Estadstica descriptiva bidimensional: cuestiones tipo test

01
Dada la distribucin bidimensional de las variables "Numero de desplazamientos
diarios" y "Medio de transporte utilizado" es cierto que:

De los alumnos que utilizan el metro el 50% realizan entre 2 y 3 viajes

De los alumnos que realizan 3 viajes el 50% utilizan cualquier medio
excepto el metro
De los alumnos que realizan 3 viajes slo el 10% utilizan el transporte
pblico
El porcentaje de alumnos que utiliza el transporte privado es superior al
que utiliza el pblico.
02.
Dada la distribucin bidimensional de las variables "Numero de desplazamientos
diarios" y "Medio de transporte utilizado".

Es cierto que de los alumnos que realizan 4 viajes:
El porcentaje de alumnos que utiliza el coche es inferior al que utiliza el
metro.
El 8,3% utiliza el autobus.
La mayora utiliza transporte pblico.

El 73% utiliza cualquier medio excepto el metro.
03.
Se ha observado conjuntamente "la edad" y "la antigedad" de los trabajadores
de una empresa. De los datos resulta que el 18% de los trabajadores tienen
menos de 30 aos y 2 aos de antigedad. Este 18% es:
Una frecuencia relativa de la variable antigedad condicionada a la
variable edad
Una frecuencia relativa conjunta de las variables edad y antigedad.

Una frecuencia relativa de la variable edad condicionada a la variable
antigedad.
Una frecuencia relativa marginal de la variable edad
04.
Dada la siguiente distribucin bidimensional de las variables X (medio de
transporte) e Y (tiempo en minutos del recorrido),

es FALSO que:
El 25% utilizan el autobus y tardan entre 20 y 40 minutos.
El 8% de los que tardan entre 10 y 20 minutos utilizan el autobus.

El 27,5% de los usuarios de autobus tardan entre 30 y 40 minutos.
El 50% de los que tardan entre 20 y 40 minutos utilizan el metro.
05.
Dada la siguiente distribucin bidimensional de las variables X (sexo) e Y (nivel
educativo),

El porcentaje de hombres con nivel educativo 16 es:
35%
13,56%

59,3%
40,7%
06.
Dada la siguiente distribucin bidimensional de frecuencias,

la media y la varianza de la distribucin de X condicionada a Y= 3 son,
respectivamente:
290 y 113,6
290 y 12900

7,5 y 12,9
La media y la varianza de X condicionada a Y= 3 coinciden con la media
y la varianza de Y condicionada a X=300.
07.
Dada la siguiente distribucin bidimensional de las variables X (sexo) e Y (nivel
educativo),

es falso que:
El porcentaje de mujeres es del 45,57% y el de hombres del 54,43%.
Del total de hombres, los que tienen un nivel educativo superior a 16
representan un porcentaje del 18,99%.
El porcentaje de individuos que tienen un nivel educativo de 12 es del
40,08%.
De los individuos que tienen un nivel educativo de 15,el 32,17% son
hombres.

08.
Dada la siguiente distribucin bidimensional de frecuencias:

Es CIERTO que:
Estas variables NO son independientes
La media y la varianza de Y condicionada a X=400 es,
respectivamente, 3,6 y 44,64 y NO coincide con la media y la varianza de
Y.
La media y la varianza de Y condicionada a X=400 coincide con la
media y la varianza de Y.

La media y la varianza de Y condicionada a X=400 coincide con la
media y la varianza de X condicionada a Y=4.
09.
Sea una variable bidimensional, gasto en transporte y tipo de transporte
utilizado, con la siguiente distribucin de frecuencias conjuntas.

Cul de las siguientes afirmaciones es FALSA?
Las dos variables, gasto y tipo de transporte utilizado, no son
independientes.
El 72,5% del colectivo observado utiliza transporte pblico
El 37,5% de los que como mximo gastan 80 se desplazan en bus
El 45,5% de los que utilizan bus gastan como mximo 40

10.
El siguiente cuadro recoge las distribuciones marginales de dos variables
independientes.

La frecuencia relativa conjunta de X=3 e Y=40 es :
0,6
8
0,06

3
11.
El siguiente cuadro recoge las distribuciones marginales de dos variables
independientes.

Es cierto que:
La frecuencia relativa conjunta de X=3 e Y=40 es 3.
La frecuencia absoluta conjunta de X=2 e Y=30 es 0,8.
La frecuencia absoluta conjunta de X=4 e Y=30 es 8.
La frecuencia relativa conjunta de X=1 e Y=40 es 0,02.

