1. Es una Variable Cualitativa
Ordinal:
1) Sexo (M, F).
2) Bebe (no, poco, mucho).
3) N de muelas cariadas.
4) Temperatura corporal.
5) Raza (blanca, negra, amarilla).
2. Es una Variable Cuantitativa
Continua:
1) Sexo (M, F).
2) Bebe (no, poco, mucho).
3) N muelas cariadas.
4) Temperatura corporal.
5) Raza (blanca, negra, amarilla).
3. Es una Variable Cualitativa
Dicotmica:
1) Sexo (M, F).
2) Bebe (no, poco, mucho).
3) N de muelas cariadas.
4) Temperatura corporal.
5) Raza (blanca, negra, amarilla).
4. Es una Variable Cuantitativa
Discreta:
1) Sexo, (M, F),
2) Bebe (no, poco, mucho).
3) N de dientes cariados.
4) Raza (blanca, negra, amarilla).
5) Temperatura del aire.
5. Es una Variable Cualitativa:
1) Sexo (M, F.)
2) Bebe (no, poco, mucho).
3) N de dientes cariados.
4) Raza (blanca, negra, amarilla).
5) Ciertas 1, 2, 4.
6. El histograma se usa para
representar variables:
1) Cualitativas.
2) Cuantitativas Discretas.
3) Cuantitativas Continuas.
4) Cualquiera.
5) Ciertas 1 y 2.
7. El Diagrama de Barras se usa
para representar variables:
1) Cualitativas.
2) Cuantitativas Discretas.
3) Cuantitativas Continuas.
4) Cualquiera.
5) Ciertas 1 y 2.
8. El Diagrama Sectorial se usa
para representar Variables:
1) Cualitativas.
2) Cuantitativas Discretas.
3) Cuantitativas Continuas.
4) Cualquiera.
5) Ciertas 1 y 2.
9. El Polgono de Frecuencias se
usa para representar Variables:
1) Cualitativas.
2) Cuantitativas Discretas.
3) Cuantitativas Continuas.
4) Cualquiera.
5) Ciertas 1 y 2.
10. El Polgono de Frecuencias
Acumuladas se usa para
representar Variables:
1) Cualitativas.
2) Cuantitativas Discretas.
3) Cuantitativas Continuas.
4) De cualquier tipo.
5) Ciertas 1 y 2.
11. Una distribucin de datos se
puede describir con:
1) Una medida de centralizacin y
otra de dispersin.
2) Una distribucin de frecuencias
absolutas.
3) Una distribucin de frecuencias
relativas.
4) Un grfico.
5) Todas son ciertas.
12. Es una medida de
centralizacin:
1) Rango.
2) Varianza.
3) Mediana.
4) Desviacin Estndar.
5) Coeficiente de Variacin.
13. Es una medida de posicin:
1) Amplitud.
2) Varianza.
3) Moda.
4) Desviacin Tpica.
5) Coeficiente de Variacin.
14. Es un ndice de dispersin:
1) Media Aritmtica.
2) Moda.
3) Mediana.
4) Desviacin Estndar.
5) Cuartiles.
15. Es un estadstico de
dispersin:
1) Amplitud.
2) Desviacin Media.
3) Rango intercuartlico.
4) Coeficiente de Variacin.
5) Todas Ciertas.
16. Es un ndice de dispersin
adimensional:
1) Desviacin Media.
2) Varianza.
3) Desviacin Estndar.
4) Coeficiente de Variacin.
5) Amplitud o Rango.
17. Cul de los siguientes es un
estadstico descriptivo de
posicin?
1) Media Geomtrica.
2) Media Ponderada.
3) Varianza.
4) Percentil.
5) Covarianza.
18. La mediana es una medida de
tendencia central que se usa
cuando:
1) Los datos son impares.
2) La muestra es asimtrica.
3) La muestra es heterognea.
4) La muestra es simtrica.
5) La muestra es homognea.
19. Para comparar correctamente,
desde un punto de vista
descriptivo, dos o ms variables
debe usarse:
1) Desviacin Estndar.
2) Amplitud.
3) El Coeficiente de Variacin.
4) La Covarianza.
5) La Desviacin Media.
20. Es un Estadstico de
Dispersin:
1) Moda.
2) Rango.
3) Mediana.
4) Media Armnica.
5) Media Geomtrica.
21. El Coeficiente de Variacin es:
1) Un estadstico de Centralizacin
adimensional.
2) Un estadstico de Dispersin
Adimensional.
3) Una medida de Variacin conjunta
entre dos variables.
4) Un ndice de simetra.
5) 3 y 4 correctas.
22. La Varianza Muestral es:
1) El cuadrado de la Desviacin
Tpica.
2) La raz cuadrada de la Desviacin
Tpica.
3) Un estadstico de dispersin.
4) El cociente entre la Media y los
Grados de Libertad.
5) 1 y 3 correctas.
23. El Coeficiente de Variacin se
calcula:
1) Multiplicando la Varianza por la
Media.
2) Dividiendo la Desviacin Tpica por
la Media.
3) Dividiendo la Media por la
Desviacin Tpica.
4) Dividiendo la Media por la
Varianza.
5) Multiplicando la Desviacin Tpica
por la Media.
