Certificaciones · Laboratorio para aprobar IT Passport
Puedes leer las preguntas y explicaciones en Español. Las lecciones (artículos explicativos) solo están disponibles en japonés.
Ver la versión en japonés (con lecciones) →
¿Cuál es el valor del número binario 1011 expresado en el sistema decimal (base 10)?
Cada dígito binario (2進数) tiene, desde la derecha, un peso de 1,2,4,8. 1011 es 8×1 + 4×0 + 2×1 + 1×1 = 11. 9 es 1001 en binario, 13 es 1101 y 15 es 1111; ninguno de ellos es igual a 1011.
¿Cuál de las siguientes opciones expresa en binario el número decimal (base 10) 45?
Al dividir 45 entre 2 repetidamente y anotar los restos desde abajo se obtiene 1, 0, 1, 1, 0, 1; leído en orden inverso es 101101. Comprobación: 32 + 8 + 4 + 1 = 45, que coincide. 101011 es 43, 110101 es 53 y 111001 es 57; ninguno de ellos es igual a 45.
¿Cuál es el valor del número hexadecimal 2F expresado en decimal?
El segundo dígito hexadecimal (16進数) tiene un peso de 16, y F representa 15. 2×16 + 15 = 47. 31 es 1F en hexadecimal, 43 es 2B y 62 es 3E; ninguno de ellos es igual a 2F. Recuerde que en hexadecimal las letras A a F representan los valores 10 a 15.
¿Cuál de las siguientes opciones expresa el número binario 11010110 en hexadecimal (base 16)?
Cuatro dígitos binarios corresponden a un dígito hexadecimal (16進数), así que 11010110 se divide en 1101 y 0110. 1101 es 13, es decir, D, y 0110 es 6, lo que da D6. 6D es 01101101, B6 es 10110110 y C6 es 11000110; ninguno coincide con el valor original.
¿Cuántos valores binarios sin signo pueden representarse con 8 bits?
Con n bits pueden representarse 2 elevado a n estados, así que 8 bits dan 2 elevado a 8 = 256 valores, los valores decimales (base 10) del 0 al 255. 8 es el propio número de bits, 16 es lo que dan 4 bits y 128 es lo que dan 7 bits; ninguno es el número de combinaciones de 8 bits.
Se quieren representar 50 símbolos diferentes, cada uno asociado a una cadena de bits distinta. ¿Cuál es el número mínimo de bits necesario?
Con n bits pueden distinguirse 2 elevado a n valores. 2 elevado a 5 = 32 no alcanza para 50 tipos, mientras que 2 elevado a 6 = 64 sí basta, por lo que se necesitan como mínimo 6 bits (必要ビット数). Con 5 bits solo pueden representarse 32 valores, lo cual es insuficiente. Con 7 bits, 128 valores, y con 8 bits, 256 valores, también pueden representarse, pero no cumplen la condición de «mínimo».
¿Cuál es el resultado del AND lógico de los números binarios 10110011 y 00001111?
El AND lógico (論理積) es 1 en cada posición solo cuando ambos bits son 1. Los 4 bits superiores pasan a ser todos 0 porque el otro operando tiene 0 en esas posiciones, y los 4 bits inferiores conservan 0011, lo que da 00000011. 00001111 es simplemente el otro operando, y 10111111 es el resultado del OR. 10110000 es el resultado de aplicar la máscara 11110000 en lugar de 00001111, es decir, de extraer los 4 bits superiores.
¿Cuál es el resultado del OR exclusivo (XOR) de los números binarios 1101 y 1011?
El OR exclusivo (排他的論理和) es 1 en cada posición solo cuando los bits son distintos. Desde la izquierda: 1 y 1 dan 0, 1 y 0 dan 1, 0 y 1 dan 1, y 1 y 1 dan 0, así que el resultado es 0110. 1001 es el AND y 1111 es el OR, mientras que 0100 no coincide con el resultado de ninguna de las operaciones básicas.
¿Cuál de las siguientes opciones representa el número decimal (base 10) −5 en complemento a dos de 8 bits?
