ANÁLISIS DE DATOS. T4.

¿Qué estudia la estadística descriptiva bivariada?. El comportamiento de una única variable. La relación entre dos variables. La distribución de una población completa.

¿Cuál es el objetivo principal del análisis bivariado?. Estudiar si dos variables están relacionadas. Calcular exclusivamente la media de una variable. Identificar el tamaño de una muestra.

¿Qué debemos recordar sobre la relación entre dos variables?. Que siempre implica causalidad. Que demuestra que una variable provoca cambios en otra. Que relación no significa necesariamente causalidad.

¿Qué herramienta se utiliza para estudiar la relación entre dos variables cualitativas?. La tabla de contingencia. El diagrama de dispersión. El coeficiente de Pearson.

¿Qué representa una tabla de contingencia?. La relación entre dos variables cuantitativas. La distribución conjunta de dos variables cualitativas. La media y la desviación típica de una variable.

¿Qué son las frecuencias conjuntas?. El número de individuos que pertenecen simultáneamente a dos categorías determinadas. El número total de variables de un estudio. La diferencia entre la media y la moda.

¿Qué representan las frecuencias observadas (fo)?. Las frecuencias que esperaríamos si no existiera relación. Las frecuencias que aparecen realmente en la muestra. Las frecuencias que se obtienen al calcular Pearson.

¿Qué representan las frecuencias esperadas (fe)?. Los resultados reales obtenidos en la muestra. Los valores máximos de cada variable. Las frecuencias que se esperarían si las variables no estuvieran relacionadas.

¿Para qué sirven las frecuencias esperadas?. Para comparar los resultados observados con los que esperaríamos si no hubiera relación. Para calcular directamente la correlación de Pearson. Para conocer la media de las variables.

¿Cómo se calcula una frecuencia esperada (fe)?. Multiplicando el total de la muestra por el total de la fila. Multiplicando el total de la fila por el total de la columna y dividiendo entre el total general. Dividiendo el total de la fila entre el total de la columna.

En la fórmula de la frecuencia esperada, ¿qué representa el total general?. El número total de individuos de la muestra. El número de categorías de una variable. La suma de las frecuencias esperadas de una fila.

¿Qué prueba se utiliza para analizar la relación entre dos variables cualitativas?. Correlación de Pearson. Covarianza. Chi-cuadrado.

¿Qué compara la prueba chi-cuadrado?. Las medias de dos variables. Las frecuencias observadas y las frecuencias esperadas. Las desviaciones típicas de dos variables.

¿Cuál es la fórmula del estadístico chi-cuadrado?. χ² = Σ [(fo - fe)² / fe]. χ² = Σ (fo + fe) / 2. χ² = fo × fe.

¿Qué significa que el valor de chi-cuadrado sea cercano a cero?. Que existe una gran diferencia entre las frecuencias. Que las frecuencias observadas y esperadas presentan poca discrepancia. Que las variables tienen una correlación negativa.

Si las frecuencias observadas son muy diferentes de las esperadas, ¿qué ocurre con chi-cuadrado?. Tiende a aumentar. Siempre vale cero. Se convierte en una correlación negativa.

¿Qué tipo de variables se analizan mediante chi-cuadrado según el tema?. Dos variables cuantitativas. Una variable cuantitativa y otra cualitativa. Dos variables cualitativas.

¿Qué información NO proporciona directamente el estadístico chi-cuadrado?. La discrepancia entre frecuencias observadas y esperadas. Si la relación es positiva o negativa. La diferencia entre las frecuencias observadas y esperada.

¿Qué estudia la covarianza?. Si dos variables varían conjuntamente en el mismo sentido o en sentido contrario. Si dos variables tienen exactamente la misma media. Si una variable provoca cambios en otra.

¿Qué indica una covarianza positiva?. Que cuando una variable aumenta, la otra siempre disminuye. Que ambas variables tienden a situarse en el mismo lado de sus respectivas medias. Que no existe ninguna relación entre las variables.

¿Qué indica una covarianza negativa?. Que ambas variables aumentan conjuntamente. Que las dos variables tienen la misma desviación típica. Que una variable tiende a estar por encima de su media cuando la otra está por debajo de la suya.

