Análisis de Datos

Un investigador evalúa la variable nivel de ansiedad mediante las etiquetas, leve moderado y severo basándote en el tema 1 ¿en qué escala de medida se clasifica esta variable?. De razón. De intervalo. Ordinal. Nominal.

En un muestreo aplicado a estudiantes universitarios El investigador selecciona únicamente a los alumnos de su propio grupo. Qué se ofrecen voluntarios para conseguir Medio punto extra. Según el tema 1 ¿Cómo se denomina metodológicamente este procedimiento?. Muestreo por conglomerados. Muestreo estratificado. Muestreo no probabilístico. Muestreo aleatorio simple.

Se analizan los datos universitarios de un test Y se observa que la suma de todas las frecuencias absolutas (NI) Da un valor exacto. Según las fórmulas básicas del tema 2. ¿ a qué equivale dicha suma?. Al valor de la media aritmética. A la unidad 1. Al tamaño total de la muestra N. Al porcentaje acumulado total 100 %.

Observa los siguientes resultados estadísticos Univariantes de una escala de bienestar: Media Igual 25; Mediana igual A 25; Moda igual 25. ¿Qué forma tiene la distribución?. Simétrica. Asimétrica negativa. Asimétrica positiva. Faltan datos.

Al cruzar las variables género y tipo de tratamiento En Jamovi ; Se obtiene un estadístico X² = 12,90 Con una significación p =.012. Si aplicamos Un nivel α =.05, ¿Cuál es la decisión estadística correcta?. Mantener la hipótesis nula y concluir que las variables son independientes. Mantener la hipótesis alternativa y concluir que las variables son dependientes. Aceptar el tamaño del efecto Es nulo sin necesidad de revisar otros coeficientes. Rechazar la hipótesis nula y concluir que existe relación significativa entre las variables.

Si tuviéramos una tabla de contingencia de dimensiones 3 filas y cuatro columnas , ¿Cuántos grados de libertad tendría el estadístico Chi-cuadrado resultante?. 12. 8. 6. 5.

Para cuantificar la intensidad de la asociación en una tabla de contingencia 2 por 2 tras un análisis de chi cuadrado significativo ¿Qué estadístico específico se debe interpretar según el tema 3?. El coeficiente Phi (Φ ). El coeficiente de determinación R². La D de Cohen. El coeficiente de correlación de Pearson.

¿Qué limitación principal presenta la covarianza como indicador de la asociación entre 2 variables cuantitativas?. Carece de límites inferior y superior estables, lo que impide evaluar la fuerza o magnitud de la relación. Es un estadístico que se ve alterado si la relación subyacente es estrictamente lineal. No permite deducir si la relación entre las variables es directa o inversa. Su cálculo es aplicable exclusivamente a variables medidas en escala nominal u ordinal.

Si el coeficiente de correlación lineal de Pearson entre 2 variables presenta un valor de -0.05, Esto denota: Una relación lineal directa Y de magnitud Moderada. Una relación lineal inexistente o espuria. Una relación causal muy alta entre las variables. Una relación lineal inversa y de intensidad elevada.

Cuando se define teóricamente la probabilidad bajo un enfoque en el cual es imposible prever con certeza absoluta el resultado individual e influye en azar, Nos encontramos ante. Un fenómeno determinista. Una constante paramétrica poblacional Invariable. Un modelo de regresión de ajuste perfecto. Un fenómeno o experimento aleatorio.

¿Cuál es una condición fundamental para el uso legítimo de la distribución binomial B(n,p)?. Que la variable de interés sea estrictamente continua y de intervalo. Que el número de ensayos N tienda obligatoriamente infinito. Que la probabilidad de éxito p varíe de manera sistemática en cada ensayo sucesivo. Que existan únicamente dos posibles resultados mutuamente excluyentes en cada ensayo.

La distribución muestral de un estadístico fundamenta la estadística inferencial porque permite. Sustituir por completo la recogida empírica de datos en el campo de la salud. Calcular descriptivamente la media de una única muestra sin admitir error. Conocer la probabilidad de obtener Los diferentes valores del estadístico bajo el supuesto de infinitos muestreos aleatorios. Garantizar que la varianza poblacional sea siempre equivalente a la unidad.

Un contraste de hipótesis se diferencia esencialmente de la estimación de parámetros ¿En qué?. La estimación busca comprobar teorías y el contraste solo calcula medias. La estimación es exclusiva de la estadística de corte no paramétrico. El contraste de hipótesis no asume nunca ningún margen de error probabilístico. El resultado final de una estimación es un intervalo o valor numérico, mientras que el del contraste es una decisión de rechazo o no de una afirmación.