12.
Indique la afirmacin que es compatible con la siguiente distribucin conjunta
de las variables X e Y:

Como X e Y son independientes la covarianza entre estas variables es
0.
Entre estas variable hay un grado de asociacin lineal muy elevado ya
que la covarianza es 675
La covarianza entre estas variables es negativa luego existe asociacin
lineal negativa.

Si los valores de X de todas las observaciones se doblan, la covarianza
no se modifica.
13.
Del anlisis bidimensional de las variables X e Y observadas en una muestra de
tamao 100, se han obtenido los siguientes resultados.

La covarianza y el coeficiente de correlacin entre X e Y son:
Positivos y prximos a 0.
Negativos y prximos a 0.
La covarianza positiva e igual a 16 y el coeficiente de correlacin lineal
negativo e igual a -1.
La covarianza igual a -16 y el coeficiente de correlacin igual a -0,956

14.
Cul de las siguientes afirmaciones es cierta?
El coeficiente de correlacin lineal rXY y las varianzas de las variables
siempre tienen el mismo signo.
La covarianza, al igual que el coeficiente de correlacin lineal rXY, toma
valores entre -1 y +1.
Al coeficiente de correlacin lineal rXY no le afectan los cambios de
origen

El coeficiente de correlacin lineal simple de Pearson rXY y el
coeficiente de variacin siempre tienen el mismo signo.
15.
De la distribucin conjunta de los salarios (X en miles de u.m.) y de la
antigedad (Y en aos) de 50 trabajadores de una empresa de informtica se
sabe que la covarianza entre X e Y y el coeficiente de correlacin lineal son
65297,222 y 0,397, respectivamente. Si se incrementan los salarios en un 4%
ms 10.000 u.m., la covarianza y el coeficiente de correlacin de la nueva
distribucin conjunta es:
67909,11 y 0,397

67909,11 y 0,1588
65297,222 y 0,1588
No se modifican.
16.
Se quiere cuantificar la relacin entre las variables coste unitario (Y) y
produccin ( X). De una muestra aleatoria ha resultado que S
X
= 2, S
Y
= 3 S
XY
=
-5,4 y que la media muestral de X es 3 veces la de Y. El coeficiente de
correlacin r
XY
es igual a:
0,9
-0,9

0,81
-0,81
17.
El coeficiente de correlacin lineal correspondiente a las variables X e Y, cuya
distribucin conjunta se recoge en el siguiente diagrama de dispersin, podra
ser:

0,62
1
-0,77

-0,004
18.
El coeficiente de correlacin lineal correspondiente a las variables X e Y cuya
distribucin conjunta se representa en el siguiente diagrama de dispersin
podra ser:

0,74
-0,82
-0,37
0,004

19.
En una muestra de tamao 100 se han observado simultneamente X e Y
obteniendo los siguientes resultados.

La recta de regresin de Y sobre X ajustada por MCO es:
Y*=4,5+1,08X

Y*=2,67+0,63X
Y*=8,05+0,63X
Y*=1353+13,57X
20.
De dos variables X e Y relacionadas entre s se sabe que: las varianzas son
iguales, su covarianza es 3,6, el coeficiente de correlacin lineal entre ambas es
0,9 y la recta de regresin (Y sobre X) pasa por el punto (8; 21). Entonces la
recta de regresin de Y sobre X es:
Y* = 13,8 + 0,9X

Y* = 8 +21X
Y* = 8 + 4X
Y* = - 10,9 + 0,9X
21.
La recta de regresin ajustada a las 40 observaciones con las que se han
calculado los siguientes resultados es:

Yi*=-57,1+0,55Xi
Yi*=-217,8-1,18Xi
Yi*=-1,78+0,55Xi
Yi*= 57,1-1,18Xi

22.
Si la recta de regresin ajustada a partir de una muestra es la siguiente es
cierto que:

El coeficiente de correlacin lineal entre X e Y es 1
El ajuste es perfecto con lo que la variable X explica completamente la
variacin de Y

En este caso el coeficiente de determinacin no indica la variacin
explicada por la rectas
La covarianza entre X e Y es -1
23.
En una muestra de tamao 100 se han observado simultneamente X e Y
obteniendo los siguientes resultados.

La recta de regresin de Y sobre X ajustada por MCO es:
Y*=6,86+17,14 X
Y*=6,86+0,57 X
Y*=17,14-0,57 X

Y*=4,4+0,844 X
24.
La siguiente nube de puntos corresponde a la distribucin conjunta de
Y="Nmero de respuestas correctas en un test" y X="Total de horas de
asistencia a clase".