El complemento a dos (2の補数) se forma invirtiendo cada bit del número original y sumando 1. 5 es 00000101; invertido se convierte en 11111010, y al sumar 1 se obtiene 11111011. 11111010 es solo la inversión, el complemento a uno, sin sumar el 1. 10000101 es la representación de signo y magnitud, que solo coloca un bit de signo 1 en la posición más alta, y 11111100 representa −4.
¿Qué expresión da siempre el mismo resultado que NOT(A AND B)? Aquí NOT denota la negación, AND la conjunción lógica y OR la disyunción lógica.
Según las leyes de De Morgan (ド・モルガンの法則), la negación de una conjunción es igual a la disyunción de los términos negados. Por lo tanto, NOT(A AND B) es igual a NOT A OR NOT B. NOT A AND NOT B es una expresión distinta, equivalente a NOT(A OR B); A OR B no contiene negación y da el resultado opuesto; y A AND NOT B niega solo B y no se cumple. Comprobar las 4 filas de una tabla de verdad lo confirma.
Una encuesta a 100 empleados reveló que 60 usan el sistema A, 45 usan el sistema B y 25 usan tanto A como B. ¿Cuántas personas no usan ni A ni B?
El número de personas que usan al menos uno, restando una vez la parte común, es 60 + 45 − 25 = 80. Por lo tanto, quienes no usan ninguno son 100 − 80 = 20. 10 y 15 son valores que resultan de tratar mal la parte común (重複), y 25 es el número de quienes usan ambos, que no es lo que se pregunta.
Para dos entradas A y B, ¿en qué caso el OR exclusivo (XOR) da 1?
El OR exclusivo (排他的論理和) es 1 solo cuando los valores de entrada son distintos, y 0 cuando son iguales. Cuando ambos son 1, el resultado es 0; la operación que da 1 en ese caso es el AND. Cuando ambos son 0, el resultado también es 0. Los valores iguales describen la negación del XOR, el circuito de equivalencia (一致回路), cuyo resultado es el inverso.
Hay 100 boletos de lotería: 1 primer premio de 5000 yenes, 5 segundos premios de 1000 yenes, y el resto son boletos no premiados que valen 0 yenes. ¿Cuál es el valor esperado de la cantidad recibida al sacar un boleto?
El valor esperado (期待値) es la suma de cada cantidad multiplicada por su probabilidad: (5000×1 + 1000×5) ÷ 100 = 10000 ÷ 100 = 100 yenes. 150 y 200 resultan de multiplicar incorrectamente los importes de los premios o el número de boletos, y 600 yenes resulta de multiplicar la probabilidad de ganar, 6÷100, por el total de premios, 10000 yenes, un error que no pondera cada importe por su propia probabilidad.
Cuando se lanzan a la vez dos dados, uno grande y uno pequeño, ¿cuál es la probabilidad de que la suma de las caras sea 7?
Hay 6×6 = 36 resultados posibles en total. La suma es 7 en los 6 casos (1,6), (2,5), (3,4), (4,3), (5,2) y (6,1), así que la probabilidad (確率) es 6÷36 = 1/6. 1/12 correspondería a 3 casos, 1/9 a 4 casos y 1/8 a 4.5 casos; ninguno coincide con el número real de combinaciones.
Al elegir 2 representantes entre 6 personas, ¿de cuántas maneras se puede hacer la elección? No se distingue el orden de las 2 personas elegidas.
Elegir sin tener en cuenta el orden es una combinación (組合せ): (6×5) ÷ (2×1) = 15 maneras. 30 es la permutación 6×5, que cuenta dos veces la misma pareja. 12 es 6×2 y 36 es 6×6; ambos cuentan de forma incorrecta.
Al colocar a 4 personas en una sola fila, ¿cuántas disposiciones posibles hay?
Hay 4 opciones para el primer puesto, 3 restantes para el segundo, 2 para el tercero y 1 para el cuarto, así que hay 4×3×2×1 = 24 disposiciones (順列). 12 es 4×3, que cuenta solo dos puestos. 16 es 4×4, que cuenta a la misma persona más de una vez, y 4 es solo el número de personas; ninguno es el número total de disposiciones.
Las calificaciones de un examen de cinco personas son 10, 20, 20, 30 y 120. ¿Cuál es la mediana de estos 5 datos?