El error de tipo 1 en un contraste estadístico se define formalmente como. Modificar el nivel de confianza tras observar los descriptivos muestrales. Rechazar la hipótesis nula siendo esta verdadera en la población. No rechazar la hipótesis nula cuando esta es falsa en la población. Establecer una hipótesis alternativa unidireccional errónea.

Si el nivel de significación experimental o nivel crítico (P- valor) obtenido es menor que el nivel (α) establecido (v.g.,p<0.05), la decisión estadística correcta es. Rechazar la hipótesis nula aceptando que existen diferencias estadísticamente significativas. Aumentar obligatoriamente el tamaño de la muestra para desempatar. Mantener firmemente la hipótesis nula por falta de pruebas. Aceptar la hipótesis alternativa de que existe una diferencia.

Cuando comparamos las puntuaciones en niveles de ansiedad de un único grupo de pacientes evaluados antes de comenzar una terapia (pre) y tras concluir la misma (post), estamos ante. Un contraste de hipótesis sobre proporciones binomiales puras. Un diseño de muestras dependientes relacionadas o de medidas repetidas. Un diseño de 2 muestras completamente independientes. Un análisis de varianza inter sujetos de 3 factores.

¿Qué prueba no paramétrica es el equivalente directo de la prueba t de Student, para dos muestras independientes cuando se incumple el supuesto de normalidad. La prueba de los rangos con signo de Wilcoxon. La prueba U de Mann Whitney. El coeficiente de correlación, momento-producto de Pearson. La prueba de Friedman.

Si deseamos estudiar simultáneamente, el efecto de una intervención sobre el rendimiento académico, comparando un grupo control, un grupo con terapia presencial y un grupo con teleterapia. La aplicación aislada de múltiples pruebas t de Student, confrontando los grupos de 2 en dos, provoca. Una reducción drástica del error de tipo dos. Que los datos pasen automáticamente a considerarse variables Cualitativas ordinales. Un aumento inflado de la probabilidad global de cometer un error tipo 1. (Tasa de rol familiar.). Una distorsión insalvable en el cálculo de la ordenada en el origen de la regresión.

En una investigación para comparar la eficacia de un programa de entrenamiento cognitivo se mide el rendimiento de dos grupos independientes (n₁ = 25, n₂ = 25). Al comprobar las condiciones matemáticas previas a la prueba *t* de Student, el software arroja la siguiente tabla de resultados: Prueba de Homogeneidad de Varianzas (Levene) Estadístico F gl p Rendimiento cognitivo 5,24 1 0,026 Fijando un nivel de significación de α = 0,05, ¿cuál es la interpretación y decisión metodológica correcta ante estos datos?. Se cumple el supuesto de homocedasticidad porque p> 0.05, por lo que se debe aplicar la prueba T de Studen estándar, asumiendo varianzas Iguales. Se infringe el supuesto de normalidad de la variable rendimiento, lo que obliga de manera inmediata a sustituir el análisis por la prueba U de Mann withney. Se rechaza la hipótesis de igualdad de varianzas P< 0.05, por lo que no hay homocedasticidad y se debe interpretar el contraste de medias empleando la corrección o prueba Welch. El resultado carece de validez estadística porque los grados de libertad (gl) de la tabla de Levene deberían ser equivalentes al tamaño muestral total menos 2.( N- 2 = a 48).

Bajo las reglas axiomáticas del cálculo de probabilidades. La probabilidad de cualquier suceso elemental A obligatoriamente debe cumplir que. Sea un número real acotado exclusivamente entre 0 y 1. Ambos incluidos. Puede tomar cualquier valor real entre menos infinito (−∞), más infinito (+∞). Su valor sea siempre equivalente al tamaño del error tipo 1. Aumente de forma proporcional si la escala de medida es de razón.

La distribución t de Student se asemeja morfológicamente a la distribución normal estándar, pero se diferencia de esta en que: Sus colas son más gruesas (mayor dispersión) y su forma exacta viene condicionada por los grados de libertad. Es completamente asimétrica y solo admite valores positivos. Carece por completo de aplicaciones en contrastes de hipótesis psicológicos. Se utiliza únicamente para variables categóricas de tipo nominal.

La hipótesis nula (Ho) en un contraste estadístico ordinario se caracteriza por ser la afirmación que postula: Que el tamaño de la muestra es sesgado e inválido. La ausencia de diferencias, de efectos o de relación entre las variables analizadas en la población. Que el coeficiente de determinación será exactamente igual a 1. La presencia de efectos terapéuticos significativos y revolucionarios.

En un modelo de regresión lineal simple, el indicador matemático que se encarga de cuantificar el grado de variabilidad residual en las predicciones se denomina: Coeficiente rho de Spearman. Varianza residual o error cuadrático medio. Media de los cuadrados intergrupos. Puntuación tipificada asintótica.

