EXAMEN MODELO B GRADO EN PSICOLOGÍA INTRODUCCIÓN AL ANÁLISIS DE DATOS

FEBRERO 2010

20. A Modelos de distribución de probabilidad para variables discretas son, por ejemplo, la
distribución de Bernouilli, distribución binomial, binomial negativa o distribución de Poisson.

Modelos de distribución de probabilidad para variables continuas pueden ser la distribución

normal, la t de Student, la Chi-cuadrado (  ), F de Snedecor o la distribución exponencial.

21. A F es la función de distribución de la variable aleatoria normal X de media  y desviación

típica .

1 
( 
( =    
 √2

Dicha integral no se puede resolver por lo que se utiliza los valores tabulados de la distribución
estándar Z con media 0 y desviación típica 1. Dicha tabla expresa la probabilidad de que la
variable tome un valor menor de uno dado y se identifica con el área a la izquierda de dicho
valor que queda bajo la curva. Observando la tabla se obtiene que P(Z< - 2,15) = 0,0158.

Para utilizar dicha información sobre la variable X, se hace la transformación (tipificación):

 − 64


Esta expresión representa una variable aleatoria que tiene media 0 y desviación típica 1, por
tanto:

46,8 − 64
= −2,15 →  = 8


22. B Observando la tabla de F del percentil 95 se obtiene para dichos grados de libertad el
valor 4,735.

23. B Las muestras aleatorias más utilizadas son las denominadas muestras aleatorias simple
en las que además cada elemento de la muestra tiene la misma probabilidad de ser elegido.

24. B La prueba de fluidez verbal de la población es una variable aleatoria de la que se

desconoce su media  y desviación típica .

De dicha población estamos tomando muestras grandes (n > 30) y obteniendo la media de la
muestra. Deducimos a partir del Teorema central del límite que la variable aleatoria de las

http://matesblogs.blogspot.com/
Página 1
medias muestrales ! se comporta como una distribución normal de media la media

poblacional  y de desviación típica .
√"

El valor que mejor aproxima a  es la media obtenida en la muestra: 35.

$
La cuasivarianza se define como: #"$

= ∑) ( − ̅  (& y aproxima mejor a la varianza
"$ &*$ &
de la población   que la varianza muestral #" . La desviación típica de la población  queda

+,-./
aproximada por el valor = 0,8.
√"

Por tanto la distribución de las medias muestrales sigue una normal de media 35 y desviación
típica 0,8.

0!12
La variable aleatoria Z = 3,4
sigue una distribución normal tipificada. La curva es simétrica
$)
respecto al origen. Un intervalo (– a, a) deja bajo la curva una probabilidad k si P(Z < – a ) =

$) $8)
y se deduce que P(Z < a) = 5 + = .
 

Si P(− a < Z < a) = k, sustituyendo en Z obtenemos el intervalo para !:

P(35 − 0,8a < ! < 35 + 0,8a) = k.

Hemos obtenido un intervalo que va a contener a la media de la población en el 100·k% de los

casos.

El intervalo está centrado en el valor medio de la muestra. Todo valor que se tome de dicho
intervalo estimará a la media poblacional. El error máximo que se puede cometer en dicha
estimación ocurre si la media poblacional coincide con el extremo del intervalo. En ese caso el
error máximo de estimación es el radio del intervalo.

El radio de dicho intervalo es 0,8a que debe ser como máximo 2, por tanto a = 2,5.

A partir de las tablas de la normal tipificada se obtiene que P(Z < 2,5) = 0,9938, por tanto k se
obtiene como: k = P(Z < 2,5) − P(Z < −2,5) = 0,9938 – 0,0062 = 0,9876.

http://matesblogs.blogspot.com/
Página 2
25. C La proporción p de una característica de una población es una variable aleatoria que se
:·($:
distribuye normalmente con media p y desviación típica + .
"

Como la proporción p de la población es desconocida, se aproxima por la proporción de la

>1
muestra: <′ = = 0,21.
133

Si utilizamos @ = 0,05, estamos hallando un intervalo donde esté incluido p en el 95% de los
casos.

Por tanto vamos a hallar en una distribución normal un intervalo que deja bajo la curva un
área de 0,95. En la curva de la distribución normal estándar, los valores que dejan un área de
0,025 en ambas colas son – 1,96 y 1,96. Se deduce que:
:3,$
P(−1,96 < < 1,96) = 0,95 → P(0,162 < < < 0,257) = 0,95
3,3C

http://matesblogs.blogspot.com/
Página 3