y B, con P(A) = 0,30 y P(B) = 0,20 , entonces se cumplir que P(AB) = 0,60. 37. ____ La probabilidad de ocurrencia de un evento cualquiera A vara entr e y + .

Captulo 3: Variables aleatorias y distribuciones de probabilidad Concepto de variable aleatoria-Distribuciones discretas y continuas de probabili dad 1. ____ Una variable aleatoria es una funcin que asigna un nmero real a cada resul tado en el espacio muestral de un experimento aleatorio. 2. ____ Por convencin, las variables aleatorias se denotan con una letra mayscula, por ejemplo X, y los particulares valores posibles de la misma, con su correspo ndiente letra minscula, en este ejemplo x. 3. ____ Nunca es posible definir ms de una variable aleatoria sobre un mismo espa cio muestral. 4. ____ El conjunto de los posibles valores que puede tomar una variable aleator ia X recibe el nombre de rango de X. 5. ____ Una variable aleatoria se llama variable aleatoria discreta cuando tiene un rango finito o infinito numerable. 6. ____ Un espacio muestral que contiene un nmero finito o infinito numerable de resultados posibles de un experimento aleatorio, se denomina espacio muestral di screto. 7. ____ El volumen de nafta que se pierde por evaporacin durante el llenado del t anque de com-bustible, es una variable aleatoria discreta. 8. ____ El nmero de molculas raras presentes en una muestra de aire es una variabl e aleatoria continua. 9. ____ Las variables aleatorias se pueden clasificar en discretas y continuas. 10. ____ Cuando una variable aleatoria puede tomar valores en una escala continua, se le denomina variable aleatoria continua. 11. ____ Las variables aleatorias continuas representan datos que se obti enen continuamente, mientras que las variables aleatorias discretas representan datos que se obtienen de vez en cuando. 12. ____ En la mayora de las aplicaciones prcticas, las variables aleatoria s continuas representan datos medidos, mientras que las variables aleatorias dis

cretas representan datos contados. 13. ____ El nmero de artculos defectuosos en una muestra de k artculos es un a variable aleatoria discreta. 14. ____ Si se toma el registro de la temperatura ambiente en una estacin de mediciones de una localidad determinada en tres momentos del da, la temperatur a media diaria es una varia-ble aleatoria discreta. 15. ____ El nmero de sismos que ocurren por ao en un lugar determinado, es una variable aleato-ria discreta. 16. ____ El nmero de conexiones soldadas que no cumplen con ciertos estndar es de calidad, de las 800 que tiene un circuito impreso, es una variable aleator ia discreta. 17. ____ El tiempo promedio que tardan los alumnos de estadstica en resolv er su examen final, es una variable aleatoria continua. Distribuciones discretas de probabilidad 18. ____ El conjunto de pares ordenados (x, f(x)) se llama funcin de proba bilidad, funcin masa de probabilidad o distribucin de probabilidad de la variable aleatoria discreta X. 19. ____ Otros autores expresan que la distribucin de probabilidad para un a variable aleatoria discreta X es una tabla, grfica o frmula que da la probabilid ad f(x) asociada a cada posi-ble valor x. 20. ____ La probabilidad de que la variable aleatoria discreta X tome val ores menores o iguales que el particular valor x, est dada por el valor de la fun cin de probabilidad f(x). 21. ____ La funcin de probabilidad f(x) de una variable aleatoria discreta X, siempre y sin restric-ciones, toma valores iguales o mayores que cero. 22. ____ Tanto en el caso de variables aleatorias discretas como continua s, la probabilidad de que la variable aleatoria Y tome el particular valor y, es t dado por el valor de f(y). 23. ____ La distribucin acumulada F(x), de una variable aleatoria discreta X, se define slo para los valores que toma la variable aleatoria dada. 24. ____ La distribucin acumulada F(x) de una variable aleatoria discreta y + . X, con distribucin de probabilidad f(x), vara entre 25. ____ La grfica de barras se obtiene al graficar los puntos (x, f(x)), uniendo los puntos al eje x, ya sea con una lnea punteada perpendicular al eje o con una lnea slida. Las distancias de los puntos al eje estn dadas por las probabil idades f(x), medidas en el eje de ordenadas. 26. ____ El histograma de probabilidad se obtiene al graficar los puntos (x, f(x)) de modo que sus bases, de igual ancho, se centren en cada valor de x, y sus alturas sean iguales a las pro-babilidades dadas por f(x). 27. ____ La grfica de la distribucin acumulada de una variable aleatoria di screta X, se obtiene graficando los puntos (x, F(x)), y queda representada por u na funcin escalonada. 28. ____ Una variable aleatoria discreta slo puede tomar valores mayores q ue cero. 29. ____ Dada una variable aleatoria discreta X con funcin de probabilidad f(x), siempre se cumple la siguiente igualdad: P (X < x ) = P (X x ). 30. ____ Si la funcin de masa de probabilidad de una variable aleatoria di screta X toma el valor f(3)=0,15, debe interpretarse que la probabilidad de que dicha variable exceda el valor 3 es 0,15. 31. ____ Si la funcin acumulada de una variable aleatoria discreta X toma el valor F(2)=0,4, de-bemos interpretar que la probabilidad de que la variable a leatoria X tome el valor 2 es igual a 0,4. 32. ____ Una de las condiciones que debe cumplir la funcin de masa de prob abilidad, f(x), de la variable aleatoria discreta X, es que 1 f(x) +1. 33. ____ Si se tiene una variable aleatoria discreta X, la funcin de masa de probabilidad f(x1), nos da la probabilidad de que la variable aleatoria tome el particular valor x1. Distribuciones continuas de probabilidad 34. ____ La probabilidad de que una variable aleatoria continua tome exac tamente uno de sus valo-res posibles es igual a cero.

35. ____ Al igual que en el caso de variables aleatorias discretas, la fo rma tabular (x, f(x)), es una de las formas posibles de expresar la distribucin d e probabilidad de una variable aleatoria continua X. 36. ____ Dada una variable aleatoria continua X con funcin de densidad de probabilidad f(x), se cumple siempre que la P(X < x) = P(X x). 37. ____ En la representacin grfica de la funcin de densidad de probabilidad f(x) de una varia-ble aleatoria continua X, las reas encerradas por la curva y e l eje de abscisas, representan probabilidades. 38. ____ La funcin de densidad de probabilidad f(x) de una variable aleato ria continua X, siempre y sin restricciones, toma valores iguales o mayores que cero. 39. ____ La funcin de densidad de probabilidad f(y) de una variable aleato ria continua Y, no pue-de tomar valores mayores que uno. 40. ____ Cuando una variable aleatoria continua X toma el particular valo r x = mediana, la funcin de distribucin acumulada toma el valor 0,5. 41. ____ Algunas variables aleatorias continuas, encierran un rea total ba jo la curva de la funcin de densidad de probabilidad inferior a uno. 42. ____ Si se tiene una variable aleatoria continua X, y para x = x1 se cumple que la funcin de densidad de probabilidad es f(x1) = 0, se debe concluir q ue es imposible que la variable aleatoria tome ese particular valor x1. 43. ____ Si se tiene una variable aleatoria continua U con funcin de densi dad de probabilidad f(u) y funcin de distribucin acumulada F(u), siempre se cumple lo siguiente: P(u1 U < u2) = F(u2) F(u1), donde u2 > u1 son particulares valore s de la variable aleatoria U. 44. ____ Si se tiene una variable aleatoria continua V con funcin de densi dad de probabilidad f(v), siempre se cumple lo siguiente: P(a V < b) = P(a V b), donde a y b son particulares valores de la variable aleatoria V. 45. ____ La funcin de densidad de probabilidad de una variable aleatoria c ontinua X siempre po-dr definirse slo para los valores positivos de la variable. 46. ____ Si se tiene una variable aleatoria continua X con funcin de densi dad de probabilidad f(x), en la representacin grfica de f(x) en funcin de x, la pro babilidad de que la variable tome el particular valor x1 se lee en el eje de ord enadas para el particular valor x1. 47. ____ La funcin de la distribucin acumulada F(x) de una variable aleator ia continua X no toma valores menores que cero. Distribuciones empricas 48. ____ La funcin de probabilidad para el caso de variables aleatorias di scretas y la funcin de densidad de probabilidad para el caso de variables aleator ias continuas, son formas de ca-racterizar la distribucin de probabilidad de una poblacin. 49. ____ El diagrama de tronco y hojas representa una forma efectiva de r esumir datos. 50. ____ La nica manera de determinar el nmero de intervalos de clase en un a tabla de distribu-cin de frecuencias, es construyendo previamente el diagrama d e tronco y hojas. 51. ____ Una distribucin que carece de simetra con respecto a un eje vertic al, se dice que es asi-mtrica o sesgada. 52. ____ Si el histograma de frecuencias relativas de una variable aleato ria continua es simtrico, la desviacin estndar de la variable es igual a cero. 53. ____ Si un histograma de frecuencias relativas presenta un sesgo a la izquierda, la varianza de los datos con los cuales se ha construido el mismo, t oma un valor negativo. 54. ____ Si el valor del sexto decil de un conjunto de datos es igual a 8 , significa que la sexta parte de los datos son iguales o inferiores a 8. 55. ____ El valor del quinto decil es igual al valor del segundo cuartil. 56. ____ El percentil cincuenta de un conjunto de datos siempre coincide con el segundo cuartil. 57. ____ Los puntos de cuartiles se pueden leer rpidamente en la grfica de la distribucin acumu-lada. 58. ____ Los puntos de percentil se pueden leer rpidamente en el eje de or