En el contexto de un ANOVA de un factor de grupos independientes, si la Media Cuadrática Intergrupos es prácticamente idéntica a la Media Cuadrática Intragrupos (Error), el valor del estadístico F será próximo a: 0. 1. -1. Faltan datos para responder.

En una recta de regresión lineal, si el coeficiente de correlación de Pearson entre predictor y criterio es igual a cero, la pendiente de la recta de regresión (b) será igual a: 0. Al valor medio de la variable predictora. 1. -1.

Si una variable aleatoria discreta sigue una distribución binomial identificada como B(10, 0.30), el valor '10' indica. La probabilidad de fracaso de la variable. El número fijo de ensayos o repeticiones del experimento (n). La desviación típica teórica calculada para la población. El número exacto de éxitos demandados en la pregunta.

En las pruebas post hoc de ANOVA, ¿en qué circunstancia metodológica concreta se prefiere la utilización del ajuste de Games-Howell por encima del test de Tukey?. Cuando el estadístico F global del ANOVA ha resultado no significativo. Cuando los datos se recogen mediante metodologías estrictamente cualitativas nominales. Cuando se asume homocedasticidad total y los tamaños de los grupos son idénticos. Cuando se vulnera el supuesto de homogeneidad de varianzas (heterocedasticidad).

En un informe estadístico leemos que la comparación de medias entre dos grupos arrojó una t=2.45 con un valor crítico p=0.018. Si fijamos un α=0.01, concluimos que: Las medias son idénticas y el tratamiento fracasó. No hay evidencia que diga que el tratamiento haya fracasado. Debemos aplicar de forma obligatoria estadística no paramétrica de inmediato. Existen diferencias significativas entre los grupos.

Para verificar formalmente si las puntuaciones de una variable cuantitativa se ajustan de manera óptima a la distribución normal en muestras relativamente pequeñas (n<50), la prueba estadística recomendada es. La prueba de esfericidad de Mauchly. La aproximación binomial de Bernoulli. La prueba de Shapiro-Wilk. El coeficiente beta de mínimos cuadrados.

A partir de la información de esta tabla, ¿cuál es la conclusión correcta del análisis utilizando un nivel \alpha = 0.05? (ANOVA de un factor)(Suma de cuadrados)(Grados libertad(gl)(Media cuadrática) Entre grupos (Terapia) 120.50 2 60.25 Dentro grupos (Error) 413.60 44 9.40. El tipo de terapia no ejerce un efecto estadísticamente significativo sobre el estrés debido a que la suma de cuadrados del error es mayor que la intergrupos. Existen diferencias estadísticamente significativas entre las terapias (p = 0.003), con un tamaño del efecto de magnitud elevada (ηₚ² = 0.23) indicando que el factor explica el 23% de la varianza del estrés. Se acepta por completo la hipótesis nula de igualdad de medias grupales y se procede a realizar comparaciones post hoc de Tukey de forma obligatoria. El modelo carece de validez matemática porque los grados de libertad totales del experimento no se reflejan explícitamente en el cuerpo principal de la tabla.

La potencia de un contraste estadístico (1−β) representa la probabilidad de: Equivocarse al aplicar escalas de medida cualitativas. Rechazar la hipótesis nula cuando esta es verdaderamente falsa en la población. Aceptar la hipótesis nula siendo esta falsa. Cometer un falso positivo bajo control estricto.

En un contraste de hipótesis bilateral sobre una media, la región de rechazo de la hipótesis nula se ubica en: En los puntos de inflexión donde la varianza se hace igual a cero. El centro exacto de la distribución muestral teórica. Repartida equitativamente en los dos extremos o colas de la distribución de probabilidad. Exclusivamente en la cola derecha o superior de la curva.

Para poder tipificar una puntuación directa extraída de una población normal y transformarla en una puntuación Z estándar, se requiere. Restarle la media poblacional y dividir el resultado entre la desviación típica. Multiplicar el valor directo por el tamaño de la muestra. Calcular el logaritmo neperiano de los grados de libertad. Elevar la puntuación al cuadrado para eliminar valores negativos.

En teoría de la probabilidad, si dos sucesos A y B son estrictamente mutuamente excluyentes o incompatibles, su probabilidad de intersección P(A∩B) es igual a: P(A) - P(B). 1. P(A)+P(B). 0.

Si lanzamos un dado equilibrado de seis caras, ¿cuál es la probabilidad teórica (enfoque a priori o de Laplace) de obtener un número par?. 0.500. 1.000. 0.166. 0.333.

¿Qué supuesto particular e indispensable se añade al ANOVA de medidas repetidas (muestras relacionadas) que no se requería en el ANOVA de grupos independientes?. El supuesto de homocedasticidad estricta. El supuesto de esfericidad. El supuesto de linealidad multivariada. La dicotomización forzada del criterio cuantitativo.

