Analisis de Datos

La primera fase de una investigación en Psicología es: Plantear el problema. Definir las variables. Elaborar las hipótesis.

El consentimiento informado es: Un mecanismo para describir a los participantes sobre la investigación y que puedan decidir de manera autónoma si participan o no. Engañar a los participantes para que no conozcan los objetivos de la investigación y no alteren los resultados. Garantizar la equitatividad en la selección de los participantes.

La asignación aleatoria de participantes a los grupos consiste en: Asignar a los participantes a las diferentes condiciones de modo que todos tengan la misma probabilidad de formar parte de cada una de las condiciones. Seleccionar los participantes del estudio de modo que cada miembro de la población objetivo tenga la misma probabilidad de ser elegido para el estudio. Utilizar algún tipo de muestreo probabilístico para garantizar que la muestra sea representativa de la población.

La investigación en psicología se caracteriza por ser: Teórica, empírica, nomotética y probabilística. Teórica, racional, nomotética y determinìstica. Científica, metódica, racional y determinística.

En el contexto experimental una variable independiente es: Variable sobre la que se busca conocer la causa de su variación. Un factor que es manipulado y controlado por el investigador. Una medida del efecto de la manipulación.

Los cuasi experimentos se caracterizan porque: Las unidades experimentales no son asignadas aleatoriamente. No hay manipulación de la variable independiente. No se utiliza el control estadístico.

Los criterios que deben cumplir las hipótesis sustantivas de una investigación son: Fiabilidad, Especificar relaciones entre conceptos, establecer implicaciones. Falsabilidad, Especificar relaciones entre conceptos, establecer implicaciones probables empíricamente, validez. Falsabilidad, Especificar relaciones entre conceptos, establecer implicaciones contrastables con datos empíricos.

La validez interna de una investigación se refiere a: En qué medida se pueden generalizar los resultados. En qué medida se pueden atribuir los resultados a la VI y no a variables extrañas. Cuáles son las bases conceptuales que subyacente al efecto encontrado.

Una vez planteado el problema, deben formularse las hipótesis que serán sometidas a prueba o: Verificación. Validación. Falsación.

Cual de las siguientes NO es una función de la fase de revisión de la literatura: Servir de marco de referencia para interpretar los resultados. Inspirar nuevas líneas de investigación. Establecer conclusiones con base a los resultados de la investigación.

La variable que afecta la dirección o la fuerza de la relación entre una variable independiente y una variable dependiente se llama: Variable extraña. Variable moderadora. Variable mediadora.

El tipo de muestreo en el que cada unidad tiene la misma probabilidad de ser seleccionada se llama: Muestreo aleatorio simple. Muestreo aleatorio estratificado. Muestreo aleatorio sistemático.

Las principales propiedades psicométricas de los instrumentos de medida son: Fiabilidad y validez. Generalización y precisión. Operacionalización y regresión.

Una de las funciones de la revisión de la literatura en una investigación es: Facilitar el control de variables extrañas. Inspirar nuevas líneas de investigación. Decidir la técnica de análisis de datos más apropiada.

En una investigación transversal: Se estudian varios temas simultáneamente. Los datos se recogen en un único momento en el tiempo. Se toman datos repetidamente sobre los mismos sujetos.

Una variable extraña es: Variable que puede actuar sobre la variable dependiente y cuyos efectos no se pueden separar de la variable independiente. Variable sobre la que depende de la influencia del tratamiento o variable independiente. Variable manipulada por el investigador cuyos niveles producen efectos diferenciales sobre la variable dependiente.

Cuando la población de interés está claramente definida pero el investigador no muestrea aleatoriamente dentro de la población está usando un muestreo: Propositivo. De conveniencia. Por heterogeneidad.

La técnica de protocolos verbales utilizada para descubrir los procesos mentales subyacentes en la respuesta a los ítems de un test o a la solución de una tarea experimental es un ejemplo de aproximación: Cualitativa. Cuantitativa. Mixta.

La ciencia es: Una forma de aproximarse a la realidad mediante sentido comün. Una aproximación metodológica y sistemática a la adquisición de nuevo conocimiento. La comprobación empírica de hipótesis sobre la realidad.

¿Qué es la operacionalización de una variable?. Asignar significado a una variable especificando las actividades que debe realizar el investigador para medirla. Controlar una variable en un experimento. Hacer que una variable sea operativa.

El menú de SPSS y MYSTAT que nos permite ponderar casos es: Datos. Transformar. Analizar.

El siguiente cuadro corresponde a un diseño de: Cuatro grupos de Solomón. Replicación cambiada con cuatro grupos. Tratamientos múltiples y control con pretest.

