Análisis Multivariado de Ciencias del Comportamiento

¿De qué es una medida de covarianza?. De la dirección de la relación lineal entre dos variables cuantitativas. De la fuerza y la dirección de la relación lineal entre dos variables cuantitativas. De la fuerza de una relación lineal entre dos variables cuantitativas.

Cuando hablamos de parámetros de regresión, ¿a qué nos referimos?. Al peso que tiene cada variable predictora en el modelo. A los valores de la constante en puntuaciones típicas. A las variables predictoras.

Con la información de la siguiente tabla, ¿qué variable tiene más peso dentro del tercer modelo?. Las actitudes hacia el alcohol, por tener una beta de 0,855 . La constante, por tener un valor de 9,301. La resistencia a la presión de grupo, por tener una beta de -0,486.

¿Qué zona del dibujo representa el coeficiente de determinación múltiple?. d. a + b + c. b.

¿Qué supuesto comprobamos con la siguiente prueba?. Normalidad. Independencia de los errores. Homocedesticidad.

Si queremos analizar diferencias en una variable cuantitativa en función de una variable cualitativa de dos grupos, ¿Qué tipo de prueba deberíamos de utilizar?. T de Student. ANOVA. Regresión lineal.

¿Qué método para la construcción de modelos de regresión lineal utilizamos cuando tenemos poca base teórica?. Pasos sucesivos. Simultáneo. Jerárquico.

Si queremos crear un modelo para predecir los niveles de ansiedad en pacientes crónicos, a partir de 3 variables predictoras, ¿qué tipo de prueba deberíamos utilizar?. T de Student. ANOVA. Regresión Lineal.

¿A qué principio hacemos referencia cuando hablamos de que un modelo matemático en Psicología debe tener pocos parámetros?. Aditividad. Linealidad. Parsimonia.

Si la suma de los coeficientes de orden cero elevados al cuadrado es mayor que la de los semiparciales elevados al cuadrado, ¿ante qué patrón de asociación entre variables nos encontramos?. Independencia. Redundancia. Supresión.

¿Qué características debe tener un modelo en psicología?. Fiabilidad y validez. Normalidad y fiabilidad. Parsimonia e interpretabilidad.

¿Cuándo podrá un modelo matemático ser aplicado a la perfección y a la toma de decisiones?. Después de que haya encontrado evidencias de validez de sus predictores. Tras la comprobación de su estabilidad en una segunda muestra extraída de la misma población. Una vez que esté construido ya se puede utilizar para predecir.

Para poder calcular el coeficiente de correlación entre los rasgos A y B es necesario tener: Dos grupos y medidas de los rasgos A y B en cada sujeto de cada grupo. Medidas del rasgo A en un grupo de sujetos y del rasgo B en otro grupo. Un grupo de sujetos, algunos de los cuales posee las características del rasgo A y el resto del rasgo B.

Cuanto más cercano sea el coeficiente de correlación al valor X, más fuerte será la relación entre las variables. 0. 0.5. -0.8.

El gráfico de dispersión representa la relación entre la edad y las puntuaciones en comprensión lectora de un grupo de estudiantes de un curso de lectura. Observando la nube de puntos, ¿cuál de los siguientes podría ser el valor de la correlación entre ambas variables?. 0.65. -0.87. 0.96.

¿Qué zona del dibujo nos ayuda a saber qué variables deben permanecer en la ecuación?. a + b + c. b. a y c.

El gráfico de dispersión muestra las puntuaciones en peso y altura de 18 sujetos si tuviéramos que eliminar del grafico a dos sujetos, ¿Cuál de las siguientes elecciones mejoraría el coeficiente de correlación?. S1 y S3. S2 y S3. S3 y S4.

En regresión lineal, ¿Qué coeficiente expresa la variación de la varianza total del criterio que es explicada en exclusiva por la variabilidad de una de las predictoras?. El coeficiente de alienación. El coeficiente de correlación parcial. El coeficiente de correlación semiparcial.