24. Cuando la muestra es
asimtrica, el mejor estadstico de
centralizacin que puede usarse
es:
1) Media Aritmtica.
2) Moda.
3) Mediana.
4) Media Geomtrica.
5) Media Armnica.
25. La media aritmtica no debe
emplearse como estadstico de
Centralizacin, cuando:
1) Las muestras son simtricas.
2) Se desea conocer el centro de
gravedad de la distribucin.
3) Las muestras son asimtricas.
4) Se desea calcular otros
estadsticos relacionados, como el
Coeficiente de Variacin.
5) Se desea un estadstico de gran
estabilidad.
26. Con cul de los siguientes
estadsticos, puede compararse el
grado de dispersin (variabilidad)
de distintas muestras, en las que
se utilizan unidades de medida
distintas?.:
1) Desviacin Tpica.
2) Varianza.
3) Coeficiente de Variacin.
4) Rango o Amplitud.
5) Error Tpico.
27. Si a todos los valores de una
distribucin, les sumas 9:
1) La Media aumenta 9.
2) La Media no vara.
3) La Varianza aumenta en 81.
4) La Varianza aumenta en 9.
5) La Desviacin Estndar aumenta
en 3.
28. Si a todos los valores de una
distribucin de datos, les restas 4:
1) La Media no varia, la Varianza s.
2) La Media disminuye 4, la Varianza
16.
3) La Media y Varianza no varan.
4) La Media disminuye 4, la Varianza
no vara.
5) Ninguna es cierta.
29. Si a todos los valores de una
distribucin, los multiplicas por 4:
1) Su Media no vara.
2) A su Media se le suma 4.
3) Su media se multiplica por 4.
4) Su Varianza se multiplica por 4.
5) Su Desviacin Estndar se
multiplica por 16.
30. Si a todos los valores de una
distribucin de datos, les multiplicas
por 6:
1) La Media se multiplica por 6.
2) La Media y la Varianza se
multiplican por 36.
3) La Media no vara, la Varianza se
multiplica por 36.
4) La Media se multiplica por 6, la
Varianza por 36.
5) La media se multiplica por 6, la
Varianza no vara.
31. Si multiplicas por 6 todos los
valores de una distribucin:
1) La Media no vara.
2) La Desviacin Estndar se
multiplica por 36.
3) Varianza se multiplica por 6.
4) Coeficiente de Variacin no vara.
5) Todas son falsas.
32. Cuando a todos los datos de
una muestra se les multiplica una
constante:
1) La Media queda multiplicada por
esa constante, la Desviacin Tpica
no vara.
2) El Coeficiente de Variacin se
multiplica por esa constante.
3) Tanto la Media como la Desviacin
Tpica se multiplican por esa
constante.
4) El Coeficiente de Variacin no
vara.
5) Correctas 3 y 4.
33. Cuando a todos los datos de
una muestra se les suma una
constante:
1) La Media no vara.
2) La Media queda incrementada en
esa constante.
3) La Desviacin Tpica no vara.
4) La Desviacin Tpica queda
aumentada en esa constante.
5) Ciertas 2 y 3.
34. Los datos originales a menudo
necesitan ser transformados,
codificados para facilitar el
clculo. Qu consecuencias tiene
en el clculo de la Media, la
Desviacin Tpica y el Coeficiente
de Variacin el hecho de que a
todos los elementos de una
muestra se les reste una
constante?
1) Ninguno de estos estadsticos
varan.
2) La Media vara, el resto no.
3) La Media no vara, el resto s.
4) Los tres estadsticos varan.
5) La Media y el Coef. de Variacin
varan, la Desv. Tpica no.
35. La Distribucin Normal:
1) Es asimtrica.
2) Es una distribucin de probabilidad
de variable discreta.
3) Es asinttica.
4) La Mediana no coincide con la
Moda.
5) Es bimodal.
36. La Distribucin Normal:
1) La Media coincide con la Moda y
con la Mediana.
2) El mximo es la Media.
3) Es una Distribucin de
probabilidad de variables continuas.
4) Se define por m y s.
5) Todas son ciertas.
37. En la Distribucin Normal:
1) El intervalo ms abarca el 68% del
rea total.
2) El intervalo m1.96s abarca el
95% del rea.
3) El intervalo m2.6s abarca el 99%
del rea.
4) El intervalo m2.6s NO abarca el
5% del rea.
5) Todas son ciertas.
38. Una de las siguientes
afirmaciones no se refiere a la
Normal.
1) Asinttica.
2) Es una Distribucin de
probabilidad de Variable Discreta.
3) Es simtrica respecto a su media.
4) Queda definida por la media y la
desviacin tpica
5) La Media, Moda y Mediana
coinciden.
39. Los parmetros m y s
respectivamente de la Distribucin
Normal unitaria o tipificada son:
1) 0, 0.
2) 1, 1.
3) 0, 1.
4) 1, 0.
5) -1, 1.
40. Los Parmetros Media y
Desviacin Tpica respectivamente
de la Distribucin normal tipificada
(z) son:
1) 1, 0.
2) 0, 1.
3) 1, 1.
4) 0, 1,96.
5) 1, 1,96.