¿Qué significa que la covarianza sea igual a cero?. Que no se observa covariación lineal en los datos. Que existe una relación positiva perfecta. Que las variables tienen la misma media.

¿Qué representa Sxy?. La desviación típica de X. La covarianza entre las variables X e Y. La correlación de Pearson al cuadrado.

En el cálculo de la covarianza muestral, ¿por qué se divide entre n - 1?. Porque se utiliza la fórmula de la covarianza muestral. Porque se calcula la frecuencia esperada. Porque se transforma una variable cualitativa en cuantitativa.

Si tenemos una muestra de 5 individuos, ¿entre qué valor dividimos para calcular la covarianza muestral?. Entre 5. Entre 6. Entre 4.

¿Qué problema presenta la covarianza a la hora de interpretar la intensidad de una relación?. Que no permite conocer el sentido de la relación. Que depende de las unidades de medida de las variables. Que solamente puede tomar valores entre -1 y +1.

¿Qué coeficiente permite estandarizar la covarianza?. El coeficiente de correlación de Pearson. El estadístico chi-cuadrado. La frecuencia esperad.

¿Cuál es la fórmula del coeficiente de correlación de Pearson?. r = Sx × Sy / Sxy. r = Sxy / (Sx × Sy). r = Sxy + Sx + Sy.

¿Entre qué valores puede oscilar el coeficiente de Pearson?. Entre 0 y 100. Entre -10 y +10. Entre -1 y +1.

¿Qué indica un coeficiente de Pearson positivo?. Que las variables tienden a variar en el mismo sentido. Que las variables varían siempre en sentidos opuestos. Que no existe relación lineal.

¿Qué indica un coeficiente de Pearson negativo?. Que las dos variables aumentan conjuntamente. Que las variables tienden a variar en sentidos opuestos. Que las dos variables tienen la misma media.

¿Qué significa que r = 0?. Que existe una relación positiva perfecta. Que existe una relación negativa perfecta. Que no existe relación lineal entre las variables.

Si r = +1, ¿qué indica?. Una correlación lineal positiva perfecta. Una correlación lineal negativa perfecta. Ausencia de relación lineal.

Si r = -1, ¿qué indica?. Una correlación positiva débil. Una correlación lineal negativa perfecta. Ausencia de relación entre las variables.

Según los valores orientativos del tema, ¿qué intensidad representa aproximadamente una correlación de 0,10?. Grande. Pequeña. Moderada.

Según los valores orientativos del tema, ¿qué intensidad representa aproximadamente una correlación de 0,30?. Moderada. Grande. Nula.

Según los valores orientativos del tema, ¿qué intensidad representa una correlación de 0,50 o superior en valor absoluto?. Pequeña. Grande. Nula.

Si obtenemos una correlación de Pearson de r = 0,90, ¿cómo debemos interpretarla?. Como una correlación negativa muy grande. Como una correlación positiva muy grande. Como una ausencia de relación lineal.

¿Qué representa el coeficiente de determinación (r²)?. La proporción de varianza compartida entre las dos variables. La diferencia entre las frecuencias observadas y esperadas. La suma de las medias de las variables.

Si el coeficiente de Pearson es r = 0,80, ¿cuánto vale r²?. 0,16. 0,80. 0,64.

¿Qué representa cada punto de un diagrama de dispersión?. La media de una variable. Un individuo representado mediante un par de valores (X, Y). Una frecuencia esperada.

Si en un diagrama de dispersión los puntos siguen una tendencia ascendente, ¿qué tipo de relación observamos?. Positiva. Negativa. Nula necesariamente.

Si los puntos de un diagrama de dispersión siguen una tendencia descendente, ¿qué tipo de relación observamos?. Positiva. Negativa. Perfectamente nula.

¿Qué indica que los puntos de un diagrama de dispersión formen una curva?. Que necesariamente existe una relación lineal perfecta. Que no existe ninguna relación entre las variables. Que puede existir una relación no lineal.

¿Qué debemos tener en cuenta al interpretar el coeficiente de Pearson?. Que mide cualquier tipo de relación, incluida la no lineal. Que analiza la asociación lineal y que correlación no implica causalidad. Que demuestra que una variable es la causa de la otra.