La mediana (中央値) es el valor central cuando los datos se ordenan por tamaño. Con 5 datos es el 3.er valor, 20. 40 es la media, total 200 ÷ 5, arrastrada hacia arriba por el valor extremadamente grande 120. 30 es el 4.º valor y 120 es el máximo; ninguno es la mediana.
¿Cuál es la desviación estándar de los datos 2, 4, 4, 4, 5, 5, 7, 9? La media de estos datos es 5, y la varianza se calcula dividiendo entre el número de datos.
Las diferencias respecto a la media elevadas al cuadrado son 9, 1, 1, 1, 0, 0, 4, 16, que suman 32. La varianza (分散) es 32 ÷ 8 = 4, y la desviación estándar (標準偏差) es su raíz cuadrada, 2. 4 es la propia varianza dada como respuesta, 8 es el número de datos y 1 es una de las diferencias al cuadrado; ninguno es la desviación estándar.
¿Qué expresa la desviación estándar?
La desviación estándar (標準偏差) es la raíz cuadrada de la varianza y expresa cuánto se alejan y dispersan los datos de la media. Cuanto menor es, más se agrupan los datos cerca de la media. La opción D es la media, la opción C la mediana y la opción A la moda; cada una de ellas es un único valor representativo y no expresa el tamaño de la dispersión.
El coeficiente de correlación de dos conjuntos de datos resultó ser −0.9. ¿Qué puede afirmarse a partir de este valor?
El coeficiente de correlación (相関係数) toma valores de −1 a +1, y cuanto más cerca de −1, más fuerte es la correlación negativa en la que uno baja cuando el otro sube. «Casi no hay relación» describe valores cercanos a 0, y la descripción de correlación positiva fuerte corresponde a valores cercanos a +1, el signo opuesto. La afirmación sobre la causalidad es incorrecta: una correlación fuerte no garantiza una relación de causa y efecto (因果関係).
¿Cuál de las siguientes opciones describe adecuadamente el análisis de regresión?
El análisis de regresión (回帰分析) obtiene, ajustándola a datos reales, una ecuación que calcula el valor de una variable a partir de otra, como al predecir las ventas a partir del gasto en publicidad. La opción A es el agrupamiento (clustering), la opción B es el análisis de cesta de la compra, también llamado análisis de asociación, y la opción C es la encuesta por muestreo; ninguna de ellas obtiene una ecuación de predicción.
¿Cuántos segundos es 1 nanosegundo?
Nano, que se escribe n, es el prefijo (接頭語) que representa 10 elevado a menos 9. 10^-3 es mili, m; 10^-6 es micro, μ; y 10^-12 es pico, p. En el lado de lo pequeño, los prefijos van mili, micro, nano, pico, cada uno 1000 veces más pequeño que el anterior.
¿Cuál es el valor de 37.462 al redondear la segunda cifra decimal?
La cifra de la segunda posición decimal es 6, que es 5 o más, así que se suma 1 a la primera posición decimal y se obtiene 37.5 con el redondeo (四捨五入). 37.4 es el resultado de truncar en la segunda posición decimal, 37.46 resulta de redondear la tercera posición decimal y 38.0 resulta de redondear hacia arriba la primera posición decimal; ninguno aplica el redondeo indicado en la posición indicada. Observe que redondear la primera posición decimal daría 37.
¿Cuál de las siguientes opciones describe adecuadamente UTF-8?
UTF-8 es una codificación que representa los caracteres Unicode con una longitud variable de 1 a 4 bytes; los caracteres alfanuméricos ocupan 1 byte, igual que en ASCII, lo que le da una alta compatibilidad, y es la codificación más utilizada en la Web. La opción C es ASCII, y la opción B se acerca a la descripción de los códigos de caracteres (文字コード) para japonés, como Shift JIS. La opción D describe un formato de imagen, no un código de caracteres, que es algo completamente distinto.
¿Cuál de las siguientes opciones describe adecuadamente el código ASCII?
ASCII es el código de caracteres (文字コード) más básico: representa 128 tipos de caracteres alfanuméricos, símbolos y caracteres de control con 7 bits, y no puede manejar el japonés. La opción B describe códigos de caracteres para japonés como Shift JIS y EUC-JP, y la opción D describe Unicode. La opción C describe la conversión A/D, la digitalización, que no tiene nada que ver con los códigos de caracteres.