41. En la Normal, el intervalo:
1) ms abarca el 95%.
2) m1.96s abarca el 68%.
3) m2.56s abarca el 95%.
4) Ninguna es cierta.
5) Son todas ciertas.
42. Una distribucin Binomial:
1) Es Distribucin de Probabilidad de
Variable Discreta.
2) Se define por N(nmero) y
p(probabilidad de suceso).
3) La Media de la Binomial es np.
4) La desviacin Tpica es (npq)1/2.
5) Todas son correctas.
43. Los parmetros Media y
Desviacin Tpica,
respectivamente, de una Binomial
se calculan:
1) np, npq.
2) n/p, npq.
3) np, (npq)1/2 .
4) n/p, pq.
5) n/p, n/pq.
44. Una de las siguientes
distribuciones de probabilidad
corresponde a una Variable
aleatoria continua:
1) Poisson.
2) Normal.
3) Binomial.
4) Geomtrica.
5) Hipergeomtrica.
45. Cul de las siguientes
Distribuciones de probabilidad no
corresponde a una Variable
Aleatoria Discreta.
1) Poisson.
2) T. de Student.
3) Binomial.
4) Geomtrica.
5) Hipergeomtrica.
46. Una de las siguientes
distribuciones de probabilidad
corresponde a una Variable
Discreta.
1) Normal.
2) Chi-Cuadrado
3) F. de Snedecor.
4) T. de Student.
5) Hipergeomtrica.
47. La Distribucin T. de Student
deriva de la distribucin.
1) Binomial.
2) Normal.
3) Poisson.
4) Experimental.
5) Uniforme.
48. Una distribucin es bimodal:
1) Si se puede representar en dos
formas.
2) Si tiene dos Medias.
3) Si la Media y la Mediana coinciden.
4) Si la curva tiene dos mximos.
5) Ciertas 2 y 4.
49. Una Distribucin Bimodal
(Seala lo falso):
1) Nunca es una distribucin Normal.
2) Nunca es una distribucin T de
Student.
3) Nunca es simtrica.
4) Nunca es de variables Normales.
5) Tiene dos mximos.
50. En una distribucin simtrica:
1) La Media coincide con la Mediana.
2) El Coeficiente de Simetra es 0.
3) La mitad derecha es igual que la
izquierda.
4) La Moda deja a su izquierda el
50% de la curva.
5) Son todas ciertas.
51. En una distribucin asimtrica
(Seale lo falso):
1) Puede haber dos Modas.
2) El Coeficiente de Asimetra puede
ser mayor de 0.
3) No hay sesgo.
4) La Mediana es el mejor ndice de
centralizacin.
5) Puede ser platicrtica.
52. Un ndice de Asimetra de -0,3,
nos dice que:
1) La curva no es simtrica.
2) Tiene un sesgo negativo.
3) La Media es un ndice de
centralizacin sesgado.
4) La Mediana es un ndice centrado.
5) Son todas correctas.
53. El ndice de Curtosis:
1) Mide la simetra de la curva.
2) Mide la modalidad de la curva.
3) Es la Desviacin Estndar dividida
entre la Media y multiplicada por 100.
4) Mide el grado de apuntamiento.
5) Mide si la Media coincide con la
Mediana.
54. En la distribucin Normal:
1) El Coeficiente de Asimetra es >0.
2) El Coeficiente de Curtosis es <0.
3) Es bimodal.
4) Es Mesocrtica.
5) Es asimtrica.
55. Se dice que una distribucin es
Mesocrtica cuando:
1) Es simtrica.
2) El Coeficiente de Variacin es =0.
3) El Coeficiente de Curtosis es =0.
4) El Coeficiente de Asimetra es =0.
5) Ciertas 3 y 4.
56. Una distribucin Normal es:
1) Simtrica.
2) Unimodal.
3) Mesocrtica.
4) Distribucin de Variables
Continuas.
5) Son todas ciertas.
57. El Coeficiente de Asimetra de
una Distribucin de Frecuencias
simtrica tiene un valor:
1) 0.
2) -1.
3) 1,96.
4) 1.
5) -1,96.
58. El Coeficiente de Curtosis de
una Distribucin de Frecuencias
platicrtica tiene un valor:
1) >0.
2) <0.
3) >1.
4) =1.
5) =3.
59. Un estimador es insesgado:
1) Si es de mnima varianza.
2) Si es de varianza mxima.
3) Si es centrado sobre el valor
muestral.
4) Si es centrado sobre el parmetro
poblacional.
5) Ciertas 1 y 4.
60. En una distribucin Simtrica,
Cul es un estimador centrado de
la Media Poblacional?:
1) Media.
2) Moda.
3) Mediana.
4) Rango.
5) Ciertas 1, 2 y 3.
61. Seale un estimador insesgado
de la Media poblacional, si la
Distribucin es asimtrica:
1) Media.
2) Moda.
3) Mediana.
4) Varianza.
5) Ciertas 1, 2 y 3.
62. Cul es el estimador de
mnima varianza de la Media
poblacional?:
1) Media.
2) Moda.
3) Mediana.
4) Rango.
5) Desviacin Media.
63. En distribucin Simtricas, es
un estimador centrado de la
Varianza poblacional:
1) Varianza muestral.
