1.

Es una Variable Cualitativa Ordinal:

1) Sexo (M, F).
2) Bebe (no, poco, mucho).
3) Nº 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) Nº muelas cariadas.
4) Temperatura corporal.
5) Raza (blanca, negra, amarilla).

3. Es una Variable Cualitativa Dicotómica:

1) Sexo (M, F).
2) Bebe (no, poco, mucho).
3) Nº 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) Nº 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) Nº 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 Polígono de Frecuencias se usa para representar Variables:

1) Cualitativas.
2) Cuantitativas Discretas.
3) Cuantitativas Continuas.
4) Cualquiera.
5) Ciertas 1 y 2.
10. El Polígono 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 distribución de datos se puede describir con:
1) Una medida de centralización y otra de dispersión.
2) Una distribución de frecuencias absolutas.
3) Una distribución de frecuencias relativas.
4) Un gráfico.
5) Todas son ciertas.
12. Es una medida de centralización:
1) Rango.
2) Varianza.
3) Mediana.
4) Desviación Estándar.
5) Coeficiente de Variación.
13. Es una medida de posición:
1) Amplitud.
2) Varianza.
3) Moda.
4) Desviación Típica.
5) Coeficiente de Variación.
14. Es un índice de dispersión:
1) Media Aritmética.
2) Moda.
3) Mediana.
4) Desviación Estándar.
5) Cuartiles.
15. Es un estadístico de dispersión:
1) Amplitud.
2) Desviación Media.
3) Rango intercuartílico.
4) Coeficiente de Variación.
5) Todas Ciertas.
16. Es un índice de dispersión adimensional:
1) Desviación Media.
2) Varianza.
3) Desviación Estándar.
4) Coeficiente de Variación.
5) Amplitud o Rango.
17. ¿Cuál de los siguientes es un estadístico descriptivo de posición?
1) Media Geométrica.
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 asimétrica.
3) La muestra es heterogénea.
4) La muestra es simétrica.
5) La muestra es homogénea.
19. Para comparar correctamente, desde un punto de vista descriptivo, dos o más variables debe usarse:
1) Desviación Estándar.
2) Amplitud.
3) El Coeficiente de Variación.
4) La Covarianza.
5) La Desviación Media.
20. Es un Estadístico de Dispersión:
1) Moda.
2) Rango.
3) Mediana.
4) Media Armónica.
5) Media Geométrica.
21. El Coeficiente de Variación es:
1) Un estadístico de Centralización adimensional.
2) Un estadístico de Dispersión Adimensional.
3) Una medida de Variación conjunta entre dos variables.
4) Un índice de simetría.
5) 3 y 4 correctas.
22. La Varianza Muestral es:
1) El cuadrado de la Desviación Típica.
2) La raíz cuadrada de la Desviación Típica.
3) Un estadístico de dispersión.
4) El cociente entre la Media y los Grados de Libertad.
5) 1 y 3 correctas.
23. El Coeficiente de Variación se calcula:
1) Multiplicando la Varianza por la Media.
2) Dividiendo la Desviación Típica por la Media.
3) Dividiendo la Media por la Desviación Típica.
4) Dividiendo la Media por la Varianza.
5) Multiplicando la Desviación Típica por la Media.
24. Cuando la muestra es asimétrica, el mejor estadístico de centralización que puede usarse es:
1) Media Aritmética.
2) Moda.
3) Mediana.
4) Media Geométrica.
5) Media Armónica.
25. La media aritmética no debe emplearse como estadístico de Centralización, cuando:
1) Las muestras son simétricas.
2) Se desea conocer el centro de gravedad de la distribución.
3) Las muestras son asimétricas.
4) Se desea calcular otros estadísticos relacionados, como el Coeficiente de Variación.
5) Se desea un estadístico de gran estabilidad.
26. ¿Con cuál de los siguientes estadísticos, puede compararse el grado de dispersión (variabilidad) de distintas muestras,
en las que se utilizan unidades de medida distintas?.:
1) Desviación Típica.
2) Varianza.
3) Coeficiente de Variación.
4) Rango o Amplitud.
5) Error Típico.
27. Si a todos los valores de una distribución, les sumas 9:
1) La Media aumenta 9.
2) La Media no varía.
3) La Varianza aumenta en 81.
4) La Varianza aumenta en 9.
5) La Desviación Estándar aumenta en 3.
28. Si a todos los valores de una distribución de datos, les restas 4:
1) La Media no varia, la Varianza sí.
2) La Media disminuye 4, la Varianza 16.
3) La Media y Varianza no varían.
4) La Media disminuye 4, la Varianza no varía.
5) Ninguna es cierta.
29. Si a todos los valores de una distribución, los multiplicas por 4:
1) Su Media no varía.
2) A su Media se le suma 4.
3) Su media se multiplica por 4.
4) Su Varianza se multiplica por 4.
5) Su Desviación Estándar se multiplica por 16.
30. Si a todos los valores de una distribución 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 varía, 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 varía.
31. Si multiplicas por 6 todos los valores de una distribución:
1) La Media no varía.
2) La Desviación Estándar se multiplica por 36.
3) Varianza se multiplica por 6.
4) Coeficiente de Variación no varía.
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 Desviación Típica no varía.
2) El Coeficiente de Variación se multiplica por esa constante.
3) Tanto la Media como la Desviación Típica se multiplican por esa constante.
4) El Coeficiente de Variación no varía.
5) Correctas 3 y 4.
33. Cuando a todos los datos de una muestra se les suma una constante:
1) La Media no varía.
2) La Media queda incrementada en esa constante.
3) La Desviación Típica no varía.
4) La Desviación Típica queda aumentada en esa constante.
5) Ciertas 2 y 3.
34. Los datos originales a menudo necesitan ser transformados, codificados para facilitar el cálculo. ¿Qué consecuencias
tiene en el cálculo de la Media, la Desviación Típica y el Coeficiente de Variación el hecho de que a todos los elementos de
una muestra se les reste una constante?
1) Ninguno de estos estadísticos varían.
2) La Media varía, el resto no.
3) La Media no varía, el resto sí.
4) Los tres estadísticos varían.
5) La Media y el Coef. de Variación varían, la Desv. Típica no.
35. La Distribución Normal:
1) Es asimétrica.
2) Es una distribución de probabilidad de variable discreta.
3) Es asintótica.
4) La Mediana no coincide con la Moda.
5) Es bimodal.
36. La Distribución Normal:
1) La Media coincide con la Moda y con la Mediana.
2) El máximo es la Media.
3) Es una Distribución de probabilidad de variables continuas.
4) Se define por m y s.
5) Todas son ciertas.
37. En la Distribución Normal:
1) El intervalo m±s abarca el 68% del área total.
2) El intervalo m±1.96s abarca el 95% del área.
3) El intervalo m±2.6s abarca el 99% del área.
4) El intervalo m±2.6s NO abarca el 5% del área.
5) Todas son ciertas.
38. Una de las siguientes afirmaciones no se refiere a la Normal.
1) Asintótica.
2) Es una Distribución de probabilidad de Variable Discreta.
3) Es simétrica respecto a su media.
4) Queda definida por la media y la desviación típica
5) La Media, Moda y Mediana coinciden.
39. Los parámetros m y s respectivamente de la Distribución Normal unitaria o tipificada son:
1) 0, 0.
2) 1, 1.
3) 0, 1.
4) 1, 0.
5) -1, 1.