Construyendo un modelo de regresión lineal múltiple para explicar y predecir las prácticas sexuales de riesgo de los adolescentes alicantinos, se ha obtenido la siguiente matriz de correlaciones. Según estos resultados, ¿podemos sospechar que hay multicolinealidad?. No. Si, entre la variable “grado de ansiedad” y la variable “intención de uso del preservativo”. Si, entre la variable “número de prácticas sexuales de riesgo” y la variable intención de “uso del preservativo.

Tratando de explicar Burnout y las manifestaciones psicosomáticas a partir de diversas variables predictoras, unos investigadores llegaron a los siguientes modelos de regresión. ¿qué podemos concluir?. Los modelos anteriores explican de forma muy pobre las variables dependientes. Por lo tanto, ninguno de ellos demuestra su aplicabilidad. Si el nivel de significación es alfa igual a 0.05 todos los modelos son validos para explicar el Burnout y las manifestaciones psicosomáticas. Siendo conservadores (alfa 0.01) nos quedamos con el cuarto modelo.

¿Por qué se calcula el tamaño del efecto del modelo corregido, además de k²?. Para corregir problemas que puedan surgir de la violación de algunos de los supuestos del modelo. Para evitar sobreestimar la importancia del número de predictores. Para evitar tener un modelo de regresión múltiple que contenga demasiadas variables.

Un equipo de fisiólogos del ejercicio está investigando la relación entre la masa corporal (kg) y la tasa metabólica en reposo (calorías/día) de hombres sedentarios. Sobre la base de los resultados de la tabla, ¿cuál de los siguientes es la mejor interpretación del valor de la pendiente de la recta de regresión?. Por cada kg adicional de masa corporal, la tasa metabólica en reposo aumenta un promedio de 22.563 calorías por día. Por cada kg adicional de masa corporal, la tasa metabólica en reposo aumenta un promedio de 264 calorías por día. Por cada kg adicional de masa corporal, la tasa metabólica en reposo aumenta un promedio de 144.9 calorías por día.

A partir de una muestra de 10 sujetos con problemas de abuso de drogas internados en una granja de rehabilitación de toxicómanos se recogió información sobre múltiples indicadores sociodemográficos, psicológicos y relativos al consumo de drogas. Estas fueron las variables y su codificación: sexo (1- varón, 2- mujer), edad (en años), estado civil (1-soltero, 2- casado, 3- separado), situación laboral (1- en paro, 2- trabajador en activo), depresión (escala del 0 al 100), autoestima 8escala de 0 a 100), edad de inicio en el consumo de drogas (en años), sustancia que consume principalmente en la actualidad (1- alcohol, 2- hachís, 3- heroína, 4- cocaína y 5- pastillas). ¿Qué prueba es la más apropiada para analizar la influencia de la edad de inicio en el consumo y la autoestima en la depresión de los sujetos?. ANOVA. Regresión lineal. T de Student.

Siguiendo con el enunciado anterior, ¿qué prueba es la más apropiada para analizar las diferencias en depresión en función de la situación laboral de los sujetos?. ANOVA. Regresión lineal. T de Student.

Siguiendo con el enunciado anterior, ¿qué prueba es la más apropiada para analizar las diferencias en autoestima en función de las sustancias que consumen los sujetos?. ANOVA. Regresión lineal. T de Student.

En un contraste de hipótesis de diferencia de medias podemos encontrarnos con que una diferencia estadísticamente significativa no tiene mucha relevancia o importancia práctica (tamaño del efecto pequeño). ¿En qué situación es más probable que ocurra esto?. Cuando la verdadera diferencia poblacional es grande y el tamaño de la muestra es grande. Cuando la verdadera diferencia poblacional es pequeña y el tamaño de la muestra es pequeño. Cuando la verdadera diferencia poblacional es pequeña y el tamaño de la muestra es grande.

Las medidas del tamaño del efecto son medidas estadísticamente de…. La dirección de la relación. La fuerza de la relación. La significación de la relación.

Siguiendo con el enunciado anterior, ¿qué prueba debemos utilizar?. ANOVA de medidas repetidas. Prueba T para muestras independientes. Prueba T para muestras relacionadas.