denadas del histograma de frecuencias relativas. 59. ____ Para identificar fcilmente la moda de un conjunto de datos repres entados grficamente, es conveniente utilizar la grfica de la distribucin acumulada de la variable aleatoria es-tudiada. 60. ____ Cuando los alumnos estudian y rinden un examen de estadstica que les resulta muy fcil, la representacin de las calificaciones se espera que d como r esultado una distribucin sesgada a la izquierda. 61. ____ Para cualquier distribucin de probabilidad que sea simtrica, media , mediana y moda son coincidentes. Distribuciones de probabilidad conjunta 62. ____ Los resultados de un experimento estadstico pueden dar lugar al e studio de una o ms variables aleatorias. 63. ____ Para el caso de dos variables aleatorias discretas, X y Y, la fu ncin de probabilidad con-junta, f(x,y), da la probabilidad de que ocurran los val ores x y y al mismo tiempo. 64. ____ Sea Y la variable aleatoria que da el nmero de licencias por enfe rmedad solicitadas por los empleados de una empresa en un mes cualquiera del ao, y Z el mes del ao en que la solicitan, expresado en nmeros del uno al doce. Si la funcin de probabilidad conjunta de Y y Z toma el valor f(5,12) = 0,45, debe inter pretarse que la probabilidad de que cinco empleados soliciten licencia por enfer medad en el mes de diciembre, es por lo menos igual a 0,45. 65. ____ Cualquier funcin f(x,y) que cumpla la condicin de que x 0 y que y 0, es funcin de probabilidad conjunta de las variables aleatorias discretas X y Y . 66. ____ Si las variables Y y Z son variables aleatorias continuas, con f uncin de densidad conjunta f(y,z), la representacin grfica de la misma dar una super ficie sobre el plano yz, y puedo medir la P[(Y, Z) A], donde A es cualquier regin en el plano yz, en la escala graduada de un eje perpendicular al plano yz. 67. ____ Las variables aleatorias continuas Y y Z, con funcin de densidad conjunta f(y,z), no pue-den tomar valores menores que cero. 68. ____ Dada la distribucin de probabilidad conjunta de las variables ale atorias discretas X y Y, es posible obtener las distribuciones marginales de X y Y, a partir de f(x,y). 69. ____ Sean Y y Z variables aleatorias discretas con funcin de probabili dad conjunta f(y,z). Siempre se cumple que la suma de los valores de la distribu cin marginal de cualquiera de las variables sobre todos lo valores de la misma, e s igual a uno. 70. ____ Las distribuciones marginales de las variables aleatorias contin uas Y y Z, son en realidad las distribuciones de probabilidad de las variables i ndividuales Y y Z solas. Independencia estadstica 71. ____ La simbologa f(x,y) debe leerse: probabilidad de que la variable aleatoria X tome el parti-cular valor x y que la variable aleatoria Y tome el pa rticular valor y. 72. ____ La simbologa f (x/y) debe leerse: probabilidad de que la variable aleatoria X tome el par-ticular valor x, dado que la variable aleatoria Y toma el particular valor y. 73. ____ Cuando f (y/z) depende de z, la distribucin condicional de la var iable aleatoria Y dado que Z = z, es igual a la distribucin marginal de la variab le aleatoria Y. 74. ____ Si f (x/y) no depende de y, se cumple que f (x/y) = g(x) y f(x,y ) = g(x) . h(y). 75. ____ Las variables aleatorias discretas Y y Z son estadsticamente inde pendientes, si y slo si, la funcin de distribucin de probabilidad conjunta de las m ismas es igual al producto de las distribuciones marginales, para toda (y, z) de ntro de sus rangos. 76. ____ Si se verifica algn punto (y, z) para el que f(y,z) g(y).h(z), la s variables aleatorias dis-cretas Y y Z no son estadsticamente independientes. 77. ____ Si se cumple que f(x,y) = P(X=x , Y=y) entonces las variables al eatorias discretas X, Y, son estadsticamente independientes.

78. ____ Dadas las variables aleatorias discretas Y y Z, con f(2,1) = 7/5 ; g(2)=4/5 y h(1)=3/5, se puede afirmar que las variables aleatorias discretas Y y Z son estadsticamente indepen-dientes.

Captulo 4:Esperanza matemtica Media de una variable aleatoria 1. ____ Si se conocen los valores que ocurren en un experimento aleatorio y sus frecuencias rela-tivas asociadas, es posible calcular el valor esperado de una variable aleatoria definida para los resultados del experimento. 2. ____ Es comn entre los estadsticos, referirse a la media como la esperanza mate mtica o el valor esperado de la variable aleatoria X y denotarla como E(X). 3. ____ El valor esperado de variables aleatorias continuas se calcula del mismo modo que para las variables aleatorias discretas. 4. ____ El valor esperado del resultado obtenido al lanzar un dado legal es 3,5. 5. ____ Si el valor esperado del resultado obtenido al lanzar un dado legal es 3 ,5, debe interpre-tarse que los resultados que ms se repiten son el 3 y el 4. 6. ____ Si slo se conocen los valores que puede tomar una variable aleatoria en s u rango, se puede calcular fcilmente el valor de la media de la variable en estud io. 7. ____ El valor esperado de la variable aleatoria Y = 2X 1, es igual al doble d el valor esperado de la variable aleatoria X. 8. ____ El concepto de valor esperado o esperanza matemtica slo tiene utilidad prct ica para resolver problemas de juegos de azar. 9. ____ La media o valor esperado de una variable aleatoria X es de especial imp ortancia en esta-dstica, pues describe el lugar donde se centra la distribucin de probabilidad. 10. ____ Si slo conozco el valor esperado de una variable aleatoria, es su ficiente para tener claro la forma de la distribucin de la misma. 11. ____ Si el valor esperado de una variable aleatoria toma un valor men or que cero, significa que fsicamente es imposible que la variable tome ese parti cular valor. Varianza y covarianza 12. ____ La varianza de una variable aleatoria nos proporciona informacin acerca de la variabili-dad de las observaciones alrededor de la media. 13. ____ Si una variable aleatoria tiene una varianza pequea, esperaramos q ue la mayor parte de las observaciones se agrupen cerca y alrededor de la media. 14. ____ La varianza de la variable aleatoria Y = 2X 1, es cuatro veces m ayor que la varianza de la variable aleatoria X. 15. ____ Dado el valor de la media de una variable aleatoria y un interva lo alrededor de la misma, la probabilidad de que otra variable aleatoria similar , con igual media pero con varianza mayor, tome valores dentro de dicho interval o, es mayor. 16. ____ Si se tiene un histograma simtrico de una distribucin discreta de probabilidad, se debe concluir que la variabilidad en la distribucin es nula. 17. ____ La varianza de una variable aleatoria con distribucin de probabil idad f(x) es el valor es-perado del cuadrado de las desviaciones respecto de su media. 18. ____ Una forma de obtener la varianza de una variable aleatoria X es, haciendo la diferencia entre el valor esperado del cuadrado de la variable, y e l valor esperado de la variable ele-vado al cuadrado. 19. ____ La varianza o la desviacin estndar slo tienen significado cuando se comparan dos o ms distribuciones que tienen las mismas unidades de medida. 20. ____ La covarianza entre dos variables aleatorias, XY, es una medida d e la naturaleza de la asociacin entre las dos.

21. ____ La covarianza entre dos variables aleatorias X, Y, con distribuc in de probabilidad con-junta f(x, y), se define como el valor esperado del produc to de las desviaciones de las va-riables respecto de sus propias medias. 22. ____ La covarianza de dos variables aleatorias X, Y es siempre un val or positivo. 23. ____ La covarianza de dos variables aleatorias X, Y estadsticamente in dependientes, es siempre igual a cero. Lo opuesto, sin embargo, no siempre se cu mple. 24. ____ Una forma de calcular la covarianza de dos variables aleatorias X, Y, es haciendo la dife-rencia entre el valor esperado del producto de las var iables, y el producto de las medias de las variables. 25. ____ La covarianza entre dos variables aleatorias slo puede tener la u nidad de medida de una variable elevada al cuadrado, por ejemplo, m, kgf, (m/s), (hm), ( C). 26. ____ El coeficiente de correlacin entre las variables aleatorias Y y Z es un valor adimensional que siempre satisface la desigualdad: ( 1 YZ +1 ). 27. ____ El coeficiente de correlacin entre dos variables aleatorias Y, Z, se define como el cociente entre la covarianza entre las variables aleatorias, y el producto de las desviaciones de las variables. 28. ____ La magnitud del coeficiente de correlacin entre dos variables ale atorias X, Y, depende de las unidades de medida de las variables estudiadas. 29. ____ El coeficiente de correlacin puede tomar valores menores que cero . 30. ____ Si la covarianza entre dos variables aleatorias es igual a cero, el coeficiente de correlacin tambin lo ser, siempre y sin excepcin. 31. ____ Si entre dos variables aleatorias existe una dependencia lineal exacta, el coeficiente de correlacin slo puede tomar el valor +1. Medias y varianzas de combinaciones lineales de variables aleatorias 32. ____ El valor esperado de una constante es siempre igual a cero. 33. ____ El valor esperado del producto de una constante por una variable aleatoria, es igual al producto de la constante por el valor esperado de la var iable aleatoria. 34. ____ El valor esperado de la suma algebraica de dos variables aleator ias, es siempre igual a la suma de los valores esperados de las mismas. 35. ____ El valor esperado del producto de dos variables aleatorias es ig ual al producto de los valo-res esperados de las mismas, siempre y sin excepcin. 36. ____ La varianza de una constante es siempre igual a la constante ele vada al cuadrado. 37. ____ La varianza de una constante por una variable aleatoria, es igua l al cuadrado de la cons-tante multiplicado por la varianza de la variable aleat oria. Teorema de Chebyshev 38. ____ La proporcin de valores que toma una variable aleatoria entre dos valores simtricos cualesquiera alrededor de la media, est relacionada con la desv iacin estndar de la va-riable aleatoria. 39. ____ El teorema de Chebyshev da una estimacin conservadora de la proba bilidad de que una variable aleatoria tome un valor dentro de k desviaciones estn dar de su media, para cual-quier nmero real k. 40. ____ El teorema de Chebyshev tiene validez slo cuando la distribucin de la poblacin en estudio se distribuye normalmente. 41. ____ Segn el teorema de Chebyshev, la probabilidad de que una variable aleatoria cualquiera tome un valor dentro de k desviaciones estndar de la media, es exactamente igual a: 11/k. Captulo 5: Algunas distribuciones de probabilidad discreta Distribucin uniforme discreta 1. ____ En la distribucin de probabilidad uniforme discreta, la variable aleatori a toma cada uno de sus valores con idntica probabilidad. 2. ____ El parmetro de la distribucin de probabilidad uniforme discreta, viene dad

