Pruebas no paramétricas

¿Cuál es el objetivo de las pruebas de Kolmogorov-Smirnov?

• Evaluar la varianza de una población

• El objetivo de las pruebas de Kolmogorov-Smirnov es determinar si una muestra sigue una distribución específica.

• Determinar la media de una muestra

• Comparar dos muestras independientes

Explique en qué consiste la correlación lineal de Pearson.

• La correlación lineal de Pearson no tiene en cuenta la dirección de la relación entre variables continuas.

• La correlación lineal de Pearson es una medida de la relación entre una variable continua y una variable categórica.

• La correlación lineal de Pearson es una medida de la fuerza y dirección de la relación lineal entre dos variables continuas.

• La correlación lineal de Pearson solo se aplica a datos discretos.

¿Cuál es la diferencia entre la correlación de Spearman y la correlación de Pearson?

• La correlación de Spearman evalúa la relación entre variables continuas, mientras que la correlación de Pearson evalúa la relación entre variables ordinales o de rango.

• La correlación de Spearman y la correlación de Pearson son términos intercambiables que se refieren a lo mismo.

• La correlación de Spearman se utiliza para datos categóricos, mientras que la correlación de Pearson se utiliza para datos numéricos.

• La correlación de Spearman evalúa la relación entre variables ordinales o de rango, mientras que la correlación de Pearson evalúa la relación entre variables continuas.

¿Qué es la distribución normal y cuáles son sus características?

• Sus características incluyen que la media, la mediana y la moda son diferentes entre sí.

• La distribución normal es una distribución de probabilidad discreta que tiene forma de rectángulo y es asimétrica alrededor de su media.

• La distribución normal es una distribución de probabilidad continua que tiene forma de campana y es simétrica alrededor de su media. Sus características incluyen que la media, la mediana y la moda son iguales, y que el 68% de los datos caen dentro de una desviación estándar de la media, el 95% dentro de dos desviaciones estándar, y el 99.7% dentro de tres desviaciones estándar.

• El 50% de los datos caen dentro de una desviación estándar de la media, el 75% dentro de dos desviaciones estándar, y el 100% dentro de tres desviaciones estándar.

¿Cómo se interpreta el coeficiente de correlación de Pearson?

• El coeficiente de correlación de Pearson se interpreta como una medida de la fuerza y dirección de la relación lineal entre dos variables.

• El coeficiente de correlación de Pearson se interpreta como una medida de la tendencia central de los datos.

• El coeficiente de correlación de Pearson se interpreta como una medida de la relación no lineal entre dos variables.

• El coeficiente de correlación de Pearson se interpreta como una medida de la varianza de una sola variable.

¿En qué situaciones se utiliza la correlación de Spearman en lugar de la correlación de Pearson?

• La correlación de Spearman se utiliza cuando las variables tienen una relación lineal perfecta

• La correlación de Spearman se utiliza cuando las variables no siguen una distribución normal o hay presencia de valores atípicos.

• La correlación de Spearman se utiliza cuando las variables siguen una distribución normal

• La correlación de Spearman se utiliza cuando las variables son independientes

¿Cuál es la importancia de la distribución normal en estadística?

• La distribución normal es solo una teoría sin aplicación práctica

• La distribución normal solo se aplica a datos científicos

• La distribución normal no es importante en estadística

• La distribución normal es importante en estadística porque es una de las distribuciones más utilizadas para modelar fenómenos naturales y sociales.

¿Cuál es la relación entre la distribución normal y las pruebas no paramétricas?

• Las pruebas no paramétricas son más precisas cuando los datos siguen una distribución normal

• Las pruebas no paramétricas no requieren que los datos sigan una distribución normal.

• La distribución normal es un requisito estricto para las pruebas no paramétricas

• Las pruebas no paramétricas solo se pueden aplicar a datos con distribución normal