2) Desviacin Tpica.
3) Cuasivarianza.
4) Error estndar de la Media.
5) Mediana.
64. En distribucin Asimtricas, el
estimador insesgado de la
Variacin poblacional es:
1) Varianza muestral.
2) Desviacin Estndar.
3) Cuasivarianza.
4) Rango intercuartlico.
5) Mediana.
65. A La Desviacin Tpica de una
distribucin muestral de Medias se
llama:
1) Rango de la media.
2) Error Tpico de la media.
3) Varianza muestral.
4) Coeficiente de Variacin.
5) Ninguna es cierta.
66. El Error Estndar de la Media
es:
1) Un estadstico de dispersin.
2) Es la Desviacin Tpica de una
distribucin muestral de medias.
3) Es la distancia de la Media
poblacional al punto de inflexin de la
curva.
4) Sirve para estimar Medias.
5) Son todas ciertas.
67. El Error Estndar del
Porcentaje es:
1) Un estadstico de dispersin.
2) Es la Desviacin Tpica de una
distribucin muestral de porcentajes.
3) Es la distancia del porcentaje
poblacional al punto de inflexin de la
curva.
4) Sirve para estimar porcentajes.
5) Son todas ciertas.
68. La Desviacin Tpica de una
distribucin muestral de un
estadstico se llama:
1) Coeficiente de Variacin.
2) Error Sistemtico.
3) Error Estndar.
4) Varianza.
5) Desviacin Estndar o Tpica.
69. El intervalo Media Muestral
1,96 EEM(Error Estndar de la
Media):
1) No dice gran cosa.
2) Comprende un 95% de las veces a
la Media poblacional.
3) Comprende un 99% de las veces a
la Media poblacional.
4) Da una seguridad del 68%.
5) Da una seguridad del 5%.
70. El intervalo Media Muestral
EEM(Error Estndar de la Media)
1) No se usa nunca.
2) Comprende un 99% de las veces a
la Media poblacional.
3) Comprende un 95% de las veces a
la Media poblacional.
4) Da una seguridad del 99%.
5) Todas son falsas.
71. El intervalo Media Muestral
EEM (Error Estndar de la Media):
1) Abarca a la Media poblacional un
68% de las veces.
2) No abarca a la Media poblacional
algo menos del 32%.
3) La seguridad de que la Media
poblacional est en dicho intervalo es
del 68%.
4) No se usa porque las
probabilidades de fallar son muy
altas.
5) Todas son ciertas.
72. La seguridad mnima exigida a
cualquier estimacin de Medias es:
1) Del 68%
2) Del 95%
3) Del 99%
4) Del 5%
5) Del 1%
73. La probabilidad de error
mxima, permitida en la estimacin
de parmetros es:
1) <68%
2) <5%
3) <1%
4) <0,01.
5) Ciertas 3 y 4.
74. La probabilidad de error
mnima, permitida en la estimacin
de parmetros es:
1) <68%
2) 5%
3) <1%
4) <0,1%
5) No hay.
75. La seguridad mxima exigida a
cualquier estimacin de
parmetros es:
1) Del 68%
2) Del 95%
3) Del 99%
4) Del 99,9%
5) No hay tal seguridad mxima.
76. Una seguridad del 95% en la
estimacin de parmetros, lleva
asociada una probabilidad de
error:
1) Del 5%
2) De 0,05%
3) <5%
4) <1%
5) Menor de 0,01.
77. Una seguridad del 99% en la
estimacin de parmetros, lleva
asociada una probabilidad de
error:
1) Del 1%
2) De 0,01.
3) Menor del 1%
4) Menor de 0,01.
5) Ciertas 3 y 4.
78. Leemos en un artculo que la
glucemia media es de 110 mg/dl
10 mg/dl. p <0,01.
1) El resultado muestral es 11010.
2) La seguridad es de ms del 99% 88. La potencia de un test de
3) La glucemia poblacional estar
entre 10 y 120, con toda seguridad.
4) El Error Estndar de la Media es
10 mg/dl.
5) Ninguna es cierta.
79. La media de la tensin arterial
es 905. p<0,05:
1) La Media de la muestra es 90.
2) La media de la poblacin est
entre 85 y 95, con una seguridad del
95%
3) La Media de la poblacin est
entre 85 y 95, con una probabilidad
de equivocarte menor del 5%
4) El EEM es 5/1,96.
5) Son todas ciertas.
80. La estimacin de la Media
poblacional:
1) Se hace cuando se desconoce tal
Media.
2) Se realiza por un proceso de
inferencia llamado estimacin.
3) Se calcula el EEM basndose en
la Desviacin Muestral.
4) Se dice entre qu valores puede
estar la Media poblacional, con una
probabilidad de equivocarse
conocida.
5) Son todas ciertas.
81. El Test de Hiptesis:
1) Es un tipo de estadstica
descriptiva.
2) La Hiptesis nula plantea la
existencia de diferencias.
3) La Hiptesis alternativa plantea la
no diferencia.
4) La Hiptesis nula y la alternativa
pueden no ser excluyentes.
5) Puedes saber la probabilidad de
equivocarte en tu afirmacin.