La técnica de análisis de datos más apropiada para analizar relaciones entre variables cualitativas es: Tablas de contingencia. Correlación lineal de Pearson. Regresión lineal simple.

Una investigación cuasi-experimental es: una forma de investigación en la que el científico no tiene control directo de la VI porque sus manifestaciones ya han tenido lugar o porque no son manipulables. un estudio en el que la VI es manipulada pero los grupos no son asignados de forma aleatoria a las condiciones experimentales. una situación en la que el investigador observa fenómenos en una situación estrictamente controlada donde una o más VI se manipulan o varian para ver sus efectos sobre una o más VD.

Para detectar errores en los datos la principal acción que debes realizar es: Reducir el número de categorías de la variable para poderlas analizar manualmente. Recodificar los valores de las bases de datos en nuevos valores para detectar inconsistencias en las respuestas. Detectar valores fuera del rango de la variable mediante el análisis de la distribución de frecuencias.

La mejor forma de corregir las amenazas a la validez interna de los diseños experimentales con los mismos sujetos es: asignar aleatoreamente el orden de las condiciones a cada uno de los sujetos. incluir en el diseño un grupo control por placebo. eliminar la influencia de variables extrañas mediante la sensibilización.

Los diseños factoriales se caracterizan por: Manipular una única VI. Manipular dos o más VI. No manipular las VI.

Las técnicas más utilizadas en la investigación no experimental explicativa son: Ecuaciones estructurales y análisis factorial. Medidas de tendencia central y dispersión. Regresión y correlación.

El diseño de bloques aleatorios nos permite: eliminar los efectos de las variables extrañas mediante procedimientos estadísticos como el análisis de covarianza. Controlar variables extrañas equiparando a los grupos en una o más variables correlacionadas con la VD eliminando su influencia. Introducir una variable extraña en el diseño eliminando su efecto en la varianza del error y examinar posibles efectos moderadores.

Los diseños de grupos no equivalentes, de series temporales y de discontinuidad de la regresión son ejemplos de diseños: experimentales. cuasiexperimentales. no experimentales.

Según sus objetivos la investigación cuantitativa no experimental se puede dividir en: Descriptiva, predictiva-relacional, explicativa. Retrospectiva, transversal y longitudinal. Encuestas, observación y regresión-correlación.

Uno de los diseños no experimentales más utilizados en psicología de la salud en el que el investigador forma grupos de individuos que varían en la característica de interés(por ejemplo padecer una enfermedad como cáncer o SIDA) y estudia variables pasadas, actuales o futuras se llama: Diseño de caso-control. Diseño comparativo-causal. Diseño de cohorte única.

Según su dimensión temporal la investigación cuantitativa no experimental se puede dividir en: Encuestas, observación y regresión-correlación. Retrospectiva, transversal y longitudinal. Descriptiva, predictiva-relacional, explicativa.

Una investigación cuantitativa no experimental es: un estudio en el que la VI es manipulada pero los grupos no son asignados de forma aleatoria a las condiciones experimentales. una situación en la que el investigador observa fenómenos en una situación estrictamente controlada donde una o más VI se manipulan o varian para ver sus efectos sobre una o más VD. una forma de investigación en la que el científico no tiene control directo de la VI porque sus manifestaciones ya han tenido lugar o porque no son manipulables.

Cuando una variable tiene más del 50% de los casos perdidos lo más aconsejable es: Eliminarla del análisis. Imputarla con procedimientos como hotdeck y regresión. Imputarla con procedimientos complejos como máxima verosimilitud.

El siguiente cuadro corresponde a un diseño: Doble pretest con grupos no equivalentes. Pretest-postest con grupo de control no equivalente. Pretest-postest con muestras diferentes.

La investigación no experimental en la que el investigador intenta desarrollar o probar una teoría sobre un fenómeno para explicar cómo y por qué opera e identificar factores que producen cambios se llama: Relacional/predictiva. Descriptiva. Explicativa.

El diseño de investigación es: Planificación sistemática de la investigación para poder llegar a conclusiones válidas. Asignación de los participantes a los grupos de investigación. Los tratamientos, intervenciones o manipulaciones de la VI que se representan por la letra X.

Un experimento es: un estudio en el que la VI es manipulada pero los grupos no son asignados de forma aleatoria a las condiciones experimentales. una situación en la que el investigador observa fenómenos en una situación estrictamente controlada donde una o más VI se manipulan o varian para ver sus efectos sobre una o más VD. una forma de investigación en la que el científico no tiene control directo de la VI porque sus manifestaciones ya han tenido lugar o porque no son manipulables.

