Estadística

Cuando la finalidad de la Estadística consiste en obtener una serie de conclusiones sobre algún aspecto relevante de la población, a partir de observaciones en muestras, estamos ante la Estadística: Objetiva. Descriptiva. Inferencial.

Cuando un investigador formula un objetivo o una hipótesis, se debe asegurar de que: La hipótesis sea contrastable y el objetivo comprobable. La hipótesis sea comprobable y el objetivo contrastable. Ninguna de las dos anteriores es cierta.

Hemos medido la motivación mediante un test estandarizado con un recorrido de 20 a 300 puntos. El nivel de medida de esta variable es: Razón. Nominal. De intervalo.

Hemos medido la motivación mediante un test estandarizado con un recorrido de 20 a 300 puntos. El nivel de medida de esta variable es: Nominal. De intervalo. De razón.

La frecuencia relativa nos indica: El número de veces que se repite una puntuación. En qué proporción se repite una puntuación con respecto al conjunto de datos. La proporción de casos que deja por debajo de sí el límite superior de una puntuación.

Fíjese en el siguiente gráfico y elija la respuesta correcta: De todos los valores hay dos atípicos. La puntuacion de la mitad del grupo se sitúa entre los valores 45 y 60. La mayoría del grupo se sitúa entre los valores 45 y 60.

Generalmente, al construir una matriz de datos con varias variables, para tabular los datos referidos al sexo de la muestra, codificados como 0-1, lo haremos de la siguiente manera: En una columna los ceros y en otra columna los unos. En una única columna estarán incluidos los ceros y unos. Se incluirán los ceros y unos en una misma columna, pero necesariamente ordenados, primero los sujetos con cero y después los sujetos con uno.

Los resultados de un examen de estadística de 7 estudiantes han sido: 9 - 6 - 4 - 3 - 5 - 7 - 8 ¿Cuál será la mediana?. Bimodal. Multimodal. En este caso no existe moda.

¿Qué tipo de gráfico será el que se muestra a continuación?. De sectores. De barras. Un histograma.

En el gráfico de la pregunta anterior, el nivel de medida de la variable "Programa de TV favorito" será: Categórico. Ordinal. De intervalo.

Sabiendo que la media de un grupo en una prueba objetiva es 6, la puntuación diferencial de un estudiante que obtuvo un 5, será: 1. -1. 0.

Generalmente, al construir una matriz de datos con varias variables, para tabular los datos referidos al sexo de la muestra, codificados como 0-1, lo haremos de la siguiente manera: En una columna los ceros y en otra columna los unos. En una única columna estarán incluidos los ceros y unos. Se incluirán los ceros y unos en una misma columna, pero necesariamente ordenados, primero los sujetos con cero y después los sujetos con uno.

En una variable dicotómica codificada como 0-No y 1-Sí sabemos que el 30% de la muestra dijo que no. Podemos afirmar que: p=70. q=0.3. p=0.30.

Si la puntuación diferencial de un estudiante es negativa es porque: Una puntuación diferencial no puede ser negativa. La nota del estudiante es mayor que la media del grupo. La nota del estudiante es menor que la media del grupo.

La puntuación típica de un estudiante en una prueba sobre un máximo de 10 puntos es +0,5. Por tanto, podemos afirmar que: La nota del estudiante es mayor que 5. La nota del estudiante es un supenso. La nota del estudiante está por encima de la media del grupo.

En vista de la información del siguiente gráfico, ¿cual será la frecuencia relativa de notables?. 7. 0.35. 35%.

La variabilidad de las puntuaciones del 50% central de una distribución, viene dada por: La desviación semi-intercuartílica. La amplitud. El coeficiente de variación.

Cuando las puntuaciones de las personas de una muestra tienden a agruparse en torno a las puntuaciones altas de la distribución estamos ante una: Asimetría positiva. Apuntamiento platicúrtico. Asimetría negativa.

Suponiendo que las notas de las asignturas de un grupo se miden siempre en una escala del 1 al 10 y que la desviación típica de la distribución de notas en lengua es 1.35, mientras que la desviación típica en la distribución de notas de matemáticas es 0.85, podemos concluir que: La nota media en matemáticas es más baja que en lengua. La distribución de notas de lengua es más dispersa. La distribución de notas de matemáticas es más dispersa.

En un artículo de investigación nos indican que la muestra del estudio fue 1250 personas y la población 125 personas. Por tanto: La muestra es suficientemente representativa. La población no es suficientemente representativa de la muestra. Es imposible que la población sea más pequeña que la muestra.

El Happy Planet Index Score (HPI) es una medida estandarizada de la calidad de vida sostenible de una nación. A continuación, se recogen los datos de la puntuación total de cinco países europeos elegidos al azar para estimar el HPI del continente: España - 36.0, Italia - 28.1, Albania - 36.8, Suecia - 28.0, Croacia - 30.2 Se desea estimar el valor medio del índice HPI en Europa, a partir de estos datos. A la vista de los datos, la escala de medida del HPI será: Nominal. Ordinal. De intervalo.

El Happy Planet Index Score (HPI) es una medida estandarizada de la calidad de vida sostenible de una nación. A continuación, se recogen los datos de la puntuación total de cinco países europeos elegidos al azar para estimar el HPI del continente: España - 36.0, Italia - 28.1, Albania - 36.8, Suecia - 28.0, Croacia - 30.2 La desviación típica insesgada de la muestra es: 4.28. 2.14. 6.52.

El Happy Planet Index Score (HPI) es una medida estandarizada de la calidad de vida sostenible de una nación. A continuación, se recogen los datos de la puntuación total de cinco países europeos elegidos al azar para estimar el HPI del continente: España - 36.0, Italia - 28.1, Albania - 36.8, Suecia - 28.0, Croacia - 30.2 La varianza insesgada de la muestra es: 14.67. 4.28. 18.33.

El Happy Planet Index Score (HPI) es una medida estandarizada de la calidad de vida sostenible de una nación. A continuación, se recogen los datos de la puntuación total de cinco países europeos elegidos al azar para estimar el HPI del continente: España - 36.0, Italia - 28.1, Albania - 36.8, Suecia - 28.0, Croacia - 30.2 La variable independiente es: La calidad de vida. El país. No hay variable independiente.

El Happy Planet Index Score (HPI) es una medida estandarizada de la calidad de vida sostenible de una nación. A continuación, se recogen los datos de la puntuación total de cinco países europeos elegidos al azar para estimar el HPI del continente: España - 36.0, Italia - 28.1, Albania - 36.8, Suecia - 28.0, Croacia - 30.2 La muestra y la población en este problema son, respectivamente: Todos los países de Europa y todos los países del mundo. En este caso coinciden la muestra y la población. Los cinco países indicados y el conjunto de países de Europa.

El Happy Planet Index Score (HPI) es una medida estandarizada de la calidad de vida sostenible de una nación. A continuación, se recogen los datos de la puntuación total de cinco países europeos elegidos al azar para estimar el HPI del continente: España - 36.0, Italia - 28.1, Albania - 36.8, Suecia - 28.0, Croacia - 30.2 La puntuación diferencial de España, sería: Con estos datos no se piuede calcular. 4.18. -4.18.