Si en contraste de hipótesis sobre medias obtenemos p=0,07 y δ=0,06 trabajando con un nivel de confianza del 95%, podemos concluir que: Los resultados no son estadísticamente significativos ni clínicamente relevantes. Los resultados no son estadísticamente significativos, pero sí clínicamente relevantes. Los resultados no son estadísticamente significativos, pero no clínicamente relevantes.

Queremos comprobar el efecto de un fármaco ansiolítico sobre estudiantes de cuatro titulaciones durante el periodo de exámenes. Previamente, decidimos de qué titulaciones vamos a seleccionar a los sujetos. En cuanto a la dosis del fármaco, la elegiremos al azar entre un mínimo y un máximo, ¿qué modelo de ANOVA es el más apropiado para este contexto?. ANOVA de efectos aleatorios. ANOVA de efectos fijos. ANOVA de efectos mixtos.

El estadístico F es un cociente entre dos tipos de varianza: varianza _______ y varianza ______. Aleatorio; de error. De error: verdadera. Sistemática; de error.

En el ANOVA factorial, ¿qué es un efecto principal?. El efecto combinado de las variables independientes en la variable dependiente. El efecto de cada variable independiente en la variable dependiente. El efecto de interacción de las variables independientes y su efecto en la dependiente.

¿Cuál de los siguientes es un supuesto imprescindible para llevar a cabo un ANOVA de un factor para comparar k medias?. Las unidades experimentales han sido aleatoriamente seleccionadas, son independientes. Las k poblaciones de los valores de la variable dependiente asociados con los tratamientos tienen distribución normal. Las k poblaciones de los valores de la variable dependiente asociados con los tratamientos tienen igual varianza.

¿Cuántos sujetos necesitamos para un ANOVA factorial mixto 3x3, con veinte sujetos en cada condición experimental?. 20. 60. 180.

En el análisis de varianza, ¿Qué tipo de diseño se ve más afectado por la mortalidad experimental?. ANOVA de efectos fijos. ANOVA completamente aleatorizado. ANOVA de medidas repetidas.

¿Qué nombre recibe la acumulación progresiva de los efectos facilitadores de la respuesta ( efecto de la práctica, aprendizaje, etc.) y de los efectos obstaculizadores (como el cansancio físico, etc..?. Efecto del tratamiento. Efecto residual. Efecto de periodo.

¿Qué significa que un resultado es estadísticamente significativo?. Que hay grandes diferencias entre las medias de los grupos comparados. Que el resultado es muy poco probable que se deba al azar. Que el resultado prueba que nuestro diseño de estudio es correcto.

Queremos evaluar posibles diferencias en la nomofobia (evaluada del 0 al 20), en función del género (1=hombres y 0=mujeres) y el nivel de estudios (0=primarios, 1=secundarios y 2=universitarios) en una muestra de población española. ¿Cuál sería el análisis más adecuado para realizar dicha comparación?. Regresión lineal. T de Student. ANOVA.

¿Por qué es útil trabajar con modelos matemáticos en Psicología?. Representan de forma simplificada un fenómeno, facilitando su tratamiento. Son modelos complejos que abarcan todas las variables que influyen en el fenómeno. Nos permiten predecir siempre de manera exacta el fenómeno objeto de estudio.

Hemos creado dos modelos matemáticos diferentes (modelo A y modelo B) para la predicción de la actitud hacia la estadística en estudiantes universitarios. El modelo A está compuesto por 3 variables predictoras y el modelo B por 5 variables predictoras. En el modelo A obtuvimos un R^2 = 0,73 y en el modelo B, un R^2 = 0,83. ¿Qué modelo sería más apropiado para explicar la actitud hacia la estadística en estudiantes universitarios?. El modelo A, porque debemos aplicar el principio de parsimonia. El modelo B, ya que al tener más variables predictoras aumenta su poder explicativo. No podemos concluir con la información que aparece en la pregunta.

Se ha realizado un estudio para analizar las diferencias en la nota del examen en función del uso de tres tipos de técnicas concretas (esquemas, resúmenes y mapas conceptuales). Para ello se selecciona de forma aleatoria una muestra de 90 opositores a judicatura, asignados al azar a uno de los tres grupos experimentales. ¿Qué tipo de ANOVA se utilizaría en este contexto?. ANOVA de efectos aleatorios. ANOVA de efectos fijos. ANOVA de efectos mixtos.