40. Los Parámetros Media y Desviación Típica respectivamente de la Distribución 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) m±s abarca el 95%.
2) m±1.96s abarca el 68%.
3) m±2.56s abarca el 95%.
4) Ninguna es cierta.
5) Son todas ciertas.
42. Una distribución Binomial:
1) Es Distribución de Probabilidad de Variable Discreta.
2) Se define por N(número) y “p”(probabilidad de suceso).
3) La Media de la Binomial es np.
4) La desviación Típica es (npq)1/2.
5) Todas son correctas.
43. Los parámetros Media y Desviación Típica, 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) Geométrica.
5) Hipergeométrica.
45. Cuál de las siguientes Distribuciones de probabilidad no corresponde a una Variable Aleatoria Discreta.
1) Poisson.
2) T. de Student.
3) Binomial.
4) Geométrica.
5) Hipergeométrica.
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) Hipergeométrica.
47. La Distribución T. de Student deriva de la distribución.
1) Binomial.
2) Normal.
3) Poisson.
4) Experimental.
5) Uniforme.
48. Una distribución 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 máximos.
5) Ciertas 2 y 4.
49. Una Distribución Bimodal (Señala lo falso):
1) Nunca es una distribución Normal.
2) Nunca es una distribución “T” de Student.
3) Nunca es simétrica.
4) Nunca es de variables Normales.
5) Tiene dos máximos.
50. En una distribución simétrica:
1) La Media coincide con la Mediana.
2) El Coeficiente de Simetría 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.