En un diseño factorial un efecto de interacción ocurre cuando: existe variación del error o residual que no es explicada por los efectos de las VI. el efecto de una VI difiere a lo largo de los niveles de las otras VI. existe un efecto independiente de cada una de las VI ignorando o manteniendo constantes los efectos de otras VI.

La siguiente gráfica sirve para: Estudiar la forma de la distribución. Evaluar el supuesto de normalidad. Analizar la tendencia central de una distribución.

Es el nivel de inseguridad o error tipo I que está dispuesto a tolerar el investigador en sus resultados: Región de rechazo. Nivel de significación estadística. Nivel de confianza.

A qué tipo de contraste corresponde la hipótesis H0:B≤0: Unilateral izquierdo. Unilateral derecho. lateral.

Es una medida de dispersión que representa la diferencia entre el tercer y el primer cuartil de la distribución analizada: Rango intercuartil. Desviación típica. Rango.

Los criterios que deben cumplir los estadísticos son: Suficiencia, ausencia de sesgo, eficiencia, robustez. Suficiencia, ausencia de sesgo, potencia y validez. Validez, fiabilidad, ausencia de sesgo, robustez.

Cuando en la tabla de contingencia aparecen los totales de fila y de columna se llama: Distribución condicional. Distribución marginal. Distribución de frecuencias agrupadas.

La desviación típica del siguiente conjunto de números es: 3.2, 4.6, 2.8, 5.2, 4.4. 0.740. 0.897. 0.806.

Son medidas acotadas al intervalo [0, 1], que indican la fuerza de la asociación entre variables categóricas: Medidas simétricas. Medidas direccionales. Medidas de asociación.

Son medidas con finalidad predictiva. Las variables X e Y tienen diferente estatus (predictora y criterio): Medidas direccionales. Medidas simétricas. Medidas de asociación.

La cuasivarianza del siguiente conjunto de números es: 0,0,0,0,0,1,1,1. 0,27. 0,17. 0,52.

Los pasos de un contraste de hipótesis son: Formular hipótesis, verificar supuestos, aplicar el estadístico de contraste, aplicar la regla de decisión y tomar una decisión. Plantear hipótesis, aplicar el estadístico de contraste, aplicar la regla de decisión y tomar una decisión. verificar supuestos, aplicar el estadístico de contraste, aplicar la regla de decisión y tomar una decisión.

Cuando el coeficiente de apuntamiento o curtosis es mayor que 0 la distribución se denomina: Leptocúrtica. Mesocúrtica. Platicúrtica.

El siguiente diagrama es: Diagrama de barras. Diagrama de caja. Histograma.

La media aritmética, moda y mediana son medidas de: Tendencia central. Localización. Dispersión o variabilidad.

El rango de la siguiente distribución de puntuaciones en una prueba psicológica es: 2. 4. 3.

Son medidas con finalidad de asociación en las que X e Y tienen el mismo estatus: Medidas simétricas. Medidas direccionales. Medidas de asociación.

Es una medida de asociación que consiste en una modificación de Ji-cuadrado. Puede alcanzar el valor de 1 en caso de asociación perfecta y nunca puede exceder este valor. También evita el problema de la dependencia de los marginales para obtener valores máximos. Coeficiente V de Cramer. Coeficiente Phi. Coeficiente de Contingencia.

La descripción de los datos mediante: a) tablas de frecuencia, b) estadísticos de tendencia central, dispersión y forma y c) gráficos, se llaman: Estadísticos univariables. Estadísticos bivariados. Estadísticos multivariantes.

Es el extremo de la distribución muestral del estadístico determinada por el valor crítico, en la que se rechaza la hipótesis nula si el valor del estadístico cae en dicha región: Nivel de significación. Zona de rechazo. Nivel de confianza.

Estadísticos numéricos que permiten al investigador conocer la variabilidad de los datos con respecto a una medida de tendencia central, generalmente la media. Medidas de tendencia central. Gráficas estadísticas. Medidas de dispersión.

El supuesto según el cual las j observaciones proceden de una muestra aleatoria extraída de una distribución normal se llama: Homocedasticidad. Independencia. Normalidad.

Para probar este tipo de hipótesis nulas ¿qué tipo de prueba estadística podemos utilizar?: H0(A): μA1 = μA2 = μA3 = μA4 H0(B): μB1 = μB2 H0(AB): (αβ)jk= 0 (para todo j,k). ANOVA factorial. t de student. ANOVA.