¿Cuál de las siguientes opciones ordena correctamente los pasos para convertir audio analógico en datos digitales?
Primero viene el muestreo (標本化), que lee la altura de la onda a intervalos fijos; después la cuantificación (量子化), que sustituye cada lectura por un valor de un conjunto fijo de niveles; y por último la codificación (符号化), que convierte esos valores en cadenas de bits de 0 y 1. Las demás opciones alteran este orden, y como no se pueden asignar niveles ni producir códigos antes de leer los valores, son incorrectas.
Se quiere grabar un sonido que contiene componentes de frecuencia de hasta 20kHz de modo que la forma de onda original pueda reconstruirse según el teorema de muestreo. ¿Cuál es la frecuencia de muestreo mínima necesaria?
Según el teorema de muestreo (標本化定理), la forma de onda original puede reconstruirse si se muestrea a una frecuencia superior al doble de la frecuencia más alta contenida en la señal original. Se necesitan unos 40kHz, el doble de 20kHz. Las otras tres opciones no llegan al doble de la frecuencia más alta, y con ellas la forma de onda original no puede reconstruirse correctamente.
¿Aproximadamente cuántos bytes ocupan los datos de audio grabados durante 60 segundos con una frecuencia de muestreo de 44.1kHz, una profundidad de cuantificación de 16 bits y en estéreo con 2 canales? Suponga que no hay compresión, que 1kHz significa 1000 veces por segundo y que 1Mbyte equivale a 10^6 bytes.
44100×16×2×60 = 84,672,000 bits; al dividir entre 8 se obtienen 10,584,000 bytes, unos 10.6Mbytes. Unos 5.3M es el valor calculado como monoaural, unos 2.6M supone una cuantificación (量子化ビット数) de 8 bits y sonido monoaural, y unos 21.2M es el valor calculado con una cuantificación de 32 bits.
¿Aproximadamente cuántos bytes ocupa una imagen sin comprimir de 640 píxeles de ancho y 480 píxeles de alto, a todo color con 24 bits por píxel? Suponga que 1Kbyte equivale a 1000 bytes y 1Mbyte a 10^6 bytes.
24 bits son 3 bytes, así que 640×480×3 = 921,600 bytes, unos 922Kbytes. Unos 7.4M es el número de bits dado como respuesta sin convertirlo a bytes, unos 307K supone 8 bits, 1 byte, por píxel (画素), y unos 38K supone 1 bit por píxel; ninguno se ajusta a las condiciones dadas.
Se transfiere 1Gbyte de datos por una línea con una velocidad de transmisión de 100Mbits por segundo. Si la eficiencia de transmisión es del 50%, ¿cuántos segundos tarda la transferencia? Suponga que 1Gbyte equivale a 10^9 bytes y que 1Mbit por segundo equivale a 10^6 bits por segundo.
1Gbyte son 8×10^9 bits. Con una eficiencia de transmisión (伝送効率) del 50%, la velocidad efectiva es de 50×10^6 bits por segundo, así que 8×10^9 ÷ (50×10^6) = 160 segundos. 80 segundos ignora la eficiencia y supone un 100%, mientras que 320 y 640 acumulan errores en la conversión de bytes a bits y en el tratamiento de la eficiencia.
¿Cuál de las siguientes opciones describe adecuadamente el aprendizaje supervisado en el aprendizaje automático?
El aprendizaje supervisado (教師あり学習) aprende la relación entre entradas y respuestas a partir de datos etiquetados, de modo que puedan hacerse predicciones para entradas desconocidas. La opción B describe el aprendizaje no supervisado y la opción A el aprendizaje por refuerzo. La opción C es un enfoque basado en reglas escritas a mano, que no se considera aprendizaje automático a partir de datos.
¿Cuál de las siguientes opciones es una aplicación adecuada del aprendizaje no supervisado?
El aprendizaje no supervisado (教師なし学習) encuentra estructuras y grupos en los datos sin que se le den respuestas, y la agrupación de clientes, el agrupamiento (clustering, クラスタリング), es un ejemplo representativo. Las opciones C y D son aprendizaje supervisado, que aprende de datos etiquetados, y la opción A es aprendizaje por refuerzo, que aprende acciones a partir de recompensas; ninguna es aprendizaje no supervisado.
