You are on page 1of 5

AUTOEVALUACION 8

Distribuciones fundamentales de muestreo y descripciones de datos

MUESTREO ALEATORIO

1. __F__ En estadística utilizamos el término población para referirnos a la


totalidad de personas que constituyen el grupo en estudio.
2. _F___ Siempre será posible y no habrá dificultades en disponer del
conjunto de todas las observaciones que constituyen la población.
3. __F__ Se denomina muestra a cualquier subconjunto de una población.
4. __V__ Cualquier procedimiento de muestreo que produzca inferencias que
sobreestimen o subestimen de forma consistente alguna característica de la
población, se dice que está sesgado.
5. _V___ En un muestreo aleatorio las observaciones se obtienen de manera
independiente y al azar.
6. __F__ Cualquier muestra seleccionada de una población, permite hacer
inferencias confiables acerca de los parámetros de la población de la cual
proviene.

ALGUNAS ESTADÍSTICAS IMPORTANTES


7. __V__ Cualquier función de las variables aleatorias comprendida entre cero
y uno inclusive, que forman una muestra aleatoria, se llama estadística.
8. __V__ Las estadísticas que en general se utilizan para medir el centro de un
conjunto de datos acomodados en orden de magnitud, son la media, mediana y
moda.
9. __V__ La media es siempre la mejor medida de tendencia central de un
conjunto de datos.
10. __F__ La media es una medida que no tiene desventajas.
11. __F__ La mediana se acerca más que la media a la posición central de los
datos, cuando las observaciones están influidas por valores extremos.
12. _V___ La media es una medida más estable que la mediana cuando
estimamos el centro de una población con base en el valor de una muestra, ya
que al seleccionar muestras de una población, las medias de las muestras, en
general, no variarán tanto de una muestra a otra como las medianas.
13. _F___ Todo conjunto de datos presenta sólo una moda.
14. _V___ Dado un conjunto de datos, la moda puede no existir, y cuando
existe no necesariamente es única.
15. __F__ La moda de un conjunto de datos tiene la ventaja de ser una medida
que sólo requiere contar valores y que se utiliza tanto para datos cuantitativos
como cualitativos.
16. __V__ El rango es una medida de variabilidad que nos describe cómo se
distribuyen los valores intermedios de la variable.
17. __F__ El rango es una medida de variabilidad que siempre resulta mayor o
igual que cero.
18. __F__ El rango de una variable aleatoria discreta uniforme siempre es igual
a cero.

DISTRIBUCIONES MUESTRALES
30. _V___ La distribución de probabilidad de una estadística se llama
distribución muestral.
31. __F__ La distribución de probabilidad de una estadística depende del
tamaño de la población y es independiente del tamaño de las muestras.
32__F___ La distribución muestral de X con tamaño muestral n es la
distribución que resulta cuando un experimento se lleva a cabo una y otra vez,
probando siempre con muestras de distintos tamaños, y resultan los diversos
valores de X . Esta distribución muestral, describe la variabilidad de los
promedios muestrales alrededor de la media de la población µ.
33. __V__ En un muestreo aleatorio las observaciones se obtienen de manera
independiente y al azar.

DISTRIBUCIONES MUESTRALES DE MEDIAS

34. __V__Si tomamos muestras de una población normal con media µ y varianza
σ² conocida, la distribución muestral de X será normal con media µ y varianza
σ²/n, donde n es el tamaño de la muestra, sin importar qué tan pequeño sea el
tamaño de las muestras.
35__V__Si tomamos muestras de una población no normal o desconocida, con
media µ y varianza σ² conocida, la distribución muestral de X será normal, con
media µ y varianza σ²/n, donde n es el tamaño de la muestra, siempre que el
tamaño de la muestra sea suficientemente grande.
36__V__La aproximación normal para la distribución de la media muestral en
general será buena si n ≥ 30, sin importar la distribución de la población.
37. _V___ El teorema del límite central afirma que la forma límite de la
distribución de la media muestral de una población cualquiera, con media µ y
varianza σ², es la normal con media µ y varianza σ²/n, cuando el tamaño de la
muestra n tiende a infinito.
38. __V__ Las aplicaciones de teorema del límite central giran alrededor de las
inferencias sobre una media de la población o la diferencia entre las medias de
dos poblaciones.
39. __V__ Si X es una variable de una población que sigue una distribución
exponencial, la media muestral de dicha variable, se distribuye normalmente
cuando el tamaño de las muestras seleccionadas es suficientemente grande.

DISTRIBUCIÓN T

49_V__Sea Z una variable aleatoria normal estándar y V una variable aleatoria ji


cuadrada con ν grados de libertad. Si Z y V son independientes, entonces la
distribución de la variable aleatoria T se conoce como la distribución t con ν
grados de libertad, donde T=Z
V
raiz ν
50. _V___ Una variable aleatoria con distribución t se define como el cociente
entre una variable aleatoria normal estándar y la raíz cuadrada del cociente entre
una variable aleatoria con distribución ji cuadrada y su número de grados de
libertad, siendo las variables independientes.

51. __V__ La distribución de una variable aleatoria T, con distribución t,


difiere de la distribución de una variable normal estándar Z, en que la varianza
de T depende del tamaño de la muestra n y siempre es mayor que uno. Sólo
cuando el tamaño de la muestra tiende a infinito ( n → ) las dos distribuciones
coincidirán.
52. __V__ Si bien la distribución de T y la distribución de Z tiene forma de
campana, la distribución de t es más variable que la de Z, debido al hecho de que
los valores de T dependen de las fluctuaciones de dos cantidades, X y S²,
mientras que los valores de Z dependen sólo de los cambios de X de una
muestra a otra.
53_F__Si graficamos dos variables aleatorias con distribución t , donde ν1 es el
número de grados de libertad de la primera y ν2 el de la segunda, y ν1 < ν2 ,
entonces la primera se extenderá más sobre el eje horizontal.
54__V__Si X es la media muestral de n variables aleatorias independientes
distribuidas normalmente con la
X −µ
T= ⋅ n, tiene una
misma media µ, e idéntica varianza σ², entonces la variable aleatoria
S
distribución t con ν = n – 1 grados de libertad, donde S es la desviación estándar
de la muestra, sin condicionamientos para el tamaño de la muestra.
55__V__El valor de t con ν = 10 grados de libertad que deja a su izquierda y
debajo de la curva un área igual a 0,975 y a su derecha un área igual a 0,025 es
igual a 2,228.
56. __V__ La distribución t se utiliza de manera extensa en problemas que
tienen que ver con la inferencia acerca de la media de una población o en
problemas que implican comparaciones de las medias de dos muestras.
57. __V__ El uso de la distribución t y la consideración del tamaño de la
muestra no se relacionan con el teorema de límite central. El uso de la
distribución normal estándar Z en lugar de T para n ≥ 30 sólo implica que S es
un estimador suficientemente bueno de σ.
58__V__Cuando n → ∞, la distribución t y la distribución normal estándar
coincidirán.
59. __F__ El uso de la distribución t de Student no tiene restricciones respecto
de la distribución de la población muestreada.