Vous êtes sur la page 1sur 2

UNIVERSIDAD TCNICA PARTICULAR DE LOJA

MODALIDAD ABIERTA Y A DISTANCIA

ECONOMA
ESTADSTICA I
EC (4-ECTS); AT (2-ECTS); CA (3-ECTS); BF (3ECTS); GP (3-ECTS); AE (4-ECTS); PS (6-ECTS)
SEGUNDA EVALUACION PARCIAL
ABRIL - AGOSTO/2013

Elaborada por:

Versin

Mgs. Carlos Correa Granda

IMPORTANTE:

En la calificacin automtica se utiliza la frmula aciertos menos errores, por lo tanto, le


recomendamos piense bien la respuesta antes de marcarla, si no est seguro, es preferible dejarla en
blanco.
No est permitido comunicarse entre compaeros ni consultar libros o apuntes.
Verifique que la hoja de respuestas corresponda a la evaluacin que est desarrollando.

NO CONTESTE EN ESTE CUESTIONARIO, HGALO EN LA HOJA DE RESPUESTAS_


INSTRUCCIN:
Lea detenidamente cada uno de las siguientes preguntas y rellene completamente el crculo que corresponda al
literal de la alternativa correcta en la hoja de respuestas. La alternativa (A) se usar para verdadero y la
alternativa (B) para falso.
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.

La evaluacin de la confianza que se puede tener en dos o ms promedios, puede llegarse a obtener
por medio de las medidas de dispersin.
La amplitud de variacin, tambin se conoce como rango y se refiere a la diferencia entre el valor
mximo y el valor mnimo.
Para calcular la amplitud de variacin o el rango, se debe tomar en cuenta el valor de la media
aritmtica.
Para calcular la desviacin media absoluta, se aplica la diferencia entre el valor de la observacin y el
valor de la media aritmtica, considerando los signos de los resultados.
Una de las caractersticas de la desviacin media, es que utiliza en su clculo todos los valores de la
muestra.
Cuando el valor de la medida de dispersin es amplio, significa que el promedio no es representativo
del conjunto total de datos.
El clculo de la desviacin media absoluta, requiere considerar los valores absolutos de las diferencias
entre cada valor con respecto a la media aritmtica.
La varianza de un conjunto de datos, se obtiene al extraer la raz cuadrada del valor de la desviacin
tpica o estndar.
La varianza como medida de dispersin es de difcil interpretacin, por cuanto el resultado viene
expresado en la unidad de medida de la variable al cuadrado.
En una distribucin de frecuencias simtrica, prcticamente todas las observaciones (99,7%), se
encuentran entre ms y menos tres desviaciones estndar con respecto a la media.
La utilidad del coeficiente de variacin como medida de dispersin relativa, radica en que es til para
comparar las distribuciones de datos expresadas en diferentes unidades de medida.
Para calcular el coeficiente de variacin, se debe establecer el cociente entre la media aritmtica y la
desviacin tpica o estndar del conjunto de observaciones.
Al calcular el coeficiente de asimetra de Pearson, su resultado puede variar entre -3 y +3, siendo el
cero indicador de que la distribucin es simtrica.
En general, el valor que se obtiene como cuartil dos, es igual al valor que se obtiene al calcular la
media aritmtica.
Para calcular el valor de los cuartiles, deciles y percentiles, se sigue el mismo procedimiento que se
desarrolla al calcular el valor modal en una distribucin de frecuencias.
El valor del cuartil 1, se puede interpretar como aquel bajo el cual se encuentra el 75% de
observaciones y sobre el cual se encuentra el 25% de las mismas.
El valor del percentil 50, es igual al del decil 5 y al del cuartil 2; as como el percentil 75 es igual al
valor del cuartil 3.
El valor de la mediana es igual al valor del cuartil 3, decil 4 y percentil 25.

Pag. 1 de 2

19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
41.
42.
43.
44.
45.
46.
47.
48.
49.
50.