o por la in-versa de la cantidad de valores que puede tomar la variable aleatori a. 3. ____ La variable aleatoria que describe el nmero de caras obtenidas al lanzar dos monedas legales sigue una distribucin de probabilidad uniforme. 4. ____ La media de una variable aleatoria discreta uniforme, f(x; k), siempre c oincide con uno de los valores de la misma observados en el experimento. 5. ____ La varianza de una variable aleatoria discreta uniforme, f(x; k), no dep ende del nmero de valores que puede tomar la variable. Distribucin binomial y multinomial 6. ____ En la distribucin binomial las pruebas que se repiten pueden ser dependie ntes o inde-pendientes. 7. ____ El nmero X de xitos obtenidos en n experimentos de Bernoulli se denomina v ariable aleatoria binomial. 8. ____ La media de la distribucin binomial b(x; n, p) viene dada por el producto n.p. 9. ____ El rango de valores de una variable aleatoria binomial va de cero a p. 10. ____ Una de las propiedades que debe cumplir el proceso de Bernoulli, es que la probabilidad de xito permanezca constante en cada prueba. 11. ____ La varianza de la distribucin binomial puede calcularse en funcin de la probabilidad con que ocurre cada xito y del nmero de veces que se realiza la prueba en el experimento. 12. ____ El espacio muestral de un experimento Bernoulli puede representa rse de manera conve-niente como {xito, fracaso}. 13. ____ Dado un tamao de muestra n, para valores pequeos del parmetro p, di gamos menores de 0,05 por ejemplo, la distribucin binomial ser sesgada a la izquie rda. 14. ____ Cuando la probabilidad de xito en un proceso Bernoulli es de 0,20 , la grfica de la dis-tribucin binomial resultante al realizar el experimento cinc o veces es simtrica. 15. ____ El nmero de caras obtenidas al lanzar una moneda legal diez veces , sigue una distribu-cin binomial. 16. ____ Un examen de opcin mltiple contiene diez preguntas. Cada pregunta tiene cuatro op-ciones y slo una de ellas es correcta. Si una persona responde al azar, el nmero de res-puestas correctas sigue una distribucin binomial. 17. ____ Los valores que puede tomar una variable aleatoria que sigue una distribucin binomial, siempre estn comprendidos entre cero y uno, inclusive. 18. ____ Las distribuciones binomiales para valores del parmetro p = 0,5 t ienen una representacin grfica simtrica respecto de un eje vertical que pasa por el valor de la media de la distribucin. 19. ____ Para un valor fijo de n, la distribucin se vuelve ms simtrica a med ida que el parmetro p aumenta desde 0 hasta 0,5, o disminuye desde 1 hasta 0,5. 20. ____ Para un valor fijo de p, la distribucin binomial se vuelve ms simtr ica a medida que n aumenta. 21. ____ La media y la varianza de una variable aleatoria binomial, depen den slo de los parme-tros n y p. 22. ____ La distribucin binomial no tiene mucha importancia debido a que p uede aproximarse por otras distribuciones. 23. ____ Si p = 0,4 en un proceso Bernoulli, entonces el clculo de: 7C3 . (0,4)3 . (0,6)4 da la proba-bilidad de obtener tres o ms xitos en 7 ensayos. 24. ____ Una variable aleatoria binomial slo puede tomar valores positivos y el cero. 25. ____ El nmero de caras obtenidas al lanzar una moneda legal diez veces sigue una distribucin binomial y la representacin grfica de la distribucin es simtri ca respecto del valor x = 1. 26. ____ Si una mquina que tiene la herramienta desgastada produce 1% de p artes defectuosas, el nmero de partes defectuosas en las siguientes 25 que produz ca, sigue una distribucin binomial de parmetros n = 100 y p = 0,25. 27. ____ Un examen de opcin mltiple contiene 10 preguntas. Cada pregunta ti ene 5 opciones y slo una de ellas es correcta. Si una persona responde al azar, e l nmero de respuestas contestadas de manera correcta sigue una distribucin binomia

l, con parmetros n = 50 y p = 0,10. 28. ____ En un experimento multinomial se realizan n pruebas independient es que se repiten, donde cada prueba puede tomar alguno de los k resultados posi bles del experimento, con pro-babilidades p1, p2,, pk respectivamente. 29. ____ En un experimento multinomial, la suma de las probabilidades de que ocurran cada uno de los resultados posibles del experimento debe ser igual a uno. 30. ____ En un experimento multinomial, todas las particiones del espacio muestral son mutua-mente excluyentes y ocurren con igual probabilidad. 31. ____ En un experimento multinomial, con variables aleatorias X1, X2, , Xk; xk representa la probabilidad de que ocurra el resultado Ek en las n prueba s independientes. Distribucin hipergeomtrica 32. ____ La distribucin hipergeomtrica es de suma utilidad en aplicaciones al campo del control de calidad, donde el muestreo de aceptacin se realiza con en sayos destructivos. 33. ____ La variable aleatoria hipergeomtrica slo puede tomar valores posit ivos y el cero. 34. ____ El modo en que se realiza el muestreo genera diferencias entre l a distribucin binomial y la distribucin hipergeomtrica. 35. ____ Tanto en la distribucin binomial como en la hipergeomtrica, se deb e repetir el experi-mento hasta encontrar el primer xito. 36. ____ Tanto en la distribucin binomial como en la hipergeomtrica, las pr uebas son indepen-dientes. 37. ____ En un experimento hipergeomtrico, se selecciona, con reemplazo, u na muestra aleatoria de tamao n de un lote de N artculos, donde k de los N artculos se pueden clasificar co-mo xitos y (N k ) se pueden clasificar como fracasos. 38. ____ El nmero de xitos (elementos defectuosos) de un experimento hiperg eomtrico, en el que se selecciona una muestra aleatoria de tamao tres, de un lote de tamao veinte que tiene cinco elementos defectuosos, vara entre cero y cinco. 39. ____ En un experimento hipergeomtrico, la probabilidad de no encontrar xitos en una muestra aleatoria, es siempre igual a cero. 40. ____ Cuando el tamao de la muestra es relativamente pequeo en relacin co n el tamao del lote, la distribucin binomial se puede imaginar como una versin de p oblacin grande de las distribuciones hipergeomtricas. 41. ____ La expresin (N n) / (N 1) se conoce como factor de correccin de po blacin finita. 42. ____ La distribucin hipergeomtrica se puede reemplazar por la distribuc in binomial si el factor de correccin para poblaciones finitas (N n) / (N 1) est ce rcano a cero. 43. ____ El muestreo con reemplazo es equivalente al muestreo de un conju nto infinito, ya que la proporcin de xitos permanece constante para cualquier ensa yo en el experimento. 44. ____ La distribucin hipergeomtrica multivariada permite calcular probab ilidades cuando se realiza ms de un experimento. Distribucin binomial negativa y geomtrica 45. ____ En los experimentos binomiales negativos la probabilidad de xito p permanece constante en cada prueba. 46. ____ La distribucin geomtrica es un caso particular de la distribucin bi nomial negativa. 47. ____ Los parmetros de la distribucin binomial negativa son los mismos q ue para la distribu-cin binomial. 48. ____ En la distribucin binomial negativa la probabilidad de obtener un xito en cada prueba, permanece constante en las n pruebas que se realizan. 49. ____ La variable aleatoria geomtrica, en algunas situaciones, puede to mar valores negativos. 50. ____ El parmetro de la distribucin geomtrica est dado por la probabilidad (siendo sta constante en cada prueba) de obtener un xito en una prueba cualquiera del experimento. 51. ____ En la distribucin geomtrica las pruebas son independientes.