1. El polinomio de Frecuencias Acumuladas se usa para representar variables

R: Cuantitativas continuas
2. Para calcular el K-ésimo fracaso antes de obtener el r-ésimo éxito usamos una distribución
binomial.
R: Falso
3. La variable aleatoria continua toma valores:
R: Dentro del intervalo (a,b)
4. La función de probabilidad de Bernoulli necesariamente es una distribución de Bernoulli
R: Falso
5. La mediana es una medida de tendencia central se usa cuando:
R: La muestra es asimétrica
6. La variable aleatoria permite trasladar la medida de la probabilidad P a:
R: La totalidad de sigma algebra de Borel e intervalos de la forma menos infinito a X
7. ¿Con cuál de los siguientes estadísticos, puede compararse el grado de dispersión (variabilidad)
de distintas muestras, en las que se utilizan unidades de medida distintas?
R: Coeficiente de variación
8. La media aritmética no debe emplearse como estadístico de Centralización, cuando:
R: las muestras son asimétricas
9. Una distribución de datos se puede describir con:
R: Todas las anteriores
10. La variable aleatoria es:
R: una función de omega a reales
11. Si estamos interesados en determinar la probabilidad de fracaso antes de alcanzar el r-esimo
éxito, sabiendo que se trata de sucesos independientes, entonces podría ser alguna o algunas de
las siguientes distribuciones:
R: geométrica, Binomial negativa
12. Los posibles resultados de un experimento aleatorio no son elementos Wen sigma-algebra, sino
números reales
R: La variable aleatoria puede tomar sobre sigma-algebra de Borel
13. La distribución binomial se genera por la suma de n variables que siguen una única distribución
de Bernoulli
R: Verdadero
14. Si estamos interesados en determinar la probabilidad sabiendo que se trata de sucesos
dependientes, entonces podría ser alguna o algunas de las siguientes distribuciones
R: Hipergeométrica y beta binomial
15. Cuando a todos los datos de una muestra se les multiplica una constante:
R: Correctas 3 y 4 (Tanto la media como la desviación típica se multiplican por esa constante, el coeficiente
de variación no varía)
16. Si estamos interesados en determinar la probabilidad de fracasos antes de alcanzar el r-ésimo
éxito, sabiendo que se trata de sucesos independientes, entonces podría ser alguna o algunas de
las siguientes distribuciones:
R: Binomial negativa y geométrica
17. La distribución normal:
R: Es asintótica
18. Para comparar correctamente, desde un punto de vista descriptivo, dos o más variables debe
usarse:
R: El coeficiente de variación
19. Las rentas salariales anuales en un cierto sector económico ......
R: E(X)=15,43
P(X≤ 18)=0.81
20. El diagrama de barras se usa para representar variables:
R: Cierta 1 y 2 (Cualitativas y cuantitativas discretas)
21. Los parámetros m y s respectivamente de la distribución normal unitaria o tipificada son:
R: 0, 1
22. El histograma se usa para representar variables:
R: Cuantitativas continuas
23. Es una medida de centralización
R: Mediana
24. Para calcular el k-ésimo fracaso antes de obtener r-ésimo éxito usamos una distribución
binomial.
R: Falso
25. Si a todos los valores de una distribución, les sumas 9
R: La media aumenta en 9
26. Es un índice de dispersión:
R: Desviación estándar

27. En normal, el intervalo:

R: Ninguna
28. Es una variable Cualitativa Ordinal
R: Bebe (no poco mucho )
29. La probabilidad definida para subconjuntos de sigma algebra se traslada, a probabilidades\
R: Los reales y sigma algebra de borel
R: Para subconjuntos de los R
30. Una distribución es bimodal
R: Si la curva tiene dos máximos
31. El espacio omega sigma-algebra, y la medida de probabilidad se transforma en:
R: El espacio de conjunto de los reales, sigma algebra de Borel y la medida de probabilidad inducida
32. Es una variable cuantitativa continua

R: Temperatura corporal
 33. De todo intervalo de menos infinito a x se puede obtener:

R: Su imagen inversa

R: Sigma o los elementos de omega o un solo elemento de omega

34. Una distribución de datos se puede describir con:

R: Todas son ciertas (una distribución de frecuencias relativas, una medida de centralización y otra de dispersión, un
gráfico, una distribución de frecuencias absolutas)
 35. Los datos originales a menudo necesitan ser transformados, codificados para facilitar el cálculo. ¿Qué
consecuencias tiene en el cálculo de la Media, la Desviación Típica y el Coeficiente de Variación el hecho de
que a todos los elementos de una muestra se les reste una constante?