La recta de regresin y el coeficiente de determinacin R
2
compatible con esta
nube de puntos es:
Yi = 0,02 - 0,47Xi y R2 = - 0,75
Yi = 0,02 + 0,52Xi y R2 = 0,75

Yi = 5 + 0,74Xi y R2 = 1,75
Yi = 5 - 0,04Xi y R2 = 0,75
25.
A efectos de analizar el rendimiento en la asignatura de Estadstica (Y) en
funcin de las calificaciones obtenidas en la Selectividad (X) se han observado
estas variables en 100 alumnos. La pendiente de la recta de regresin de Y
sobre X obtenida por MCO ha sido 1,33. La interpretacin de este resultado es:
La calificacin media de la selectividad se incrementa en 1,33 puntos
por cada punto adicional obtenido en Estadstica.
La calificacin media en Estadstica se incrementa en un 33% por cada
punto adicional obtenido en la selectividad.
La calificacin media en Estadstica se incrementa en un 1,33 puntos
por cada punto adicional obtenido en la selectividad.

La calificacin media de la selectividad se incrementa un 33% por cada
punto adicional obtenido en Estadstica.
26.
Se han recogido 10 observaciones conjuntas de las variables Y= Puntuacin
final en Estadstica y X = Puntuacin en la prueba de acceso a la Universidad.

Bajo el supuesto de que es adecuado un modelo lineal de la forma Yi = a + b Xi
, el coeficiente de determinacin es:
0,82
0,33
0,99
0,67

27.
Del anlisis bidimensional de las variables X (salario inicial) e Y (salario actual),
en el estudio de 100 trabajadores, se han obtenido los siguientes resultados.

La ordenada en el origen (a) y la pendiente (b) de la recta de regresin de Y
respecto a X son:
a=467,6 b=0,8236

a=79,5 b=0,8236
a=79,5 b=-0,8236
a=-467,6 b=-0,8236
28.
El diagrama de dispersin y la recta de regresin obtenidos de una muestra
bidimensional de 60 observaciones son las que recoge el siguiente grfico.

El coeficiente de determinacin correspondiente a este ajuste podra ser:
1,15
0,15
0,78

-0,67
29.
Es falso que:
El coeficiente de determinacin es adecuado para constatar en qu
medida queda explicada la variable dependiente (Y) en el modelo de
regresin lineal.
El coeficiente de determinacin es la proporcin de la variacin total de
Y que aparece explicada por la regresin.
El coeficiente de determinacin toma valores entre -1 y 1.

El coeficiente de determinacin toma valores positivos
30.
El diagrama de dispersin y la recta de regresin obtenidos de una muestra
bidimensional de 60 observaciones son las que recoge el siguiente grfico.

El coeficiente de determinacin correspondiente a este ajuste podra ser:
0,87

-0,87
0,15
1,15
31.
El coeficiente de correlacin lineal correspondiente a las variables X e Y cuya
distribucin conjunta se recoge en el siguiente diagrama de dispersin podra
ser:

0,98
-0,78

0,23
-1,2
32.
Una empresa desea comprobar si es efectivo el gasto efectuado en publicidad.
Para ello obtiene informacin sobre el gasto en publicidad (X) y los beneficios
netos (Y), en miles de Euros.

Con un gasto en publicidad de 20 (miles de Euros), el beneficio neto esperado,
en base al modelo estimado, es:
36,7
22,5

13,88
29,15
33.
El diagrama de dispersin obtenido de una muestra bidimensional de 60
observaciones se recoge en el siguiente grfico.

El coeficiente de determinacin correspondiente a este ajuste podra ser:
-1,15
0,15
-0,82
0,86

34.
A partir de una muestra de tamao 100 se han obtenido los siguientes
resultados y se ha ajustado la recta de regresin por MCO:

La recta explica el 89,2% de la variacin total de Y observada en la
muestra
La recta explica el 89,2% de la variacin total de Y en la poblacin
La recta explica el 79,6% de la variacin total de Y observada en la
muestra

La recta explica el 79,6%% de la variacin total de Y en la poblacin
35.
De una muestra de 50 observaciones conjuntas de las variables X e Y se han
obtenido los siguientes resultados.

La pendiente de la recta de regresin de Y sobre X ajustada por MCO es:
0,625
0,75
2,25

0,25
36.
Con los datos correspondientes a la evolucin de las separaciones
matrimoniales con acuerdo (en miles) de 1981 a 2000 se han obtenido los
siguientes resultados.