82. La probabilidad de acertar si
aceptas la Hiptesis nula es:
1) El nivel de significacin.
2) Es a .
3) Lo fija el investigador.
4) Es 1- a.
5) Ciertas 3 y 4.
83. La probabilidad de equivocarte
si aceptas la Hiptesis nula:
1) Es a .
2) Es el nivel de significacin.
3) Lo fija el investigador.
4) Como mximo se usa un nivel de
0,05.
5) Son todas ciertas.
84. La probabilidad de equivocarte
al aceptar la Hiptesis Alternativa:
1) Se la conoce como b .
2) No la fija el investigador.
3) Es el complementario del poder del
test.
4) Es el error tipo II.
5) Son todas falsas.
85. Si la Hiptesis nula es cierta y
la aceptas:
1) Es el nivel a .
2) Es el poder del test.
3) Es el error tipo I.
4) Es 1- a.
5) Es el complementario de 1- b.
86. Si la Hiptesis nula es cierta y
la rechazas:
1) No sabes qu probabilidad hay de
que ocurra.
2) No tiene importancia.
3) La probabilidad es 1- a.
4) Nunca ocurre.
5) Es el error tipo I.
87. La capacidad de encontrar
diferencias, habindolas:
1) Es impredecible.
2) Es el error tipo I.
3) Es el error tipo II.
4) Es el poder o potencia del test.
5) Usualmente es de 0,05.
Hiptesis:
1) Depende inversamente del 1- b.
2) Es el 1- a.
3) No depende de la magnitud real de
la diferencia.
4) Depende directamente del tamao
de la muestra.
5) Generalmente es de 0,01.
89. La potencia o poder de un test
de Hiptesis:
1) Es 1- b.
2) Es la capacidad del test de
encontrar diferencias, habindolas.
3) Aumenta al aumentar el tamao de
la muestra.
4) Aumenta al aumentar la diferencia
real.
5) Son todas ciertas.
90. En un tipo de cncer pulmonar,
la Quimioterapia es MEJOR que la
ciruga: Las diferencias son
estadsticamente significativas
p<0,01.
1) Usamos un intervalo de confianza
del 95%
2) Es fcil que las diferencias
observadas sean debidas al azar.
3) La Quimioterapia es 999 veces
mejor que la ciruga.
4) No se ha visto que uno sea mejor
que la otra.
5) La Quimioterapia es mejor que la
ciruga, a ese nivel de significacin.
91. En el tratamiento de una artritis
con reposo, mejoran el 60%; con
aspirina mejoran el 55%. La
diferencia es significativa con
p<0,05:
1) Siempre que trates con aspirina a
ese tipo de pacientes, mejorarn un
55% de los pacientes.
2) El reposo es un 95% mejor que la
aspirina.
3) El nivel de significacin es del 1%
4) Hay diferencias entre los dos
tratamientos, a ese nivel de
significacin.
5) No se puede concluir nada.
92. En el tratamiento de una artritis
con reposo, mejoran el 60%, con
aspirina mejoran el 55%.
La diferencia NO es significativa con
p<0,05:
1) Si tratas con reposo a otros
pacientes similares mejorarn el 60%
de ellos.
2) Se puede concluir que el reposo es
un 5% mejor que AAS.
3) El nivel de significacin es del 95%
4) No podemos concluir que haya
diferencias entre los tratamientos, a
ese nivel de significacin.
5) El reposo es mejor que la AAS, y
otro estudio ms potente lo
demostrara.
93. La Clonidina es efectiva en un
87%. El Diltiacem en un 80%.
Diferencias no son
estadsticamente significativas,
p<0,01:
1) La diferencia hallada en el estudio
es debida al azar.
2) La diferencia hallada no es debida
al azar.
3) La Clonidina es mejor que el
Diltiacem.
4) La Clonidina y el Diltiacem son
igualmente efectivas.
5) Son todas falsas.
94. La Clonidina es efectiva en un
87%. El Diltiacem en un 80%.
Diferencias no son
estadsticamente significativas,
p<0,01:
1) La diferencia hallada en el estudio
puede ser debida al azar.
2) No hay suficiente evidencia para
decir quien es mejor.
3) La Clonidina y el Diltiacem pueden
ser igualmente efectivas, a pesar de
los resultados observados.
4) La Clonidina puede ser mejor que
el Diltiacem, pero no tenemos
suficiente evidencia para afirmarlo.
5) Son todas ciertas.
95. La ciruga es efectiva en un
90%. La medicacin en un 80%.
Diferencias estadsticamente
significativas con p<0,05:
1) La Hiptesis nula plantea que los
dos son igualmente efectivos.
2) La Hiptesis alternativa dice que
los dos tipos de tratamiento no son
igualmente efectivos.
3) Si la Hiptesis nula fuese cierta,
hay menos de un 5% de
probabilidades de concluir que un
tratamiento es mejor que el otro.
4) Al afirmar que los dos tratamientos
no son iguales, hay menos del 5% de
probabilidades de equivocarnos.
5) Todas son ciertas.
96. La ciruga es efectiva en un
90%. La medicacin en un 80%.
Diferencias estadsticamente
significativas con p<0,05.
1) Afirmamos que hay diferencias
entre ambos tratamientos, p<0,05.