El empleo de la teora de la probabilidad, permite analizar los riesgos y minimizar el azar inherente.
El concepto de probabilidad objetiva, se subdivide en probabilidad clsica y probabilidad emprica.
El concepto de probabilidad clsica, determina que los resultados de un experimento son todos
igualmente posibles.
Cuando la probabilidad de ocurrencia de un evento es 1 o cercana a 1, significa que el evento muy
difcilmente se puede presentar.
Al lanzar una moneda, los eventos cara y sello, se caracterizan por ser eventos mutuamente
excluyentes.
Si la ocurrencia de un evento, impide que otro se presente al mismo tiempo, nos referimos a que los
eventos son dependientes.
Un evento se caracteriza por ser mutuamente excluyente porque su ocurrencia implica que ningn otro
evento se puede presentar al mismo tiempo.
El valor de la probabilidad de ocurrencia de un evento, puede encontrarse entre cero y uno.
Dos eventos son independientes, si la ocurrencia de uno no altera la probabilidad de que suceda el
otro.
Cuando dos eventos no son mutuamente excluyentes, la probabilidad conjunta de que se presenten A
o B, se expresa de la siguiente manera: P(A o B) = P(A) + P(B).
Si A y B son dos eventos independientes, la probabilidad conjunta de que ocurran A y B, se expresa de
la siguiente manera: P(A y B) = P(A)*P(B|A).
La probabilidad conjunta se considera como aquella medida que permite determinar la posibilidad de
que dos o ms eventos ocurran en forma simultnea.
Al lanzar un dado, los eventos de que se presente un nmero par y el nmero 2, 4, o 6, son eventos
mutuamente excluyentes.
En el clculo de las permutaciones es muy importante el orden en que se presentan los objetos
seleccionados.
Una combinacin, es un arreglo en el que es importante el orden de los objetos seleccionados de un
grupo especfico de ellos.
En una distribucin de probabilidad, tambin se pueden extraer los valores de la varianza y la
desviacin estndar.
Una de las caractersticas de las distribuciones de probabilidad, establece que los eventos no son
mutuamente excluyentes.
La media aritmtica de una distribucin de probabilidad, se obtiene de la sumatoria del cociente entre
el evento y su probabilidad de ocurrencia.
Una caracterstica de la distribucin de probabilidad binomial, consiste en que los ensayos, son
independientes, esto es, que el resultado de un ensayo no afecta al resultado de algn otro.
En el clculo de las probabilidades binomiales, se utiliza el concepto de permutaciones de n objetos
tomados x a la vez.
La distribucin de probabilidad hipergeomtrica, se caracteriza porque la variable aleatoria es el
nmero de xitos de un nmero fijo de pruebas y las pruebas no son independientes.
La distribucin de probabilidad binomial, es una distribucin discreta al igual que la probabilidad
hipergeomtrica y de Poisson.
Cuando se selecciona una muestra de una poblacin finita sin reposicin, es aconsejable aplicar la
distribucin de probabilidad hipergeomtrica.
La distribucin de probabilidad de Poisson, se utiliza como modelo para describir la distribucin de
errores en la captura de datos.
Cuando nos referimos a una distribucin de probabilidad que se caracteriza por ser simtrica con
respecto a su media, estamos hablando de la distribucin de probabilidad hipergeomtrica.
En una distribucin de probabilidad de Poisson, la media y la varianza son iguales y se calculan a
travs del producto n.
La distribucin de probabilidad de Poisson, se basa en el supuesto que los intervalos son
independientes, esto es cuanto mayor sea la extensin del intervalo, mayor ser la probabilidad.
La distribucin de probabilidad normal, es una distribucin discreta en la que la media siempre ser
mayor que la mediana y la moda.
La distribucin de probabilidad normal, es una distribucin continua, mientras que la distribucin
binomial es una distribucin de probabilidad discreta.
La curva que representa a la distribucin de probabilidad normal, se caracteriza por ser asimtrica con
respecto a la media.
Aproximadamente el 68% del rea bajo la curva normal se encuentra entre la media ms y menos una
desviacin estndar: 1.
Para poder hallar el rea bajo la curva normal entre determinados valores, es necesario expresar los
valores de la variable en trminos de Z o referencia tipificada.

Pag. 2 de 2