¿Cuál de las siguientes opciones describe adecuadamente el aprendizaje por refuerzo?
El aprendizaje por refuerzo (強化学習) aprende, por ensayo y error, a elegir acciones de modo que se maximice la recompensa total, basándose en las recompensas recibidas por las acciones realizadas en un estado dado; se utiliza en la IA que juega al go y en el control de robots. La opción D es el aprendizaje supervisado y la opción A el aprendizaje no supervisado. La opción B es un trabajo de preprocesamiento de datos, no una categoría de método de aprendizaje.
¿Cuál de las siguientes opciones describe adecuadamente el aprendizaje profundo?
El aprendizaje profundo (ディープラーニング／深層学習) es un método que apila en profundidad las capas intermedias de una red neuronal, que imita las conexiones de las neuronas del cerebro, y puede extraer automáticamente de los datos las características en las que hay que fijarse sin que las personas las especifiquen. La opción A es el análisis con hojas de cálculo, la opción B la inferencia basada en reglas y la opción D la tecnología de cifrado; ninguna de ellas es aprendizaje profundo.
¿Cuál de las siguientes opciones describe adecuadamente el sobreajuste en el aprendizaje automático?
El sobreajuste (過学習／オーバーフィッティング) es el fenómeno de memorizar incluso los detalles más finos de los datos de entrenamiento, lo que da una alta precisión con los datos de entrenamiento pero una precisión menor con datos desconocidos. La opción C es un problema de falta de datos, la opción D describe el aprendizaje por transferencia y la opción A es un problema de recursos de cómputo; ninguna se refiere a un ajuste excesivo a los datos de entrenamiento.
En el aprendizaje automático, ¿cuál es el propósito principal de dividir los datos disponibles en datos de entrenamiento y datos de prueba?
Si la precisión se mide con los datos usados en el entrenamiento, puede obtenerse una puntuación alta solo porque el modelo ha memorizado esos datos. Evaluar con datos de prueba (テストデータ) que no se usaron en el entrenamiento mide la verdadera capacidad ante datos desconocidos. La velocidad no es el propósito principal de la división, la protección de la privacidad se resuelve con otras medidas como la anonimización, y la corrección de errores no es algo que la división logre.
Se entrenó un modelo con una gran cantidad de correos electrónicos recibidos anteriormente, etiquetados como spam o correo normal, y el modelo determina a qué categoría pertenece un correo recién llegado. ¿Qué método de aprendizaje es este?
Como el entrenamiento usa datos a los que se les han asignado de antemano las respuestas, las etiquetas, se trata de aprendizaje supervisado (教師あり学習), y como la salida es una categoría, es una clasificación. El aprendizaje no supervisado no da respuestas, y el aprendizaje por refuerzo aprende acciones a partir de recompensas. El aprendizaje profundo por refuerzo combina el aprendizaje por refuerzo con redes neuronales y no corresponde a este problema, que usa etiquetas correctas.
Cuando se ejecuta el siguiente procesamiento, ¿cuál es el valor final de la variable x? Primero, se asigna 1 a la variable x. Después, se repite 3 veces la operación de asignar a x el doble de su valor actual.
En este proceso iterativo (繰返し処理), x empieza en 1 y pasa a 2 tras la primera iteración, a 4 tras la segunda y a 8 tras la tercera, así que la respuesta es 8. 2 es el valor tras solo la primera iteración y 4 tras solo la segunda. 6 es el resultado de sumar 2 tres veces, no de duplicar repetidamente.
Se usa una búsqueda binaria para encontrar un elemento buscado entre 1000 datos ordenados previamente de forma ascendente. ¿Cuántas comparaciones se necesitan como máximo?
En una búsqueda binaria (二分探索), cada comparación reduce a la mitad los candidatos. 2 elevado a 9 es 512, que no alcanza para 1000 elementos, mientras que 2 elevado a 10 es 1024, que supera 1000, así que el elemento buscado puede encontrarse en 10 comparaciones como máximo. 500 se aproxima al número medio de comparaciones de una búsqueda lineal, y 7 y 9 no dan suficientes reducciones a la mitad.