La tendencia ajustada por MCO de esta serie (t=1 en 1981) es:
Xt= -21,38-133,17 t
Xt= 1,02+1,7 t

Xt= -238,73-13,317 t
Xt= 21,38-1,33 t
37.
De la observacin conjunta de dos variables X e Y relacionadas entre s se ha
obtenido los siguientes resultados.

Entonces, la recta de regresin de Y sobre X y el coeficiente de determinacin
son:
Y* = -52,39 + 0,89X y R2=0,95
Y* = 99 - 0,89X y R2=0,91

Y* = 103,14 + 1,02X y R2=0,95
Y* = 103,14 - 1,02X y R2=0,91
38.
La siguiente serie trimestral recoge la evolucin de una variable desde 1998 a
2001.

Indique las componentes que se identifican en la serie:
Tendencia, estacionalidad y componente irregular.

Slo componente irregular.
Ciclo
Slo tendencia.
39.
Indique que variable (X1, X2, X3) seleccionara como variable explicativa del
comportamiento de Y en base a la informacin recogida en la siguiente matriz
de varianzas y covarianzas:

X1
X2

X3
Y
40.
A cul de las siguientes variables cree que puede corresponder la siguiente
serie mensual?

Divorcios
Ventas de libros de texto
Paro registrado
Entrada de turistas

41.
La tendencia de las separaciones matrimoniales sin acuerdo ajustada por MCO
con t = 1 en 1981 es: Xt=10302+828 t. Entonces la prediccin para los aos
2002, 2003 y 2004 es:
X(2002)=28518, X(2003)=29346 y X(2004)=30174

X(2002)=12786, X(2003)=13614 y X(2004)=14442
X(2002)=25206, X(2003)=26034 y X(2004)=26862
X(2002)=1668786, X(2003)=1669614 y X(2004)=1670442
42.
La tendencia de las ventas de un determinado producto (en miles de Euros)
ajustada por MCO, con t = 1 en 1990 es: Yt=305+28,2 t. Entonces la
prediccin para los aos 2008, 2009 y 2010 es:
Y(2008)=784,4, Y(2009)=812,6 e Y(2010)=840,8
Y(2008)=840,8 Y(2009)=869 e Y(2010)=897,2

Y(2008)=56846 Y(2009)=56874,2 e Y(2010)=56902,4
Y(2008)=812,6, Y(2009)=840,8 e Y(2010)=869
43.
La evolucin del n de establecimientos de turismo rural en Catalua es la
siguiente.

La pendiente de la tendencia ajustada por MCO es:
1,336
133,6

-13,23
1320
44.
Se han observado conjuntamente las variables X= "Bibliotecas Pblicas" e Y =
"Plazas en residencias pblicas" en 10 comarcas seleccionadas al azar.

El coeficiente de correlacin lineal de X e Y es aproximadamente:
0,82
0,905
0,335
0,128

45.
Una empresa de equipos de alta fidelidad tiene establecimientos en ocho pases
distintos. El cuadro adjunto recoge el nmero de unidades vendidas y los
precios correspondientes (en miles de u.m).

Bajo la consideracin de que la variable Precio explica de forma lineal el
comportamiento de la variable Ventas, es FALSO:
La recta de regresin por MCO es Y*= 644,52-42,58 X
El efecto esperado en las ventas si se produjera un incremento de 1000
u.m. en el precio es una reduccin de, aproximadamente, 43 unidades.
El 93,7% de la variacin observada en las ventas viene explica por su
asociacin lineal con el precio.

El 12,18% de la variacin observada en las ventas no viene explicada
por su asociacin lineal con el precio.
46.
Si la evolucin del valor total de compra de alimentos desde 1990 a 2000 es la
siguiente, la pendiente de la tendencia ajustada por MCO es:

1,23

-1,03
-1,23
1,03
47.
De una empresa de hilados se dispone de la evolucin de su produccin (en
Tm.). Se quiere predecir la produccin de los 2 perodos siguientes.

En base a la representacin grfica, cul de los siguientes perodos cree ms
adecuado para estimar la tendencia y realizar esta prediccin? y qu resultado
es el correcto?
Toda la serie y fijando t=1 en 1993 la prediccin es X(2006)=36,97 y
X(2007)=38,99
Del ao 1999 a 2005 y fijando t=1 en 1999 la prediccin es
X(2006)=33,47 y X(2007)=34,28

Toda la serie y fijando t=1 en 1993 la prediccin es X(2006)=34,95 y
X(2007)=36,97
Del ao 1999 a 2005 y fijando t=1 en 1999 la prediccin es
X(2006)=32,65 y X(2007)=33,47

Mostrar respuestas correctas