Análisis de datos REPASO FINAL

¿Cuál es la siguiente información sobre el coeficiente de correlación de Spearman es correcta?. La satisfacción se correlaciona en 0.13 lo que indica una relación baja positiva estadísticamente significativa. La satisfacción se correlaciona en 0.482 lo que indica una relación moderada positiva estadísticamente significativa. La satisfacción de incentivos se correlaciona en -0.482 lo que indica una relación moderada negativa estadísticamente significativa. La satisfacción se correlaciona en 0.13 lo que indica una relación moderada positiva estadísticamente no significativa.

¿Cuál es el propósito principal de la prueba de Shapiro-Wilk?. Determinar si dos variables categóricas son independientes. Evaluar si los datos siguen una distribución normal. Medir la fuerza y dirección de una correlación no paramétrica. Comparar las varianzas entre dos grupos.

Dado el siguiente resultado de la Prueba de igualdad de medias de grupos en un Análisis Discriminante, ¿qué decisión sería más adecuada respecto a esta variable no significativa?. Mantener la variable “Innovación” en el modelo y eliminar el resto de variables. Eliminar la variable “Innovación” del modelo y volver a realizar el análisis. Cambiar el método de discriminación para evitar problemas. Todas las opciones son incorrectas.

En la evaluación de la bondad del ajuste en un Análisis Discriminante, se utiliza una tabla para determinar cuántos casos han sido clasificados correctamente. ¿Qué afirmación es correcta respecto a la interpretación de esta tabla?. Una alta proporción de casos en la diagonal principal indica que el modelo tiene una buena capacidad predictiva. Los valores cercanos a +1 indican un buen ajuste. El modelo es válido si el p-valor es menor que 0.05 en la tabla de clasificación. Todas las opciones son incorrectas.

¿Cuál de los siguientes métodos no paramétricos es adecuado para medir la relación de dependencia entre dos variables nominales?. Tau-b de Kendall. Coeficiente de correlación de Spearman. Test Chi-Cuadrado. Coeficiente de correlación de Pearson.

Es un valor numérico calculado a partir de los datos de una muestra. Su propósito es ayudarnos a decidir si debemos rechazar o no rechazar la H₀. Hipótesis alternativa. Estadístico. Regla de rechazo. Hipótesis nula.

¿Cuál de las siguientes pruebas se utiliza para comparar las medias de más de dos grupos?. ANOVA (Análisis de Varianza). Prueba t de Student para una muestra. Prueba t de Student para dos muestras independientes. Coeficiente de correlación de Pearson.

¿Qué mide el coeficiente de correlación de Pearson?. La diferencia de medias entre dos grupos. La independencia entre dos variables categóricas. La fuerza y dirección de la relación lineal entre dos variables cuantitativas. La varianza dentro de un grupo.

¿Cuál de las siguientes es una suposición clave para utilizar el test t de Student?. Los datos deben seguir una distribución normal. Las variables deben ser categóricas. La muestra debe ser siempre mayor a 100. No debe haber valores atípicos (outliers).

¿Cuál es una de las limitaciones del coeficiente de correlación de Pearson?. Solo se aplica a datos nominales. Mide relaciones no lineales. Siempre implica causalidad entre las variables. Es sensible a los valores atípicos (outliers).

¿Qué se evalúa con la prueba de Levene en el contexto de ANOVA?. La normalidad de los datos. La independencia entre las variables. La relación lineal entre variables. La homogeneidad de las varianzas entre grupos.

Se desea determinar si el nivel medio de satisfacción de los clientes en 2023 (valor conocido) difiere del nivel medio de satisfacción de los clientes en 2024. ¿Qué prueba estadística sería más adecuada para este análisis?. ANOVA de un factor. Test t de Student para una muestra. Prueba Chi-Cuadrado. Coeficiente de correlación de Pearson.

¿En qué tipo de investigación es más útil aplicar el Análisis Factorial?. En investigaciones con una sola variable. En estudios de dependencia lineal entre dos variables. En investigaciones donde se quiere medir conceptos abstractos no observables directamente. En estudios con variables únicamente categóricas.