En el marco del Análisis de Varianza (ANOVA), la variabilidad total de las puntuaciones se descompone matemáticamente en. Varianza residual y varianza ordinal. Covarianza de Pearson y varianza de Spearman. Varianza intergrupos (debida al factor) y varianza intragrupos (debida al error). Coeficiente de determinación y error tipificado.

Modelo Coeficientes no estandarizados (B) Error típico t (Constante / Intersección) 15.40 2.10 7.33 Horas de formación 1.85 0.42 4.40 Teniendo en cuenta estos valores, ¿cuál es la ecuación de la recta de regresión lineal para realizar predicciones y qué interpretación matemática se deriva de su pendiente?. {Y} = 2.10 + 0.42X; por cada hora de formación el desempeño disminuye exactamente 0.42 unidades. {Y} = 1.85 + 15.40X; la formación no influye en el criterio laboral de forma significativa al ser el p-valor menor a 0.05. {Y} = 15.40 + 1.85X; por cada hora adicional de formación que recibe el empleado, se predice un incremento de 1.85 puntos en su puntuación de desempeño. {Y} = 7.33 + 4.40X; la predicción basal cuando la formación es igual a cero se fija de manera exacta por el valor del estadístico t.

En un modelo de regresión lineal simple se obtiene la siguiente ecuación matemática: Y' = 2.5 . X + 10. Si un sujeto puntúa X=4 en la variable predictora, ¿cuál será su puntuación pronosticada (Y')?. 20 (Cálculo: 2.5 . 4 + 10 = 10 + 10 = 20). 22.5. 14. 10.

Se conoce que la probabilidad de que un paciente sufra insomnio es P(I)=.30 y la probabilidad de padecer migraña es P(M)=.20. Si ambos sucesos son estadísticamente independientes, ¿cuál es la probabilidad conjunta de que un paciente sufra ambas afecciones al mismo tiempo [P(I∩M)]?. .50. .06. .44. .10.

Las puntuaciones de un test de memoria siguen una distribución normal con media μ=100 y desviación típica σ=15. Si transformamos la puntuación de un sujeto que obtuvo una puntuación directa de X=130, ¿qué puntuación típica estandarizada (z) le corresponde?. 30.00. -2.00. 1.50. 2.00.

En la inferencia estadística paramétrica se exige de manera regular que. Los datos vengan medidos en escalas estrictamente ordinales. Las variables no sigan formas o distribuciones matemáticas conocidas. Las variables tengan un nivel de medida de intervalo o razón. El tamaño muestral esté limitado por diseño a un máximo de cinco sujetos.

La d de Cohen constituye un estimador del tamaño del efecto idóneo cuando procedemos a: Descomponer la varianza multifactorial en un ANOVA. Calcular la probabilidad de la unión de sucesos no excluyentes. Verificar la esfericidad en muestras empíricas vinculadas. Comparar las medias de dos grupos.

En un estudio epidemiológico sobre salud mental se determina que la probabilidad de sufrir ansiedad en la población general es P(A) = 0.20, la probabilidad de sufrir insomnio es P(I) = 0.30 y la probabilidad de sufrir ambos trastornos simultáneamente es P(A ∩I) = 0.05. Si seleccionamos un individuo al azar, ¿cuál es la probabilidad de que padezca ansiedad o insomnio?. 0.06. 0.15. 0.45. 0.50.

Un equipo de psicólogos determina que el 40% de los pacientes que acuden a terapia siguen un tratamiento cognitivo-conductual (TCC) y el 60% restante sigue una terapia de aceptación y compromiso (ACT). Se sabe que la probabilidad de recibir el alta médica antes de los 3 meses es de 0.70 para quienes realizan TCC y de 0.50 para quienes realizan ACT. Si elegimos un paciente dado de alta antes de los 3 meses de forma aleatoria, ¿cuál es la probabilidad de que haya realizado TCC?. 0.400. 0.483. 0.580. 0.280.

En una tarea cognitiva de laboratorio con estímulos visuales, la probabilidad de que un sujeto cometa un error en un ensayo determinado es P(E)=0.15. Si un participante realiza dos ensayos consecutivos totalmente independientes el uno del otro, ¿cuál es la probabilidad de que cometa un error en ambos ensayos?. 0.0225. 0.3000. 0.1500. 0.9775.