R: La Media y el Coef. de Variación varían, la Desv. Típica no.

36. En las muestras (1,2,3,4) y (5,6,7,8)

R: Las desviaciones estándar son iguales

37. Es una variable cuantitativa dicotómica

R: Sexo (M,F)

38. En una distribución simétrica

R: Todas son ciertas( 1) La Media coincide con la Mediana. 2) El Coeficiente de Simetría es 0. 3) La mitad derecha es igual que la
izquierda. 4) La Moda deja a su izquierda el 50% de la curva)

39. Los parámetros Media y Desviación Típica, respectivamente, de una Binomial se calculan:

R: np, (npq)**½

40. El coeficiente de variación es:

R: Un estadístico de dispersión adimensional

41. La distribución de Poisson se genera de la suma infinita de distribuciones de Bernouli:

R: Falso

1. Si estamos interesados en determinar la probabilidad sabiendo que se trata de sucesos dependientes ,

entonces podría ser algún de las siguientes distribuciones

a)BINOMIAL NEGATIVA
b) BETA BINOMIAL
c) HIPERGEOMETRICA
d) GEOMETRICA

2. Toda distribución de poison necesariamente se genera de al menos n distribuciones de bernoulli

VERDADERO

FALSo

3. Si estamos interesados en determinar la probabilidad sabiendo que se trata de sucesos independientes ,

entonces podría ser algún de las siguientes distribuciones

BINOMIAL NEGATIVA

BETA BINOMIAL

HIPERGEOMETRICA

BERNOULLI

GEOMETRICA

4. Una distribución binomial negativa se obtiene cuando estamos interesados en el número de fracasos
antes de obtener el r- esimo éxito a partir de una distribución de Poyla con reposición

a) VERDADERO
 b) FALSO

5.

a) 2.59466656 6.9019593 0.7172345 4.5362704 0.7995995

6.

c)0.06769745 -0.33693291 -0.36182444 1.68520735 -0.023226697

7. La variable aleatoria permite trasladar la medida de probabilidad P a

a)la totalidad de sigma algebra boreal
b)todo real
c)omega
d) intervalos de la forma (∞, 𝑥 ⌉

8. La variable aleatoria es:

a) Una función de omega a sigma algebra

b) Una función de sigma algebra a omega

c) una función de reales a omega

d) una función de omega a reales

9. Las rentas salariales anuales en una empresa de químicos (x en miles euros ) es una magnitud
distribuida según un modelo de Pareto con salario mínimo ß = 9 , α = 24
a) se dese conocer el salario esperado en en la empresa
b) La proporción de asalariados que perciben mas de € 18.000

a) 15.43
b) P(x>18) =0.81
10. La distribución de Poison se genera la suma infinita de distribuciones de bernulli

a) Verdadero

b)falso

11. El espacio omega, sigma algebra, y la medida de probabildad se transfroma en

En el espacio del conjunto de los reales, sigma algebra de boreal y la medida de probabilidad inducida

12. la función de probabilida de bernuli necesariamente es una distribución de bernuli

Falso

13. los posibles resultados de un experimento aleatorio no son elementos

𝝎 𝒆𝒏 𝒔𝒊𝒈𝒎𝒂 𝒅𝒆 𝒂𝒍𝒈𝒆𝒃𝒓𝒂 𝒔𝒊𝒏𝒐 𝒏𝒖𝒎𝒆𝒓𝒐𝒔 𝒓𝒆𝒂𝒍𝒆𝒔.

La variable aleatoria puede tomar sobre sigma- algebra de Borel

14. ¿Cuál es la afirmación incorrecta?

Seleccione una:

a. En una muestra el primer cuartil y tercer cuartil pueden ser iguales.

b. Ninguna

c. En una muestra el rango y el rango intercuartílico pueden coincidir.

d. En una muestra podría coincidir la varianza y la desviación estándar.

e. La mediana siempre es un valor mayor que el primer cuartil.

15.
0.57341208 0.36602858 1.05682859 0.08009087 3.80035154

16 .

3.170814 1.433144 2.103220 1.662244 3.025049

17. La varible aleatoria continua toma valores :

En intervalo compacto