El Happy Planet Index Score (HPI) es una medida estandarizada de la calidad de vida sostenible de una nación. A continuación, se recogen los datos de la puntuación total de cinco países europeos elegidos al azar para estimar el HPI del continente: España - 36.0, Italia - 28.1, Albania - 36.8, Suecia - 28.0, Croacia - 30.2 La puntuación típica de España sería: 1.163. -0.976. 0.976.

El Happy Planet Index Score (HPI) es una medida estandarizada de la calidad de vida sostenible de una nación. A continuación, se recogen los datos de la puntuación total de cinco países europeos elegidos al azar para estimar el HPI del continente: España - 36.0, Italia - 28.1, Albania - 36.8, Suecia - 28.0, Croacia - 30.2 El valor medio del HIP en los países de la muestra es: 31.8. 30.5. 32.1.

El Happy Planet Index Score (HPI) es una medida estandarizada de la calidad de vida sostenible de una nación. A continuación, se recogen los datos de la puntuación total de cinco países europeos elegidos al azar para estimar el HPI del continente: España - 36.0, Italia - 28.1, Albania - 36.8, Suecia - 28.0, Croacia - 30.2 El problema de estimar la media europea a partir de los datos disponibles de estos países se debe resolver mediante: La estadística descriptiva. La estadística inferencial. Ninguna de las anteriores.

El Happy Planet Index Score (HPI) es una medida estandarizada de la calidad de vida sostenible de una nación. A continuación, se recogen los datos de la puntuación total de cinco países europeos elegidos al azar para estimar el HPI del continente: España - 36.0, Italia - 28.1, Albania - 36.8, Suecia - 28.0, Croacia - 30.2 En el libro de códigos, la variable país: Necesitaría etiqueta de valores y códigos. No necesitaría etiqueta de valores, pero sí códigos. No necesita ni códigos, ni etiqueta de valores.

¿Cuál de las siguientes variables es dicotomizada?. Un ítem del tipo "acierto/error". El cociente intelectual recodificado en "alto/bajo". El sexo.

Tenemos una distribución normal y un sujeto obtiene una puntuación típica de 5 puntos. ¿Qué podemos decir de la puntuación directa?. Tendrá un valor bastante bajo en comparación con el grupo de referencia. Es un valor cercano a la media del grupo. Es un valor elevado con respecto al grupo de referencia.

Supongamos que hemos estimado que el parámetro de la media se encuentra entre las puntuaciones 50 y 70. En este caso el error muestral será: 20. 10. Faltan datos.

En una distribución normal, ¿cuál es la probabilidad de obtener una puntuación igual o inferior a 1?. 0,8413. 0.3413. 0.1587.

El procedimiento conocido como repetición o del test-retest se identifica con la fiabilidad como: Equivalencia. Variabilidad. Estabilidad.

A la validez aparente se la denomina también: Validez didáctica. Validez de constructo. Validez concurrente.

La representación gráfica más adecuada para representar la variable "estado civil" será: Histograma. Diagrama de sectores. Caja y patillas.

La mediana es un estadístico útil para: Medir la dispersión de los datos de la muestra. Dividir un grupo en dos mitades con el mismo número de sujetos. Medir la homogeneidad del grupo.

Cuando clasificamos las variables en independientes, dependientes y extrañas, estamos utilizando un enfoque: De niveles de media. De contextos teórico-explicativo. Metodológico.

La operación que consiste en asignar números o caracteres a los valores de la variable de una investigación se denomina. Codificación de los datos. Depuración de los datos. Tabulación de los datos.

El procedimiento de Rulon se basa en la: Correlación entre las dos mitades. Intercorrelaciones de los ítems. Varianza de las diferencias.

La representatividad se refiere a que: La población represente a la muestra. En la población estén representados todos los elementos de la muestra. La muestra represente a la población.

Una correlación estadísticamente significativa, nos indica: Una correlación diferente de cero en la población. Una correlación igual a cero en la población. Una correlación alta en la población.

¿Qué prueba es la que valora las discrepancias entre las frecuencias empíricas y las teóricas, según un determinado patrón o modelo?. Cualquiera de las pruebas no paramétricas. La prueba de Ji cuadrado. La prueba t de Student.

En una muestra de 1.000 sujetos, un estudiante ha obtenido una puntuación típica de -1,20 ¿Cuántos sujetos quedan situados por encima de él? Marque el valor más próximo. 885. 895. 841.

La transformación de las puntuaciones directas de los sujetos a rangos o posiciones es una operación propia del coeficiente de correlación de: Pearson. Spearman. Contingencia.

La desviación semi-intercuartílica se puede calcular mediante el empleo de los percentiles. Percentiles 50 y 75. Percentiles 25 y 75. Percentiles 25 y 50.

El valor de la mediana de los siguientes datos es: 9 – 6 – 1 – 3 – 4 – 7 – 5. 6. 4. 5.

La nota media de un grupo en estadística es 7 y su desviación típica 2. Sabiendo que las notas se distribuyen según una distribución normal, ¿qué porcentaje de estudiantes tiene una nota por debajo del 5?. Un 30,17%. Un 84,15%. Un 15,87%.

En un diseño de investigación experimental, la hipótesis alternativa viene a indicar: Que la VI produce un efecto sobre la VD. Que no existen diferencias estadísticamente signficativas entre las medias sometidas a contraste. La inexistencia de efectos de la VI sobre la VD.

Un educador desea mejorar el nivel de lectura de un grupo de niños y niñas de 6 y 7 años y espera conseguirlo mediante un programa experimental de implicación familiar en la lectura. Para ello, establece dos grupos: uno experimental (grupo 1) y otro de control (grupo 0). Tras comprobar que no existen diferencias iniciales entre los dos grupos en rendimiento lector, aplica el programa al grupo experimental durante un semestre y comprueba posteriormente si existen diferencias entre los grupos a favor del grupo experimental. Se utiliza un nivel de significación de 0,05 para todos los contrastes posibles. Los resultados fueron los de la tabla de la derecha. La media aritmética de la variable rendimiento lector en el grupo de control es: 10. 11. 12.

Un educador desea mejorar el nivel de lectura de un grupo de niños y niñas de 6 y 7 años y espera conseguirlo mediante un programa experimental de implicación familiar en la lectura. Para ello, establece dos grupos: uno experimental (grupo 1) y otro de control (grupo 0). Tras comprobar que no existen diferencias iniciales entre los dos grupos en rendimiento lector, aplica el programa al grupo experimental durante un semestre y comprueba posteriormente si existen diferencias entre los grupos a favor del grupo experimental. Se utiliza un nivel de significación de 0,05 para todos los contrastes posibles. Los resultados fueron los de la tabla de la derecha. La variable dependiente del problema es: El rendimiento lector. El grupo. La implicación familiar.

Un educador desea mejorar el nivel de lectura de un grupo de niños y niñas de 6 y 7 años y espera conseguirlo mediante un programa experimental de implicación familiar en la lectura. Para ello, establece dos grupos: uno experimental (grupo 1) y otro de control (grupo 0). Tras comprobar que no existen diferencias iniciales entre los dos grupos en rendimiento lector, aplica el programa al grupo experimental durante un semestre y comprueba posteriormente si existen diferencias entre los grupos a favor del grupo experimental. Se utiliza un nivel de significación de 0,05 para todos los contrastes posibles. Los resultados fueron los de la tabla de la derecha. La desviación típica insesgada del la variable rendimiento lector en el grupo experimental es: 2.10. 4.4. 1.73.