Un investigador quiere contrastar si un programa de estimulación cognitiva incrementa la capacidad de memoria de trabajo. Para ello, selecciona una muestra de sujetos y evalúa su rendimiento antes de la intervención (Pre) y después de la misma (Post). ¿Cuál es el planteamiento correcto de las hipótesis estadísticas si espera un efecto positivo del programa?. H₀: Md₍Pre₎ = Md₍Post₎ frente a H₁: Md₍Pre₎ ≠ Md₍Post₎. H₀: μ₍Pre₎ = μ₍Post₎ frente a H₁: μ₍Pre₎ < μ₍Post₎. H₀: μ₍Pre₎ ≠ μ₍Post₎ frente a H₁: μ₍Pre₎ = μ₍Post₎. H₀: μ₍Pre₎ = μ₍Post₎ frente a H₁: μ₍Pre₎ ≠ μ₍Post₎.

Deseamos comparar los niveles de estrés burnout entre psicólogos clínicos que trabajan en el sector público y los que trabajan en el sector privado. Tras aplicar una escala cuantitativa a dos muestras independientes de 20 profesionales cada una, se ejecuta la prueba de Shapiro-Wilk para comprobar la normalidad, obteniendo un valor de p = 0.65 para el grupo público y p = 0.72 para el grupo privado. ¿Qué se concluye sobre este supuesto?. Se acepta la hipótesis nula de normalidad en ambos grupos ya que p>0.05, confirmando que los datos se ajustan a una distribución normal. Los resultados no son concluyentes porque el tamaño muestral es demasiado pequeño para interpretar el valor de p. Se confirma el supuesto de homocedasticidad o igualdad de varianzas intergrupos. Se rechaza la hipótesis nula, lo que implica que las distribuciones son asimétricas y se debe recurrir a una prueba no paramétrica.

Un estudio compara la eficacia de tres tipos de intervenciones psicoterapéuticas para reducir la ansiedad. Se realiza un ANOVA de un factor de grupos independientes con una muestra total pequeña (N<30). Tras ejecutar el análisis, se obtiene un valor de significación de p<0.001 y un índice de tamaño del efecto η2 =0.66. ¿Cómo debe interpretarse este tamaño del efecto según los criterios estadísticos establecidos en la materia?. Se trata de un tamaño del efecto grande, lo que indica que una proporción muy alta de la variabilidad de la ansiedad es explicada por el tipo de intervención. El valor de η2 está sesgado debido al tamaño de la muestra y debería haberse calculado el coeficiente omega. El tamaño del efecto es moderado o medio, cumpliendo justamente con los estándares habituales en investigaciones psicológicas. Es un tamaño del efecto pequeño, por lo que las diferencias encontradas carecen de relevancia práctica a pesar de ser significativas.

Tras obtener un resultado global estadísticamente significativo en un ANOVA de un factor (p<0.05) al comparar tres métodos de enseñanza con 60 sujetos cada uno, un psicólogo educativo desea realizar comparaciones múltiples por pares para saber entre qué grupos concretos existen diferencias. Si los grados de libertad del análisis son F(2,179), ¿qué prueba post hoc específica debe seleccionar según el manual?. La corrección de Welch. . La prueba de Games-Howell. La prueba de Kruskal-Wallis. La prueba de Tukey.

En una investigación sobre el impacto del estrés en el rendimiento académico, ¿qué tipo de variable es el rendimiento académico?. Moderadora. Extraña. Independiente. Dependiente.

Un psicólogo selecciona una muestra de estudiantes seleccionando a aquellos que voluntariamente se ofrecen a cambio de créditos extra. ¿Qué tipo de muestreo se ha realizado?. Muestreo aleatorio simple. Muestreo no probabilístico por conveniencia. Muestreo estratificado. Muestreo por bola de nieve.

La variable 'Nivel de Ansiedad' medida como 'Bajo, Medio, Alto' se clasifica bajo una escala de medida: Ordinal. Nominal. De razón. De intervalo.

¿Cuál de las siguientes fases pertenece de forma exclusiva a una aproximación metodológica puramente cualitativa en Psicología?. Cálculo del tamaño del efecto mediante estadísticos. Formulación matemática de la hipótesis nula. Análisis e interpretación mediante codificación inductiva y categorización temática. Control experimental de variables extrañas en laboratorio.

Si una escala mide el número de respuestas correctas en un test psicométrico de memoria, ¿cuál es su escala de medida?. De razón. Nominal. Ordinal. De intervalo.

Desriptivos, Puntuación Test N, 60 Media, 25.5 Mediana, 21.0 Moda, 19.0 Desviación típica, 4.2 A partir de estos datos, ¿Qué forma de simetría presenta la distribución?. Asimetría negativa. Distribución uniforme. Simétrica. Asimetría positiva.

¿Qué estadístico de dispersión es aconsejable utilizar si la variable está medida en escala ordinal?. Varianza. Desviación típica. Amplitud semi-intercuartílica. Coeficiente de variación.