Si en un ANOVA de dos factores (factor A y factor B) con muestras independientes, los resultados indican que los efectos del factor A y el factor B sobre la variable estudiada no son estadísticamente significativos. ¿Qué ocurrirá con el efecto de interacción entre ambos factores?. El efecto de interacción tampoco será estadísticamente significativo. Necesariamente habrá un efecto de interacción estadísticamente significativo entre los factores A y B. Con independencia de esos resultados, puede haber o no un efecto de interacción estadísticamente significativo entre los factores A y B.

Si al comparar diferencias en las medias entre dos grupos, obtenemos una d= 1,12 ¿Cuál es la magnitud del tamaño del efecto?. Tamaño del efecto grande. Este valor carece de sentido, ya que no es posible obtener un valor superior a 1. Tamaño del efecto mediano.

¿Cuál de los siguientes factores puede contribuir a infraestimar el valor del coeficiente de correlación de Pearson?. Utilizar un rango de valores reducido. Utilizar un rango de valores excesivo. Tener un tamaño muestral excesivo.

En la creación de un modelo de regresión lineal para la predicción de la ansiedad por salud, observamos que la variable neuroticismo presenta una B=5,48 y p=0,03. Si trabajamos con un alfa=0,05. ¿Qué conclusión podemos extraer sobre la variable neuroticismo?. El neuroticismo tiene una aportación muy relevante dentro del modelo. El neuroticismo no tiene un peso estadísticamente significativo dentro del modelo. El peso de la variable neuroticismo es estadísticamente significativo.

En el ANOVA de un factor con medidas independientes, el valor de eta al cuadrado ¿qué proporción de variabilidad total representa?. La variabilidad atribuida al error. La variabilidad explicada por el efecto de los tratamientos. La variabilidad no explicada por el efecto de los tratamientos.

Queremos crear un modelo matemático para la predicción de la satisfacción en la terapia, a partir de las expectativas sobre el tratamiento, la edad y la mejora de la sintomatología. Para analizar el efecto que tiene la incorporación de cada una de las variables a nuestro modelo, introduciéndolas en función de su tamaño del efecto. ¿Qué método de construcción de modelos tendremos que utilizar?. Método jerárquico. Método simultáneo. Método pasos sucesivos.

Sobre el tamaño del efecto, señala cuál de las siguientes afirmaciones NO es correcta. Es una medida de la magnitud de las diferencias encontradas. Es una medida de la significación de la relación. Es independiente del tamaño muestral.

En la creación de un modelo para la predicción del absentismo laboral se ha obtenido un coeficiente de correlación de Pearson r= 0,93 entre las variables ansiedad y depresión. ¿Puede plantear algún problema la introducción de ambas variables como predictoras en el modelo de regresión lineal múltiple? Señala la correcta: Los valores del factor de inflación de la varianza serán elevados, lo que podría indicarnos un problema de multicolinealidad. Hay una alta probabilidad de que aparezcan valores de tolerancia elevados (mayores de 0,70), lo que indicaría un problema de multicolinealidad. Dada la alta relación entre ambas variables, la inclusión de las dos variables incrementará el poder explicativo del modelo.

Al analizar la asociación entre el consumo de cannabis y la memoria a corto plazo, obtenemos un coeficiente de correlación Pearson de -0,995. Señala cuál de las siguientes afirmaciones sobre dicho resultado es correcta: Existe una relación lineal fuerte y directa entre la memoria a corto plazo y el consumo de cannabis. Los datos indican que, a mayor consumo de cannabis, menor es la memoria a corto plazo. Existe una relación causa efecto casi perfecta entre la memoria a corto plazo y el consumo de cannabis.

¿Qué puede ocurrir si usamos procedimientos estadísticos sin respetar y tener en cuenta los supuestos en los que se basan?. Que tengamos que matizar nuestras conclusiones para que los resultados obtenidos puedan ser útiles. Que los resultados no sean válidos ni fiables y por tanto, extraigamos conclusiones erróneas. Que las conclusiones sean correctas, a pesar de todo.

