Test cuestionario de análisis de datos - the question form
Preguntas: 16 · 10 minutos
1. Un modelo de detección de fraude marca 50 transacciones y 20 de ellas son realmente fraudulentas. ¿Cuál es la precisión del modelo para este conjunto de alertas?
20%
30%
40%
60%
2. Una empresa quiere un informe que incluya a todos los clientes, incluso a quienes nunca han realizado un pedido. Customers es la tabla izquierda y Orders es la tabla derecha. ¿Qué tipo de unión es el más adecuado?
INNER JOIN
CROSS JOIN
SELF JOIN
LEFT JOIN
3. En una prueba de hipótesis convencional, ¿qué representa un valor p?
Suponiendo que la hipótesis nula sea verdadera, la probabilidad de obtener resultados al menos tan extremos como los observados
La probabilidad de que la propia hipótesis nula sea verdadera
La proporción de observaciones que necesariamente deben ser errores de medición
La probabilidad de que otro estudio produzca exactamente la misma estimación
4. Antes de dividir los datos en conjuntos de entrenamiento y prueba, un analista calcula una transformación utilizando información del conjunto de datos completo. ¿Cuál es la principal preocupación?
El conjunto de prueba se volverá demasiado grande
El modelo no podrá hacer predicciones numéricas
La información del conjunto de prueba podría filtrarse al entrenamiento del modelo
La transformación necesariamente eliminará todos los valores atípicos
5. Una universidad estima los hábitos de traslado de los estudiantes mediante una encuesta distribuida únicamente entre quienes viven en residencias del campus. ¿Cuál es el problema más evidente?
La muestra podría no representar a los estudiantes que viven fuera del campus
La encuesta contiene demasiadas variables numéricas
La encuesta no puede contener ninguna observación válida
El tamaño de la muestra debe ser igual a toda la población estudiantil
6. Las ventas de helado y los casos de quemaduras solares aumentan durante el verano. ¿Cuál es la interpretación más defendible?
La asociación demuestra que los datos se recopilaron de forma incorrecta
Las ventas de helado necesariamente causan quemaduras solares de manera directa
Las quemaduras solares necesariamente aumentan de manera directa la demanda de helado
Un tercer factor, como el clima caluroso y soleado, puede influir en ambos
7. ¿Cuál es la interpretación estándar, basada en muestreos repetidos, de un procedimiento para calcular intervalos de confianza del 95%?
En muestras repetidas, cerca del 95% de los intervalos generados de esta manera contendrían el parámetro verdadero
La estadística de la muestra es igual al valor de la población en el 95% de los conjuntos de datos
Existe un 95% de probabilidad de que todas las observaciones estén dentro de un intervalo calculado
La hipótesis evaluada tiene un 95% de probabilidad de ser correcta
8. Un analista quiere comparar, en una escala estandarizada común, variables medidas en dólares, años y kilogramos. ¿Qué transformación está diseñada para este propósito?
Reemplazar cada valor por el total de su columna
Ordenar cada columna de menor a mayor
Restar la media de la variable y dividir entre su desviación estándar
Convertir cada valor positivo en 1
9. El equipo de un sitio web quiere estimar si un nuevo diseño del proceso de pago genera más compras. ¿Qué enfoque proporciona la evidencia más sólida?
Comparar las compras de este mes con las de hace un año
Asignar al azar visitantes comparables al diseño anterior o al nuevo
Preguntar al equipo de diseño qué versión espera que tenga un mejor desempeño
Mostrar el nuevo diseño únicamente a los clientes recurrentes y compararlos con los visitantes nuevos
10. En un conjunto de datos ordenado de respuestas individuales a una encuesta, ¿qué representa normalmente cada fila?
Una sola variable
Una estadística de resumen
Una etiqueta de categoría
Una sola observación
11. Necesitas obtener las ventas totales de cada región a partir de una tabla SQL que contiene una fila por transacción. ¿Qué cláusula es esencial para generar totales separados por región?
ORDER BY transaction_id
LIMIT region
GROUP BY region
DISTINCT sales_amount
12. Después de unir los pedidos con una tabla de etiquetas de productos, un analista nota que algunos pedidos aparecen varias veces porque los productos pueden tener varias etiquetas. ¿Qué podría ocurrir si se suma de inmediato el ingreso?
El ingreso podría quedar sobreestimado porque algunos pedidos se cuentan repetidamente
A los pedidos sin etiquetas se les asignará un ingreso estimado
La suma eliminará todos los registros duplicados
El ingreso se convertirá automáticamente en un promedio
13. Una hoja de cálculo contiene valores en blanco para la edad de los clientes. ¿Por qué un analista debería evitar reemplazar automáticamente todos los espacios en blanco por cero?
Los valores de cero no pueden utilizarse en cálculos
Una edad faltante no equivale a una edad de cero años
Reemplazar los espacios en blanco impide ordenar los datos
El software estadístico siempre excluye las celdas en blanco
14. ¿Qué gráfico suele ser el más adecuado para examinar la relación entre el gasto en publicidad y las ventas cuando ambas son variables numéricas?
Un gráfico circular
Un diagrama de dispersión
Un gráfico de barras apiladas
Una tarjeta de puntuación con un solo valor
15. Un modelo de tiempos de entrega tiene un error absoluto medio de 3.5 minutos. ¿Qué describe este valor?
El modelo explica el 3.5% de la variación en el tiempo de entrega
Exactamente el 3.5% de las entregas se predijeron de forma incorrecta
El mayor error de predicción fue de 3.5 minutos
En promedio, las predicciones difieren de los tiempos reales en 3.5 minutos en términos absolutos
16. Un vecindario pequeño tiene ingresos por hogar de $35 mil, $38 mil, $41 mil, $44 mil y $900 mil. ¿Qué medida representa mejor el ingreso de un hogar típico de ese lugar?
La media aritmética
La mediana
El rango
La varianza