Un estudiante obtiene una puntuación en un test adaptado que lo sitúa en el percentil 85. Esto significa que: Supera al 85% de la muestra de referencia. Ha respondido correctamente al 85% de las preguntas. Es superado por el 85% de sus compañeros. Su puntuación típica z es exactamente igual a 0.85.

Si a todas las puntuaciones observadas de una variable se les suma una constante igual a 5, ¿qué sucede con su varianza?. Se multiplica por 25. Se incrementa en 5 unidades. Se incrementa en 25 unidades. Permanece invariable.

¿Cuál de las siguientes afirmaciones define correctamente el concepto de 'Moda'?. Es el promedio algebraico de las puntuaciones obtenidas. Es el valor o categoría que presenta la mayor frecuencia absoluta dentro de la muestra. Es el valor central que divide la distribución en dos mitades con igual número de casos. Es la distancia entre el valor máximo y el mínimo de la muestra.

Tablas de Contingencia - Ji-cuadrado de asociación Valor gl p Ji-cuadrado de Pearson, 12.45 2 0.002 N de casos válidos, 150 ¿Qué conclusión podemos extraer respecto a la relación de las dos variables cualitativas analizadas empleando un nivel alfa 0.05 ?. Existe una relación estadísticamente significativa entre ambas variables. La hipótesis nula queda demostrada como verdadera. Las variables analizadas son completamente independientes. El tamaño del efecto de la asociación es igual a 12.45.

En una tabla de contingencia 3×4 (3 filas y 4 columnas), ¿cuántos grados de libertad (gl) tiene el estadístico Ji-cuadrado de Pearson?. 6. 5. 12. 7.

Para cuantificar la intensidad de la asociación entre dos variables nominales en una tabla de contingencia de tamaño 4×4, el coeficiente más idóneo es. La d de Cohen. La V de Cramer. El coeficiente Phi. El coeficiente de correlación de Pearson.

¿Cuál es la condición fundamental respecto a las frecuencias esperadas para poder aplicar con seguridad la prueba de Ji-cuadrado de Pearson?. No debe haber más de un 20% de celdas con frecuencias esperadas inferiores a 5. La muestra total estudiada debe ser inferior a 20 casos en total. Las frecuencias esperadas deben ser idénticas en todas y cada una de las celdas. Todas las frecuencias observadas deben ser exactamente iguales a cero.

Si deseamos analizar la asociación cruzada entre el tipo de carrera universitaria elegida (Letras, Ciencias, Salud) y el tipo de ocio preferido, emplearemos: Prueba t de Student para muestras relacionadas. Tablas de contingencia acompañadas de la prueba Ji-cuadrado. Correlación lineal de Pearson. Análisis de Regresión Lineal Múltiple.

Un coeficiente de correlación de Pearson igual a −1 indica la presencia de una relación: Total ausencia de relación lineal. Relación causal perfecta entre ambas variables. Lineal débil y directa. Lineal fuerte e inversa.

Coeficientes del Modelo --------------------------------------------------------- Predictor Estimación EE t p --------------------------------------------------------- Intersección 12.35 2.10 5.88 < 0.001 Horas_Sueño 4.50 0.85 5.29 < 0.001 --------------------------------------------------------- ¿Cuál es la ecuación matemática estimada de la recta de regresión?. Y' = 12.35 - 4.50 · X. Y' = 4.50 + 12.35 · X. Y' = 12.35 + 4.50 · X. Y' = 5.88 + 5.29 · X.

- En el contexto de la regresión lineal, el coeficiente de determinación R2 representa. La pendiente exacta de la recta de regresión estimada. El valor del p-valor asociado al test de significación global F. La proporción de la varianza total de la variable dependiente que es explicada por el modelo de regresión. El error estándar residual que comete el modelo predictivo.

Si el coeficiente de correlación lineal de Pearson entre dos variables cuantitativas es exactamente igual a 0, se puede concluir que. Todos los puntos del diagrama de dispersión forman una línea recta perfecta horizontal. Las variables son totalmente independientes en todos los sentidos posibles. No existe ningún tipo de relación lineal entre ambas variables. La varianza de ambas variables es idéntica y nula.

En una ecuación de regresión lineal simple, si la pendiente estimadora b1 posee un signo negativo, el coeficiente de correlación de Pearson asociado: Será obligatoriamente negativo. Su valor absoluto será estrictamente mayor que 1. Será igual a cero de manera constante. Será siempre positivo.

Un investigador desea predecir la puntuación en un test de felicidad a partir de tres predictores cuantitativos distintos. ¿Qué técnica debe emplear?. Correlación parcial de Spearman. Análisis univariante de contingencia cualitativa. Regresión lineal simple. Regresión lineal múltiple.