¿Cuál es el objetivo principal del Análisis Factorial Confirmatorio (AFC)?. Reducir el número de variables. Comprobar si los datos empíricos encajan con hipótesis o modelos predefinidos. Identificar nuevas dimensiones sin hipótesis previas. Todas las opciones son incorrectas.

En el proceso de extracción de variables latentes en un Análisis Factorial Exploratorio (AFE), ¿cuáles de las siguientes afirmaciones son correctas?. El objetivo es conservar el máximo de información con el menor número de factores. Las cargas factoriales deben ser mayores o iguales a 0.50 en un único factor. Se busca explicar al menos el 60% de la varianza total. Todas las opciones son correctas.

Señala la ventaja de las pruebas paramétricas frente a las no paramétricas. Presentan mayor poder estadístico. Tienen mayor precisión en las estimaciones que se realizan. Son sensibles a pequeñas diferencias. Todas las opciones son correctas.

A partir de las cargas factoriales presentadas, ¿cuál de las siguientes opciones describe la acción más adecuada para mejorar la interpretación de los factores?. Se debe eliminar V3: Instalaciones limpias, ya que no presenta una carga significativa en ninguno de los factores. Se debe eliminar V4: Ambiente confortable, ya que su carga en Factor 1 es baja. Se deben combinar V1 y V2 en un solo indicador. Todas las opciones son correctas.

¿Cual de las sigulentes afirmaciones describe correctamente el objetivo de indllata Discriminante (AD): Agrupar a individuos en clústeres homogéneos in una variable dependiente especifica independientes. Predecir a qué grupo pertenece un individuo en función de varias características. Identificar patrones ocultos en los datos sin una hipotesis previa. Reducir el número de variables para explicar la mayor cantidad de información posible.

En el Análisis Clúster (AC), ¿qué se busca principalmente?. Predecir una variable dependiente a partir de variables independientes. Validar la dimensionalidad de una escala de medición. Agrupar elementos en función de su similitud para formar clústeres homogéneos. Determinar si existe una relación causal entre variables.

Durante un Analisis de Conglomerados Jerárquico en SPSS, se detectan varios outtiers utilizando la distancia de Mahalanobis con un nivel de significancia de 0,001. ¿Cuál sería el procedimiento más adecuado para manejar estos outliers antes de interpretar el dendrograma?. Eliminar los outliers y ejecutar nuevamente el análisis de conglomerados para obtener clusteres mas homogéneos. Mantener los outliers en el andlisis, ya que representan la variabilidad natural de los datos. Cambiar el método de conglomeración a K-medias para minimizar el efecto de los outliers. Estandarizar los datos nuevamente y repetir el cálculo de la distancia de Mahalanobis sin eliminar los outliers.

¿Cuál de los siguientes pasos es fundamental en la realización de un Análisis de Conglomerados?. Cálculo de la distancia euclídea. La estandarización de datos. La detección de casos atípicos (outliers). Identificación de las variables a introducir.

¿ Cuál de las siguientes es una limitación del Análisis de Conglomerados?. No prueba hipótesis ni realiza inferencias. Es una técnica que no tiene una solución única. Es una técnica exploratoria. Todas son correctas.

Cuál de las siguientes justificaciones justificaría al uso de una prueba no parametrica en lugar de una parametrica?. Los datos son cuantitativos, y se dispone de una muestra grande con distribución normal. Las variables se miden en escalas ordinales y se detectan varios valoras atípicos (Outliers). Las variables se miden en una escala de razón y se tiene homogeneidad de varianzas. Los datos alguen una distribución normal, y no hay presencia de valores extremos.

En una prueba de Chi-cuadrado de Independencia, si se obtiene un valor p de 0,032.¿qué conclusión se debe tomar considerando un nivel de significancia de 0,05?. Se rechaza H0 y se concluye que las variables son independientes. No se puede rechazar H0 y se concluye que no hay relación entre las variables. Se rechaza H0 se concluye que las variables están relacionadas. Todas las opciones son incorrectas.

En una prueba de Kendall's Tau-b, se obtiene un valor p de 0,045. ¿Qué Indica este resultado?. No hay correlación significativa entre las variables. Existe una correlación significativa entre las variables. Se debe usar una prueba paramétrica para confirmar el resultado. Todas las respuestas son incorrectas.