¿Qué son los parámetros de la regresión?. Los valores de la constante en puntuaciones directas. Las variables predictoras. El peso que tiene cada variable predictora en el modelo.

En el contexto del análisis de varianza, ¿qué valor toma estadístico F cuando las medias muestrales son diferentes?. Igual a 1. Mayor que 1. Menor que 1.

Queremos comparar la efectividad de dos tipos de intervenciones psicológicas (Terapia A y Terapia B) para la mejora de los resultados en competición de jugadores de fútbol profesionales. Si al comparar ambas terapias obtenemos el siguiente resultado en la prueba realizada: p=0,01 y una d=0,17. ¿Qué concluiríamos sobre la efectividad de las mismas?. Con los datos proporcionados no es posible tomar ninguna decisión. Sobre la hipótesis nula A y B no difieren en su efectividad para mejorar el rendimiento en los partidos de fútbol. A y B difieren en su efectividad para mejorar el rendimiento en los partidos de fútbol.

Hemos realizado un análisis de ANOVA de un factor con cuatro niveles para muestras independientes. Hemos obtenido un estadístico de contraste F=6,430 y una p=0,01. Trabajando con un alfa=0,05. ¿Cuál es tu conclusión a la vista de los resultados?. A la vista de los resultados, podemos afirmar que solo la media de dos grupos difieren entre. A y B difieren en su efectividad para mejorar el rendimiento en los partidos de fútbol. A y B no difieren en su efectividad para mejorar el rendimiento en los partidos de fútbol.

Hemos realizado un análisis de ANOVA de un factor con cuatro niveles para muestras independientes. Hemos obtenido un estadístico de contraste F=6,430 y una p= 0,01. Trabajando con un alfa=0,05, ¿cuál es tu conclusión a la vista de los resultados?. A la vista de los resultados, podemos afirmar que solo la media de dos grupos difieren entre sí. A la vista de los resultados, podemos afirmar que las medias de los cuatro grupos difieren entre sí. Con esta información no podemos afirmar nada acerca de cuáles de las medias difieren entre sí.

Si realizamos un ANOVA de un factor completamente aleatorizado, ¿cuál de los siguientes estimadores es el adecuado para poder obtener un estimación precisa del tamaño del efecto?. Delta de Cohen. Omega Cuadrado. Eta cuadrado.

Al crear un modelo y aplicarlo en una segunda muestra, el coeficiente de validación cruzada obtenido fue de 0,11 ¿Qué conclusión podemos extraer sobre la fiabilidad del modelo?. El modelo no es fiable. No es posible extraer conclusiones con la información disponible. El modelo no es muy fiable.

En la construcción de un modelo matemático para la predicción del rendimiento académico en estudiantes de secundaria, se ha obtenido una R^2=0,80. ¿A qué tipo de modelo matemático correspondería el modelo predictivo creado?. Parsimonioso. Probabilístico. Determinista.

En ANOVA, una vez eliminamos todas las fuentes conocidas de varianza sistemática, ¿Qué nombre recibe la varianza que queda en un conjunto de medidas?. Varianza intergrupo. Varianza experimental. Varianza intragrupo.

Se quieren comparar dos métodos de entrenamiento (A y B) para la memorización de palabras, ya que se sospecha que el método A es más efectivo que el método B. Se seleccionan dos grupos de cinco personas, de manera que la primera persona del grupo uno tiene las mismas características que la misma persona del grupo dos (mismo nivel educativo, edad, etc.). Lo mismo ocurre con la segunda persona, con la tercera, la cuarta y la quinta de cada grupo. El grupo uno es asignado al método A y el grupo dos al método B. ¿Qué hipótesis planteará el investigador?. H₀: μa ≤ μb: H₁: μa > μb. H₀: μa < μb: H₁: μa> μb. H₀: μa = μb: H₁: μa≠ μb.

¿Qué ventajas tiene la utilización de la ecuación de regresión con más de una variable predictora?. Que aumenta el tamaño del efecto asociado a la predicción. NS.

Sobre el tamaño del efecto, señala cual de las siguientes afirmaciones NO es correcta: Es una medida de la magnitud. Es independiente del tamaño muestral. Es una medida de la significación de la relación.