AP Statistics Practice Test
Gana confianza para AP Statistics. Practica los conceptos, comprende las respuestas y refuerza tus conocimientos pregunta a pregunta.
Probar una preguntaDescripción y detalles del examen
El examen de práctica de AP Statistics es una evaluación integral diseñada para evaluar el dominio de un aprendiz sobre los conceptos y habilidades fundamentales cubiertos en un curso introductorio de estadísticas a nivel universitario. Este examen de 80 preguntas abarca toda la amplitud del currículo de AP Statistics, incluyendo métodos de recolección de datos, análisis exploratorio de datos, teoría de probabilidades, distribuciones de muestreo y una variedad de técnicas inferenciales. Los temas cubiertos incluyen análisis de datos univariados y bivariados, inferencia para datos categóricos utilizando pruebas de chi-cuadrado y proporciones, inferencia para datos cuantitativos que involucran medias y pendientes, y los principios fundamentales de probabilidad, variables aleatorias y distribuciones de probabilidad.
Preguntas de Muestra
Elige una respuesta y consulta la explicación para ver cómo funciona la práctica.
For sample means from a population with standard deviation sigma and sample size n, what is the standard deviation of x-bar?
La desviación estándar de las medias de muestra es sigma dividido por la raíz cuadrada de n. sigma multiplicado por n es incorrecto porque la fuente da sigma sobre la raíz cuadrada de n n dividido por sigma es incorrecto porque eso invierte la relación p(1-p)/n es incorrecto porque esa forma es para proporciones, no para medias.
For sample means, which sample-size condition can support approximate normality when population shape is not otherwise given?
Una muestra de al menos 30 elementos apoya la normalidad aproximada para las medias de la muestra. n es menor que 3 es incorrecto porque el umbral citado es 30 La muestra tiene exactamente dos categorías es incorrecto porque eso no está relacionado con las medias El rango es igual al IQR es incorrecto porque esta no es la condición de normalidad.
A variable can take only whole-number counts of customer visits. Which term applies?
Una variable numérica solo puede tomar conteos enteros de visitas de clientes. ¿Cuál término se aplica?
Una variable numérica de conteo solo es discreta. La variable continua es incorrecta porque las variables continuas pueden tomar valores incontablemente muchos Categoría variable es incorrecta porque los valores son conteos en lugar de grupos Frecuencia relativa es incorrecta porque la frecuencia relativa es una proporción en una categoría
For the difference in two sample means, which condition supports approximate normality when population shapes are not both normal?
La fuente da como condición de normalidad que tanto el tamaño de muestra 1 como el tamaño de muestra 2 sean al menos 30. Solo n1 es al menos 5 es incorrecto porque la fuente requiere que tanto el tamaño de muestra 1 como el tamaño de muestra 2 sean al menos 30. Las muestras son más del 10% de las poblaciones es incorrecto porque se relaciona con la precisión de la desviación estándar, no con esta condición de normalidad. Ambas variables son categóricas es incorrecto porque la estadística es la diferencia de medias.
How does a continuous random variable differ from a discrete one?
Una variable aleatoria continua puede tomar cualquier valor en un conjunto. No puede tomar solo finitamente muchos valores, porque eso describe una variable aleatoria discreta. No tiene intervalos es incorrecto porque las probabilidades continuas se asignan a intervalos. No puede ser normal es incorrecto porque las variables aleatorias normales son un tipo clave continua.
Qué temas cubre este examen
Usa las ponderaciones publicadas de los dominios para planificar tu estudio. Los resultados de práctica no predicen tu puntuación en el examen de certificación.
01Exploring One-Variable Data
This 19% weighted domain focuses on describing a single variable using graphical displays, numerical summaries, and the shape, center, and spread of distributions. Students interpret data in context and distinguish categorical from quantitative variables.
02Probability, Random Variables, and Probability Distributions
Carrying 15% of the weight, this domain introduces probability rules, random variables, and probability distributions including binomial and geometric. Students compute expected value and standard deviation for discrete random variables.
03Inference for Quantitative Data: Means
At 14% of the exam, this domain handles inference for one mean, for the difference between two mean, and for paired data using t-procedures. Students verify conditions and interpret t-intervals and t-tests in context.
04Collecting Data
At 13.5% of the exam, this domain addresses how data are gathered, including sampling methods, observational studies versus experiments, and sources of bias. Students distinguish random assignment from random sampling and identify confounding.
05Inference for Categorical Data: Proportions
Weighing 13.5%, this domain covers confidence intervals and significance tests for a single proportion and for a difference between two proportions. Students check conditions, compute a z-statistic, and interpret p-values in context.
06Sampling Distributions
At 9.5% weight, this domain covers the sampling distributions of sample proportions and sample means. Students apply the Central Limit Theorem and use normal approximations when appropriate conditions are met.
07Exploring Two-Variable Data
Weighing 6%, this domain covers analyzing two variables together through scatterplots, correlation, and least-squares regression. Students interpret slope, intercept, residuals, and the coefficient of determination r-squared in context.
08Inference for Categorical Data: Chi-Square
Carrying 3.5% of the weight, this domain covers chi-square goodness-of-fit tests and chi-square tests for homogeneity and independence. Students check expected count conditions and interpret the chi-square statistic in context.
09Inference for Quantitative Data: Slopes
Weighing 3.5%, this domain covers inference for the slope of a least-squares regression line, including t-intervals and t-tests. Students verify conditions and interpret the slope in the original units of the variables.