Si definimos el espacio muestral del lanzamiento de un dado convencional de seis caras como E={1,2,3,4,5,6}, ¿cuál es la probabilidad teórica a priori de obtener un número par?. 0,33. 0.16. 0,66. 0,50.

Si dos sucesos A y B son mutuamente excluyentes o incompatibles, la probabilidad de su intersección P(A∩ B) es igual a: 1. 0. P(A) + P(B). P(A) – P(B).

La probabilidad de padecer fobia social en una población clínica es de 0.10, si se selecciona una persona al azar, la probabilidad de que NO padezca dicha fobia es: 0,10. 0,90. 0,50. 0,00.

El teorema que permite recalcular las probabilidades de diversas causas potenciales una vez que ya se ha observado el resultado empírico se conoce como: Regla aditiva de la probabilidad general. Ley de los Grandes Números. Teorema de Bayes. Teorema Central del Límite.

Si lanzamos una moneda equilibrada tres veces consecutivas, ¿cuántos resultados posibles componen el espacio muestral completo del experimento?. 8. 4. 3. 6.

Si seleccionamos de forma aleatoria e independiente a dos personas en una comunidad donde el 30% fuma de forma habitual, ¿cuál es la probabilidad de que AMBAS sean fumadoras?. 0,15. 0,09. 0,30. 0,60.

La distribución Binomial es un modelo de probabilidad que se aplica a variables de tipo: Ordinal con orden jerárquico infinito. Discreto, derivadas de procesos dicotómicos. Cualitativo nominal policotómico. Continuo, con rango simétrico infinito.

Una variable aleatoria sigue una distribución Normal Estándar cuando los valores de sus parámetros de localización y dispersión son exactamente: Media igual a 100 y Desviación Típica igual a 15. Media igual a 1 y Desviación Típica igual a 0. Cualquier combinación donde la varianza duplique exactamente a la media. Media igual a 0 y Desviación Típica igual a 1.

¿Cuál de las siguientes afirmaciones constituye una propiedad matemática verídica de la curva de distribución teórica t de Student?. Es un modelo idóneo para analizar frecuencias nominales cruzadas. Posee un sesgo asimétrico positivo muy pronunciado independientemente de la muestra. Es perfectamente simétrica respecto a su media de cero y su forma depende de los grados de libertad. Solo toma valores estrictamente positivos que oscilan entre cero e infinito.

En una distribución de tipo Normal con media igual a 50 y desviación típica igual a 10, ¿qué puntuación típica tipificada z le corresponde exactamente a un sujeto que obtuvo un valor directo igual a 65?. 1.50. 0.65. -1.50. 15.00.

Las distribuciones continuas Chi-cuadrado de Pearson y F de Fisher coinciden en la siguiente característica formal básica. No requieren conocer los grados de libertad para calcular sus probabilidades asociadas. Ambas están acotadas inferiormente por el valor cero y toman únicamente valores positivos. Ambas admiten un rango infinito que abarca números negativos. Ambas son perfectamente simétricas respecto a un eje central.

Si evaluamos a un grupo de 10 participantes de manera dicotómica (éxito/fracaso), ¿cuál es la probabilidad exacta de obtener exactamente 11 éxitos?. 0.50. 0.00. 1.00. 0.11.

En el marco de la teoría del contraste de hipótesis estadístico, el concepto de Error de Tipo I se define formalmente como: Rechazar la hipótesis nula siendo esta en realidad verdadera en la población. Formular hipótesis científicas que no se pueden contrastar empíricamente. Cometer fallos instrumentales durante la fase de transcripción de datos. Mantener o aceptar una hipótesis nula que en realidad es falsa.

Si mantenemos fijas todas las demás condiciones de un contraste, ¿qué efecto directo produce reducir el nivel de significación α de 0.05 a 0.01?. El p-valor obtenido se duplica de manera automática e inmediata. Aumenta la probabilidad de cometer Error de Tipo I de forma proporcional. La potencia del contraste estadístico se incrementa de forma paralela. Aumenta la de cometer Error de Tipo II.

La región matemática complementaria que se sitúa exactamente fuera de la zona de rechazo en un contraste inferencial y cuya probabilidad se denota como 1−α recibe el nombre de: Potencia del contraste. Nivel de significación marginal. Nivel de confianza. Región de asimetría crítica.

Un psicólogo obtiene un p-valor igual a 0.001 tras contrastar un tratamiento. Esto significa que: La hipótesis alternativa tiene una probabilidad exacta del 99.9% de ser verdadera. La probabilidad de observar estos datos o unos más extremos si la hipótesis nula fuese cierta es de 1 entre 1000. El tamaño del efecto de la intervención es sumamente potente e intenso. Se ha cometido de forma irreversible un Error de Tipo I.