52. ____ La media de una variable aleatoria que sigue una distribucin geomt rica est dada por la inversa del parmetro de la misma. Distribucin de Poisson y proceso de Poisson 53. ____ La representacin grfica de la distribucin de Poisson siempre tiene forma simtrica. 54. ____ Para una distribucin binomial dada, con n grande y p pequea, las c ondiciones se apro-ximan a las del proceso de Poisson y el producto n.p permanec e constante. 55. ____ Una de las propiedades del proceso de Poisson es que la probabil idad de que ocurra un solo resultado durante un intervalo es independiente de la longitud del intervalo. 56. ____ En el proceso de Poisson, el nmero de resultados que ocurren en u n intervalo o regin especfica, es independiente del nmero de ocurrencias que se pro ducen en los intervalos o regiones adyacentes al considerado. 57. ____ La media de una distribucin de Poisson es igual a su varianza. 58. ____ El nmero promedio de resultados que ocurren en un intervalo de ti empo t de un experi-mento de Poisson, viene dado por el producto entre la tasa d e ocurrencia y el tiempo, es decir, t. 59. ____ Siempre se cumple que, el nmero promedio de resultados en un proc eso de Poisson en un intervalo regin especfica de longitud t, coincide con la tasa de ocurrencia de los re-sultados. 60. ____ La distribucin de Poisson es aplicable a variables que represente n el nmero de sucesos de inters en un continuo de espacio o de tiempo, en determin adas condiciones. 61. ____ Una variable de Poisson slo puede tomar valores comprendidos en e l intervalo [0; ]. 62. ____ La variable aleatoria de Poisson puede tomar valores menores que cero, slo cuando la tasa de ocurrencia sea menor que uno. La distribucin de Poisson como forma limitante de la binomial 63. ____ Sea X una variable aleatoria binomial con distribucin de probabil idad b(x; n, p). Siempre y en cualquier caso es posible utilizar la distribucin d e Poisson como forma limitante de la distribucin binomial, es decir, b(x; n, p) p (x; ). 64. ____ Para una distribucin binomial dada, con n grande y p pequea, las c ondiciones se apro-ximan a las del proceso de Poisson si el producto n.p permane ce constante. 65. ____ Cuando p sea un valor cercano a la unidad, de ninguna manera ser posible utilizar la distribucin de Poisson para aproximar probabilidades binomial es. Captulo 6: Algunas distribuciones continuas de probabilidad Distribucin uniforme continua 1. ____ Si una variable aleatoria continua X est distribuida uniformemente en el intervalo [A; B], la probabilidad de que tome valores en cualquier intervalo de longitud x es la misma. 2. ____ Dado que la funcin de densidad de probabilidad de una variable aleatoria uniforme con-tinua X en el intervalo [A; B] es constante, tiene varianza nula. 3. ____ El valor esperado de una variable aleatoria continua, distribuida unifor memente en el in-tervalo siguiente [1; 3], es igual a 1. 4. ____ La funcin de densidad de una variable aleatoria continua distribuida unif ormemente en el intervalo [A; B], es simtrica respecto de un eje vertical que pas e por la media. Distribucin normal 5. ____ Los parmetros de la distribucin de probabilidad de la variable aleatoria n ormal son su media y la desviacin estndar (o su varianza). 6. ____ Siempre y sin restriccin alguna, la curva de la funcin de densidad de prob abilidad de una variable aleatoria normal, es simtrica respecto de un eje vertica l que pasa por la me-dia. 7. ____ Para algunos valores particulares de los parmetros de la distribucin norma l, la curva de la funcin de densidad de probabilidad puede presentar ms de una mod

a. 8. ____ Si X n (x; , s), media, mediana y moda son coincidentes. 9. ____ La curva de la distribucin normal tiene sus puntos de inflexin en correspo ndencia con los valores de la variable ubicados alrededor de la media, a una dis tancia de una vez la desviacin estndar. 10. ____ La probabilidad de que cualquier variable aleatoria distribuida normalmente, con media m y varianza s , tome valores entre m 3s, es igual a 0,9973. 11. ____ La probabilidad de que cualquier variable aleatoria distribuida normalmente, con media m y varianza s , tome valores entre m 2s, es igual a 0,9545. 12. ____ La probabilidad de que cualquier variable aleatoria distribuida normalmente, con media m y varianza s , tome valores entre m 1s, es igual a 0,6827. 13. ____ La funcin de distribucin acumulada F(x), de cualquier variable ale atoria X distribuida normalmente, es igual a 0,5 para el valor de x igual a la m edia. 14. ____ Una variable aleatoria X distribuida normalmente est definida slo para valores positivos de la misma. 15. ____ Si graficamos dos curvas normales con la misma desviacin estndar q ue tienen medias diferentes, las curvas tendrn la misma forma pero estarn centrada s en posiciones dife-rentes a lo largo del eje horizontal. 16. ____ La funcin de densidad de una variable aleatoria normal es ms chata y se extiende ms sobre el eje de la variable (horizontal), mientras mayor sea su rango. 17. ____ La probabilidad de que una variable aleatoria normal tome el val or x1, se puede leer en el eje de ordenadas para n (x1; m, s). 18. ____ La probabilidad de que una variable aleatoria X ~ n (x; m, s) tom e valores entre x = x1 y x=x2, est representada por el rea bajo la curva de la f uncin de densidad de probabi-lidad comprendida entre x1 y x2. 19. ____ No siempre es posible realizar la transformacin de una variable a leatoria X ~ n (x; m, s), en otra variable aleatoria Z ~ n (z; 0, 1). 20. ____ La distribucin de una variable aleatoria normal con media cero y varianza uno, se llama distribucin normal estndar. 21. ____ La probabilidad de que una variable aleatoria X ~ n (x; m = 4, s = 2) tome valores entre 4,5 y 5,5 es igual a la probabilidad de que la variable aleatoria Z ~ n (z; m = 0, s = 1) tome valores entre 0,25 y 0,75. 22. ____ La probabilidad de que una variable aleatoria normal con media s eis y desviacin estndar igual a dos tome valores menores que seis, es igual a la p robabilidad de que tome valores menores o iguales que seis. 23. ____ La curva de la funcin de distribucin acumulada de una variable ale atoria normal es si-mtrica respecto de un eje vertical que pasa por el valor de l a media. 24. ____ La funcin de distribucin acumulada de una variable aleatoria norma l, siempre y sin restriccin alguna, toma el valor 0,5 para el valor particular de la variable igual a la media de la distribucin. 25. ____ El percentil sesenta y siete de la una variable normal estndar es igual a 0,44. 26. ____ El quinto decil de una variable normal estndar es igual a 0,5. 27. ____ El percentil treinta y tres de una variable normal estndar es igu al a 0,44. 28. ____ La probabilidad de que una variable aleatoria normal estndar tome valores mayores que uno, es igual a 0,8413. 29. ____ El rea total bajo la curva de cualquier variable aleatoria distri buida normalmente es igual al rea total bajo la curva de una variable normal estnd ar. Aproximacin normal a la binomial 30. ____ Algunas veces, la distribucin normal es una buena aproximacin a un a distribucin bi-nomial cuando esta ltima adquiere una forma de campana simtrica. 31. ____ La distribucin binomial se aproxima bien por la normal cuando el tamao de la muestra tiende a infinito. 32. ____ La aproximacin normal para evaluar probabilidades binomiales es e xcelente cuando n es grande, y muy buena para valores pequeos de n, si p es razon

ablemente cercano a 0,5. 33. ____ En la prctica, si ambos productos n.p y n.q, son mayores o iguale s a cinco, la aproxima-cin normal para evaluar probabilidades binomiales ser acept able. 34. ____ Si X ~ b (x; n = 15, p = 0,4) y se dan las condiciones para aprox imar el clculo de pro-babilidades utilizando la distribucin normal, entonces se pu ede verificar que: P(4 X < 8) P(-1,318 < Z < +0,791). 35. ____ Para efectuar la aproximacin normal a la binomial, es necesario e fectuar una correccin por continuidad de la variable. Distribuciones gamma y exponencial 36. ____ La media y la varianza de la distribucin gamma son y respectivamente 37. ____ La distribucin exponencial es un caso particular de la distribucin gamma. 38. ____ La funcin de densidad de probabilidad f(x), de una variable aleat oria continua X que tie-ne una distribucin exponencial con parmetro , es igual a un o para todo x < 0. 39. ____ La funcin de densidad de probabilidad f(x), de una variable aleat oria continua X que tie-ne una distribucin exponencial, es simtrica respecto de un eje vertical que pasa por la media. 40. ____ La media y la varianza de la distribucin exponencial son y respecti vamente. 41. ____ Las aplicaciones de la distribucin exponencial ms importantes corr esponden a situacio-nes donde se aplica el proceso de Poisson. 42. ____ La funcin de densidad de probabilidad f(x) = .e- x es la funcin de de nsidad de probabilidad de la distribucin exponencial con = 1/ . 43. ____ El parmetro de la distribucin exponencial es igual al cuadrado del parmetro de la dis-tribucin de Poisson. 44. ____ La importancia de la distribucin gamma est en el hecho de que defi ne una familia de la que otras distribuciones son casos especiales, aunque por s misma tiene importantes apli-caciones en tiempo de espera y teora de confiabilida d. 45. ____ La distribucin exponencial describe el tiempo hasta la ocurrencia de un evento de Poi-sson (o el tiempo entre eventos de Poisson). 46. ____ El tiempo (o espacio) que transcurre hasta que ocurre un nmero es pecfico de eventos de Poisson es una variable aleatoria cuya funcin densidad est de scrita por la de la distribu-cin gamma. Distribucin ji cuadrada 47. ____ La distribucin ji-cuadrada es un caso particular de la distribucin gamma. 48. ____ La media y la desviacin estndar de la distribucin ji-cuadrada son y 2 respectiva-mente, siendo el nmero de grados de libertad. 49. ____ Si graficamos dos curvas de variables aleatorias con distribucin ji-cuadrada donde la media de la primera es menor que la media de la segunda, la curva de la segunda ser ms baja y se extender ms lejos. 50. ____ La distribucin ji-cuadrada tiene un papel importante en la metodo loga y en la teora de la inferencia estadstica. 51. ____ El parmetro de la distribucin ji-cuadrada es el nmero de grados de libertad, . 52. ____ La distribucin ji-cuadrada est definida para los valores de la var iable aleatoria com-prendidos entre y + . 53. ____ La probabilidad de que una variable aleatoria con distribucin ji cuadrada de parmetro igual a 30 tome valores menores que 13,787, es igual a 0,995. 54. ____ La probabilidad de que una variable aleatoria con distribucin ji cuadrada de parmetro igual a 25 tome valores mayores que 2, es igual a uno. 55. ____ La probabilidad de que una variable aleatoria con distribucin ji cuadrada de parmetro igual a 10 tome valores menores o iguales que la media, es i gual a 0,5. Distribucin logartmica normal 56. ____ La distribucin logartmica normal se aplica en casos donde una tran

sformacin de loga-ritmo natural tiene como resultado una distribucin normal. 57. ____ La variable aleatoria continua X tiene una distribucin logartmica normal si la variable Y=ln (X) tiene una distribucin normal con media m y desviac in estndar s. Distribucin de Weibull 58. ____ Los parmetros de la distribucin de Weibull son su media y su varia nza. 59. ____ La confiabilidad de un componente o producto se define como la p robabilidad de que funcione apropiadamente por lo menos un tiempo especfico, bajo condiciones experi-mentales especficas. 60. ____ Una de las distribuciones de aplicacin en problemas de confiabili dad de componentes que forman los sistemas, es la distribucin de Weibull. 61. ____ La confiabilidad de un componente dado en un tiempo t puede calc ularse como la inversa de la distribucin acumulada en el tiempo t. 62. ____ La funcin de densidad de una variable aleatoria con distribucin de Weibull, es siempre simtrica respecto de un eje vertical que pasa por la media.