Un educador desea mejorar el nivel de lectura de un grupo de niños y niñas de 6 y 7 años y espera conseguirlo mediante un programa experimental de implicación familiar en la lectura. Para ello, establece dos grupos: uno experimental (grupo 1) y otro de control (grupo 0). Tras comprobar que no existen diferencias iniciales entre los dos grupos en rendimiento lector, aplica el programa al grupo experimental durante un semestre y comprueba posteriormente si existen diferencias entre los grupos a favor del grupo experimental. Se utiliza un nivel de significación de 0,05 para todos los contrastes posibles. Los resultados fueron los de la tabla de la derecha. Haciendo el análisis descriptivo, la diferencia empírica de medias entre los grupos en la variable rendimiento lector: Es igual a dos, por lo que podemos rechazar la hipótesis nula sin necesidad de nuevos contrastes o cálculos. Es igual a dos, por lo que podemos aceptar la hipótesis nula sin necesidad de nuevos contrastes o cálculos. Es igual a dos, lo que demuestra cierta superioridad del grupo experimental, pero aún no sabemos si es generalizable a la población.

Un educador desea mejorar el nivel de lectura de un grupo de niños y niñas de 6 y 7 años y espera conseguirlo mediante un programa experimental de implicación familiar en la lectura. Para ello, establece dos grupos: uno experimental (grupo 1) y otro de control (grupo 0). Tras comprobar que no existen diferencias iniciales entre los dos grupos en rendimiento lector, aplica el programa al grupo experimental durante un semestre y comprueba posteriormente si existen diferencias entre los grupos a favor del grupo experimental. Se utiliza un nivel de significación de 0,05 para todos los contrastes posibles. Los resultados fueron los de la tabla de la derecha. El contraste estadístico adecuado sería: Bilateral. Unilateral. Como prefiera el investigador/a.

Un educador desea mejorar el nivel de lectura de un grupo de niños y niñas de 6 y 7 años y espera conseguirlo mediante un programa experimental de implicación familiar en la lectura. Para ello, establece dos grupos: uno experimental (grupo 1) y otro de control (grupo 0). Tras comprobar que no existen diferencias iniciales entre los dos grupos en rendimiento lector, aplica el programa al grupo experimental durante un semestre y comprueba posteriormente si existen diferencias entre los grupos a favor del grupo experimental. Se utiliza un nivel de significación de 0,05 para todos los contrastes posibles. Los resultados fueron los de la tabla de la derecha. La mediana en la variable rendimiento lector en el grupo experimental será: 12. 12.5. 13.

Un educador desea mejorar el nivel de lectura de un grupo de niños y niñas de 6 y 7 años y espera conseguirlo mediante un programa experimental de implicación familiar en la lectura. Para ello, establece dos grupos: uno experimental (grupo 1) y otro de control (grupo 0). Tras comprobar que no existen diferencias iniciales entre los dos grupos en rendimiento lector, aplica el programa al grupo experimental durante un semestre y comprueba posteriormente si existen diferencias entre los grupos a favor del grupo experimental. Se utiliza un nivel de significación de 0,05 para todos los contrastes posibles. Los resultados fueron los de la tabla de la derecha. Sabiendo que el valor del estadístico t para la prueba de diferencia de medias es 1,77. ¿Cuál sería la decisión estadística adecuada? (alfa=0.05). Aceptar la hipótesis nula. Rechazar la hipótesis alternativa. En sentido estricto, aceptar la hipótesis alternativa.

Un educador desea mejorar el nivel de lectura de un grupo de niños y niñas de 6 y 7 años y espera conseguirlo mediante un programa experimental de implicación familiar en la lectura. Para ello, establece dos grupos: uno experimental (grupo 1) y otro de control (grupo 0). Tras comprobar que no existen diferencias iniciales entre los dos grupos en rendimiento lector, aplica el programa al grupo experimental durante un semestre y comprueba posteriormente si existen diferencias entre los grupos a favor del grupo experimental. Se utiliza un nivel de significación de 0,05 para todos los contrastes posibles. Los resultados fueron los de la tabla de la derecha. La variable rendimiento lector tiene un nivel de medida: Ordinal. De intervalo. De razón.

Un educador desea mejorar el nivel de lectura de un grupo de niños y niñas de 6 y 7 años y espera conseguirlo mediante un programa experimental de implicación familiar en la lectura. Para ello, establece dos grupos: uno experimental (grupo 1) y otro de control (grupo 0). Tras comprobar que no existen diferencias iniciales entre los dos grupos en rendimiento lector, aplica el programa al grupo experimental durante un semestre y comprueba posteriormente si existen diferencias entre los grupos a favor del grupo experimental. Se utiliza un nivel de significación de 0,05 para todos los contrastes posibles. Los resultados fueron los de la tabla de la derecha. La moda en la variable Rendimiento lector en el grupo de control será: No existe moda. 13. 9.

Un educador desea mejorar el nivel de lectura de un grupo de niños y niñas de 6 y 7 años y espera conseguirlo mediante un programa experimental de implicación familiar en la lectura. Para ello, establece dos grupos: uno experimental (grupo 1) y otro de control (grupo 0). Tras comprobar que no existen diferencias iniciales entre los dos grupos en rendimiento lector, aplica el programa al grupo experimental durante un semestre y comprueba posteriormente si existen diferencias entre los grupos a favor del grupo experimental. Se utiliza un nivel de significación de 0,05 para todos los contrastes posibles. Los resultados fueron los de la tabla de la derecha. Suponiendo que la probabilidad asociada al valor del estadístico t sea p=0,08, ¿cuál habría sido la decisión estadística correcta? (alfa=0.05). Aceptar la hipótesis nula. Rechazar la hipótesis nula. La probabilidad asociada no nos permite tomar esta decisión.

Es una función de la estadística: Ayudar en la toma de decisiones. Estudiar únicamente las muestras. Inferir desde la población hacia la muestra.

La estadística descriptiva estudia: Propiedades de la muestra. Propiedades de la población. Ninguna de las anteriores respuestas es correcta.

En términos porncentuales, en investigación educativa estamos dispuestos a asumir errores como máximo del: 15%. 10%. 5%.

A los valores numéricos que se obtienen de una muestra se les denomina: Parámetros. Estadísticos. Medias.

Cuando evitamos, gracias a la estadística, la contaminación de los resultados debido a variables extrañas, estamos: Formulando una hipótesis. Controlando las variables. Contrastando una hipótesis.

El punto de arranque de toda investigación se sitúa en: La formulación de hipótesis. La definición de las variables. La identificación y selección del problema.

La estadística exige que las hipótesis sean: Formulables. Contrastables. Comprobables.

Los objetivos que formulamos deben ser: Comprobables. Contrastables. Formulables.

La estadística inferencial busca: Elaborar conclusiones sobre la población a partir de observaciones en muestras. Elaborar conclusiones sobre la muestra a partir de observaciones en la población. Ninguna de las dos respuestas anteriores es correcta.

Para contrastar una hipótesis, debemos acudir a: Una variable. Una prueba estadística. La estadística descriptiva.

Una variable politómica es aquella que: Admite solo una categoría de clasificación. Admite dos categorías de clasificación. Admite más de dos categorías de clasificación.

El estado civil es una variable: Ordinal. Nominal. De intervalo.