Si planteamos la hipótesis nula como H0 :μ≤100, ¿qué tipo de contraste estadístico estamos diseñando?. Paramétrico unilateral izquierdo. Paramétrico unilateral derecho. Paramétrico bilateral simétrico. No paramétrico de distribución libre.

Un investigador comete un Error de Tipo II cuando toma la decisión de: Modificar la hipótesis de investigación tras observar los datos recopilados. Rechazar la hipótesis nula cuando no hay efectos reales. Utilizar muestras excesivamente grandes en diseños experimentales. No rechazar la hipótesis nula cuando en realidad existía un efecto real en la población.

Prueba t de muestras independientes -------------------------------------------------- Estadístico gl p -------------------------------------------------- Puntuación t 2.34 48 0.023 -------------------------------------------------- Teniendo en cuenta que los datos asumen normalidad e igualdad de varianzas, ¿Qué decisión tomaremos con un nivel de significación de 0.05?. No rechazar la hipótesis nula por falta de diferencias estadísticas evidentes. Rechazar la hipótesis nula, concluyendo que existen diferencias significativas entre las medias de ambos grupos. Aplicar de forma inmediata una prueba no paramétrica como la U de Mann- Whitney. Aceptar la hipótesis alternativa, concluyendo que existen diferencias significativas entre las medias de ambos grupos.

Si medimos el nivel de autoeficacia en un único grupo de pacientes 'Antes' y 'Después' de recibir psicoterapia, el diseño requiere aplicar: Prueba t de Student para muestras relacionadas. Prueba t de Student para muestras independientes. Análisis de varianza de un factor de entregrupos (ANOVA). Depende del resultado de la prueba de normalidad correspondiente.

La prueba estadística idónea para verificar el cumplimiento del supuesto paramétrico de homogeneidad de varianzas (homocedasticidad) entre dos grupos independientes es: El test de esfericidad de Mauchly. La prueba de Levene. La d de Cohen generalizada. La prueba de Shapiro-Wilk.

En una prueba t de Student para dos muestras independientes con 25 sujetos en el Grupo A y 25 sujetos en el Grupo B, ¿cuántos grados de libertad se emplean?. 24. 48. 50. 49.

Un valor del tamaño del efecto d de Cohen igual a 0.85 se interpreta teóricamente de acuerdo con los criterios convencionales como un efecto. Despreciable o nulo. Pequeño. Medio o Moderado. Grande.

Si queremos medir la eficacia de tres tratamientos diferentes donde hemos pedido a los participantes que indiquen en una escala de 0 a 10 su ansiedad, seleccionaremos: El test de Friedman. La prueba de los rangos con signo de Wilcoxon. La prueba de Kruskal-Wallis. La U de Mann-Whitney.

ANOVA de un factor ----------------------------------------------------------- Suma de cuadrados gl Media cuadrática ----------------------------------------------------------- Grupo 45.20 2 22.60 Residuos 198.50 45 4.41 ----------------------------------------------------------- ¿Cuántos grupos o niveles de tratamiento se están comparando en esta investigación?. 1. 2. 3. 45.

El objetivo principal de efectuar comparaciones múltiples post-hoc (como la prueba de Tukey) tras un ANOVA significativo es. Verificar de manera retrospectiva si se cumplía de forma válida el supuesto de esfericidad. Incrementar artificialmente el valor del Error de Tipo I global de la investigación. Identificar de forma específica entre qué parejas concretas de grupos existen diferencias de medias estadísticamente significativas. Calcular la ecuación final de la recta de regresión explicativa del modelo.

En el marco de la aplicación del Análisis de Varianza (ANOVA), el indicador estandarizado clásico utilizado para estimar el tamaño del efecto global se denomina: Coeficiente de correlación de Spearman. Eta-cuadrado (η2). Diferencia tipificada d de Cohen. Coeficiente V de Cramer.

Si decidimos contrastar la hipótesis de diferencias de medias entre cuatro grupos independientes, donde la prueba Kolmogorov Smirnov tiene un p-valor de .07 y la prueba de Leve tiene un p-valor de .04, recurriremos a. La prueba de rangos con signo de Wilcoxon repetida. ANOVA estándar de un factor basado en la F de Fisher tradicional. Una sucesión encadenada de 6 pruebas t de Student de muestras independientes sin corrección. ANOVA de Welch.

En un diseño de ANOVA de medidas repetidas con un único grupo sometido a tres condiciones temporales distintas, ¿qué supuesto específico debe cumplirse de forma obligatoria además de la normalidad?. La linealidad estricta medida a través de la covarianza de Pearson. El supuesto de independencia absoluta entre todas las observaciones del estudio. Que el número total de participantes sea obligatoriamente superior a 1000. El supuesto de esfericidad.