Captulo 7: Funciones de variables aleatorias Combinaciones lineales de variables aleatorias 1. ____ La distribucin normal posee la propiedad reproductiva, por lo tanto, la s uma de varias variables aleatorias independientes distribuidas normalmente, es u na variable aleatoria normal. 2. ____ Si X1, X2, X3, , Xi, , Xn, son variables aleatorias mutuamente independi entes que tienen, respectivamente, distribuciones ji cuadrada con n1, n2, n3, , n i, , nn, grados de libertad, entonces la variable aleatoria suma de las variables independientes W = X1 + X2 + X3 + + Xi + + Xn , tiene una distribucin normal con media igual a la suma de las medias de las variables y varianza igual a la suma de las varianzas de las variables Xi. 3. ____ La suma del cuadrado de variables aleatorias normales estndar independien tes tiene una distribucin ji cuadrada, con parmetro igual al nmero de variables nor males estndar cuyos cuadrados se suman. 4. ____ Dadas la variable aleatoria X distribuida normalmente con media igual a 50 y desviacin estndar igual a 2, y la variable aleatoria Y distribuida normalment e con media igual a 20 y desviacin estndar igual a 4, siendo X e Y variables aleat orias independientes, entonces la variable W = X Y tendr una distribucin normal co n media igual a 30 y desviacin estndar igual a 6. 5. ____ Dadas la variable aleatoria X que tiene una distribucin ji cuadrada con 3 grados de liber-tad y la variable aleatoria Y que tiene una distribucin ji cuadr ada con 5 grados de liber-tad, siendo X e Y variables aleatorias independientes, entonces la variable W = X + Y ten-dr una distribucin ji-cuadrada con media igual a 8 y varianza igual a 16.

Captulo 8: Distribuciones fundamentales de muestreo y descripciones de datos Muestreo aleatorio 1. ____ En estadstica utilizamos el trmino poblacin para referirnos a la totalidad de personas que constituyen el grupo en estudio. 2. ____ Siempre ser posible y no habr dificultades en disponer del conjunto de tod as las obser-vaciones que constituyen la poblacin. 3. ____ Se denomina muestra a cualquier subconjunto de una poblacin. 4. ____ Cualquier procedimiento de muestreo que produzca inferencias que sobrees timen o subes-timen de forma consistente alguna caracterstica de la poblacin, se d ice que est sesgado. 5. ____ En un muestreo aleatorio las observaciones se obtienen de manera indepen diente y al azar. 6. ____ Cualquier muestra seleccionada de una poblacin, permite hacer inferencias confiables acerca de los parmetros de la poblacin de la cual proviene. Algunas estadsticas importantes 7. ____ Cualquier funcin de las variables aleatorias comprendida entre cero y uno inclusive, que forman una muestra aleatoria, se llama estadstica. 8. ____ Las estadsticas que en general se utilizan para medir el centro de un con junto de datos acomodados en orden de magnitud, son la media, mediana y moda. 9. ____ La media es siempre la mejor medida de tendencia central de un conjunto de datos. 10. ____ La media es una medida que no tiene desventajas. 11. ____ La mediana se acerca ms que la media a la posicin central de los d atos, cuando las ob-servaciones estn influidas por valores extremos. 12. ____ La media es una medida ms estable que la mediana cuando estimamos el centro de una poblacin con base en el valor de una muestra, ya que al selecci onar muestras de una po-blacin, las medias de las muestras, en general, no variarn tanto de una muestra a otra como las medianas. 13. ____ Todo conjunto de datos presenta slo una moda. 14. ____ Dado un conjunto de datos, la moda puede no existir, y cuando ex iste no necesariamente es nica. 15. ____ La moda de un conjunto de datos tiene la ventaja de ser una medi da que slo requiere contar valores y que se utiliza tanto para datos cuantitativo s como cualitativos. 16. ____ El rango es una medida de variabilidad que nos describe cmo se di stribuyen los valores intermedios de la variable. 17. ____ El rango es una medida de variabilidad que siempre resulta mayor o igual que cero. 18. ____ El rango de una variable aleatoria discreta uniforme siempre es igual a cero. Presentaciones de datos y mtodos grficos 19. ____ Las grficas de probabilidad normal y grficas de cuantiles se utili zan para realizar una verificacin diagnstica de la suposicin de que los datos provi enen de una poblacin con distribucin normal. 20. ____ Las estadsticas obtenidas de las muestras nos proporcionan inform acin acerca de la ten-dencia central de los datos y de su dispersin, mientras que la presentacin grfica de los datos agrega informacin adicional en trminos de imagen. 21. ____ El grfico de caja y extensin es una representacin que muestra, para muestras razona-blemente grandes, el centro de la localizacin, la variabilidad y

el grado de asimetra de los datos. 22. ____ Los grficos de caja y extensin no permiten realizar comparaciones visuales entre mues-tras. 23. ____ La diferencia entre el tercer cuartil y el primer cuartil se den omina rango intercuartil. 24. ____ El percentil cincuenta de un conjunto de datos siempre coincide con el segundo cuartil. 25. ____ Si el valor del sexto decil de un conjunto de datos es igual a 8 , significa que la sexta parte de los datos son iguales o inferiores a 8. 26. ____ Tres de los datos necesarios para construir un grfico de caja y e xtensin son: el primer cuartil, la mediana y el percentil setenta y cinco. 27. ____ Datos apartados son aquellos que se encuentran por encima del te rcer cuartil y por debajo del primer cuartil, ms all de 1,5 veces el rango intercu artil. 28. ____ En el grfico de caja y extensin, la caja siempre encierra al 50% d e las observaciones. 29. ____ En el histograma de frecuencias, si existe una clase modal, esta se puede identificar cla-ramente, mientras que en el grfico de caja y extensin, e s muy fcil identificar la mediana de la variable en estudio. Distribuciones muestrales 30. ____ La distribucin de probabilidad de una estadstica se llama distribu cin muestral. 31. ____ La distribucin de probabilidad de una estadstica depende del tamao de la poblacin y es independiente del tamao de las muestras. 32. ____ La distribucin muestral de X con tamao muestral n es la distribucin que resulta cuando un experimento se lleva a cabo una y otra vez, probando siem pre con muestras de distintos tamaos, y resultan los diversos valores de X . Esta distribucin muestral, describe la variabilidad de los promedios muestrales alred edor de la media de la poblacin . 33. ____ En un muestreo aleatorio las observaciones se obtienen de manera independiente y al azar. Distribuciones muestrales de medias 34. ____ Si tomamos muestras de una poblacin normal con media m y varianza s conocida, la distribucin muestral de ser normal con media m y varianza s/n, donde n es el tamao de la muestra, sin importar qu tan pequeo sea el tamao de las muestra s. 35. ____ Si tomamos muestras de una poblacin no normal o desconocida, con media m y varianza s conocida, la distribucin muestral de ser normal, con media m y varianza s/n, donde n es el tamao de la muestra, siempre que el tamao de la mues tra sea suficiente-mente grande. 36. ____ La aproximacin normal para la distribucin de la media muestral en general ser buena si n 30, sin importar la distribucin de la poblacin. 37. ____ El teorema del lmite central afirma que la forma lmite de la distr ibucin de la media muestral de una poblacin cualquiera, con media m y varianza s, e s la normal con media m y varianza s/n, cuando el tamao de la muestra n tiende a i nfinito. 38. ____ Las aplicaciones de teorema del lmite central giran alrededor de las inferencias sobre una media de la poblacin o la diferencia entre las medias d e dos poblaciones. 39. ____ Si X es una variable de una poblacin que sigue una distribucin exp onencial, la media muestral de dicha variable, se distribuye normalmente cuando el tamao de las muestras seleccionadas es suficientemente grande. Distribucin muestral de la diferencia entre dos promedios 40. ____ Si se extraen al azar muestras independientes de tamao n1 y n2 de dos poblaciones cua-lesquiera, sean discretas o continuas, con medias m1 y m2 y varianzas s1 y s2, respecti-vamente, entonces la distribucin muestral de las difer encias de las medias ( ), est distribuida normalmente con media (m1 m2) y varianz a (s1/n1 + s2/n2), sin condicin alguna. 41. ____ La distribucin muestral de las diferencias de las medias es til cu ando se comparan las medias desconocidas de dos poblaciones.