2) Decimos que ambos tratamientos
son distintos, con una probabilidad de
error <0,05.
3) Si ambos tratamientos fueran
iguales, habra menos de un 5% de
posibilidades de encontrar entre ellos
una diferencia del 10%
4) El error tipo I es <5%
5) Son todas ciertas.
97. La Aspirina mejora al 60%. El
paracetamol al 70%. Diferencias
NO son estadsticamente
significativas, p<0,05. Potencia del
test de Hiptesis del 40%:
1) El error tipo II es del 60%.
2) Afirmamos que pueden ser ambos
tratamientos iguales.
3) Hay menos del 50% de
posibilidades de encontrar diferencias
si las hubiera.
4) El error tipo I es menor del 5%.
5) Todas son ciertas.
98. La probabilidad de error a es:
1) Rechazar Ho cuando es verdadero
Ho.
2) Equivocarse cuando se rechaza
Ha.
3) Equivocarse cuando se acepta Ho.
4) Aceptar Ho cuando es verdadera
Ha.
5) No rechazar Ho.
99. A la capacidad que tiene un test
estadstico para detectar
diferencias significativas se
denomina:
1) Precisin.
2) Ajuste.
3) Sesgo.
4) Potencia.
5) Significacin.
100. El error tipo I o alfa es la
probabilidad de:
1) Aceptar una Ho siendo falsa.
2) Aceptar una Ho siendo cierta.
3) Rechazar una Ho siendo falsa.
4) Rechazar una Ho siendo cierta.
5) Son correctas 2 y 3.
101. El error tipo II o error beta es
la probabilidad de:
1) Rechazar una Ho siendo
verdadera.
2) Aceptar una Ho siendo verdadera.
3) Rechazar una Ho siendo falsa.
4) Aceptar una Ho siendo falsa.
5) Son correctas 1 y 3.
102. Qu nivel de significacin 4) Que la relacin es muy buena.
mnimo es utilizado en cualquier
test de Hiptesis?
1) 0,1%
2) 0,5%
3) 1%
4) 5%
5) 10%
103. Si al realizar un test de
Hiptesis, el resultado es no
significativo, la probabilidad
asociada es:
1) p0,01.
2) p0,05.
3) p> 0,05.
4) p> 0,005.
5) p= 0,01.
104. Para comprobar la
homogeneidad de varias medias
independientes se usa el test no
paramtrico de :
1) Kruskal-Wallis.
2) McNemar.
3) Cohcran.
4) Wilcoxon.
5) Friedmann.
105. Planteado un diseo
experimental, y fijada una prueba
de hiptesis, si se aumenta el
tamao de las muestras:
1) Aumenta la probabilidad de error
ay b .
2) Disminuye la probabilidad de error
a y b.
3) Aumenta la probabilidad de error
a.
4) Disminuye la probabilidad de error
b.
5) Aumenta la probabilidad de error a
y disminuye la de b.
106. Si se desea realizar un
contraste de hiptesis, Cul de
las siguientes situaciones es
mejor:
1) a= 0,05 y b = 0,05.
2) a = 0,05 y b = 0,10.
3) a = 0,01 y b = 0,05.
4) a = 0,01 y b = 0,10.
5) a = 0,01 y b = 0,01.
107. Si la Ho es cierta y la aceptas:
1) La probabilidad es 1- a .
2) La probabilidad la fija el
investigador.
3) Se usa como mnimo un intervalo
del 95%
4) Es el tamao del test de Hiptesis.
5) Son todas ciertas.
108. Un test de Hiptesis es tanto
mejor cuanto mayor sea su:
1) Confianza.
2) Potencia.
3) Facilidad de clculo.
4) Nivel de significacin.
5) Error Tipo II.
109. El error tipo I se define como
la probabilidad de:
1) Aceptar Ho siendo cierta.
2) Aceptar Ho y H1.
3) Rechazar Ho siendo cierta.
4) Rechazar Ho siendo falsa.
5) Aceptar Ho siendo falsa.
110. El error tipo II se define como
la probabilidad de :
1) Aceptar Ho cuando es cierta.
2) Rechazar Ho y H1.
3) Rechazar Ho cuando es falsa.
4) Aceptar Ho cuando es falsa.
5) Rechazar Ho cuando es cierta.
111. Qu significa que un
coeficiente de correlacin de
Pearson es de -0,9 :
1) Que hay una mala correlacin
entre las dos variables.
2) Que la relacin es inversa o
negativa.
3) Que la relacin es lineal.
5) Ciertas 2 y 4.
112. Qu significa un Coeficiente
de Correlacin de Pearson de
+0,95?
1) Que no hay relacin lineal.
2) Que la relacin lineal es muy
buena.
3) Que la relacin es inversa.
4) Que cuando una variable aumenta,
la otra disminuye.
5) Son todas falsas.
113. La existencia de relacin entre
dos variables cuantitativas se
verifica mediante el test de :
1) Independencia (contingencia).
2) De Mann-Whitney.
3) ANOVA (Anlisis de la Varianza).
4) Correlacin.
5) Chi-Cuadrado.
114. Para estudiar la relacin entre
dos variables cuantitativas se
puede usar:
1) Coef. de Correlacin de Pearson.