Al realizar una búsqueda lineal en n datos, suponiendo que el elemento buscado está siempre presente exactamente una vez y que tiene la misma probabilidad de estar en cualquier posición, ¿cuál es el número medio de comparaciones?
En la búsqueda lineal (線形探索), los casos de encontrarlo en la 1.ª comparación hasta la n-ésima son igualmente probables, así que la media es (1+2+…+n)÷n = (n+1)÷2. n es el número de comparaciones en el peor caso, y log2 n es el número aproximado de comparaciones de una búsqueda binaria. n÷4 es un valor sin fundamento.
Los elementos de un arreglo están dispuestos desde el principio como 3, 1, 4, 1, 5. Se hace una pasada comparando pares adyacentes desde el principio e intercambiándolos cuando el de la izquierda es mayor que el de la derecha. ¿Cómo queda el arreglo inmediatamente después de esta única pasada?
En el ordenamiento de burbuja (バブルソート), al comparar 3 y 1 e intercambiarlos se obtiene 1,3,4,1,5; 3 y 4 se quedan igual; al intercambiar 4 y 1 se obtiene 1,3,1,4,5; y 4 y 5 se quedan igual. El estado totalmente ordenado no puede alcanzarse en una sola pasada. La opción B es el estado intermedio tras solo el primer intercambio, y la opción A es la disposición que resultaría si la pasada avanzara sin intercambiar el 3 y el 1 iniciales.
En una pila vacía se insertan (push) 1, 2 y 3 en este orden; luego se realiza una extracción (pop), después se inserta 4 y a continuación se realizan dos extracciones. ¿Qué opción enumera los valores extraídos en el orden en que se sacaron?
Una pila (スタック) funciona como último en entrar, primero en salir, así que la primera extracción da 3, el último valor insertado. Al insertar 4 y extraer se obtiene 4, y la siguiente extracción da 2, lo que resulta en 3, 4, 2. La opción C se aproxima al orden de una cola, en la que el primero en entrar es el primero en salir, y las otras dos confunden el orden de extracción.
¿Cuál de las siguientes opciones es una característica adecuada de una estructura de lista?
Una lista (リスト構造) es una estructura en la que cada elemento guarda la ubicación del siguiente elemento, un puntero (ポインタ), de modo que insertar y eliminar en el medio solo requiere volver a enlazar los punteros. La opción D describe un arreglo, la opción A una pila, último en entrar, primero en salir, y la opción C una cola, primero en entrar, primero en salir; ninguna es una característica de la estructura de lista.
¿Qué formato ligero de descripción de datos escribe pares de nombres de elementos y valores entre llaves, puede expresar estructuras anidadas y se usa ampliamente para el intercambio de datos en aplicaciones web?
JSON es un formato ligero de descripción de datos que expresa pares de nombres de elementos y valores entre llaves (波括弧), y se usa ampliamente para el intercambio de datos en la Web. CSV es un formato tabular que separa los valores con comas, XML es un lenguaje de marcado que expresa el significado y la estructura de los datos con etiquetas personalizadas, y HTML es el lenguaje de marcado que describe la estructura de las páginas web.
¿Qué lenguaje de programación se usa ampliamente en los campos del análisis estadístico y el análisis de datos y además tiene abundantes funciones para dibujar gráficos?
R es un lenguaje de programación (プログラム言語) especializado en análisis estadístico y análisis de datos, con abundantes métodos estadísticos y funciones para dibujar gráficos. HTML es un lenguaje de marcado para describir la estructura de las páginas web, SQL es un lenguaje de consulta para operar bases de datos, y XML es un lenguaje de marcado que expresa el significado y la estructura de los datos; ninguno de ellos es un lenguaje de programación para análisis estadístico.
Es una herramienta de práctica con preguntas en orden aleatorio (funciona si JavaScript está activado). Aun sin ella, puede leer todas las preguntas y explicaciones de arriba.
* Las explicaciones son información con fines de estudio. El contenido y el sistema de los exámenes cambian cada año, así que consulta siempre los anuncios oficiales de la entidad organizadora.
Esta página es una traducción del texto original en japonés. Si hay diferencias entre la traducción y el original, prevalece la versión en japonés. Esta traducción se ha hecho con IA y puede contener errores. Informar de un error de traducción Ver el original en japonés