Distribucin muestral de S 42. ____ Las distribuciones muestrales de estadsticas importantes nos perm iten obtener informa-cin sobre los parmetros. 43. ____ Si S es la varianza de una muestra aleatoria de tamao n que se tom a de una poblacin cualquiera que tiene varianza s, entonces la estadstica = (n 1) . S / s, tiene una dis-tribucin ji cuadrada con n = n 1 grados de libertad. 44. ____ La probabilidad de que una variable aleatoria con distribucin ji cuadrada que tiene nueve grados de libertad tome valores menores que 2,7 es igual a 0,975. 45. ____ La probabilidad de que una variable aleatoria con distribucin ji cuadrada que tiene doce grados de libertad tome valores mayores que 1,5 es igual a 0,999. 46. ____ La probabilidad de que una variable aleatoria con distribucin ji cuadrada que tiene diez grados de libertad tome valores menores que 4,865 es igu al a 0,10. 47. ____ La probabilidad de que una variable aleatoria con distribucin ji cuadrada que tiene quince grados de libertad tome valores comprendidos entre 8,5 47 y 14,339 es igual a 0,40. 48. ____ La probabilidad de que una variable aleatoria con distribucin ji cuadrada que tiene cinco grados de libertad tome valores mayores que 12,832 es i gual a 0,025. Distribucin t 49. ____ Sea Z una variable aleatoria normal estndar y V una variable alea toria ji cuadrada con n grados de libertad. Si Z y V son independientes, entonces la distribucin de la variable aleatoria T se conoce como la distribucin t con n gr ados de libertad, donde: 50. ____ Una variable aleatoria con distribucin t se define como el cocien te entre una variable aleatoria normal estndar y la raz cuadrada del cociente entr e una variable aleatoria con distribucin ji cuadrada y su nmero de grados de liber tad, siendo las variables indepen-dientes. 51. ____ La distribucin de una variable aleatoria T, con distribucin t, dif iere de la distribucin de una variable normal estndar Z, en que la varianza de T d epende del tamao de la muestra n y siempre es mayor que uno. Slo cuando el tamao de la muestra tiende a infinito (n) las dos distribuciones coincidirn. 52. ____ Si bien la distribucin de T y la distribucin de Z tiene forma de c ampana, la distribucin de t es ms variable que la de Z, debido al hecho de que los valores de T dependen de las fluctuaciones de dos cantidades, y S, mientras qu e los valores de Z dependen slo de los cambios de de una muestra a otra. 53. ____ Si graficamos dos variables aleatorias con distribucin t , donde n1 es el nmero de grados de libertad de la primera y n2 el de la segunda, y n1 < n2, entonces la primera se extender ms sobre el eje horizontal. 54. ____ Si X es la media muestral de n variables aleatorias independient es distribuidas normal-mente con la misma media m, e idntica varianza s, entonces la variable aleatoria tiene una distribucin t con n= n 1 grados de libertad, donde S es la desviacin estn dar de la muestra, sin condicionamientos para el tamao de la muestra. 55. ____ El valor de t con n = 10 grados de libertad que deja a su izquier da y debajo de la curva un rea igual a 0,975 y a su derecha un rea igual a 0,025 e s igual a 2,228. 56. ____ La distribucin t se utiliza de manera extensa en problemas que ti enen que ver con la infe-rencia acerca de la media de una poblacin o en problemas que implican comparaciones de las medias de dos muestras. 57. ____ El uso de la distribucin t y la consideracin del tamao de la muestr a no se relacionan con el teorema de lmite central. El uso de la distribucin norma l estndar Z en lugar de T para n 30 slo implica que S es un estimador suficienteme nte bueno de s. 58. ____ Cuando n , la distribucin t y la distribucin normal estndar coincidi rn.

59. ____ El uso de la distribucin t de Student no tiene restricciones resp ecto de la distribucin de la poblacin muestreada. Distribucin F 60. ____ La estadstica F se define como el cociente entre dos variables al eatorias ji cuadradas in-dependientes, divididas cada una por su nmero de grados de libertad. 61. ____ Si U y V son variables aleatorias normalmente distribuidas, con n1 y n2 grados de libertad, respectivamente, entonces la estadstica F = [ (U/ n1) / (V/ n2) ] tiene una distribucin F. 62. ____ Conocidos el nmero de grados de libertad del numerador, n1, y el nmero de grados de libertad de denominador, n2, es posible graficar la funcin de d ensidad de una variable aleatoria con distribucin F. 63. ____ Se puede verificar que f0,95; 19; 20 = 0,463 64. ____ La distribucin F encuentra su aplicacin en la inferencia acerca de l cociente de las va-rianzas de dos poblaciones. 65. ____ La estadstica F se define como la suma del cuadrado de variables normales estndar in-dependientes. 66. ____ La probabilidad de que una variable aleatoria con distribucin F q ue tiene 5 grados de libertad en el numerador y siete en el denominador, tome va lores menores que 3, es igual a uno. 67. ____ La probabilidad de que una variable aleatoria con distribucin F c on n1 = 10 y n2 = 8 tome exactamente el valor 4,7 es igual a cero.

Captulo 9: Problemas de estimacin de una y dos muestras Inferencia estadstica 1. ____ La teora de la inferencia estadstica consiste en aquellos mtodos mediante l os cuales se realizan inferencias o generalizaciones acerca de una muestra. 2. ____ En el mtodo clsico de estimacin de un parmetro de la poblacin, las inferencia s se basan de manera estricta en la informacin proporcionada por una muestra alea toria se-leccionada de la poblacin. 3. ____ La inferencia estadstica se puede dividir en dos reas importantes, a saber , estimacin de parmetros y pruebas de hiptesis. Mtodos clsicos de estimacin Estimacin puntual 4. ____ Genricamente, es un estimador cuyo valor es una estimacin puntual de al gn pa-rmetro poblacional desconocido q. 5. ____ Casi siempre, el valor numrico de una estimacin puntual coincide con el va lor numrico del parmetro a estimar. 6. ____ En general, se espera que un buen estimador realice estimaciones del parm etro poblacio-nal que estn muy alejadas del valor real. 7. ____ Nunca debe utilizarse la mediana de la muestra de una poblacin para estim ar el verdadero valor de la media de dicha poblacin. 8. ____ La media muestral, produce estimaciones puntuales ms cercanas a la media poblacional de la cual proviene la muestra, que las estimaciones puntuales de la mediana muestral.

Estimador insesgado 9. ____ Una de las propiedades deseables que debe reunir un estimador, es que se a insesgado. 10. ____ Se dice que un estimador es insesgado cuando proviene de una pob lacin cuya funcin de densidad de probabilidad es simtrica. 11. ____ Una estadstica es un estimador insesgado del parmetro poblaciona l q, si el valor es-perado de la estadstica es igual al parmetro estimado. 12. ____ La varianza muestral es un estimador sesgado de la varianza pobl acional. 13. ____ Cualquier estadstica es un estimador insesgado del parmetro poblac ional. 14. ____ La desviacin estndar muestral es un estimador sesgado de la desvia cin estndar pobla-cional, aunque el sesgo es insignificante en muestras grandes. 15. ____ Se puede demostrar que E(S) = s. 16. ____ Dividimos por n 1 en lugar de n cuando se estima la varianza de una poblacin, porque de esta manera, la varianza muestral es un estimador insesga do del parmetro estimado. Varianza de un estimador puntual 17. ____ De todos los posibles estimadores de algn parmetro poblacional q, se denomina estima-dor ms eficiente de q , al de menor varianza. 18. ____ Se denomina estimador ms eficiente de algn parmetro poblacional q, a aquel que cumpla la condicin de tener varianza nula. 19. ____ Si consideramos como estimadores de la media poblacional m, a la media muestral y la mediana muestral, es posible demostrar que la mediana muest ral es un estimador ms efi-ciente que la media muestral. 20. ____ En poblaciones normales, la media muestral y la mediana muestral son estimadores in-sesgados de la media de la poblacin m. y tienen la misma vari anza. 21. ____ Para obtener el estimador ms eficiente de algn parmetro poblacional q, es suficiente seleccionar aquel que tenga menor varianza. 22. ____ Las estimaciones puntuales obtenidas con un estimador insesgado de un parmetro de la poblacin, son iguales y tienen el mismo valor numrico del parme tro estimado. 23. ____ Cuando se estima un parmetro poblacional con el estimador insesga do ms eficiente, se espera que la estimacin puntual coincida con el valor del parme tro a estimar. Estimacin por intervalo 24. ____ Dado que es muy poco probable que el estimador insesgado ms efici ente estime al par-metro poblacional con exactitud, es preferible determinar un i ntervalo dentro del cual es-peramos que se encuentre el valor del parmetro. 25. ____ Al construir un intervalo de confianza para la media de la pobla cin, m, se debe tener en cuenta la distribucin de la poblacin (si es normal, no nor mal o desconocida). 26. ____ Una estimacin por intervalo de un parmetro poblacional q es un int ervalo de la forma , donde dependen del valor de la estadstica y tambin de la dis-tribucin de muestreo de . 27. ____ Una vez definido el parmetro poblacional a estimar q, los lmites i nferior y superior del intervalo de confianza, , respectivamente, son valores c onstantes. 28. ____ Al escribir , debemos interpretar que tenemos una probabilidad de (1a) de seleccionar una variable aleatoria que produzca un intervalo que conte nga al parmetro poblacional q. 29. ____ Al estimar la media poblacional m mediante un intervalo de confi anza, slo algunas veces esta estimacin depende del tamao de la muestra seleccionada . 30. ____ Al construir un intervalo con un grado de confianza del 1 a, es posible conseguir mayor precisin en la estimacin aumentando el tamao de la muestra seleccionada. 31. ____ Si el grado de confianza elegido es del 99%, podemos estar segur os de que el intervalo a que lleguemos contendr al parmetro poblacional.

