Estadística Inferencial y Pruebas Paramétricas

¿Qué es la estadística inferencial?

• La estadística inferencial es la rama de la estadística que se encarga de hacer inferencias o conclusiones sobre una población a partir de una muestra de datos.

• La estadística inferencial es la rama de la estadística que se encarga de estudiar la relación entre variables

• La estadística inferencial es la rama de la estadística que se encarga de predecir el pasado

• La estadística inferencial es la rama de la estadística que se encarga de analizar datos cualitativos

¿Cuál es la diferencia entre una prueba paramétrica y una prueba no paramétrica?

• La diferencia principal radica en la suposición sobre la distribución de los datos: las pruebas paramétricas asumen una distribución específica, mientras que las pruebas no paramétricas no hacen ninguna suposición.

• Las pruebas no paramétricas requieren una muestra más grande que las pruebas paramétricas

• Las pruebas paramétricas son menos precisas que las pruebas no paramétricas

• Las pruebas paramétricas son más adecuadas para datos categóricos que las pruebas no paramétricas

¿Qué es la prueba t de Student y cuándo se utiliza?

• La prueba t de Student se utiliza para comparar las medias de dos grupos y determinar si existen diferencias significativas entre ellos, especialmente cuando se tienen muestras pequeñas y se desconoce la desviación estándar de la población.

• La prueba t de Student se utiliza para analizar la distribución de una sola muestra

• La prueba t de Student se utiliza para determinar la correlación entre dos variables

• La prueba t de Student se utiliza para comparar la varianza de dos grupos

Explica el concepto de intervalo de confianza en estadística inferencial.

• Es un rango de valores que excluye el valor real del parámetro poblacional

• Es un cálculo que se realiza con certeza absoluta

• Es un rango de valores que proporciona un estimado de dónde se encuentra el verdadero valor de un parámetro poblacional con cierto nivel de confianza.

• Es un valor único que representa la media muestral

¿Qué es la hipótesis nula y la hipótesis alternativa en pruebas paramétricas?

• La hipótesis nula es la afirmación que se rechaza siempre

• La hipótesis nula es una afirmación que se somete a prueba estadística para determinar si hay suficiente evidencia para rechazarla. La hipótesis alternativa es la afirmación opuesta a la hipótesis nula y se acepta si se rechaza la hipótesis nula.

• La hipótesis nula es la afirmación que se acepta siempre

• La hipótesis alternativa es la afirmación que se rechaza siempre

¿Cuál es la importancia de la normalidad de los datos en las pruebas paramétricas?

• La normalidad de los datos solo es relevante en las pruebas no paramétricas

• Las pruebas paramétricas son independientes de la distribución de los datos

• La normalidad de los datos es importante en las pruebas paramétricas porque muchas de estas pruebas asumen que los datos siguen una distribución normal.

• La normalidad de los datos no afecta a las pruebas paramétricas

¿Qué es la regresión lineal y cómo se relaciona con la estadística inferencial?

• La regresión lineal es un método para encontrar la moda de una distribución de datos

• La regresión lineal es un método para calcular la mediana de un conjunto de datos

• La regresión lineal es un método estadístico que busca modelar la relación entre una variable dependiente y una o más variables independientes mediante una ecuación lineal. En estadística inferencial, se utiliza la regresión lineal para predecir valores futuros o entender la relación entre variables.

• La regresión lineal es un método para clasificar datos categóricos en grupos

¿Qué es el p-valor y cómo se interpreta en pruebas paramétricas?

• El p-valor es la probabilidad de que la hipótesis nula sea cierta

• En pruebas paramétricas, el p-valor debe ser mayor que el nivel de significancia para rechazar la hipótesis nula

• El p-valor es la probabilidad de obtener un resultado igual o más extremo que el observado, asumiendo que la hipótesis nula es cierta. En pruebas paramétricas, si el p-valor es menor que el nivel de significancia (generalmente 0.05), se rechaza la hipótesis nula.

• El p-valor es la probabilidad de cometer un error tipo II

¿Cuál es la diferencia entre la media y la mediana en estadística inferencial?

• La media es el valor más alto en un conjunto de datos, mientras que la mediana es el valor más bajo

• La media es una medida de dispersión, mientras que la mediana es una medida de tendencia central

• La media es el valor central en un conjunto de datos ordenado, mientras que la mediana es el promedio de todos los valores

• La media es el promedio de todos los valores en un conjunto de datos, mientras que la mediana es el valor en el centro de un conjunto de datos ordenado de menor a mayor.

¿Por qué es importante realizar pruebas de significancia en estadística inferencial?

• Para hacer que los datos sean menos confiables

• Para complicar el análisis de los datos

• Para determinar si los resultados observados son estadísticamente significativos o si ocurrieron por azar.

• Para garantizar que los resultados sean siempre correctos