Las hipótesis de investigación deben: Tener un carácter descriptivo. Estar formuladas como una pregunta. Plantear relaciones causales entre variables.

Un orientador desea comprobar si un nuevo programa de liderazgo que cursa el equipo directivo tiene algún efecto sobre el absentismo escolar. En este caso: La variable independiente es el absentismo escolar. La variable independiente es el programa de liderazgo. La variable independiente es el equipo directivo.

Las variables que pueden admitir un número infinito de valores potenciales de la característica que medimos son: Cualitativas continuas. Cuantitativas discretas. Cuantitativas continua.

Los procedimientos de control en la investigación pretenden minimizar los efectos de las: Variables extrañas. Variables independientes. Variables de control.

Cuando nos referimos a la traducción y sustitución de algo inobservable en propiedades observables, hablamos de: Definición de la hipótesis. Definición operativa de una variable. Control de una variable extraña.

Una variable como el peso de un sujeto tiene un nivel de medida: Ordinal. Intervalo. Razón.

Cuando se plantean los pasos para realizar una investigación y se llega a la formulación de hipótesis, la hipótesis es una proposición: Demostrada. No demostrada. Parcialmente demostrada.

Un nivel de medida de intervalo es propio de: Una prueba estandarizada de matemáticas. La medida de la altura. El puesto ocupado en la olimpiada de ciencias.

Al realizar el libro de códigos, la etiqueta de valor de una variable hace referencia a: Su nombre. Su identificación en 8 caracteres alfanuméricos. La descripción de sus categorías.

El 45% de una clase ha votado como delegado a Pedro. Sabiendo que la frecuencia absoluta de esa opción de voto es 18, ¿cuál sería el número total de alumnos de la clase?. 33. 40. Con estos datos no se puede determinar.

Diez sujetos contestan a una variable dicotómica de respuesta no/sí (codificada como 0/1), y 7 contestan que sí. El valor p+q es: 7. 1. 10.

Para trasladar la variable “religión” con tres categorías (católico, musulmán y judío) a una matriz de datos, la variable ocupará: Tres columnas, una por cada nivel o categoría. Una única columna. Tres filas, una por cada nivel o categoría.

La frecuencia relativa correspondiente a una puntuación directa nos indica: La proporción de veces que se repite dicha puntuación. El porcentaje de veces que se repite dicha puntuación. La proporción de sujetos que queda por debajo del límite superior de dicha puntuación.

Tenemos una matriz de datos en una hoja de cálculo con 15 columnas y 20 filas, de modo que en la primera fila tenemos el nombre de cada variable. ¿Cuántos sujetos tenemos en la muestra?. 15. 20. 19.

La frecuencia acumulada en una distribución de frecuencias nos indica: El número de sujetos a los que supera una puntuación. El número de sujetos que están por encima de una puntuación. La proporción de sujetos que obtuvo una determinada puntuación.

Una profesora recoge en una tabla los resultados de sus alumnos en una prueba en la que ha establecido tres resultados posibles: bueno, regular y malo. El número de alumnos que caen en cada categoría, respectivamente, son los siguientes: 10, 8 y 7. Con estos datos, la frecuencia relativa de alumnos con resultado bueno en la prueba es: 40%. 0.4. 0.6.

La asimetría positiva está asociada a: Una acumulación de puntuaciones en la parte superior de la distribución. Una acumulación de puntuaciones en la parte inferior de la distribución. Necesariamente está asociada a puntuaciones muy bajas de los sujetos en su valor absoluto.

Generalmente, cuando construimos una matriz de datos con varias variables, para tabular los datos referidos al sexo de la muestra, codificados como 0-1, lo haremos de la siguiente manera: En una columna los ceros y en otra columna los unos. En una única columna estarán incluidos los ceros y unos. Se incluirán los ceros y unos en una misma columna, pero necesariamente ordenados, primero los sujetos con cero y después los sujetos con uno.

Una puntuación típica negativa de -2 se interpreta como: Una puntuación elevada, ya que debemos interpretarla en su valor absoluto. ​​​Una puntuación marcadamente por debajo de la media del grupo. ​​​​​Una puntuación muy cercana a la media del grupo, pero inferior.

Las distribuciones de puntuaciones típicas, tienen como desviación típica: Depende de cada distribución. Cero. Uno.

Si deseamos comparar las notas de un sujeto en dos pruebas objetivas en las que se ha utilizado una escala distinta, la mejor medida de comparación será: Las puntuaciones directas. Las puntuaciones diferenciales. Las puntuaciones típicas.

La mediana es útil para: Dividir a un grupo en dos mitades con el mismo número de sujetos. Medir la heterogeneidad de un grupo. Conocer la tendencia central de un grupo atendiendo a las puntuaciones extremas.

En una distribución de frecuencias, un sujeto con una puntuación típica negativa indica: Que su puntuación directa fue inferior a la media del grupo de referencia. Que su puntuación directa fue inferior a la media del grupo de referencia, pero esto solo es cierto si la distribución es norma. Que su puntuación directa fue baja en términos absolutos.

¿Cuál es la probabilidad de que un sujeto obtenga una puntuación típica de 1,25 o inferior si la distribución de frecuencias es normal?. 0,3944. 0,8944. 0,1056.

Tenemos una distribución de frecuencias y un sujeto obtiene una puntuación típica de 2 puntos. ¿Cómo lo interpretamos?. Es un valor en la media del grupo. Es un valor elevado, por encima del percentil 90. Es un valor positivo pero moderado, cercano a la media del grupo.

La puntuación que expresa el número de desviaciones típicas que se aleja una puntuación directa de la media aritmética es: La puntuación diferencial. La puntuación típica. El percentil.

Un sujeto tiene una puntuación directa de 23 puntos en un test de vocabulario. La media del grupo de referencia es de 20 puntos y la desviación típica es de 3. Sin necesidad de mayores cálculos, podemos decir que ese sujeto: Tiene una puntuación típica de 3. Tiene una puntuación típica de 1. Tiene una puntuación típica de 1.5.

El área entre la curva normal y el eje horizontal: La unidad. Cero. Depende de cada curva normal.

Supongamos que obtenemos una correlación negativa de -0,5 entre motivación y rendimiento: Los sujetos más motivados tienden a rendir peor y viceversa, aunque esto se da con una magnitud moderada. Lógicamente, los sujetos más motivados tienden a rendir mejor y viceversa, aunque esto se da con una magnitud moderada. Una alta motivación es la causa de un bajo rendimiento, aunque la magnitud de esta causalidad es moderada.

Cuando solo podemos garantizar un nivel ordinal de medida en las variables, para estimar la correlación entre ellas, debemos acudir a: El coeficiente de Pearson. El coeficiente de Spearman. El coeficiente de contingencia.

Cuando hay una tendencia a que los valores más altos alcanzados por un grupo de sujetos en una variable le corresponden los valores más bajos en otra variable, y viceversa, decimos que la relación es: Imperfecta positiva. Imperfecta negativa. Perfecta positiva.

Para interpretar la magnitud de un coeficiente de correlación tetracórico: Lo haremos igual que en la correlación de Pearson. Dependerá del valor de Cmax. Sabemos que sólo podremos obtener valores positivos.

Una correlación estadísticamente significativa, nos indica: Una correlación distinta de cero en la población. Una correlación igual a cero en la población. Una correlación media o alta en la población.