¿para qué se usan las comparaciones post-hoc en un ANOVA?. Para comparar algunas medias entre sí cuando el ANOVA da un resultado no significativo y el investigador no tiene idea del tipo de diferencias que puede encontrar. Para comparar todas las medias entre sí cuando el ANOVA da un resultado significativo y el investigador no tiene idea del tipo de diferencias que puede encontrar. Para comparar algunas medias entre sí cuando el ANOVA da un resultado significativo y el investigador tiene idea del tipo de diferencias que puede encontrar.

El supuesto de ANOVA según el cual el valor de una observación no depende del valor obtenido en otras observaciones se llama: Independencia. Normalidad. Homocedasticidad.

El estadístico F de la ANOVA es: El resultante de dividir la media cuadrática del error entre la media cuadrática intragrupo. El resultante de dividir la media cuadrática intergrupo entre la media cuadrática del total. El resultante de dividir la media cuadrática intergrupo entre la media cuadrática del error (intragrupo).

Un investigador ha realizado un ANOVA del comportamiento ético de los empleados de una universidad encontrando diferencias significativas entre las diversas áreas de trabajo (directivos, administrativos, docentes), para conocer entre cuáles grupos existe diferencias ha realizado el siguiente contraste personalizado (apriori): Directivos-4 Administrativos2 Docentes2. Los tres grupos tienen comportamientos éticos equivalentes. Los directivos tienen un mejor comportamiento ético que los otros empleados. Los directivos tienen un peor comportamiento ético que los otros empleados.

¿Cuándo se utiliza la prueba de Mann-Whitney?. Cuando se quieren comparar más de dos muestras independientes y no se cumplen los supuestos paramétricos. Cuando se quieren comparar dos muestras independientes y no se cumplen los supuestos paramétricos. Cuando se quieren comparar dos muestras independientes y se cumplen los supuestos paramétricos.

En un ANOVA de efectos aleatorios: Los niveles de los factores son fijos y concretos. Los niveles de los factores se seleccionan mediante muestreo aleatorio. Los resultados que encontramos son aplicables a los niveles del factor pre-seleccionados.

En la siguiente figura correspondiente a un diseño factorial podemos observar: Efecto de A y B sin interacción. Efectos de A y B con interacción. Sólo el efecto principal de A.

En la siguiente tabla se presenta el resultado de un ANOVA efectuado en las diversas subescalas de un test de comportamiento ético en las organizaciones, ¿en cuál de las subescalas existen diferencias significativas entre las medias de los grupos? (alfa = 0,05). respeto, sinceridad y comprimiso. responsabilidad, esfuerzo y coherencia. esfuerzo, coherencia y compromiso.

Suponga que los resultados de un grupo de hombres y mujeres en un test de autoestima son: 105. 75. 55.

En la siguiente figura correspondiente a un diseño factorial podemos observar: Sólo el efecto principal de B. Sólo el efecto de la interacción. Sólo el efecto principal de A.

El supuesto de ANOVA según el cual las J observaciones de las que proceden las muestras tienen la misma varianza se llama: Independencia. Homocedasticidad. Normalidad.

En la siguiente figura correspondiente a un diseño factorial podemos observar: Sólo el efecto de la interacción. Sólo el efecto principal de A. Sólo el efecto principal de B.

Los supuestos y requisitos para utilizar una prueba t de Student son: Normalidad poblacional, varianzas iguales, observaciones independientes y nivel ordinal. Normalidad poblacional, varianzas iguales, observaciones independientes y nivel de intervalo o razón. Normalidad poblacional, varianzas iguales, observaciones dependientes y nivel de intervalo o razón.

En un análisis de varianza se puede afirmar que hay diferencias entre los tratamientos cuando: Las variaciones intergrupos son mayores que las intragrupos. Las variaciones intragrupos son mayores que las intergrupos. La media intergrupos difiere significativamente.

En la siguiente figura correspondiente a un diseño factorial podemos observar: Sólo el efecto principal de A. Efectos de A y B sin interacción. Sólo el efecto principal de B.

El eta cuadrado parcial es una medida de: Normalidad de las poblaciones. Homocedasticidad de las poblaciones. Tamaño del efecto en el ANOVA.

El estadístico de prueba adecuado para evaluar el supuesto de igualdad de varianzas es: Levene. Shapiro-Wilk. ANOVA.

¿cuándo resulta adecuado utilizar la prueba de Kruskal Wallis?. Cuando se quieren comparar dos grupos y se cumplen los supuestos paramétricos. Cuando el tamaño muestral es grande y el nivel de medida es de intervalo o razón. Cuando no se cumplen los supuestos de ANOVA y el nivel de medida es ordinal.