Una sola muestra: estimacin de la media 32. ____ La distribucin de la media muestral est centrada en el valor de la media de la poblacin de la cual proviene la muestra y, en la mayora de las aplica ciones, la varianza de la media muestral es ms pequea que la de cualquier otro est imador de la media poblacional. 33. ____ El tamao de la muestra seleccionada para estimar la media de una poblacin no siempre resulta importante en la estimacin realizada. 34. ____ Muestras diferentes de una misma poblacin, producirn intervalos de estimacin diferen tes del parmetro m. 35. ____ Para un grado de confianza elegido y un tamao de muestra dado, to dos los intervalos que se construyan para la media de una poblacin de varianza co nocida s, a partir de muestras diferentes, sern del mismo ancho. 36. ____ El ancho del intervalo de confianza para estimar la media de una poblacin depende del tamao de la muestra seleccionada y del nivel de confianza el egido. 37. ____ El tamao de la muestra seleccionada para estimar la media de una poblacin mediante un intervalo de confianza, depende del error de estimacin especi ficado. 38. ____ Debemos hacer una distincin al calcular las estimaciones del inte rvalo de confianza para la media de una poblacin, entre los casos de desviacin estn dar de la poblacin conoci da o desconocida. 39. ____ Para estimar la media de una poblacin cualquiera con desviacin estn dar desconocida, se usa la distribucin muestral de la variable aleatoria T, con d istribucin t de Student. 40. ____ El uso de la distribucin t de Student no tiene restricciones resp ecto de la distribucin de la poblacin muestreada. 41. ____ En estadstica, se dice que trabajamos con muestras grandes cuando el tamao de las mismas es por lo menos igual a 30. 42. ____ Cuando el tamao de la muestra seleccionada de una poblacin es mayo r que treinta, la varianza muestral es un buen estimador puntual de la media de dicha poblacin. 43. ____ Al realizar una estimacin por intervalos de la media de una pobla cin con desviacin estndar conocida, a partir de muestras de tamao n fijo, el mximo er ror de estimacin para un grado de confianza dado, tiene siempre el mismo valor nu mrico. 44. ____ Cuando se desconoce la varianza de una poblacin normal y se desea efectuar una esti macin por intervalos de la media poblacional a partir de una m uestra pequea de tamao n, se debe utilizar la distribucin t, con n 1 grados de libe rtad. Error de estimacin. Error estndar de una estimacin puntual 45. ____ Se denomina error de estimacin, al valor absoluto de la diferenci a entre la estimacin puntual y el verdadero valor del parmetro a estimar. 46. ____ El mximo error de estimacin de la media de una poblacin depende sol amente del grado de confianza elegido para realizar la estimacin. 47. ____ El error estndar de un estimador es su desviacin estndar, por ejemp lo, el error estndar de la media muestral viene dado por el cociente s/ n. Dos muestras: estimacin de la diferencia entre dos medias 48. ____ La interpretacin de un intervalo de confianza para la diferencia entre dos medias pobla cionales, se puede extender a una comparacin de las dos me dias. 49. ____ Dado el siguiente resultado de una estimacin por intervalos de co nfianza para la diferen cia de las medias de dos poblaciones, +3,43 < m1 m2 < +8 ,57, se debe interpretar, con un grado de confianza dado, que la media m2 es may or que la media m1. 50. ____ No es correcto que el clculo de un intervalo de confianza para la diferencia de las medias de dos poblaciones, arroje resultados con extremos del intervalo negativos. 51. ____ En la construccin de intervalos de confianza para estimar la dife rencia entre dos medias poblacionales, de acuerdo a la informacin disponible, se pueden utilizar la distribucin normal estndar o la distribucin t.

Una sola muestra: estimacin de una proporcin 52. ____ Un estimador puntual de la proporcin p en un experimento binomial est dado por la estadstica , donde X representa el nmero de xitos en n pruebas. 53. ____ Cuando el tamao n de la muestra es pequeo y la proporcin desconocid a p es cercana al valor cero o al valor uno, el procedimiento visto en el texto de referencia que permite la construccin del intervalo de confianza, no es confia ble y por lo tanto no se debe utilizar. 54. ____ Si necesitamos conocer el tamao de muestra necesario para que el error no supere una cantidad especfica e, con un grado de confianza dado, siempre se deber tomar una muestra preliminar para tener una estimacin previa de p. Dos muestras: estimacin de la diferencia entre dos proporciones 55. ____ Para establecer una estimacin por intervalos de confianza de la d iferencia entre dos pro porciones poblacionales, se deben seleccionar dos muestr as aleatorias independientes, una de cada poblacin. 56. ____ Cuando el tamao de las muestras seleccionadas de dos poblaciones es pequeo, la cons truccin de un intervalo de confianza para la diferencia entre l as dos proporciones pobla cionales, requiere la utilizacin de la distribucin t. 57. ____ Al estimar un intervalo de confianza para la diferencia entre do s proporciones poblaciona les, las muestras aleatorias independientes selecciona das de cada poblacin, siempre deben tener el mismo tamao. Una sola muestra: estimacin de la varianza 58. ____ Para establecer una estimacin por intervalos de la varianza pobla cional s, se utiliza una estadstica que tiene distribucin t. 59. ____ Al construir una estimacin por intervalos de la varianza poblacio nal s, no tiene impor tancia la distribucin de la poblacin estudiada. 60. ____ El ancho del intervalo de confianza para estimar la varianza de una poblacin, depende del tamao de la muestra aleatoria seleccionada. 61. ____ Cuando se tiene una muestra aleatoria pequea, se acepta el empleo de la distribucin t en la construccin de intervalos de confianza para estimar la varianza de una poblacin. Dos muestras: estimacin de la razn de dos varianzas 62. ____ Para la estimacin por intervalos del cociente de las varianzas de dos poblaciones cuales quiera, s1/s2, se utiliza una estadstica que tiene distribu cin F. 63. ____ Cuando el intervalo de confianza obtenido al estimar el cociente de las varianzas de dos poblaciones normales, contiene al valor cero, es correc to suponer que s1 = s2, con un grado de confianza determinado. 64. ____ Al realizar la estimacin por intervalos del cociente de varianzas de dos poblaciones, las muestras aleatorias deben extraerse de poblaciones norm ales y ser independientes. Aplicaciones 65. ____ Se lleva a cabo un estudio para determinar si cierto tratamiento metlico tiene algn efecto sobre la cantidad de metal que se elimina en una operac in de decapado. Se sumerge una muestra aleatoria de 100 piezas en un bao por 24 ho ras sin el tratamiento, lo que da un promedio de 12,2 milmetros eliminados de met al y una desviacin estndar de 1,1 mi lmetros. Una segunda muestra de 200 piezas se somete al tratamiento, seguido de 24 ho ras de inmersin en el bao, lo que da como resultado una eliminacin promedio de 9,1 milmetros de metal con una desviacin estnda r de 0,9 milmetros. Para verificar si el tratamiento reduce la cantidad media de metal eliminado se puede plantear un intervalo de confianza para la media de dos poblaciones, utilizando la distribucin F con 99 grados de libertad en el numerad or y 199 grados de libertad en el denominador. 66. ____ Una mquina produce piezas metlicas de forma cilndrica. Se toma una muestra aleatoria de las piezas y los dimetros, medidos en centmetros, son 1,01 0, 97 1,03 1,04 0,99 0,98 0,99 1,01 1,03. Se acepta que el dimetro de las piezas de esta mquina tiene una distri bucin normal. Para construir un intervalo de confianz a del 99% para la varianza pobla cional de las piezas, se utiliza la distribucin ji cuadrada con 8 grados de libertad. 67. ____ Se toma una muestra aleatoria de 12 agujas de tejer en un estudi o de prueba de dureza de las cabezas de las agujas por el mtodo Rockwell. Se acep

ta que la dureza de las agujas estudiadas tiene una distribucin normal. Para cons truir un intervalo de confianza del 95% para la media de la poblacin de las aguja s se utiliza la distribucin t de Student con 11 grados de libertad. 68. ____ Se considera cierto cambio en un proceso de fabricacin de partes componentes. Para ello se toman muestras del procedimiento existente y del nuevo para determinar si ste tiene como resultado una mejora. Se cuenta que 75 de 1500 artculos del procedimiento actual son defectuosos y 80 de 2000 artculos del proced imiento nuevo tambin lo son. Con los datos disponibles, se pueden comparar los pr ocedimientos existente y nuevo, construyen do un intervalo de confianza para el cociente de varianzas de las poblaciones utilizando una estadstica con distribucin F. Captulo 10: Pruebas de hiptesis de una y dos muestras Conceptos generales 1. ____ Una hiptesis estadstica es una aseveracin sobre los parmetros de una o ms pob lacio nes. 2. ____ Para probar una hiptesis estadstica tomamos una muestra aleatoria de la po blacin en estudio y utilizamos los datos de la muestra para proporcionar evidenci a que apoye o no la hiptesis. 3. ____ Al establecer una prueba de hiptesis correctamente diseada, estamos seguro s de que siempre tomaremos una decisin correcta cuando la hiptesis nula sea cierta . 4. ____ Las hiptesis son siempre proposiciones sobre la muestra de la poblacin o d istribucin en estudio. 5. ____ Una hiptesis nula apropiada para probar que la media de una poblacin es ig ual a 40, sera la siguiente: H0: = 40. 6. ____ El diseo de un proceso de decisin lleva consigo la idea de la probabilidad de una con clusin errnea. 7. ____ La aceptacin de una hiptesis nula, simplemente implica que los datos no da n suficiente evidencia para rechazarla. 8. ____ Si el ingeniero est interesado en apoyar con fuerza una opinin, plantear la estructura de la prueba de modo de llegar a la opinin en la forma de rechazo de una hiptesis. 9. ____ El trmino hiptesis nula se refiere a cualquier hiptesis que deseamos probar y se denota con H0. 10. ____ El rechazo de la hiptesis nula conduce a la aceptacin de una hiptes is alternativa, que se denota con H1. 11. ____ Aunque se establezca la hiptesis nula con un signo igual, se enti ende que incluye cual quier valor no especificado por la hiptesis alternativa. 12. ____ La estructura de la hiptesis nula se plantea de modo que se espec ifique un valor exacto del parmetro (o contenga la igualdad), mientras que la hipt esis alternativa permite la posibilidad de varios valores. Prueba de una hiptesis estadstica 13. ____ La prueba de hiptesis involucra la toma de una muestra aleatoria, el clculo de un esta dstico de prueba a partir de los datos muestrales y luego el uso de este estadstico para tomar una decisin sobre la hiptesis nula. 14. ____ Una vez planteada la estructura de la prueba de hiptesis, el rang o del estadstico de prue ba queda dividido en dos regiones, denominadas regin crtic a y regin de aceptacin. Las fronteras entre las regiones crtica y de aceptacin recib en el nombre de valores crti cos. 15. ____ El error de tipo I se define como la probabilidad de rechazar la hiptesis nula, cuando sta es verdadera. 16. ____ El error de tipo II se define como la aceptacin de la hiptesis nul a, cuando sta es falsa. 17. ____ Se denomina nivel de significancia a la probabilidad de cometer un error de tipo I y se denota con la letra griega a. 18. ____ Al nivel de significancia tambin suele llamrsele tamao de la regin c rtica.