Una correlación de Pearson de -0,92 indica: Una correlación muy elevada. Una correlación baja. Es un valor incorrecto.

El coeficiente de asociación adecuado para dos variables categóricas politómicas es: Phi. Coeficiente de contigencia. Tetracórico.

Obtenemos una correlación de Pearson 1,09. Significa…. Que hay una tendencia alta a que a los valores altos en una variable le corresponden los bajos en la otra y viceversa. Que hay una tendencia alta a que a los valores altos en una variable le corresponden también los altos en la otra. Es un valor que no se puede dar en una correlación de Pearson.

Una correlación moderada pero no estadísticamente significativa, nos indica: Una correlación distinta de cero en la población. Una correlación igual a cero en la población. Una correlación moderada en la población.

Una correlación estadísticamente significativa, nos indica: Una correlación de magnitud alta. Una correlación igual a cero en la población. Las dos anteriores son falsa.

A un mismo grupo de sujetos se le aplica dos veces un instrumento de medida en momentos diferentes. Este procedimiento nos permitiría estudiar la fiabilidad: Como estabilidad. Como equivalencia. Como consistencia interna.

Para determinar la fiabilidad de los instrumentos de medida, el procedimiento basado en la correlación entre los ítems pares e impares es el de: Equivalencia. Estabilidad. Consistencia interna.

Una prueba con un coeficiente de fiabilidad (alfa de Cronbach) de 0,86 nos indica: Que nuestra prueba es bastante fiable en el sentido de que todos los ítems tienen que ver unos con otros. Que nuestra prueba es poco fiable porque el índice no llega a 1. Que nuestra prueba es bastante fiable en el sentido de que los ítems miden adecuadamente el constructo que dicen medir y no otro.

En la selección y análisis de un instrumento debemos atender a su validez. Esto significa que: El instrumento es fiable. El instrumento tiene precisión en la medida. El instrumento mide lo que dice medir.

La fiabilidad de un instrumento de medida se puede identificar con: La validez. La precisión de la medida. La coherencia con el rasgo que se desea medir.

La fiabilidad como equivalencia se refiere a la correlación…. Entre los ítems pares y los impares. Entre dos formas paralelas de una misma prueba. Entre el test y el postest.

Para determinar la fiabilidad de los instrumentos de medida, el procedimiento basado en la correlación entre las dos mitades de los ítems es el de: Consistencia interna. Estabilidad. Equivalencia.

La fiabilidad de un instrumento de medida, como concepto, puede hacer referencia a: La precisión. La estabilidad. Las dos anteriores son correctas.

Los índices de fiabilidad y validez de un instrumento de medida: Son fijos y estables para cualquier muestra a la que se aplique el instrumento. Dependen de la muestra sobre la que se calculen ambos índices. Son independientes del tamaño muestral.

¿Cuál de estas expresiones define mejor la validez de un instrumento de medida?. Medir lo que se dice medir. La precisión. La exactitud.

Las calificaciones de una clase siguen la distribución normal. Por tanto, podemos afirmar que la proporción de alumnos por encima de una puntuación típica de 2.05 será: 0.9798. 0.0202. 0.0101.

Entre las aplicaciones de la prueba chi cuadrado se encuentra la de: Contrastar la hipótesis nula para la diferencia de medias. Decidir sobre la bondad de ajuste. Establecer la probabilidad de que rxy sea o no significativo.

En una muestra de 500 sujetos que tiene una distribución normal, ¿cuántos sujetos obtienen una puntuación típica igual o superior a 1,65? Señale la solución más aproximada. 250. 50. 25.

En una muestra de 1000 sujetos que tiene una distribución normal, ¿cuántos sujetos se encuentran aproximadamente entre las típicas ± 3: 997. 954. 682.

La curva normal indica…. Que los sujetos se reparten por igual a lo largo del continuo de una variable. Que los sujetos se concentran en las partes central y superior del continuo de una variable. Que los sujetos se concentran en la parte central del continuo de una variable.

En una muestra de 1000 sujetos que tiene una distribución normal, ¿cuántos sujetos se encuentran entre las puntuaciones típicas 0 y 1,25?. 105. 394. 894.

En una variable con distribución normal, ¿qué porcentaje de estudiantes tienen una puntuación típica mayor que -1 y menor que +1?. 84.13%. 68.26%. 42.07%.

Aplicamos una prueba estandarizada de actitudes hacia la sostenibilidad. Un sujeto obtiene un puntuación típica de 0: Necesita mejorar sus actitudes porque su puntuación es baja. Su actitud es muy positiva. Su actitud está en la media del grupo de referencia.

El valor máximo de la curva normal: Se corresponde con el valor máximo que puede alcanzar la puntuación típica. Se corresponde con un valor 0 de la puntuación típica. La curva normal no tiene un máximo.

En una muestra de 500 sujetos de una variable que sigue la distribución normal, ¿cuántos sujetos aproximadamente tienen una puntuación típica mayor que -1?. 79. 420. 210.

A la hora de establecer el tamaño de una muestra, cuanto más grande sea el nivel de confianza establecido, a igualdad de otros criterios: La muestra deberá ser más pequeña. La muestra deberá ser más grande. El nivel de confianza no influye en el tamaño muestral.

Cuando una muestra se selecciona con un tamaño suficiente y mediante un procedimiento aleatorio decimos que: Es adecuada. Es representativa. Es fiable.

Cuando el muestreo se lleva a cabo de forma que todas las unidades de muestreo tienen la misma probabilidad de ser seleccionadas, el muestreo se denomina: Estratificado. Incidental. Aleatorio simple.

La puntuación que expresa el número de desviaciones típicas que se aleja una puntuación directa de la media aritmética es: La puntuación diferencial. La puntuación típica. El percentil.

Un sujeto que se encuentra en el percentil 70 tiene una puntuación típica igual a 0,52: Siempre. Solo es así si la distribución es normal. Faltan datos.

Un sujeto ha realizado un test y se encuentra en el percentil 50. ¿Podemos decir que la puntuación directa de ese sujeto es igual a la media aritmética del grupo de referencia?. Sí, siempre. Sí, pero sólo si la distribución de frecuencias es normal. No, siempre sería incorrecta tal afirmación.

Un sujeto ha realizado un test y se encuentra en el percentil 99. Podemos afirmar que: Sin lugar a dudas es un sujeto con una puntuación muy alta en la variable medida. Sin lugar a dudas es un sujeto que destaca claramente respecto al grupo de referencia. Este sujeto supera, al menos, a 99 sujetos del grupo de referencia.

La representatividad se refiere a que…. La población represente a la muestra. En la población estén representados todos los elementos de la muestra. La muestra represente a la población.

El percentil 50 corresponde siempre con…. La mediana. La media. La moda.

Cuando tenemos distribuciones normales, si un sujeto se sitúa en un percentil 60 en una prueba de matemáticas y en un percentil 40 en una prueba de lengua, se puede afirmar que: Sacó mejor nota en matemáticas que en lengua. Sacó mejor nota en lengua que en matemáticas. Con estos datos no podemos saber en qué asignatura sacó mejor nota.

Para un nivel de confianza del 99%, el intervalo confidencial de la estimación de la nota media del rendimiento escolar en secundaria en España es: (5’8,6’5). Esto significa que: La nota media de la población podría no encontrarse en este intervalo. La nota media de la población se encuentra en este intervalo. Es improbable que la nota media de la población se encuentre dentro de ese intervalo.