2) Coef. de Correlacin de
Spearman.
3) Coef. de Contingencia de Pearson.
4) Regresin.
5) Ciertas 1, 2 y 4.
115. E Cuadrado de Coeficiente de
Correlacin r de Pearson (r2 ) se
denomina:
1) Coeficiente de Asimetra.
2) Coeficiente de Contingencia.
3) Coeficiente de Determinacin.
4) Coeficiente de Indeterminacin.
5) Coeficiente kappa.
116. Cul de las siguientes
propiedades se refiere a la
Covarianza?
1) Es un estadstico de posicin.
2) Es un estadstico adimensional.
3) Es un coeficiente no paramtrico.
4) Puede tomar valores negativos.
5) Su valor oscila entre -1 y +1.
117. El coeficiente de Correlacin
de Pearson puede usarse :
1) Cuando la relacin entre dos
variables no sea lineal.
2) Cuando una de las dos variables
no sea cuantitativa.
3) Cuando la relacin entre las
variables sea lineal.
4) Cuando se desconozca la
distribucin de las variables.
5) Cuando el n de datos sea
pequeo.
118. El estadstico de dispersin
que permite conocer el grado de
variacin conjunta entre dos
variables cuantitativas es :
1) Varianza.
2) Desviacin Tpica o estndar.
3) Covarianza.
4) Rango o recorrido.
5) Coeficiente de Variacin.
119. Para comparar correctamente,
desde un punto de vista
descriptivo, la dispersin de dos o
ms variables debe usarse :
1) La desviacin estndar.
2) La amplitud.
3) El Coeficiente de Variacin.
4) La covarianza.
5) La desviacin media.
120. Siendo a la ordenada en
origen y b la pendiente de la
recta, la ecuacin de regresin la
recta de regresin de y sobre x es:
1) y= b+ax.
2) y= a+bx.
3) x= b+ay.
4) x= a+by.
5) y= a+b/x.
121. El Coeficiente de Correlacin
de Pearson (r) es una medida de
relacin lineal entre:
1) Dos Var. Discretas.
2) Dos Var. Continuas.
3) Dos Var. Cualitativas.
4) Una Cualitativa y otra Discreta.
5) Ninguna es correcta.
122. Es Coeficiente de Correlacin
(r) de Pearson, puede tomar
valores entre:
1) -1 y 0.
2) 0 y 1.
3) -1 y 1.
4) -0,5 y 1,5.
5) -1,5 y 1,5.
123. El Coeficiente de Correlacin
de Pearson sirve para estudiar:
1) Relacin entre dos variables
Cuantitativas de tipo logartmico.
2) Relacin lineal entre dos variables.
de cualquier tipo.
3) Relacin exponencial entre dos
variables Cuantitativas.
4) Relacin lineal entre dos variables.
Dicotmicas.
5) Relacin lineal entre dos variables
Cuantitativas.
124. El Coeficiente de Correlacin
de Pearson (r):
1) Vara entre -1 y +1.
2) Tiene el mismo signo que la
Covarianza de la que procede.
3) Sirve para estudiar la relacin
lineal entre dos Var. Cuantitativas.
4) Si se eleva al cuadrado, es el
Coeficiente de Determinacin.
5) Son todas ciertas.
125. La existencia de relacin entre
dos Var. Cualitativas se verifica
mediante el test de:
1) U de Mann-Whitney.
2) Independencia (Contingencia).
3) Correlacin.
4) Linealidad.
5) 2 y 3 son ciertas.
126. Los grados de libertad de una
tabla de contingencia
(independencia) 22 son:
1) 1.
2) 2.
3) 3.
4) 4.
5) 5.
127. Los grados de libertad de una
tabla de contingencia 58 son:
1) 40.
2) 38.
3) 28.
4) 14.
5) 2.
128. Los grados de libertad de la
Ji-Cuadrado de Pearson, en una
tabla de contingencia
(independencia) 32 son:
1) 0
2) 3.
3) 6.
4) 2.
5) 1.
129. El Coeficiente de
Contingencia (de Pearson):
1) Mide la Correlacin entre dos Var.
Cuantitativas.
2) Mide la asociacin entre dos Var.
Cualitativas.
3) Mide la Variacin entre medias
apareadas.
4) Es un ndice de centralizacin.
5) Todas son falsas.
130. El Coeficiente de
Contingencia es un ndice de:
1) Asimetra.
2) Curtosis.
3) Asociacin.
4) Normalidad.
5) Ninguna es correcta.
131. La Distribucin Chi-Cuadrado
se usa:
1) Tablas de Contingencia.
2) Homogeneidad de varias muestras
Cualitativas.
3) Bondad de ajuste de una
distribucin.
4) Test de Homogeneidad de varios
parmetros de Poisson.
5) Todas son ciertas.
132. Si en una tabla de
Contingencia, mayor que 22, hay
ms de un 20% de valores tericos
menores de 5, antes de hacer el
Test de la Ji-Cuadrado:
1) No hay que hacer nada.
2) Hay que transformar la tabla,
agrupando filas o columnas.
3) Hay que hacer como si no lo
hubiramos visto.
4) Hay que hacer la correccin de
Yates.