19. ____ Para calcular la probabilidad de cometer un error de tipo II, no es necesario plantear una hiptesis alternativa especfica. 20. ____ Idealmente, deberamos utilizar un procedimiento de prueba en el q ue los errores tipo I y tipo II sean pequeos. 21. ____ Si el nivel de significancia de una prueba de hiptesis es a = 0,0 1, significa que, si la hi ptesis nula es cierta, existe una probabilidad igual a 0,01 de rechazarla. 22. ____ Si la hiptesis nula de una prueba es cierta, la probabilidad de c ometer un error de tipo II es nula. 23. ____ La probabilidad de cometer simultneamente los errores de tipo I y II en una prueba de hiptesis, est dado por el producto a.b, puesto que los errore s son independientes. 24. ____ Para calcular la probabilidad de cometer un error de tipo II, qu e se denota con la letra griega b, es necesario tener una hiptesis alternativa es pecfica, esto es, debe proponerse un valor especfico del parmetro que se prueba. 25. ____ El tamao de la regin crtica y, en consecuencia, la probabilidad a de cometer un error tipo I, siempre pueden reducirse mediante una seleccin apropiad a de los valores crticos. 26. ____ Al probar la hiptesis nula H0: q = 70, frente a la hiptesis alterna tiva H1: q > 70, para un tamao de muestra fijo, una disminucin en la probabilidad d e cometer error de tipo I, da como resultado un aumento en la probabilidad de co meter un error del tipo II. 27. ____ Establecidos el o los valores crticos, en general, un aumento del tamao de la muestra aumenta tanto a a como a b. 28. ____ Cuando la hiptesis nula es falsa, b aumenta a medida que el valor verdadero del par metro se acerca al valor hipottico propuesto por la hiptesis nula . Mientras mayor sea la diferencia entre el valor real del parmetro y el hipottico , b ser menor. 29. ____ Si la hiptesis nula es falsa, b es un mximo cuando el valor real de un parmetro coin cide con el valor hipottico. 30. ____ Si graficamos las probabilidades de aceptacin de H0 que correspon den a diversas alterna tivas para , incluido el valor especificado por H0, y unim os todos los puntos mediante una curva suave, obtenemos la curva de operacin cara cterstica del criterio de prueba, o simplemente curva CO. 31. ____ La probabilidad de aceptacin de H0 cuando es verdadera es simplem ente (1 a). 32. ____ La potencia de una prueba es la probabilidad de rechazar la hipte sis nula dado que algu na alternativa especfica es verdadera. 33. ____ La potencia de una prueba se puede calcular como (1 b). 34. ____ La potencia de una prueba puede interpretarse como la probabilid ad de rechazar de mane ra correcta una hiptesis nula falsa. 35. ____ La potencia de una prueba es una medida muy descriptiva y concis a de la sensibilidad de una prueba estadstica, donde se entiende por sensibilidad a la capacidad de una prueba para detectar diferencias. 36. ____ Por definicin, error de tipo II es la probabilidad de aceptar una hiptesis nula cuando sta es falsa. 37. ____ El error de tipo I consiste en rechazar la hiptesis nula cuando st a es falsa. 38. ____ El error de tipo II consiste en aceptar la hiptesis nula cuando st a es verdadera. 39. ____ El error de tipo I siempre es un valor comprendido entre 0,01 y 0,05. 40. ____ El nivel de significancia en una prueba de hiptesis permanece ins ensible al tamao de la muestra. 41. ____ Las pruebas de hiptesis slo son aplicables a distribuciones normal es. 42. ____ Para un tamao de muestra dado, al pasar de un nivel de significan cia de 0,01 a 0,05 au mentamos el riesgo de cometer un error de tipo I y disminu imos el riesgo de cometer un error de tipo II. 43. ____ Cuando el ingeniero utiliza un nivel de significancia igual a 0,

01 en sus experimentos en inferencia estadstica, significa que el 1% de las veces rechazar la hiptesis nula. 44. ____ Si se acepta la hiptesis nula al nivel de significancia de 0,05, la probabilidad de cometer un error de tipo II siempre ser igual a 0,95. 45. ____ Un nivel de significancia de 0,01 significa que, en promedio, un a de cada cien veces que la hiptesis nula sea cierta, la rechazaremos. 46. ____ Al disear una prueba de hiptesis, el investigador slo puede control ar el error de tipo I o el error de tipo II, pero no hay modo de controlar los d os simultneamente. 47. ____ Las pruebas de hiptesis slo pueden ser utilizadas para hacer infer encias sobre las medias de las poblaciones. 48. ____ La potencia de una prueba de hiptesis es independiente del error de tipo II. 49. ____ Cuando el ingeniero utiliza un nivel de significancia igual a 0, 05 en sus experimentos en inferencia estadstica, significa que habr rechazado inde bidamente la hiptesis nula slo el 5% de las veces. Pruebas de una y dos colas 50. ____ A veces, la regin crtica para la hiptesis alternativa q > q0 se encu entra en la cola de recha de la distribucin de la estadstica de prueba. 51. ____ Al observar el smbolo de la desigualdad de la hiptesis alternativa , ste apunta en la di reccin de la regin crtica. 52. ____ Una prueba con hiptesis alternativa bilateral del tipo q q0, se ll ama prueba de dos colas, pues la regin crtica se divide en dos partes, las que a m enudo tienen probabilida des iguales que se colocan en cada cola de la distribuc in de la estadstica de prueba. 53. ____ La posicin de la regin crtica se puede determinar slo despus de estab lecer la hiptesis alternativa. 54. ____ Para determinar cul hiptesis se establecer como H0 y cul como H1, si la afirmacin sugiere una sola direccin como mayor que, menor que, superior a, inf erior a, entonces H1 se debe establecer con el uso del smbolo de desigualdad que corresponda a la direccin sugerida (< o >). 55. ____ Para determinar cul hiptesis se establecer como H0 y cul como H1, si la afirmacin no sugiere ninguna, entonces H1 se establece con el signo de difere nte (). Uso de valores P para la toma de decisiones 56. ____ Si no se tiene en mente un nivel de significancia a preseleccion ado, es imposible sacar conclusiones en una prueba de hiptesis. 57. ____ La preseleccin de un nivel de significancia a tiene sus races en l a filosofa de que se debe controlar el riesgo mximo de cometer un error de tipo I. 58. ____ La aproximacin del valor P se disea para dar al usuario una altern ativa, en trminos de probabilidad, a la simple conclusin de rechazo o no rechazo. 59. ____ Un valor P es el nivel de significancia ms bajo en el que el valo r observado de la estads tica de prueba es significativo. 60. ____ El valor P de una prueba de hiptesis se puede calcular independie ntemente del nivel de significancia elegido. 61. ____ El valor P de una prueba de hiptesis nunca resulta mayor que el n ivel de significancia.

Respuestas de las Autoevaluaciones Las respuestas estn ordenadas por captulos del Texto de Referencia. Las mismas se entregan para que sirvan de ayuda durante el autoaprendizaje. En primer lugar co loca tu respuesta en la autoevaluacin. Si despus de responder, tu respuesta no coi

ncide con la que aqu te entregamos, trata de reconsiderar tu razonamiento sobre l a afirmacin. Finalmente, si despus de tal reconsideracin no ests de acuerdo con la r espuesta que aqu se encuentra, no dudes en preguntar, juntos consideraremos la so lucin. No trates de memorizar respuestas! Razona siempre antes de contestar. Despus de razonar y contestar cada afirmacin, practica justificar tu respuesta. tem 10 1 V 2 V 3 F 4 F 5 F 6 V 7 V 8 V 9 V 10 V 11 V 12 V 13 V 14 V 15 F 16 V 17 V 18 V 19 F 20 V 21 V 22 V 23 F 24 V 25 Captulos 1 2 F V F V F F F F F V F V V V F V F F V F V F V F F V V F V F V F V V F V V F F V F V V F V V F F F F 3 V V F V V V F F V V F V V F V V V V V F V F F F V 4 V V F V F F F F V F F V V V F F V V V V V F V V F 5 V F F F F F V V F V V V F F V V F V V V V F F V F 6 V F V V V V F V V V V V V F V V F V F V V V F V V 7 V F V F V 8 F F V V V F F V F F V V F V V F V F V V V F V V F 9 F V V V F F F F V F V F F V V V F F F F F F F V V

V 26 V 27 F 28 V 29 V 30 V 31 V 32 V 33 V 34 V 35 V tem 10 36 F 37 F 38 F 39 F 40 F 41 F 42 V 43 F 44 F 45 V 46 F 47 F 48 F 49 V 50 F 51 V 52 V 53

V V F V V F F V V V

V F V F F F V F F V

V V F F F F F V V F 3 V V V F V F F V V F F V V V F V F F

V V F V V F F V F F 4 F V V V F F

F F V V F F V V V F 5 F F F F V V F V F V V F F F V V V F

F V F V V V V V V V 6 V V F F V V V F V V V V F V V V F F 7

V V V V V F F V V V 8 V V V V F V V F F F V V V V V V V V

V F V F V F V F V V 9 V V V F F V F V V V F V V F F V V V

Captulos 1 2 V V V F V F F

V 54 V 55 V 56 F 57 V 58 V 59 V 60 V 61 F 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78

F V V V F F V F V V F F F F V V V V V F V V V F F

V F V V V F V F F F V F

V F V V F V V F F

V V V V V F V F V V V F F V

F V F F F F V F F F V F V V F