Supongamos que hemos estimado que el parámetro media se encuentra entre las puntuaciones 150 y 180. En ese caso, sabemos que el error muestral es de: 30. 150. 15.

Los valores entre los que es más probable que se encuentre el valor verdadero de un parámetro se denomina: Error muestral. Intervalo confidencial. Error típico.

La diferencia más probable entre el estadístico y el parámetro es: El error típico. El error muestral. El intervalo de confianza.

La variabilidad encontrada en una distribución muestral se indica mediante: El Error muestral. El Error típico. La desviación típica.

En estadística, la población hace referencia a: El conjunto de sujetos con una característica definida. Una porción de sujetos con una característica definida. Un grupo muy grande de sujetos.

Cuando obtenemos datos de una muestra y realizamos la representación de una variable, lo que obtenemos es: La distribución muestral. La distribución de frecuencias empírica. La estimación del error típico.

El objetivo principal de la inferencia estadística es: Sacar conclusiones sobre la población a partir de la información disponible de la muestra. Sacar conclusiones sobre la muestra a partir de la información disponible de la población. Ninguna de las dos anteriores es cierta.

Un coeficiente de correlación entre dos variables de 0.4 no significativo desde un punto de vista estadístico, implica que: La correlación en la población es moderada. No existe correlación en la muestra. La correlación en la población podría ser cero.

En el campo de la inferencia estadística, el error típico nos indica: Lo mismo que una puntuación típica. La variabilidad de la teórica distribución muestral. La estimación del parámetro.

En un contraste de hipótesis en un diseño de dos grupos, una diferencia de medias estadísticamente significativa, nos indica…. Que las diferencias encontradas entre las medias de los grupos es distinta de cero en la población. Que las diferencias encontradas entre las medias de los grupos es igual a cero en la población. Que la VI no tiene efecto sobre la VD.

En un contraste de medias de dos grupos, la formulación de la hipótesis alterna unilateral implica: Que el contraste es más exigente que uno bilateral (más difícil rechazar la Ho) porque la probabilidad unilateral asociada al estadístico hay que duplicarla al tener que utilizar las dos colas de la distribución. Que el contraste es menos exigente que uno bilateral (más fácil rechazar la Ho) porque la probabilidad asociada al estadístico se concentra en una cola de la distribución. Que el contraste es menos exigente que uno bilateral (más difícil rechazar la Ho), porque la probabilidad unilateral asociada al estadístico hay que dividirla por dos al utilizar solo una cola de la distribución.

Una investigadora indica que el valor de p para diferencia de medias es 0.15. Por tanto: La diferencia de medias es estadísticamente significativa para un nivel de significación de 0.05. La diferencia de medias es estadísticamente significativa siempre. La diferencia de medias no es estadísticamente significativa para un nivel de significación de 0.05.

Un contraste de medias de dos grupos, la formulación de la hipótesis alterna bilateral implica: Que el contraste es menos exigente (más fácil rechazar la Ho) porque la probabilidad asociada al estadístico se concentra en una cola de la distribución. Que el contraste es más exigente (más difícil rechazar la Ho) porque la probabilidad unilateral asociada al estadístico hay que duplicarla al tener que utilizar las dos colas de la distribución. Que el contraste es menos exigente (más difícil rechazar la Ho), porque la probabilidad unilateral asociada al estadístico hay que dividirla por dos al utilizar las dos colas de la distribución.

Error tipo I implica…. Rechazar la hipótesis nula Ho, siendo cierta. Aceptar la hipótesis nula Ho, siendo cierta. Aceptar H1, siendo cierta.

En un contraste estadístico de medias entre dos grupos, rechazar la hipótesis nula significa…. Que la hipótesis del investigador era incorrecta. Que la probabilidad de que la diferencia de medias sea igual a cero en la población de referencia es grande, al menos mayor que alfa. Que la probabilidad de que la diferencia de medias sea igual a cero en la población de referencia es muy pequeña, al menos tan pequeña como alfa.

El intervalo de confianza de una diferencia de medias aritméticas, cuando incluye el valor cero nos indica: Que la diferencia de medias es estadísticamente significativa. Que la diferencia de medias no es estadísticamente significativa. Que la diferencia de medias en la muestra no puede ser compatible con una diferencia igual a cero en la población.

La igualdad en las varianzas poblacionales se denomina: Normalidad. Linealidad. Homocedasticidad.

Los límites inferior y superior del intervalo de confianza para una diferencia de medias de la inteligencia de dos grupos de escolares son, repectivamente, 1’92 y 6’70, al nivel de confianza previamente fijado. Según esto, podríamos afirmar que: Las medias en inteligencia de los dos grupos son estadísticamente diferentes. Las medias en inteligencia de los dos grupos son estadísticamente iguales. Faltan datos para contestar.

En un contraste de medias, el cálculo del tamaño del efecto: Sólo es importante cuando se rechaza la hipótesis nula. Sólo es importante cuando se acepta la hipótesis nula. Debe calcularse siempre como un complemento necesario de la decisión estadística.

Si el intervalo de confianza de una diferencia de medias de dos grupos contiene el cero , podemos afirmar que. No existen diferencias significativas entre las medias de los dos grupos al nivel de confianza elegido. No podemos decidir sobre la significatividad estadística de las diferencias de medias entre ambos grupos. Existen diferencias significativas entre las medias de los dos grupos al nivel de confianza elegido.

La variabilidad del 50% central de una distribución se denomina: Desviación típica. Desviación inter cuartilica. Amplitud.

Si la puntuación típica de un sujeto es de +1 su puntuación directa es. Menor que la media del grupo. Igual que la media del grupo. Mayor que la media del grupo.

El número de desviaciones típicas que se desvía una puntuación directa de la media aritmética se denomina puntuación. Diferencial. Directa. Típica.

Toda diferencia estadísticamente significativa. Es importante si p<0,01. Es importante siempre. Es importante si el tamaño del efecto es elevado.

El valor entre los que es mas probable que se encuentre el valor verdadero de un parámetro se denominan. Error muestral. Error típico. Intervalo de confianza.

Un sujeto se encuentra en el percentil 40 tiene una puntuación típica igual a -0,25. Solo es asi si la distribución es norma. Siempre. Faltan datos.

Si un investigador no tiene razones objetivas a priori para pensar que en una comparación de las medias de dos grupos uno de ellos tendrá un valor superior al otro en una variable determinada estaríamos ante un contraste. Unilateral. Bilateral. Ninguna de las opciones anteriores.

Si identificamos el valor de la media de una variable en una muestra con su valor en la población estamos ante una estimación. Por intervalo. Paramétrica. Puntual.

En una distribución normal el porcentaje de sujetos con una puntuación típica mayor que cero será. 99%. 95%. 50%.

La puntuación típica de un sujeto en una prueba estandarizada es 0 . Entonces. Su puntuación directa coincide con la media del grupo. Su puntuación es la mínima posible. Es imposible que la puntuación de un sujeto sea cero.

Para valorar la discrepancia entre las frecuencias empíricas y teóricas según un determinado modelo se utiliza la prueba. Levene. Ji cuadrado. T de Student.

El coeficiente de Pearson entre dos variables es -0.1 . Por tanto la correlación. Es perfecta. Es baja. Este coeficiente no puede ser negativo.

Decimos que un instrumento de medida es fiable cuando. Mide con coherencia un rasgo. Mide con equivalencia una característica. Mide con precisión un rasgo.

Cuando solamente podemos garantizar un nivel de medida ordinal en las variable , el coeficiente de correlación mas adecuado es. Spearman. Pearson. Coeficiente Contingencia.

En un gráfico de frecuencias la barra correspondiente a una de las categorías de la variable es mas alta que las otras. Podríamos afirmar que esa categoría es. Mediana. Moda. Media.

Tenemos una matriz de datos, en una hoja de cálculos con 18 columnas y 30 filas de modo que en la primera fila tenemos el nombre de cada variable. ¿Cuántos sujetos tenemos?. 18. 29. 30.

La mediana de los siguientes datos es : 8-1-9-3-6. 6. 9. 5.4.

Cuando la distribución de frecuencias es mas plana que la distribución normal, se denomina: Platicurtica. Mesocurtica. Leptocurtica.

En una matriz de datos la variable sexo se recogería en. Una columna. Dos filas. Dos columnas.

La posición de un estudiante en una olimpiada internacional de matemáticas es una variable cuyo nivel de medida es. Intervalo. Ordinal. Nominal.

Las hipótesis , según su nivel de generalización se dividen. Substantivas y estadísticas. Operacionales y conceptuales. Existenciales universales y probables.

El coeficiente de Pearson entre dos variables es -1 por tanto estaremos ante. Una correlación imperfecta. Una correlación perfecta. Una ausencia de correlación.

Si la distribución de frecuencias de una variable es normal, la probabilidad de que un sujeto obtenga una puntuación igual o inferior a -1,5 aproximadamente. 0.067. 0.933. No es posible una puntuación típica negativa.

La frecuencia relativa correspondiente a una categoría de una variable nominal es un número. Puede adoptar cualquier valor. Comprendido entre 0 y 1. Comprendido entre 0 y 100.

Cuando tenemos distribuciones normales si un sujeto se situa en un percentil 60 en una prueba de ciencias y en un percentil 40 en una de lengua; se puede decir que. Saco mejor nota en ciencias que en lengua. Sacó mejor nota en lengua que en ciencias. Con estos datos no podemos saber en que asignatura sacó mejor nota.

Decimos que un instrumento es fiable cuando. Mide con coherencia un rasgo. Mide con equivalencia una característica. Mide con precisión un rasgo.

Si un intervalo de confianza es (4-10) el valor de la media de esa variable en la muestra será. Faltan datos para contestar. 7. 6.

¿Qué tipo de validez estamos estudiando cuando acudimos al juicio de expertos en el tema?. Validez predictiva. Validez de contenido. Validez aparente.

Cuando afirmamos que un coeficiente de correlación no es estadísticamente significativo queremos decir que en la población. Podría no haber relación entre las variables. El coeficiente de correlación será distinto de cero. La relación entre las variables no es intensa.

El área comprendida entre la curva normal y el eje horizontal es: -1. 1. Depende de la curva normal.

Una investigadora indica que el valor de p para una prueba de diferencias de medias es de 0,12. Por tanto para un nivel de significación de 0.05. La diferencia de medias es estadísticamente significativa. La diferencia de medias no es estadísticamente significativas. La diferencia de medias es estadísticamente significativa dependiendo del valor del estadístico de la prueba.

Cual de las siguientes es una medida de dispersión. La varianza. La media. La mediana.

Una proposición no demostrada cuyo análisis puede llevar a conclusión lógica es. Una hipótesis. Una variable. Un teorema.

Uno de los valores de una variable dicotómica tiene una frecuencia relativa de 0,4 Por tanto suponiendo que no hay valores perdidos, la frecuencia relativa del otro valor será. No se pude saber con estos datos. 0.6. 60%.

La principal característica exigida a un problema de investigación es que sea. Significativo. Resoluble. Claro.

Cuando la finalidad de la estadística consiste en obtener una serie de conclusiones sobre algún aspecto relevante de la población a partir de observación de la muestra, nos encontramos ante la. Estadística analítica. Estadística inferencial. Estadística descriptiva.

El procedimiento alfa de crombach se utiliza para medir. La fiabilidad como estabilidad. La fiabilidad como consistencia interna. La validez predictiva.

La muestra es. Un subconjunto de la población. La parte mas pequeña de una población. La parte en la que se divide la población.

Rechazar la hipótesis nula siendo verdadera. Cometemos el error tipo II. Cometemos el error tipo I. No cometemos ningún error.

Cuando hablamos de la media de la muestra nos estamos refiriendo a. Un parámetro. Una medida de variabilidad. Un estadístico.

Aquellas variables que manipulan los investigadores durante una investigación se denominan. Independientes. Controladas. Dependientes.

En un libro de códigos una variable continua. Tendrá asignadas etiquetas a sus posibles valores. No tendrá asignados etiquetas a sus posibles valores. No es necesario incluir las variables continuas en el libro de códigos.

Para representar las frecuencias de las valores de una variable con nivel nominal el tipo de gráfica mas adecuada es. Grafico de caja. Un gráfico de barras. Histograma.

Si cuando crecen los valores de una variable los de la otra disminuyen, estaremos ante una correlación. En este caso se podría decir que no hay correlación. Negativa. Positiva.

Si la puntuación típica de un sujeto es de +1 su puntuación directa es. Mayor que la media del grupo. Menor que la media del grupo. Igual que la media del grupo.

Se aplica un cuestionario para medir la actitud en dos ocasiones separadas convenientemente en el tiempo se calcula el coeficiente de correlación en esas ambas ocasiones, obteniendo un valor de 0.93, por lo que podemos concluir: El cuestionario es válido. El cuestionario es fiable. El cuestionario es fiable y válido.

Cuando hay cierta tendencia a que a los valores bajos alcanzados por un grupo de sujetos en una variable le corresponden valores elevados en la otra variable, decimos que la relación es. Perfecta negativa. Imperfecta negativa. Imperfecta positiva.

Decimos que una correlación entre dos variables es muy elevada (según la escala más común que recogen en el texto cuando el valor del coeficiente esta comprendido en valor absoluto entre: 0,21 y 0,4. 0,91 y 1. 0,41 y 0,70.

Una persona tiene una puntuación directa en una prueba de 6 puntos. Sabiendo que la media del grupo es de 7 y su desviación típica de 2, su puntuación típica será: -0.5. 0.5. 1.

Entre las características o propiedades de la curva normal necesariamente se encuentran las siguientes: Simétrica y platicurtica. Simétrica y asintótica. Asintótica y asimétrica.

En un grupo compuesto por 200 sujetos, se ha aplicado una prueba con una escala entre 0 y 30. Teniendo en cuenta que el percentil 30 tiene un valor de 10 puntos. ¿Cuántos sujetos quedan por encima de esa puntuación?. 140. 120. 170.

Entre las propiedades de los estimadores solamente una de las respuestas NO es correcta , indíquela: Carencia de sesgo y eficacia. Consistencia y eficiencia.

Un investigador con los datos de su estudio afirma que el coeficiente de correlación empleado no es estadísticamente significativo ello indica que en la población: Podría no haber relación entre las variables. El coeficiente de correlación es distinto a cero. Existe relación entra las variables.

Cuando el investigador de acuerdo con los datos disponibles, rechaza la Ho y esta es verdadera , podemos afirmar que comete un error: Normalizado. De tipo II. De tipo I.

En un estudio empírico el investigador quiere probar la diferencia de medias entre el grupo experimental y el de control . Una vez aplicada la prueba t obtiene que el valor de p para esa diferencia de medias es 0,08. Por tanto, para un nivel de significación de 0,5: La diferencia de medias es estadísticamente significativa dependiendo del valor del estadístico de la prueba. La diferencia de medias es estadísticamente significativa. La diferencia de medias no es estadísticamente significativa.

En un histograma sobre el eje de abscisas se sitúan las puntuaciones directas y sobre el eje de ordenadas: Los sectores. Los valores mas significativos. Las frecuencias ( frecuencias absolutas).

En el modelo de curva normal de una distribución nos encontramos con un estudiante cuya puntuación típica z= -0,9. ¿Qué porcentaje de sujetos quedan por encima de dicha puntuación?. 88.1%. 31.59%. 81.59%.

La mediana de los siguientes datos es 7-2-9-1-5 es: 9. 5. 2.

Si tenemos en cuenta el enfoque metodológico en la identificación de las variables en los estudios educativos, estas se definen como: Variable independientes e intermedias. Variables dependientes y cuantitativas. Variables independientes y dependientes.

Las fuentes y bases de documentación que nos permiten conocer a fondo los problemas educativos sobre los que deseamos investigar se suelen clasificar como: Fuentes bibliográficas y centros de investigación. Fuentes bibliográficas y no bibliográficas. Fuentes bibliográficas y tecnológicas.

Entre los diferentes procedimientos para calcular la fiabilidad de una prueba, se encuentra el procedimiento de: Kuder- Richardson. Valor predictivo. Levene.

Un valor elevado de la desviación media en un grupo de puntuaciones de una prueba, nos indica que: Las puntuaciones están dispersas respecto de la media. Las puntuaciones están próximas a la media aritmética. Las puntuaciones están dentro de la curva normal.

En la campana de Gauss , que nos presenta la curva normal el porcentaje de casos entre los valores de z ±1 es el siguiente: El 90%. El 95%. El 68,27%.

Entre los diferentes procedimientos para determinar la fiabilidad de los cuestionarios de recogida de información el cálculo de alfa de Crombach se encuadra dentro de la fiabilidad como: Equivalencia. Consistencia interna. Estabilidad.

Cuando las hipótesis se clasifican en substantivas y estadísticas, estamos recurriendo al criterio de clasificación denominado: Nivel de generalización. Forma de expresión cuantitativa. Nivel de aproximación a la realidad.

Si uno de los valores de una variable dicotómica tienen una frecuencia relativade 0,2 y no hay valores perdidos , la frecuencia relativa del otro valor será: 80%. No es posible conocerla con estos datos. 0,8.

La desviación semi-intercuartílica se puede calcular mediante el empleo de los percentiles: 50 y 75. 25 y 75. 25 y 50.

En la representación de la curva normal, el intervalo de confianza comprendido entre z ± 1,96 es el correspondiente al nivel de confianza del: 97%. 99%. 95%.

La distribución de frecuencias de una variable es normal , la probabilidad de que un sujeto obtenga una puntuación típica igual o superior a 2 será aproximadamente: 0,9772. No es posible un valor tan alejado de la media. 0,0228.

Para la validación de un nuevo cuestionario sobre personalidad hemos recurrido a otro instrumento que mide el mismo rasgo y hemos alcanzado una correlación de 0,8 podemos afirmar que: Con este valor no podemos asegurar su validez. El cuestionario tiene una validez buena. El cuestionario tiene una validez baja.

La escala que tiene una media de tres y una desviación de 1 , se le denomina: Normalizada. Eneatipo. Pentas.

La función de densidad de probabilidad chi cuadrado es muy útil su empleo en: Pueba de bondad de ajuste. Prueba de independencia. Ambas.

En los contrastes de hipótesis en el campo de la investigación en educación, cuando afirmamos la diferencia de medias entre el grupo experimental y el de control es estadísticamente igual a 0, estamos formulando: Hipótesis nula Ho. Hipótesis fundamental. La hipótesis alternativa H1.

La curva normal sobre la que se representan los valores de las puntuaciones típicas de los sujetos se caracteriza por: Ser asimétrica. Coincidir en el punto central la media , mediana y la moda. La desviación típica es igual a 0.

Cuando la mayor parte de los sujetos de una muestra tienden a agruparse en las puntuaciones altas de una distribución , decimos que la gráfica presenta: Asimetría negativa. Asimetría neutra. Asimetría positiva.

Al comparar las puntuaciones de dos sujetos en una misma prueba para poder afirmar que se trata de diferencias significativas y no aleatorias deberíamos recurrir a: La proporción de sujetos. La diferencia empírica. La razón crítica.

Aquellas puntuaciones que nos indica las distancias a la media del grupo medida en unidades de desviación típica , se le denomina: Puntuación típica. Puntuación diferencial. Puntuación proporcional.

A la operación de trasladar los datos recogidos manualmente a una hoja de cálculo o algún programa de análisis estadístico. Lo denominamos: Analizar. Tabular. Codificar.

En la tabla de contingenia cuando el número de filas y columnas es el mismo, se puede interpretar el coeficiente en relación al c. max . Por tanto: En tablas rectangulares es mas bajo. Dada su formula de cálculo su valor nunca puede ser 1. Su valor máximo es 1.

Cuando calculamos el coeficiente de correlación biserial puntual una de las variables es dicotómica. ¿Qué representan p y q en el cálculo?. Las proporciones de aciertos y fallos. Los porcentajes de cada una de las categorías. Las proporciones de cada una de las categorías.

Los valores de los estadísticos que aparecen recogidos en los documentos de tablas estadísticas, reciben el nombre de: Valores de distribución. Valores críticos o teóricos. Valores empíricos.

- Si analizamos la curtosis o el apuntamiento de una representación gráfica, cuando las puntuaciones se acumulan masivamente muy próximas a la media, decimos que es una curva: Mesocurtica. Platicurtica. Leptocurtica.

Aquellas variables que se miden en escala creciente o decreciente y que no disponen de una unidad constante de medida pero si se pueden establecer rangos, decimos que alcanza un nivel de medida: Ordinal. De intervalo. Nominal.

Cuando en una tabla recogemos las puntuaciones de una variable en forma de porcentajes validos , nos estamos refiriendo a una: Frecuencia relativa multiplicada por cien. Frecuencia absoluta. Frecuencia acumulada multiplicada por cien.

Un sujeto tiene una puntuación directa de 10 . Sabiendo que la media del grupo es de 8 la desviación típica del grupo de dos. Su puntuación típica será: o -1. 0.5. 1.

Es una medida de tendencia central. Varianza. Desviación típica. Mediana.

Un valor elevado de la desviación media en un grupo de puntuaciones de una prueba nos indica que: Las puntuaciones están dentro de la curva normal. Las puntuaciones están próximas a la media aritmética. Las puntuaciones están dispersas respecto de la media.

El coeficiente de correlación de Pearson entre dos variables esde 0,25. Por tanto la correlación entre ambas variables es: Media. Baja. Alta.