5) Hay que hacer un Anlisis de la
Varianza.
133. Si en una Tabla de
Contingencia de 22, hay algn
valor menor de 5:
1) Se le suma 5.
2) Se agrupan filas o columnas.
3) Se hace una Regresin.
4) Se divide por la Media.
5) Se usa la Correccin de Yates.
134. El Coeficiente de
Contingencia (de Pearson):
1) Mide la correlacin entre dos Var.
Cuantitativas.
2) Mide el grado de asociacin entre
dos Var. Cualitativas.
3) Es lo mismo que el Coeficiente de
Correlacin de Pearson.
4) Va desde 0 a +1.
5) Ciertas 2 y 4.
135. La Distribucin Chi-Cuadrado
se emplea para el test de:
1) Dos Medias paramtrico.
2) Bondad de ajuste.
3) Independencia (contingencia).
4) Tres Medias paramtrico.
5) Ciertas 2 y 3.
136. La Distribucin de
probabilidad usada para comparar
2 varianzas es:
1) Ji-Cuadrado.
2) F de Fisher-Snedecor.
3) Poisson.
4) T de Student.
5) Binomial.
137. El estudio de la relacin entre
una Var. Cuantitativa, y una
Cualitativa de ms de dos
categoras, se hace mediante:
1) El Coeficiente de Correlacin de
Pearson.
2) El Coeficiente de Contingencia de
Pearson.
3) El Coeficiente de Paciencia de
Buda.
4) El Test de Friedmann.
5) El Anlisis de la Varianza.
138. Los requisitos previos que
deben cumplir las muestras para
hacer el ANOVA:
1) Han de ser Aleatorias.
2) Han de ser independientes.
3) Las variables deben ser Normales
en la poblacin.
4) Las Varianzas de las muestras han
de ser Homogneas.
5) Todas son ciertas.
139. La Hiptesis de normalidad de
la Variable se comprueba con el
Test:
1) De Wilcoxon.
2) De Friedmann.
3) De Barlet.
4) De Kruskal-Wallis.
5) De Agostino.
140. El Anlisis de la Varianza
(ANOVA) se usa para:
1) Comprobar la asociacin entre una
variables Cuantitativa y una
Cualitativa de ms de dos categoras.
2) Comprobar la homogeneidad de
varias muestras apareadas.
3) Comparar entre s tres o ms
medias.
4) Comprobar la asociacin entre dos
variables Cualitativas.
5) Ciertas 1, 2 y 3.
141. Qu test estadstico permite
comparar dos o ms muestras
independientes en condiciones de
normalidad.
1) Friedmann.
2) Wilcoxon.
3) Barlet.
4) Kolmorogoff-Smirnow.
5) Anlisis de la Varianza.
142. Cul no es un test a
posteriori) en el Anlisis de la
Varianza.
1) Tukey.
2) Dunnet.
3) Bonferrony.
4) Barlet.
5) Todos son test a posteriori.
143. La Hiptesis de
Homogeneidad de las Varianzas se
verifica mediante el test de :
1) Wilcoxon.
2) Levene.
3) Los signos.
4) Barlet.
5) 2 y 4 son ciertas.
144. Si la F entre grupos resulta
ser significativa en un Anlisis de
la Varianza, del criterio de
clasificacin (modelo fijo)
realizado para comparar el efecto
de cuatro frmacos, qu debe
hacerse a continuacin:
1) Se acaba el estudio.
2) Se realiza un test a posteriori de
Comparaciones Mltiples.
3) Se realiza un test no paramtrico.
4) Se realiza un test de
homogeneidad de la Varianzas.
5) Se realiza un test de bondad de
ajuste.
145. Uno de los siguientes test
estadsticos, es un test de
Normalidad:
1) Barlet.
2) Agostino.
3) Kruskal-Wallis.
4) Levene.
5) Neyman-Pearson.
146. La posible asociacin entre 1) Ji-Cuadrado.
dos variables cualitativas se ve: 2) T de Student.
1) Test de la 3) ANOVA.
Ji-Cuadrado. 4) U de Mann-Whitney.
2) Ji-Cuadrado con correccin de 5) Ciertas 2 y 4.
Yates. 150. La asociacin entre una
3) Test exacto de FISHER. Cuantitativa y una Cualitativa de
4) ANOVA. dos categoras (mtodo no
5) Ciertas 1, 2 y 3. paramtrico):
147. La posible asociacin entre 1) Test de la Ji-Cuadrado.
dos variables cuantitativas se 2) U de Mann-Whitney.
estudia con: 3) Coef. de Corr. de Spearman.
1) Coef. de Correlacin de Pearson. 4) Test de Kruskal-Wallis.
2) Coef. de Correlacin de 5) T de Student.
Spearman.
3) Regresin Lineal.
4) Regresin Logartmica.
5) Son todas ciertas.
148. La asociacin entre una Var.
Cuantitativa y una Cualitativa de
ms de dos categoras se ve con:
1) Ji-Cuadrado.
2) Test de McNemar.
3) ANOVA.
4) T de Student.
5) Hipergeomtrica.
149. La asociacin entre una Var.
Cuantitativa, y otra Cualitativa de 2
categoras se estudia con: